III. METODE PENELITIAN …
3.3. Pengujian Kriteria Ekonomi dan Statistik
3.3.3. Uji Koefisien Determinasi (R 2 )
Uji koefisien determinasi R2 (R2 adjusted) digunakan untuk melihat sejauh mana variabel bebas mampu menerangkan keragaman variabel terikatnya. Nilai
36
R2 mengukur tingkat keberhasilan model regresi yang digunakan dalam memprediksi nilai variabel terikatnya. Menurut Gujarati (1993) terdapat dua sifat R2 yaitu :
1. Merupakan besaran non negatif.
2. Batasnya adalah antara 0 dan 1. Jika R2 bernilai 1 berarti suatu kecocokan sempurna, sedangkan jika R2 bernilai 0 berarti tidak ada hubungan antara variabel terikat dengan variabel bebasnya.
R2 =
= 1 -
= 1 – ∑
∑
a
atau (3.6)= 1 -
(3.7)
Dimana :
ESS = Jumlah kuadrat yang dijelaskan (explained sum square) TSS = Jumlah kuadrat total (total sum square)
= Varians residual
= Varians sampel dari Y
Salah satu masalah jika menggunakan ukuran R-squared untuk menilai baik buruknya suatu model adalah mendapatkan nilai yang terus naik seiring dengan pertambahan variabel bebas ke dalam model sehingga adjusted R-squared secara umum memberikan penalty atau hukuman terhadap penambahan variabel bebas yang tidak mampu menambah daya prediksi suatu model. Nilai adjusted
R-squared tidak akan pernah melebihi nilai R-R-squared bahkan bisa turun jika ditambahkan variabel bebas yang tidak perlu. Bahkan model yang memiliki kecocokan rendah (goodness of fit), adjusted R-squared dapat memiliki nilai negative. Nilai Adjusted R-squared dapat dihitung sebagai berikut :
(3.8)
k adalah banyaknya parameter dalam model termasuk faktor intersep.
3.3.4. Uji Kriteria Ekonometrika 1. Uji Normalitas
Kenormalan sisaan diperlukan agar dihasilkan nilai estimasi parameter yang tidak bias, efisien dan konsisten. Selain itu, pengujian parameter dalam analisis regresi menggunakan nilai kritis distribusi t dan F yang keduanya berasal dari distribusi normal. Pemeriksaan kenormalan sisaan dapat dlakukan melalui Plot Persentil-Persentil (P-P Plot), jika nilai sisaan membentuk garis lurus maka sisaan berdistribusi normal.
Pengujian asumsi kenormalan secara formal dapat dilakukan dengan uji Kolmogorov-Smirnov yang merupakan suatu uji mengenai tingkat kesesuaian antara distribusi serangkaian nilai sisaan dengan distribusi normal. Hipotesis yang digunakan adalah :
H0 : distribusi sisaan mengikuti distribusi normal H1 : distribusi sisaan tidak mengikuti distribusi normal
38
Statistik uji :
D = maksimum F0(Xi) – Sn(Xi) dengan i = 1, 2, 3, …, n.
F0(X) merupakan distribusi frekuensi kumulatif teoritis mengikuti distribusi normal, sedangkan Sn(X) merupakan distribusi frekuensi kumulatif sisaan yang diamati sesuai jumlah sampel.
Pada pengujian dengan tingkat kepercayaan sebesar (1-α) persen dapat diambil keputusan menerima H0 jika D < Dtabel dan menolak H0 jika D ≥ Dtabel. Dtabel merupakan nilai kritis dari tabel Kolmogorov-Smirnov. Selain itu pengambilan keputusan dapat didasarkan pada nilai p-value yaitu jika p-value ≥ α maka H0 diterima, sedangkan jika p-value < α maka H0 ditolak.
2. Autokorelasi
Secara harfiah autokorelasi berarti adanya korelasi antara anggota observasi dengan observasi lain yang berlainan waktu atau disebut juga serial correlation. Menurut Gujarati (1993), dalam model regresi akan terjadi autokorelasi apabila terjadi bentuk fungsi yang tidak tepat, peubah penting dihilangkan dari model, terjadi interpolasi data. Untuk mendeteksi ada tidaknya autokorelasi first degree dapat digunakan nilai Durbin-Watson (DW) dari hasil regresi, namun untuk melihat autokorelasi pada tingkat yang lebih tinggi digunakan Uji Breuch Godfrey Serrial Corelation Lagrange LM Test.
Autokorelasi akan menyebabkan diantaranya sebagai berikut : a. Dugaan parameter tidak bias.
b. Nilai galat baku mengalami autokorelasi, sehingga ramalan tidak efisien.
c. Ragam galat tidak jelas.
d. Terjadi pendugaan kurang tepat pada ragam galat (standar error underestimated), sehingga Sb underestimated. Oleh karena itu, t overestimate cenderung lebih besar dari yang sebenarnya.
H0 = β = 0 (tidak terdapat serial autokorelasi) H1 = β ≠ 0 (terdapat serial autokorelasi)
Kriteria uji yang digunakan untuk melihat adanya autokorelasi adalah sebagai berikut :
1. Apabila nilai obs*R-squared lebih besar dari taraf nyata yang digunakan, maka model persamaan yang digunakan tidak mengalami masalah autokorelasi.
2. Apabila nilai obs*R-squared lebih kecil dari taraf nyata yang digunakan, maka model persamaan yang digunakan mengalami masalah autokorelasi.
Solusi dari masalah autokorelasi yaitu dengan menghilangkan variabel yang sebenarnya tidak berpengaruh terhadap variabel bebas. Jika terjadi kesalahan dalam spesifikasi model, hal ini dapat diatasi dengan mentransformasi model, misalnya dari model linier menjadi non linier atau sebaliknya.
3. Heterokedastisitas
Seringkali pada data yang dianalisis ditemukan masalah varians residual yang bervariasi (heterokedastisitas), sementara itu analisis regresi menghendaki asumsi bahwa residual memiliki varians konstan (homokedastisitas).
Heterokedastisitas terjadi apabila ada pelanggaran pada asumsi regresi. Hal
40
tersebut ditandai dengan varians tidak tetap. Heterokedastisitas tidak merusak sifat ketidakstabilan dan konsistensi dari penaksir OLS, tetapi penaksir dihasilkan tidak lagi mempunyai varians minimum (efisien). Menurut Gujarati (1993), jika terjadi heterokedastisitas maka akan berakibat sebagai berikut :
1. Estimasi dengan menggunakan OLS tidak akan memiliki varians yang minimum atau estimator tidak efisien.
2. Prediksi (nilai Y untuk X tertentu) dengan estimator dari data yang sebenarnya akan mempunyai varians yang tinggi, sehingga prediksi tidak efisien.
3. Tidak akan ditetapkannya uji nyata koefisien atau selang kepercayaan dengan menggunakan formula yang berkaitan dengan varians.
Secara umum ada beberapa cara atau teknik yang dapat digunakan untuk mendeteksi adanya heterokedastisitas, yaitu :
1. Uji Park.
2. Uji Breusch Pagan Godfrey.
3. Uji White (White General Heterokedastisity Test).
Dalam penelitian ini untuk menguji ada tidaknya heterokedastisitas dengan menggunakan Breusch Pagan Godfrey dan White General Heteroskedastisity Test. Kriteria uji yang digunakan untuk melihat adanya heterokedastisitas adalah jika nilai probability obs*R-squared lebih besar dari taraf nyata yang digunakan, maka model persamaan yang digunakan tidak mengalami masalah heterokedastisitas. Sebaliknya jika nilai probability obs*R-squared lebih kecil dari
taraf nyata yang digunakan, maka persamaan tersebut mengalami masalah heterokedastisitas.
Untuk mengatasi masalah heterokedastisitas ada beberapa teknik, diantaranya :
a. Metode Generalized Least Square (GLS).
b. Transformasi dengan logaritma.
4. Uji Multikolinearitas
Pada regresi linier berganda digunakan lebih dari satu variabel bebas untuk menjelaskan variabel tak bebas. Asumsi yang harus dipenuhi adalah bahwa antar variabel bebas ini tidak terdapat korelasi sehingga estimasi parameter koefisien regresi dari masing-masing variabel bebas benar-benar mencerminkan pengaruhnya terhadap variabel tak bebas. Multikolinearitas terjadi apabila pada regresi linier berganda terjadi hubungan antar variabel bebas atau terjadi karena adanya korelasi yang nyata antar peubah bebas. Pelanggaran asumsi ini akan menyebabkan kesulitan untuk menduga yang diinginkan.
Menurut Gujarati (1993), untuk mendeteksi ada tidaknya multikolinieritas adalah dengan memperlihatkan hasil probabilitas t-statistik hasil regresi. Jika banyak koefisien parameter yang diduga menunjukkan hasil yang tidak signifikan, maka hal ini mengindikasikan adanya multikolinieritas. Salah satu cara yang paling mudah untuk mengatasi pelanggaran ini adalah dengan menghilangkan salah satu variabel yang tidak signifikan tersebut. Hal ini sering tidak dilakukan karena dapat menyebabkan bias parameter spesifikasi pada model. Kemudian cara
42
lain adalah dengan mencari variabel instrumental yang berkorelasi dengan variabel terikat tetapi tidak berkorelasi dengan variabel bebas lainnya. Hal ini agak sulit dilakukan mengingat tidak adanya informasi tentang tipe variabel tersebut. Ada beberapa cara untuk mendeteksi ada tidaknya multikolinieritas, salah satunya yaitu melalui correlation matric, dimana batas terjadinya korelasi antar sesama variabel bebas adalah tidak lebih dari │0,80│.
Selain correlation matric dapat juga menggunakan Uji Klien, apabila terdapat nilai korelasi yang lebih tinggi dari │0,80│, maka menurut Uji Klien multikolinieritas dapat diabaikan selama nilai korelasi tersebut tidak melebihi Adjusted R-squared. Jika tetap menggunakan OLS dalam menghitung estimasi parameter model regresi linier berganda yang mengandung multikolinieritas maka kita harus menghadapi konsekuensi sebagai berikut :
1. Estimator yang dihasilkan masih merupakan BLUE (Best Linear Unbiased Estimator) tetapi memiliki varians dan kovarians yang besar sehingga sulit mendapatkan estimasi yang tepat.
2. Interval estimasi akan cenderung melebar, sehingga nilai statistik hitung t akan kecil akibatnya variabel bebas tidak signifikan secara individual meskipun secara simultan signifikan.
3. Nilai korelasi simultan R-square tinggi tetapi korelasi parsial rendah.
3.4. Beberapa Kelemahan Metode Ordinary Least Square (OLS)
Ketika menggunakan data runtun waktu (time series), seringkali muncul kesulitan-kesulitan yang sama sekali tidak dijumpai pada saat menggunakan data
seksi silang (cross section). Sebagian besar kesulitan tersebut berkaitan dengan urutan pengamatan. Ada hal yang menjadi kelemahan metode Ordinary Least Square (OLS) dengan menggunakan data time series (Gujarati, 1993) antara lain : 1. Suatu kondisi dimana satu variabel time series berubah secara konsisten
dan terprediksi sebelum variabel lain yang ditentukan demikian. Jika suatu variabel mendahului variabel yang lain, tidak dapat dipastikan bahwa variabel pertama tersebut menyebabkan variabel lain berubah.
2. Variabel-variabel independen Nampak lebih signifikan dari sebenarnya, yaitu apabila variabel-variabel itu memiliki trend menarik yang sama dengan variabel dependennya dalam kurun waktu periode sampel.
3. Terkadang variabel time series tidak stasioner. Maksudnya rata-rata dan variannya tidak konstan sepanjang waktu dan nilai kovarian antara dua periode waktu tergantung dari jarak atau lag antara kedua periode dari waktu sesungguhnya dimana kovarian itu dihitung dan bukan dari periode pada waktu.
4. Variabel time series terkadang tidak mempunyai kointegrasi yaitu dalam jangka waktu tertentu tidak terdapat keseimbangan.
5. Sulit untuk menentukan kapan sebuah variabel tersebut penting sebagaimana dijelaskan dalam teori atau sebaliknya teorinya kurang jelas, maka akan muncul dilema.
BAB IV
GAMBARAN UMUM
4.1. Perkembangan Penanaman Modal Asing (PMA)
Nilai proyek Penanaman Modal Asing (PMA) di Provinsi Jawa Timur dari tahun ke tahun mengalami pertumbuhan yang sangat fluktuatif (Gambar 4.1). Hal ini tidak dapat dilepaskan dari kondisi ekonomi global, dimana ketidakpastian perekonomian dunia akan sangat berpengaruh terhadap keputusan berinvestasi yang dilakukan oleh negara-negara maju.
Laju pertambahan nilai penanaman modal asing yang masuk pada tahun 2005 sebesar 50,68 persen, hal ini seiring dengan jumlah proyek yang juga meningkat sebesar 20,00 persen. Pada tahun 2006 peningkatan jumlah proyek sebesar 6,41 persen mampu meningkatkan nilai penanaman modal asing sebesar 172,22 persen. Sedangkan pada tahun berikutnya peningkatan jumlah proyek sebesar 2,41 persen tidak diiringi dengan peningkatan nilai penanaman modal asing yang masuk tetapi justru nilainya menurun sebesar 41,72 persen. Jadi nilai penanaman modal asing tidak ditentukan oleh seberapa banyak jumlah proyek yang masuk. Adapun jumlah proyek yang masuk pada tahun 2010 meningkat sebesar 18,75 persen, demikian juga nilai penanaman modal asing meningkat sebesar 31,50 persen.
Pada periode 1990-2010 menunjukkan bahwa penanaman modal asing tahun 1994 merupakan investasi yang paling tinggi yaitu mencapai 6.771 juta USD dengan proyek sebanyak 56 proyek. Angka ini meningkat 151,96 persen
dibandingkan jumlah penanaman modal asing yang masuk ke Provinsi Jawa Timur tahun 1993. Sedangkan pada tahun 1998 penanaman modal asing mengalami penurunan cukup tajam yaitu sebesar 86,25 persen. Hal ini disebabkan krisis ekonomi dunia yang terjadi pada tahun 1997, dimana kejadian tersebut sangat berpengaruh pada penanaman modal asing yang masuk tidak hanya dalam lingkup nasional saja tetapi juga dalam lingkup daerah.
Penanaman modal asing yang masuk di Provinsi Jawa Timur pada tahun-tahun berikutnya tetap berfluktuasi tetapi dengan arah yang terus meningkat, krisis finansial yang terjadi pada tahun 2008 juga tidak begitu berpengaruh pada aliran masuk investasi asing. Meskipun sempat mengalami penurunan pada tahun 2009, penanaman modal asing kembali meningkat sebesar 31,50 persen di tahun 2010.
Sumber : Badan Koordinasi Penanaman Modal Provinsi Jatim
Gambar 4.1. Perkembangan Penanaman Modal Asing di Provinsi Jawa Timur Tahun 1990-2010
0 1,000,000 2,000,000 3,000,000 4,000,000 5,000,000 6,000,000 7,000,000 8,000,000
nilai PMA (000 USD)
Tahun
46
Peningkatan yang terjadi pada tahun 2010 salah satunya disebabkan oleh masuknya investasi perusahaan multinasional dari Swiss yang bergerak dibidang pembenihan, hal ini memberikan harapan positif dan sesuai dengan visi Pemerintah Provinsi Jawa Timur untuk menjadikan daerah Jawa Timur sebagai wilayah agribisnis terkemuka di Asia (BPM Provinsi Jatim, 2011).
Sedangkan jika dilihat dari sektor, penanaman modal asing yang masuk ke Provinsi Jawa Timur didominasi oleh sektor industri pengolahan. Adapun penanaman modal asing yang masuk ke Provinsi Jawa Timur selama 2000-2010 menunjukkan bahwa secara rata-rata sektor terbesar adalah investasi di sektor industri sebesar 63,96 persen, kemudian sektor lainnya (sektor bangunan, hotel dan restoran, jasa-jasa) sebesar 34,69 serta sektor pertanian dan pertambangan sebesar 1,35 persen.
Gambar 4.1. menunjukkan penanaman modal asing yang masuk pada tahun 2001 dominan pada sektor industri pengolahan, jenis industri yang paling banyak adalah industri kimia sebesar 95,29 persen, yang kedua industri barang logam sebesar 2,25 persen dan yang ketiga adalah industri makanan sebesar 0,86 persen. Pada periode 2002-2005 sektor industri pengolahan masih juga mendominasi dengan rata-rata persentase sebesar 68,48 persen. Sedangkan pada tahun 2006 dan 2008 penanaman modal asing bergeser pada sektor lainnya yang didominasi oleh sektor konstruksi/bangunan, perdagangan dan jasa. Penanaman modal asing di sektor industri pengolahan kembali meningkat pada tahun 2010 sebesar 77,86 persen, sektor lainnya sebesar 22,05 persen dan sektor pertanian dan pertambangan sebesar 0,09 persen. Peningkatan di sektor industri pengolahan
utamanya adalah sektor industri makanan/minuman dan sektor industri kimia dan farmasi.
Peningkatan yang terjadi pada sektor indutsri makanan/minuman dikarenakan penambahan nilai investasi yang dilakukan oleh PT Nestle dengan nilai kontrak sebesar 490 juta USD. Sedangkan peningkatan yang terjadi di sektor industri kimia dan farmasi dikarenakan investasi dari PT Chiel Jedang (CJ) yaitu perusahaan multinasional dari Korea Selatan yang memproduksi asam amino, Hcl-L, Lysne, MSG.
4.2. Perkembangan Produk Domestik Regional Bruto
Pembangunan ekonomi adalah suatu proses kenaikan pendapatan total dan pendapatan perkapita dengan memperhitungkan adanya pertambahan penduduk
Sumber : Badan Koordinasi Penanaman Modal Provinsi Jatim
Gambar 4.2. Persentase Penanaman Modal Asing di Provinsi Jawa Timur Berdasarkan sektor Tahun 2001-2010
2001 2002 2003 2004 2005 2006 2007 2008 2009 2010
persentase PMA (persen)
Tahun
Pertanian & Pertambangan Industri Lainnya
48
dan disertai dengan perubahan fundamental dalam struktur ekonomi suatu negara/daerah dan pemerataan pendapatan bagi penduduknya. Pembangunan ekonomi tak dapat lepas dari pertumbuhan ekonomi karena pembangunan ekonomi mendorong pertumbuhan dan sebaliknya pertumbuhan ekonomi memperlancar proses pembangunan (Kuncoro, 2010). Produk Domestik Regional Bruto (PDRB) mencerminkan pertumbuhan ekonomi suatu daerah.
Perkembangan PDRB Provinsi Jawa Timur dari tahun ke tahun terus meningkat, hal ini mengindikasikan pertumbuhan ekonomi yang positif. Gambar 4.2. menunjukkan pertumbuhan ekonomi Provinsi Jawa Timur yang terus mengalami peningkatan, kecuali pada tahun 1998 terjadi penurunan sebesar 11,21 persen, hal ini dikarenakan krisis ekonomi global yang terjadi pada tahun 1998.
Karena perekonomian dunia cukup terintegrasi, sebagai konsekuensi dari arus globalisasi, setiap terjadi krisis global akan berpengaruh terhadap perekonomian di Indonesia termasuk Provinsi Jawa Timur. Pada tahun 1999 pertumbuhan ekonomi mengalami sedikit peningkatan meskipun hanya sebesar 1,21 persen sebagai bentuk proses pemulihan ekonomi.
Pada perkembangan selanjutnya dari tahun 1999 sampai dengan 2009 PDRB Provinsi Jawa Timur terus mengalami peningkatan, demikian juga pada tahun 2010 terjadi peningkatan sebesar 6,88 persen yaitu dari 320,21 miliar Rp menjadi 342,24 miliar Rp pada tahun 2010. Adapun krisis finansial yang terjadi pada tahun 2008 hanya mengakibatkan laju pertumbuhan sedikit melambat.
Pertumbuhan ekonomi yang semakin membaik ini diharapkan mampu membuka
peluang bagi para investor asing untuk melakukan investasi di Provinsi Jawa Timur.
4.3. Perkembangan Inflasi
Pada triwulan I-2010, inflasi IHK 7 kota di Jawa Timur sebesar 3,01 persen (yoy), lebih rendah dibandingkan dengan inflasi triwulan sebelumnya yang mencapai 3,40 persen maupun dengan inflasi nasional yang mencapai 3,56 persen.
Tingkat inflasi Jawa Timur hingga triwulan ini terus menunjukkan tren perlambatan. Kondisi ini secara umum dipengaruhi oleh cukup terjaganya tekanan inflasi pada kelompok yang mendominasi seperti kelompok bahan makanan, kelompok makanan jadi, minuman, rokok dan tembakau, serta kelompok perumahan, air, listrik, gas dan bahan bakar.
Sumber : Badan Pusat Statistik Provinsi Jatim
Gambar 4.3. Pertumbuhan Ekonomi Provinsi Jawa Timur Tahun 1990-2010
-15.00 -10.00 -5.00 0.00 5.00 10.00 15.00 20.00
Pertumbuhan Ekonomi (persen)
50
Secara umum, tren penurunan inflasi tersebut terutama dipengaruhi oleh terkendalinya harga bahan makanan (sebagai kelompok yang memiliki bobot terbesar kedua di Jawa Timur). Meskipun sempat terjadi kenaikan harga pada kelompok tersebut pada bulan Januari dan Pebruari 2010, namun deflasi yang terjadi pada bulan Maret 2010 mampu menekan inflasi keseluruhan pada triwulan satu. Hal ini juga dipengaruhi oleh kecukupan distribusi, ketegasan pemerintah provinsi dalam pengendalian harga komoditas strategis (terutama gula pasir), serta didukung oleh ekspektasi masyarakat yang terjaga.
4.4. Perkembangan Ekspor
Selama bulan Desember 2010 ekspor hasil pertanian menunjukkan kenaikan sebesar 34,60 persen disbanding bulan sebelumnya, dari 80,58 juta USD
Sumber : BPS Provinsi Jawa Timur
Gambar 4.4. Perkembangan Inflasi Provinsi Jawa Timur 2009-2010
di bulan November 2010 menjadi 108,47 juta USD di bulan Desember 2010.
Hasil industri naik 30,86 persen dari 1.073,81 juta USD menjadi 1.405,18 juta USD di bulan Desember 2010, dan hasil pertambangan danlainnya naik 66,02 persen disbanding bulan sebelumnya yaitu dari 2,66 juta USD di bulan November 2010 menjadi 4,41 juta USD di bulan Desember 2010. Dibanding periode yang sama tahun 2009, ekspor hasil pertanian Januari-Desember 2010 naik 21,86 persen. Hasil industri naik 34,59 persen dan hasil pertambangan dan lainnya naik sebesar 6,32 persen (tabel 4.1).
Tabel 4.1. Perkembangan ekspor Provinsi Jawa Timur 2009-2010
Sumber : BPS Provinsi Jawa Timur (2011)
Dilihat dari kontribusinya terhadap total nilai ekspor pada bulan Desember 2010, ekspor migas memberikan kontribusi sebesar 5,79 persen dan non migas sebesar 94,21 persen. Sedangkan besarnya peranan ekspor sektor industri sebesar 87,21 persen, sektor pertanian serta sektor pertambangan dan lainnya masing-masing sebesar 6,73 persen dan 0,27 persen. Adapun selama Januari-Desember 2010 ekspor migas berperan 10,18 persen, ekspor non migas berperan sebesar
52
4.5. Perkembangan Upah Minimum Provinsi
Undang-undang No.13 Tahun 2003 tentang Ketenagakerjaan mewajbkan Gubernur untuk menetapkan upah minimum kabupaten/kota. Regulasi upah minimum ditetapkan oleh Gubernur Jawa Timur dan dituangkan dalam bentuk Peraturan Gubernur yang akan memberikan acuan mengenai besaran upah minimum pada 37 kabupaten/kota yang ada di Jawa Timur. Berdasarkan data upah minimum Jawa Timur dapat diketahui adanya peningkatan rata-rata UMR dari tahun 2000 sampai dengan 2010 sebesar 11,56 persen (Tabel 4.2.).
Tabel 4.2. Perkembangan UMR Provinsi Jawa Timur 2001-2010
Sumber : BPS Provinsi Jawa Timur (2011)
Tingkat upah minimum suatu daerah sangat dipengaruhi oleh perkembangan perekonomian pada daerah tersebut. Perbedaan tingkat upah minimum antar daerah antara lain disebabkan oleh kesepakatan antara organisasi sektoral pekerja, sehingga untuk daerah-daerah kawasan industri tingkat upah minimumnya lebih tinggi dibandingkan dengan daerah yang bukan kawasan industri.
5.1. Estimasi Parameter Model
Metode yang digunakan untuk menduga faktor-faktor yang memengaruhi Penanaman Modal Asing di Provinsi Jawa Timur adalah dengan menggunakan metode Ordinary Least Square (OLS) dengan alat analisis yang digunakan adalah program Eviews 6.0. Model persamaan yang digunakan dalam penelitian ini adalah model terbaik. Dimana model terbaik adalah model yang memenuhi seluruh kriteria, baik itu kriteria secara statistik maupun ekonometrika. Variabel-variabel yang digunakan adalah PMA sebagai Variabel-variabel dependen, sedangkan variabel PDRB dan nilai tukar sebagai variabel independen. Hasil estimasi model persamaan regresi Penanaman Modal Asing di Provinsi Jawa Timur adalah sebagai berikut :
Tabel 5.1. Hasil Analisis Regresi PMA di Provinsi Jawa Timur
Variabel Koefisien Standar error t-statistik Probabilitas
PDRB 0.336207 0.047449 7.085660 0.0000
OPEN 55.88475 20.75364 2.692769 0.0226
INF -0.242051 0.084637 -2.859873 0.0170
UMR -40.87010 5.775691 -7.076226 0.0000
C -3.202137 8.466665 -0.378205 0.7132
R-square 0.846917 Prob(F-statistik) 0.000440 Adjusted R-square 0.785684 F-statistik 13.83100
Durbin-Watson stat 2.179674
Sumber: Hasil Pengolahan dengan Eviews 6.0.
54
Langkah selanjutnya adalah melakukan berbagai pengujian terhadap parameter estimasi tersebut melalui uji statistik dan uji ekonometrika. Pengujian statistik meliputi goodness of fit, uji t dan uji F, sedangkan pengujian ekonometrika meliputi uji autokorelasi, uji heterokedastisitas dan uji multikolinearitas.
5.2. Uji Kriteria Statistik
1. Uji Koefisien Determinasi (R2)
Goodness of fit ditunjukkan oleh nilai R-square dimana hasil analisis regresi dalam persamaan Penanaman Modal Asing memiliki nilai R-squared 0.846917 yang berarti bahwa variabel PDRB, keterbukaan ekonomi, inflasi dan upah minimum mampu menjelaskan variasi penanaman modal asing sebesar 84,69 persen. Variasi sisanya sebesar 15,31 persen dapat dijelaskan oleh variabel lain di luar model.
2. Uji F
Penggunaan persamaan regresi linier berganda dengan metode Ordinary Least Square (OLS) menyatakan bahwa minimal terdapat satu diantara variabel PDRB, keterbukaan ekonomi, inflasi dan upah minimum yang signifikan memengaruhi penanaman modal asing. Hal tersebut didasarkan pada nilai Prob (F-statistik) yang lebih kecil dari α = 0,05.
3. Uji t
Berdasarkan hasil output Eviews 6.0. analisis secara parsial menunjukkan bahwa masing-masing variabel PDRB, keterbukaan ekonomi, inflasi dan upah
minimum provinsi berpengaruh signifikan terhadap penanaman modal asing di Provinsi Jawa Timur.
5.3. Uji Kriteria Ekonometrika 1. Uji Autokorelasi
Pengujian ekonometrika dimaksudkan untuk mendeteksi ada tidaknya pelanggaran asumsi. Jika terjadi pelanggaran asumsi maka akan menghasilkan dugaan yang tidak valid. Uji ekonometrika terdiri dari uji normalitas, uji autokorelasi, uji heterokedastisitas dan uji multikolinieritas.
Pengujian autokorelasi adalah untuk melihat apakah terjadi korelasi antara suatu periode t dengan periode sebelumnya (t-1). Autokorelasi dideteksi dengan menggunakan pengujian Breusch-Godfrey Serial Correlation LM Test. Kriteria ujinya adalah jika Prob Chi-square nya lebih besar dari taraf nyata α = 0,05 maka tidak tolak H0 yang artinya bahwa model persamaan yang digunakan pada penelitian tidak mengalami masalah autokorelasi. Sebaliknya jika jika Prob Chi-square nya lebih kecil dari taraf nyata α = 0,05 maka tolak H0 yang artinya bahwa model persamaan yang digunakan pada penelitian mengalami masalah autokorelasi.
Model persamaan yang digunakan dalam penelitian ini mempunyai Prob Chi-square sebesar 0,1794. Nilai ini lebih besar dari taraf nyata 0,05, artinya model persamaan yang digunakan dalam penelitian ini tidak memiliki masalah autokorelasi. Hasil uji asumsi autokorelasi dapat dilihat pada gambar 5.2.
56
Tabel 5.2. Hasil Estimasi Uji Autokorelasi pada Persamaan PMA Breusch-Godfrey Serial Correlation LM Test:
F-statistik 1.188623 Prob. F(2,8) 0.3532 Obs*R-squared 3.436238 Prob. Chi-Square(2) 0.1794 Sumber: Hasil Pengolahan dengan Eviews 6.0.
2. Uji Heterokedastisitas
Uji heterokedasitas dilakukan melalui uji white yaitu (White’s General
Uji heterokedasitas dilakukan melalui uji white yaitu (White’s General