4.1.2 Analisis Statistik Deskriptif
Analisis
deskriptif digunakan untuk memberikan gambaran mengenai deskripsi
variabel-variabel yang digunakan dalam penelitian yang terdiri dari variabel
independen, yaitu invesatasi, tenaga keja dan kemajuan teknologi dan variabel dependen yaitu pertumbuhan
ekonomi. Peneliti
menggunakan tabel distribusi frekuensi absolut, yang menunjukkan rata-rata,
median, kisaran, dan satandar deviasi. Dalam analisis statistik deskriptif ini
peneliti menggunakan alat analisis berupa Econometric
Views (Eviews) for windows versi 8.
Berdasarkan hasil analisis Eviews
yang meliputi variabel independen dan dependen, maka dapat dapat diketahui
nilai maksimum, nilai minimum, rata-rata, dan standar deviasi dari variabel
tersebut pada tabel berikut ini
Tabel 4.1
Hasil Analisis Regresi
|
|
|
|
|
|
||||||
|
|
|
|
|
|
||||||
|
Variable
|
Coefficient
|
Std. Error
|
t-Statistic
|
Prob.
|
||||||
|
|
|
|
|
|
||||||
|
|
|
|
|
|
||||||
|
C
|
-1211571.
|
832966.6
|
-1.454526
|
0.1552
|
||||||
|
X1
|
40.37618
|
32.17708
|
1.254812
|
0.0484
|
||||||
|
X2
|
-21.50778
|
10.61870
|
-2.025462
|
0.0510
|
||||||
|
X3
|
0.026673
|
0.008879
|
3.004132
|
0.0051
|
||||||
|
X4
|
116.7290
|
40.53517
|
2.879698
|
0.0069
|
||||||
|
|
|
|
|
|
||||||
|
|
|
|
|
|
||||||
|
R-squared
|
0.809415
|
Mean
dependent var
|
2567907.
|
|||||||
|
Adjusted R-squared
|
0.762072
|
S.D.
dependent var
|
2905353.
|
|||||||
|
S.E. of regression
|
1922651.
|
Akaike
info criterion
|
31.89839
|
|||||||
|
Sum squared resid
|
1.22E+14
|
Schwarz
criterion
|
32.11386
|
|||||||
|
Log likelihood
|
-601.0694
|
Hannan-Quinn
criter.
|
31.97505
|
|||||||
|
F-statistic
|
12.87218
|
Durbin-Watson
stat
|
1.901857
|
|||||||
|
Prob(F-statistic)
|
0.000002
|
|
|
|
||||||
|
Sumber: Data di olah tahun 2018
|
|
|
|
|
||||||
|
|
|
|
|
|
||||||
|
Y
|
|
|
|
|
||||||
Hasil
analisis yang telah dilakukan untuk mengukur besarnya koefisien regresi dari
variabel investasi (X1), tenaga kerja (X2), kemajuan teknologi(X3) dan
pendidikan (X4)
Y = -1211571+ 40.37618 (X1) -21.50778 (X2)
+0.026673
(X3) + 116.7290 (X4)
+ e
Dari persamaan hasil olahan eviews
diatas, diperoleh hasil bahwa dari empat variabel (X1, X2, X3,
X4) yang diamati pengaruhnya
terhadap pertumbuhan ekonomi disimpulkan bahwa empat variabel independen
yakni investasi, tenaga
kerja, kemajuan teknologi dan pendidikan
berpengaruh terhadap pertumbuhan ekonomi Jawa Timur. Ke empat variabel investasi, kemajuan teknologi, dan
pendidikan sama-sama memiliki pengaruh signifikan terhadap pertumbuhan ekonomi
Jawa Timur, akan tetapi pada tenaga kerja memiliki tanda negative dan tidak
signifikan terhadap PDRB Jawa Timur, dimana
pengaruh ini signifikan pada level 5%. Berdasarkan hasil pengolahan kita juga
dapat menyimpulkan
bahwa jika terdapat kenaikan 1% investasi maka akan menyebabkan kenaikan
pertumbuhan ekonomi sebesar 40 %. Dan setiap kenaikan1% tenaga kerja maka akan menghasilkan
penurunan pertumbuhan ekonomi sebesar 21%. Dan setiap
kenaikan1% kemajuan teknologi maka akan menghasilkan
kenaikan pertumbuhan ekonomi sebesar 0,2%. Dan utnuk
setiap kenaikan1% pada pendidikan maka akan menghasilkan kenaikan pertumbuhan ekonomi sebesar 11,6%
4.1.3 Uji Asumsi Klasik
4.1.3.1 Uji Multikolinieritas
Uji
multikolonieritas digunakan untuk menunjukkan apakah ada hubungan linier antara
variabel-variabel independen pada model regresi. Untuk mendeteksi ada tidaknya
multikolonieritas dapat dilihat
dari variance inflation factor
(VIF). Nilai cutoff yang umum
dipakai untuk menunjukkan adanya multikolonieritas adalah VIF<10.
Tabel 4.2
Uji Multikolinearitas
|
|
|
|
|
|
|
|
|
|
|
|
Coefficient
|
Uncentered
|
Centered
|
|
Variable
|
Variance
|
VIF
|
VIF
|
|
|
|
|
|
|
|
|
|
|
|
C
|
6.94E+11
|
7.132439
|
NA
|
|
X1
|
0.001365
|
15.30627
|
5.127996
|
|
X2
|
0.002569
|
17.37358
|
4.662382
|
|
X3
|
0.08E-05
|
16.09236
|
1.824170
|
|
X4
|
0.02100
|
17.28817
|
2.509169
|
|
|
|
|
|
|
|
|
|
|
Hasil uji multikolinearitas, dapat dilihat pada tabel Centered VIF. Nilai VIF untuk variabel investasi (X1), tenaga kerja (X2), kemajuan teknologi (X3) dan pendidikan (X3) tidak ada yang lebih besar dari 10. Maka dapat dikatakan tidak terjadi multikolinearitas pada ke empat variabel variabel independen tersebut.
4.1.3.2 Uji
Autokorelasi
Model
regresi yang baik adalah regresi yang bebas dari autokorelasi. Untuk memastikan
apakah model regresi linear terbebas dari autokorelasi, maka dapat menggunkan
metode Brush-Godfrey atau LM (Lagrange Multiplier).
Tabel 4.3
Uji Autokorelasi
|
Breusch-Godfrey Serial
Correlation LM Test:
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
F-statistic
|
0.477235
|
Prob.
F(4,29)
|
0.7521
|
|
|
Obs*R-squared
|
2.346884
|
Prob.
Chi-Square(4)
|
0.6722
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Hasil uji autokorelasi, dapat dilihat
pada nilai Prob(F4,29) yaitu sebesar 0.7521 dapat
juga disebut nilai probabilitas F Hitung. Nilai probabilitas F.hitung lebih
besar dari tingkat alpha 0,05 (5%). Sehingga berdasarkan uji hipotesis, maka Ho
diterima yang artinya tidak terjadi autokorelasi.
4.1.3.3 Uji Normalitas
Menurut Ghozali
(2005:110) uji normalitas
bertujuan untuk menguji apakah dalam model regresi variabel
pengganggu atau residual memiliki distribusi normal. Seperti diketahui bahwa
uji t dan F mengasumsikan bahwa nilai residual mengikuti distribusi normal.
Jika asumsi ini dilanggar maka uji statistik tidak valid untuk jumlah sampel
kecil. Dalam penelitian ini,peneliti menggunakan Jarque-Bera Test.
Gambar 4.1
Uji Normalitas
Hasil
uji normalitas, untuk keputusan terdistribusi normal atau tidaknya residual
secara sederhana dengan membandingkan nilai probabilitas JB (Jarque-Bera)
hitung dengan tingkat alpha 0,05 (5%). Dari tabel uji normalitas, nilai
Probabilitas JB 62,47385 > 0,05. Sehingga dapat dikatakan bahwasanya
residual terdistribusi normal yang artinya asumsi klasik tentang kenormalan
telah dipenuhi.
4.1.3.4 Uji Heteroskedasitas
Model
regresi yang
baik adalah tidak
terjadi
heteroskedastisitas.
Heteroskedasitas terjadi pada saat residual dan nilai prediksi memiliki
korelasi atau pola hubungan. Pola hubungan ini tidak hanya sebatas hubungan
yang linier, tetapi dalam pola yang berbeda juga dimunngkinkan. Pada penelitian
ini, peneliti menggunakan model uji Glejser.
Tabel 4.5
Uji Heteroskedasitas
|
Heteroskedasticity Test:
Glejser
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
F-statistic
|
1.295273
|
Prob.
F(4,33)
|
0.2920
|
|
|
Obs*R-squared
|
5.156519
|
Prob.
Chi-Square(4)
|
0.2716
|
|
|
Scaled explained SS
|
7.671249
|
Prob.
Chi-Square(4)
|
0.1044
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Dari hasil uji heteroskedasitas,
nilai Prob. F-Statistic (F hitung) 0.2920 > 0,05. Karena nilai Prob.
F-Statistic (F hitung) lebih besar dari alpha 0,05 (5%), maka Ho diterima. Yang
artinya bahwa tidak terjadi heteroskedasitas.
4.1.4 Uji Hipotesis
Uji hipotesis digunakan untuk mengetahui
signifikansi pengaruh
variabel bebas terhadap variabel terikat.Untuk
melihat besarnya pengaruh
variabel investasi (X1tenaga kerja (X2), kemajuan
teknologi (X3), PDRB (Y) secara parsial
atau sendiri – sendiri digunakan
uji T sedangkan untuk pengaruh secara bersama-sama atau simultan digunakan uji
F. Berikut hasil hasil estimasi output Eviews 8 adalah sebagai berikut :
Tabel 4.6
Hasil Estimasi Output
|
|
|
|
|
|
|
|
|
|
|
|
|
Variable
|
Coefficient
|
Std. Error
|
t-Statistic
|
Prob.
|
|
|
|
|
|
|
|
|
|
|
|
|
|
C
|
-1211571.
|
832966.6
|
-1.454526
|
0.1552
|
|
X1
|
40.37618
|
32.17708
|
1.254812
|
0.0484
|
|
X2
|
-21.50778
|
10.61870
|
-2.025462
|
0.0510
|
|
X3
|
0.026673
|
0.008879
|
3.004132
|
0.0051
|
|
X4
|
116.7290
|
40.53517
|
2.879698
|
0.0069
|
|
|
|
|
|
|
|
|
|
|
|
|
|
R-squared
|
0.809415
|
Mean
dependent var
|
2567907.
|
|
|
Adjusted R-squared
|
0.762072
|
S.D.
dependent var
|
2905353.
|
|
|
S.E. of regression
|
1922651.
|
Akaike
info criterion
|
31.89839
|
|
|
Sum squared resid
|
1.22E+14
|
Schwarz
criterion
|
32.11386
|
|
|
Log likelihood
|
-601.0694
|
Hannan-Quinn
criter.
|
31.97505
|
|
|
F-statistic
|
12.87218
|
Durbin-Watson
stat
|
1.901857
|
|
|
Prob(F-statistic)
|
0.000002
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
4.1.4.1 Uji F (Kelayakan Model)
Uji keterandalan model atau uji
kelayakan model, atau yang lebih populer disebut sebagai uji F (Uji simultan)
merupakan tahapan awal mengidentifikasi model regresi yang di estimasi layak
atau tidak. Maksud dari layak adalah model yang di estimasi layak digunakan
untuk menjelaskan pengaruh variabel-varibel bebas terhadap variabel terikat.
Hasil
uji F dapat dilihat pada tabel hasil output diatas. Nilai Probabilitas F
(statistic) sebesar 0.000002
< 0,05 atau lebih kecil dari tingkat signifikansi 0,05. Sehingga dapat
disimpulkan bahwa model regresi yang diestimasi layak digunakan untuk
menjelaskan pengaruh variabel
investasi (X1), tenaga kerja (X2), kemajuan teknologi (X3) dan pendidikan (X4)
terhadap PDRB (Y)
4.1.4.2 Uji t (Uji Koefisien Regresi)
Uji t dalam regresi linier berganda
dimaksudkan untuk menguji apakah parameter (koefisien regresi dan konstanta
yang diduga untuk mengestimasi persamaan model atau model regresi linier
berganda sudah tepat atau belum.
Dari
hasil uji t dapat dilihat pada tabel hasil estimasi output. Apabila nilai
probabilitas t hitung lebih kecil dari tingkat kesalahan (alpha) 0,05 maka
dapat dikatakan bahwa variabel bebas berpengaruh secara signifikan terhadap
variabel terikatnya. Sedangkan apabila nilai prob.t hitung lebih besar dari
tingkat kesalahan 0,05 maka dapat dikatakan bahwa variabel bebas tidak
berpengaruh signifikan terhadap variabel terikatnya.
Nilai
prob. T hitung dari variabel investasi sebesar 0.0484 lebih kecil daripada nilai alpha 0,05. Sehingga dapat
diartikan bahwa, variabel bebas investasi berpengaruh secara signifikan terhadap variabel terikat PDRB pada taraf keyakinan 95%.
Nilai
prob. T hitung dari variabel tenaga kerja 0.0510 lebih besar dari pada nilai alpha
0,05. Sehingga dapat diartikan bahwa, variabel bebas tenaga kerja tidak
berpengaruh signifikan terhadap variabel terikat PDRB pada taraf keyakinan 95%.
Nilai prob. T hitung dari variabel
kemajuan teknologi 0.0051 lebih
kecil daripada nilai alpha 0,05. Sehingga dapat diartikan bahwa, variabel bebas
kemajuan teknologi berpengaruh secara signifikan terhadap variabel terikat PDRB pada taraf keyakinan 95%.
Nilai prob. T hitung dari variabel
pendidikan 0.0069
lebih kecil daripada
nilai alpha 0,05. Sehingga dapat diartikan bahwa, variabel bebas pendidikan
berpengaruh secara signifikan terhadap
variabel terikat PDRB pada taraf
keyakinan 95%.
4.1.4.3 Koefisien Determinasi
Koefisien determinasi (R2)
bertujuan untuk mengukur seberapa jauh kemampuan model dalam menerangkan
variasi variabel-variabel bebas terhadap variabel dependen. Atau dapat pula
dikatakan sebagai proporsi pengaruh seluruh variabel bebas terhadap variabel
terikat. Nilai koefisien determinasi dapat diukur dengan nilai R Square.
Pada
tabel hasil estimasi output menunjukkan nilai R Square sebesar 0.809415.
hal ini menunjukkan bahwa proporsi pengaruh variabel bebas investasi (X1),tenaga
kerja (X2), kemajuan teknologi (X3) dan pendidikan (X4) terhadap PDRB (Y) sebesar
78,8%. Artinya bahwa investasi (X1), tenaga kerja (X2), kemajuan teknologi
(X3) dan pendidikan (X4) terhadap PDRB (Y) sebesar 80,9%. sedangkan sisanya 19,1% dipengaruhi oleh variabel lain
yang tidak ada di dalam model regresi.
Y = -1211571+ 40.37618
(X1) -21.50778 (X2) +0.026673 (X3) + 116.7290 (X4)
+ e
Tidak ada komentar:
Posting Komentar