Uji statistik

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 -= 2027,6074

Nilai 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 t_hitung, f_hitung, 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 : b_i = 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 t_hitung 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 t_tabel sebesar 2,000 sehingga |6,166527| > |2,000|, dimana nilai probabilitas diperoleh = 0,0001 < 0,05. Dikarenakan nilai t_hitung > t_tabel (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 t_hitung sebesar 3,408170 dan ttabel sebesar 2,000 sehingga |3,408170| > |2,000|, dimana nilai probabilitas diperoleh = 0,0149 < 0,05. Dikarenakan nilai t_hitung > t_tabel (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 t_tabel 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 F_hitung < F_tabel 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 F_hitung > F_tabel (8159,543 > 2,76) dengan p<0,05, maka hipotesis nol (Ho) ditolak dan hipotesis alternatif (H_a) 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 t_hitung > t_tabel 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

t_tabel. 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 d_U tabel dengan DW hitung dan d_L 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 d_L sebesar 1,50 dan nilai d_U sebesar 1,69.

Tabel 4.16 Hasil Uji Autokorelasi

D-W d_L d_U 4-d_U 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-d_U yaitu 1,69 > 2,201 > 2,30, sehingga dapat dinyatakan bahwa tidak ada gangguan autokorelasi dalam regresi.