Tahun Kabupaten
D. Analisis Data dan Pembahasan Hasil Penelitian
3. Uji statistik
-/ R -1 /m R R 2 UR 2 R 2 UR =
( )
(
1-0,996763)
/60 /4 5588 , 0 996763 , 0 -= 2027,6074Nilai F sebesar 2027,6074 adalah signifikan, artinya estimasi model dengan menggunakan fixed effect lebih baik dibandingkan dengan pooled OLS. Berdasarkan hasil regresi Fixed Effect, diperoleh estimasi model regresi sebagai berikut:
Penyerapan tenaga kerja = 454617.1+ 0.0000968Investasi daerah + 0.0000125Pengeluaran pemerintah daerah+ 0.0000184Nilai Ekspor
daerah
Setelah diperoleh nilai dari persamaan regresi tersebut, maka di lakukan uji statistik dan uji ekonometrika.
3. Uji statistik
Berdasarkan hasil perhitungan data panel dengan pendekatan fixed effect, diperoleh nilai thitung, fhitung, dan R2 adalah sebagai berikut :
commit to user
a. Uji t (Uji Parsial)
Pengujian ini dimaksudkan untuk mengetahui pengaruh variabel independen secara parsial terhadap variabel dependen dengan dasar batas-batas pengujian sebagai berikut :
Ho : bi = 0 artinya tidak ada pengaruh dari masing-masing variabel independen secara parsial terhadap variabel dependen.
Hi : bi ¹ 0 Artinya ada pengaruh dari masing masing variabel independen secara parsial terhadap variabel dependen.
Kriteria Pengujian :
Ho diterima jika thitung berada di daerah penerimaan Ho ditolak jika thitung berada di daerah penolakan
Dengan a = 5% dan derajat kebebasan sebesar n – k (63 – 3) diperoleh t – tabel sebesar 2,000.
1) Pengujian pengaruh investasi daerah (I) terhadap penyerapan tenaga kerja (Y)
Diperoleh nilai koefisien = 0,0000968 sedangkan thitung sebesar 6,166527 dan ttabel sebesar 2,000 sehingga |6,166527| > |2,000|, dimana nilai probabilitas diperoleh = 0,0001 < 0,05. Dikarenakan nilai thitung > ttabel (6,166527 > 2,000), maka Ho ditolak. Artinya variabel investasi daerah berpengaruh signifikan terhadap penyerapan tenaga kerja.
commit to user
Gambar 4.1
Daerah Penerimaan dan Penolakan Ho untuk Investasi Daerah
Sumber : Gujarati, 1995
2) Pengujian pengaruh pengeluaran pemerintah daerah (G) terhadap penyerapan tenaga kerja (Y)
Diperoleh nilai koefisien = 0,0000125 sedangkan thitung sebesar 3,408170 dan ttabel sebesar 2,000 sehingga |3,408170| > |2,000|, dimana nilai probabilitas diperoleh = 0,0149 < 0,05. Dikarenakan nilai thitung > ttabel (3,408170 > 2,000), maka Ho ditolak. Artinya variabel pengeluaran pemerintah daerah berpengaruh signifikan terhadap penyerapan tenaga kerja.
Gambar 4.2
Daerah Penerimaan dan Penolakan Ho untuk Pengeluaran Pemerintah Daerah
Sumber : Gujarati, 1995 Daerah Terima Ho Daerah Tolak Ho Daerah Tolak Ho -2,000 2,000 6,166 Daerah Terima Ho Daerah Tolak Ho Daerah Tolak Ho -2,000 2,000 3,408
commit to user
3) Pengujian pengaruh ekspor daerah (X) terhadap penyerapan tenaga kerja (Y)
Diperoleh nilai koefisien = 0,0000184 sedangkan thitung sebesar 2,746331 dan ttabel sebesar 2,000 sehingga |2,746331| > |2,000|, dimana nilai probabilitas diperoleh = 0,0448 < 0,05. Dikarenakan nilai thitung > ttabel (2,746331 > 2,000), maka Ho ditolak. Artinya variabel ekspor daerah berpengaruh signifikan terhadap penyerapan tenaga kerja.
Gambar 4.3
Daerah Penerimaan dan Penolakan Ho untuk Ekspor Daerah
Sumber : Gujarati, 1995
b. Uji F (Uji Simultan)
Uji F-test merupakan uji statitik yang digunakan untuk mengetahui apakah variabel independen secara bersama-sama berpengaruh terhadap variabel dependen. Hipotesis yang diuji adalah:
Ho : b1 = b2 =b3 = 0
Artinya secara bersama-sama tidak ada pengaruh yang signifikan antara variabel independen dengan variabel dependen.
Hi : b1 ¹b2 ¹b3¹0
Daerah Terima Ho
Daerah Tolak Ho Daerah Tolak Ho
commit to user
Artinya secara bersama-sama ada pengaruh yang signifikan antara variabel independen dengan variabel dependen.
Kriteria pengujian :
Ho diterima bila Fhitung < Ftabel Ho ditolak bila Fhitung > Ftabel
Ftabel dicari dengan cara menggunakan a = 5% dan derajat kebebasan (k, N – k-1) maka (3, 63-3-1) sehingga diperoleh Ftabel sebesar 2,76.
Dari hasil perhitungan diperoleh nilai Fhitung sebesar 8159,543 dengan p=0,000000. Dikarenakan Fhitung > Ftabel (8159,543 > 2,76) dengan p<0,05, maka hipotesis nol (Ho) ditolak dan hipotesis alternatif (Ha) diterima. Dengan demikian secara simultan seluruh variabel independen mempengaruhi variabel dependen secara signifikan. Artinya investasi daerah, pengeluaran pemerintah daerah, dan ekspor daerah secara bersama-sama berpengaruh terhadap penyerapan tenaga kerja.
Gambar 4.4
Daerah Penerimaan dan Penolakan uji F
Sumber : Gujarati, 1995
Daerah terimaHo
Daerah tolak Ho
commit to user
c. Koefisien Determinan R2
R2 atau koefisien Determinan digunakan untuk mengukur kebaikan dari regresi yaitu menunjukan seberapa besar variasi dari variabel dependen yang dapat dijelaskan oleh variasi variabel independennya dalam model koefisien determinasi menyatakan persentase total variasi dari variabel dependen yang dapat dijelaskan oleh variabel independen dalam model. Nilai R2 menunjukkan bahwa variasi variabel dependen dapat dijelaskan oleh variasi variabel independen. Sebaliknya jika nilai R2 mendekati 0, maka variasi dari variabel dependen tidak dapat dijelaskan oleh variabel independen.
Nilai koefisien determinan (R2) dari hasil estimasi koefisien determinasi adalah sebesar 0.996763. Artinya 99,67% variasi penyerapan tenaga kerja dapat dijelaskan oleh investasi daerah, pengeluaran pemerintah daerah, dan ekspor daerah. Sedangkan sisanya sebesar 0,33% dipengaruhi oleh variabel lain yang tidak dihipotesiskan atau tidak dimasukkan ke dalam model.
4. Uji Asumsi Klasik
Berdasarkan hasil perhitungan data panel dengan pendekatan fixed effect, analisis untuk mengetahui ada tidaknya masalah multikolinieritas, heterokesdastisitas dan autokorelasi adalah sebagai berikut :
commit to user
a. Uji Multikolinieritas
Multikolinearitas adalah adanya suatu hubungan linear yang sempurna (mendekati sempurna) antara beberapa atau semua variabel bebas. Multikolinearitas merupakan suatu masalah yang sering muncul dalam ekonomi karena dalam ekonomi, sesuatu tergantung pada sesuatu yang lain (everything depends on everything else).
Dalam penelitian ini untuk mengetahui ada atau tidaknya masalah multikolnieritas adalah dengan menggunakan metode auxillary regression yang diambil dari Klien’s rule of thumb (Gujarati, 2003), yaitu membandingkan nilai R2 pada regresi dengan tiga variabel bebas dengan r2 pada regresi antar variabel bebas. Jika R2 > r2, maka multikolinieritas tidak menjadi masalah. Berdasarkan perhitungan didapat nilai R2 sebesar 0.996763.
Tabel 4.14
Hasil Uji Multikolinieritas
Variabel dependen Variabel independen r 2 R2 Investasi daerah (I) Pengeluaran pemerintah daerah (G) 0.707976 0.996763 Investasi daerah (I) Ekspor daerah (Ex) 0.696637 0.996763 Pengeluaran pemerintah daerah (G) Ekspor daerah (Ex) 0.507938 0.996763
commit to user
Berdasarkan hasil perhitungan dengan metode auxillary regression didapat nilai r2 lebih kecil dari nilai R2. Dapat disimpulkan bahwa multikolinieritas dalam penelitian tidak menjadi masalah.
b. Uji Heteroskedastisitas
Pengujian terhadap ada tidaknya heteroskedastisitas dalam model empirik di lakukan dengan uji Park. Kriteria pengujian Yaitu dengan membandingkan nilai thitung dengan ttabel. Apabila thitung > ttabel maka tidak ada masalah heterokesdasitas.
Tabel 4.15
Hasil Uji Heteroskedastisitas
Variabel thitung Tanda ttabel Keterangan
Investasi daerah
(I) 6,166 > 2,000
Tidak ada masalah heteroskedastisitas
Pengeluaran pemerintah daerah
(G)
3,408 > 2,000 Tidak ada masalah
heteroskedastisitas
Ekspor daerah (X) 2,746 > 2,000 Tidak ada masalah
heteroskedastisitas
Sumber : Data diolah
Dari hasil perhitungan menunjukkan tidak ada gangguan heteroskedastisitas yang terjadi dalam proses estimasi parameter model penduga, dimana tidak ada nilai thitung yang lebih kecil dari
ttabel. Sehingga dapat disimpulkan tidak ada masalah
heteroskedastisitas dalam penelitian ini.
c. Uji Autokorelasi
Autokorelasi terjadi apabila pengganggu dalam suatu periode mempunyai korelasi dengan kesalahan pengganggu dengan periode
commit to user
sebelumnya. Adapun untuk melihat autokorelasi dapat digunakan uji Durbin Watson (D-W).
Sasaran yang hendak dijelaskan guna mengetahui ada tidaknya penyimpangan autokorelasi adalah dengan menunjukan posisi dari nilai Durbin-Watson yang diperoleh dari hasil perhitungan regresi. Sedangkan penentuan adalah dengan cara membandingkan antara nilai dU tabel dengan DW hitung dan dL tabel juga dengan DW hitung. Dari hasil perhitungan regresi linier data panel diketahui nilai Durbin Watson sebesar 2,201844. Nilai DW tabel dengan derajat kepercayaan 5% dan derajat bebas variabel bebas sebanyak 3 dan jumlah sampel sebanyak 63 diperoleh nilai dL sebesar 1,50 dan nilai dU sebesar 1,69.
Tabel 4.16 Hasil Uji Autokorelasi
D-W dL dU 4-dU Kriteria Keterangan
2,201 1,50 1,69 2,30 1,69 > 2,201> 2,30 Bebas
autokorelasi
Sumber: Data diolah
Nilai statistik Durbin Watson berdasarkan jumlah selisih kuadrat nilai-nilai taksiran faktor-faktor gangguan yang beruntun. Durbin Watson test merupakan test yang paling sering digunakan untuk mendeteksi adanya autokorelasi sehingga tidak perlu dihitung lagi dan langsung bisa dibandingkan dengan nilai statistik Durbin Watson tabel (Ghozali, 2001). Hasil uji autokorelasi dapat digambarkan sebagai berikut:
commit to user
Gambar 4.5
Daerah Kritis Uji Durbin-Watson
Nilai D-W berada di daerah bebas autokorelasi, yaitu du < D-W < 4-dU yaitu 1,69 > 2,201 > 2,30, sehingga dapat dinyatakan bahwa tidak ada gangguan autokorelasi dalam regresi.