METODE PENELITIAN
3.5. Teknik Analisis dan Uji Hipotesis 1 Teknik Analisis
Untuk menganalisa hubungan antara Pendapatan Industri Kecil Di Kabupaten Gresik Dan Kabupaten Jombang dengan Investasi Industri Kecil, Jumlah Tenaga Kerja Industri Kecil, Pertumbuhan Ekonomi, dan Jumlah Industri Kecil, maka digunakan analisis kuantitatif yaitu analisis dengan menggunakan beberapa alat perhitungan, tabel statistik juga
ekonometrika. Untuk menganalisis data kongrit menggunakan regresi linear berganda yang disesuaikan seperti rumus sebagai berikut :
Y1 = o + 1X1 + 2X2 + X3 + X4+ e
2004 : 509) ana
Y2 = o+ 1X1’+ 2X2’+ X3’+ X4’+ e... (Surhayadi dan Purwanto,
Di m :
Y1 = Pendapatan Industri Kecil Di Kabupaten Gresik Y2 = Pendapatan Industri Kecil Di Kabupaten Jombang
tri Kecil Di Kabupaten Jomban
ustri Kecil Di Kabupaten Gresik il Di Kabupaten Jombang
1, , = Koefisien Regresi
e ariabel Pengganggu (residual)
3.5.2.
X1 = Investasi Industri Kecil Di Kabupaten Gresik X1’ = Investasi Industri Kecil Di Kabupaten Jombang
X2 = Jumlah Tenaga Kerja Industri Kecil Di Kabupaten Gresik X2’ = Jumlah Tenaga Kerja Indus
g
X3 = Pertumbuhan Ekonomi Di Kabupaten Gresik X3’ = Pertumbuhan Ekonomi Di Kabupaten Jombang X4 = Jumlah Ind
X4’ = Jumlah Industri Kec = Konstanta
= V
Untuk menguji pengaruh variabel bebas (X1, X2, X3, X4) terhadap variab
a.
simultan terhadap variabel terikat dengan menggunakan rumus : F hitung = KT Regresi
el terikat Y maka digunakan : Uji F
Uji F dipergunakan untuk menguji pengaruh variabel bebas secara
...(Soelistyo, 2001 : 325). KT Galat
Keterangan :
KT = Kuadrat Tengah Galat = Error = Residual
gan sebesar ( k, n – k – 1 ) Den derajat kebebasan
Keterangan :
n = Jumlah Sampel
k = Jumlah Parameter Regresi Dengan ketentuan :
Ho : 1 =3 4 0 (Tidak ada pengaruh)
Kaidah
Hi : 1 0 (Ada pengaruh) pengujiannya:
Apabila F ≤ F , maka Ho d
1. iterima dan Hi ditolak,
p
2. F tabel maka Ho ditolak dan Hi diterima, rtinya variabel bebas berpengaruh terhadap variabel terikat secara simultan.
hitung tabel
artinya variabel bebas tidak mempengaruhi terhada variabel terikat. secara simultan.
Apabila F hitung > a
Gambar 7 : Kurva Distribusi Penolakan / Penerimaan Hipotesis Secara Simultan.
nolakan Ho
o
Sumber : onometrika, BPFE
UGM, Yogyakarta, Halaman 326.
b.
atau
ecara terpisah terhadap
t hitung ...(Gujarati, 1997 : 74). kebebasan sebesar (n-k-l) Daerah pe Daerah penerimaan H F () Soelistyo, 2001, Dasar-Dasar Ek Uji t
Uji t dipergunakan untuk menguji hubungan antara pengaruh dari masing-masing variabel bebas dan secara parsial atau individu secara terpisah terhadap variabel terikat, dengan dirumuskan : pengaruh hubungan antara pengaruh dari masing-masing variabel bebas dan secara parsial atau individu atau s
variabel terikat, dengan dirumuskan : = i
Se (i ) Dengan derajat Dimana :
i = Variabel bebas ke i
= Jumlah parameter regresi Se = Standart Error
n = Jumlah sampel k
Dengan ketentuan:
Ho : i = 0 (tidak ada pengaruh) ruh) Hi : i 0 (ada penga Kaidah pengujiannya :
1. Apabila t ≤ t maka Ho diterima dan Hi ditolak, yang artinya secara pa
hitung tabel,
rsial tidak ada pengaruh variabel bebas dengan
arsial variabel bebas ada pengaruh dengan
ambar an / Penerimaan
Daerah penerimaan
(
S r :
si Pertama, Ekonosia FE UII, Yogyakarta, Halaman 59.
variabel bebas mampu menjelaskan variabel terikat maka perlu diketahui variabel terikat.
2. Apabila t hitung > t tabel, maka Ho ditolak dan Hi diterima, yang artinya secara p
variabel terikat.
G 8 : Kurva Distribusi Penolak
Hipotesis Secara parsial
Ho ditolak Ho ditolak
Ho
-t 2 ; n-k-l ) ( t 2 ; n-k-l )
umbe Widarjono. Agus, 2005, Teori Ekonometrika dan Aplikasi, Edi
Untuk mengetahui apakah model analisis tersebut layak digunakan dalam pembuktian selanjutnya dan untuk mengetahui sejauh mana
nilai adjusted R2 atau koefisien nilai determinasi dengan menggunakan rumus : R2 = JK Regresi ………...(Sulaiman, 2004 : 86). JK Total Dimana: R2 = koefisien determinasi JK total = jumlah kuadrat
Karateristik utama dari R2 adalah : a. Tidak mempunyai nilai negatif
b. Nilainya berkisar antara 0 (nol) dan 1 (satu) atau 0 < R2 < 1
3.6. Uji Asumsi Klasik
Tujuan utama penggunaan uji asumsi klasik adalah untuk mendapatkan koefisien regresi linier yang terbaik dan tidak bias atau harus bersifat BLUE (Best Linier Unbiassed Estimate), karena apabila terjadi penyimpangan terhadap asumsi klasik tersebut, uji F dan uji t yang dilakukannya menjadi tidak valid dan secara statistik dapat mengacaukan kesimpulan yang diperoleh. Untuk menghasilkan keputusan yang BLUE, maka harus dipenuhi diantaranya 3 asumsi dasar, yaitu :
1. Tidak boleh ada autokorelasi 2. Tidak boleh ada multikolinier 3. Tidak boleh ada heteroskedastis
Apabila salah satu dari ketiga asumsi dasar tersebut dilanggar, maka persamaan regresi yang diperoleh tidak lagi bersifat BLUE (Best Linier Unbiassed Estimate), sehingga pengambilan keputusan melalui uji F dan uji t menjadi bias. Sifat dari BLUE itu sendiri adalah :
a. Best : Pentingnya sifat ini bila diterapkan dalam uji signifikan data terhadap dan serta membuat interval keyakinan taksiran-taksiran.
b. Linier : Sifat ini dibutuhkan untuk memudahkan dalam
penafsiran.
c. Unbiased : Nilai jumlah sampel sangat besar penaksir parameter diperoleh dari sampel besar kira-kira
lebih mendekati nilai parameter sebenarnya.
d. Estimate : e (kesalahan) penaksiran linier kuadrat terkecil, artinya diharapkan sekecil mungkin.
Tiga dari asumsi dasar tersebut yang tidak boleh dilanggar dalam regresi linier berganda :
a. Autokorelasi (Auto Correlation)
Autokorelasi adalah korelasi (hubungan) yang terjadi diantara anggota-anggota dari serangkaian pengamatan yang tersusun dalam lingkaran waktu (seperti pada kurun waktu atau time series) atau yang tersusun dalam rangkaian ruang (seperti pada data silang waktu atau cross sectional data).
Gambar 9 : Kurva Durbin-Watson 2 4 Menolak Ho Bukti Autokorelasi Positif Menolak H*o Bukti Autokorelasi Negatif
Menerima Ho atau H*o Atau kedua-duanya
d
Sumber : Gujarati, Damodar, 1999, Ekonometrika Dasar, Erlangga,
Jakarta, Halaman 216. Daerah keragua- raguan Daerah keragua- raguan dL dU 4 –dU 4 – dL d
Adanya autokorelasi didasarkan atas :
1. Daerah A : Durbin-Watson < dL, tolak Ho autokorelasi positif.
2. Daerah B : dL < Durbin-Watson < dU, ragu-ragu. 3. Daerah C : dU < Durbin-Watson < dU, terima Ho, non autokorelasi.
4. Daerah D : 4 – dU < Durbin-Watson < 4 – dU, ragu-ragu. 5. Daerah E : Durbin-Watson < 4 – dL, tolak Ho autokorelasi negatif. (Gujarati, 1999 : 217).
Pendekteksian adanya autokorelasi dapat dilakukan dengan menggunakan perhitungan besaran Durbin Watson. Panduan mengenai angka D – W ( Durbin-Watson ) untuk mendeteksi autokorelasi adalah:
1. Angka D – W dibawah -2, berarti ada autokorelasi positif. 2. Angka D – W dibawah -2 sampai +2, berarti tidak ada autokorelasi.
3. Angka D – W diatas +2, berarti ada korelasi negatif. Tabel 1 : Autokorelasi Durbin-Watson
Durbin Watson Kesimpulan
Kurang dari 1,08 Ada autokorelasi
1,08 – 1,66 Tanpa kesimpulan
1,66 – 2,34 Tidak ada autokorelasi
2,34 – 2,92 Tanpa kesimpulan
Lebih dari 2,92 Ada autokorelasi
Sumber : Algifari, 2000. Analisis Regresi, Teori, Kasus dan Solusi, Penerbit : BPFE UGM, Yogyakarta, Halaman 89.
b. Multikolinieritas (Multicolinierity)
Pada multikolinieritas tersebut menunjukkan adanya suatu derajat kolinieritas yang tinggi diantara variabel-variabel bebas berkolerasi secara sempurna, maka metode kuadrat terkecil tidak bisa digunakan.
Adapun cara pendeteksiannya adalah :
1. Konfirmasi antara nilai R2 dengan seluruh hasil t hitung pada
uji parsial. Jika hasil estimasi ditemukan bahwa R2 yang sangat tinggi, namun tidak satupun nilai t hitung parsial yang signifikan, maka dipastikan terdapat suatu adanya gajala multikolinieritas.
2. Dengan menentukan nilai VIF (Variance Inflation Factor) dan indeks tolerance.
3. VIF = 1 / 1 - R2...(Gujarati, 1997 : 85).
Dimana:
VIF menyatakan tingkat pembengkakan varians. Apabila VIF lebih besar dari 10, maka terjadi suatu multikolinieritas pada persamaan tersebut.
c. Heteroskedastisitas ( Heteroscedasticity )
Dalam pengujian ini heteroskedastisitas merupakan suatu kasus didalam seluruh faktor gangguan tidak mempunyai varians yang sama atau varians tidak konstan, kondisi varians nirkonstan atau nirhomogen ini disebut “ heteroskedastisitas”.
Heteroskedastisitas pada regresi linier nilai residual tidak boleh ada hubungan dengan cara menghitung korelasi Rank Spearman’S antara residual dengan seluruh variabel independent atau yang tidak menjelaskan : I
s
= 1 – 6 ) 1 ( 2 2 N N di ...(Gujarati, 1999 : 188). Keterangan :di = Perbedaan dalam Rank antara residual (disturbance term error) dengan variabel bebas k = I.
- Jika nilai probabilitas > 0,05 maka tidak terjadi heteroskedastisitas
- Jika nilai probabilitas < 0,05 maka terjadi heteroskedastisitas
BAB IV
