36
LI
t
= 1
1 −
− −
PDRBDt PDRBDt
PDRBDt
Dimana : LI
t
= laju inflasi tahun periode t PDRBD
t
= indeks PDRB deflator periode t PDRB
t
-
1
= indeks deflator periode t-1 3.4.4
Konsumsi pengeluaran pemerintah daerah government purchase Pengeluaran pemerintah diukur dari total belanja rutin dan belanja
pembangunan dari pemerintah daerah
3.5 Teknik pengolahan dan analisis data
Sesuai tujuan peneltian yang telah dijelaskan diatas maka alat analisis yang diperlukan dalam penelitian skripsi ini adalah
3.5.1 Tingkat disparitas antar daerah
Metode untuk mengukur ketidakmerataan regional dapat digunakan indeks Williamson, yang diperkenalkan oleh Williamson dalam
papernya tahun 1965. metode ini diperoleh dari perhitungan pendapatan perkapita dan jumlah penduduk masing- masing daerah
Iw
=
Y n
f Y
Yi
i
∑
−
2
37
Keterangan: Iw
: Indeks Williamson Yi : Pendapatan perkapita dimasing-masing Kabupaten dan
kota Y
: Pendapatan perkapita diwilayah DIY F
: Jumlah penduduk di masing- masing Kabupaten atau kota N
: Jumlah penduduk di wilayah Daerah Istimewa Yogyakarta HT Oshima dalam Sutawijaya,2004:46 menetapkan sebuah
kriteria yang digunakan untuk menentukan apakah ketimpangan dalam masyarakat ada pada ketimpangan taraf rendah, sedang, atau tinggi.
Untuk itu ditentukan kriteria sebagai berikut: a.
Ketimpangan taraf rendah bila indeks Williamson 0,35 b.
Ketimpangan taraf sedang bila indeks Williamson 0,35-0,50 c.
Ketimpangan taraf tinggi bila indeks Williamson 50
3.5.2 Regresi linier berganda
Metode ini digunakan untuk mengetahui apakah disparitas pendapatan, inflasi regioanal, dan konsumsi pengeluaran pemerintah
daerah mempunyai pengaruh signifikan terhadap pertumbuhan ekonomi Provinsi Daerah Istimewa Yogyakarta. Dengan kata lain untuk mengetahui
pengaruh antara variabel bebas dengan variabel terikat. Y =
α + β
1
X
1
+ β
2
X
2
+ β
3
X
3
+µ
i
38
Keterangan: Y
: Pertumbuhan ekonomi α
: Bilangan konstanta X
1
: Disparitas Pendapatan X
2
: Inflasi Regional X
3 :
Konsumsi Pengeluaran Pemerintah Daerah β
1
β
2
β
3
β
4
: Koefisien masing-masing variabel µ
1
:Residu Untuk mengetahui apakah parameter-parameter koefisien regresi
memenuhi uji asumsi klasik; serangkaian uji tes yang diperlukan, yaitu: 3.5.2.1
Uji Signifikansi Bersama-samaUji statistik F Uji statistik F pada dasarnya menunjukkan apakah semua
variabel bebas yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama terhadap variabel terikatdependen. Hipotesis nol
H0 yang hendak diuji adalah apakah semua parameter dalam model sama dengan nol, atau:
H0 : b
1
= b
2
= .......= bk = 0 Artinya, apakah suatu variabel independen bukan merupakan
penjelas yang signifikan terhadap variabel dependen. Hipotesis alternatifnya H
α H
α : b
1
≠
b
2
≠
......... = bk
≠
39
Artinya, semua variabel independen secara bersama-sama merupakan penjelas yang signifikan terhadap variabel dependen Ghozali
2001: 44-45. Untuk menguji hipotesis ini digunakan perhitungan dengan
program komputansi SPSS for Windows release 15. Dengan kriteria pengambilan keputusan sebagai berikut:
1. Quick look: bila nilai F lebih besar daripada 4 maka H0 yang
menyatakan b
1
=b
2
=….=bk=0 dapat ditolak pada derajat kepercayaan 5. Dengan kata lain kita menerima hipotesis alternatif, yang
menyatakan bahwa semua variabel independen secara serentak dan signifikan mempengaruhi variabel dependen.
2. Membandingkan nilai F hasil perhitungan dengan nilai F menurut
tabel. Bila nilai F hasil perhitungan lebih besar daripada nilai F menurut tabel, maka H0 ditolak dan menerima Ha. Ghozali 2001: 45
Dalam penelitian ini uji hipotesis statistik F menggunakan kriteria pengambilan keputusan Quick Look.
3.5.2.2 Uji Signifikansi Parameter Individual Uji statistik t
Uji statistik t pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel penjelasindependen secara individual dalam
menerangkan variasi variabel terikatdependen. Hipotesis nol H0 yang hendak diuji adalah apakah suatu parameter b1 sama dengan
nol, atau: H0 : b
1
= 0
40
Artinya, apakah suatu variabel independen bukan merupakan penjelas yang signifikan terhadap variabel dependen. Hipotesis
alternatifnya H α parameter suatu variabel tidak sama dengan nol,
atau: H
α : b
1
≠
Artinya, variabel tersebut merupakan penjelas yang signifikan terhadap variabel dependen. Ghozali 2001: 44
Untuk menguji hipotesis ini digunakan perhitungan dengan program komputansi SPSS for Windows release 15. Dengan kriteria
pengambilan keputusan sebagai berikut: 1.
Quick look: bila jumlah degree of freedom adalah 20 atau lebih, dan derajat kepercayaan sebesar 5, maka H0 yang menyatakan
bi=0 dapat ditolak bila nilai t lebih besar dari 2 dalam nilai absolut. Dan menerima hipotesis alternatif, yang menyatakan
bahwa suatu variabel independent secara individual mempengaruhi variabel dependen.
2. Membandingkan nilai statistik t dengan nilai kritis menurut tabel.
Apabila nilai statistik t hasil perhitungan lebih tinggi dibandingkan nilai tabel, kita menerima hipotesis alternatif yang menyatakan
bahwa suatu variabel independen secara individual mempengaruhi variabel dependen.Ghozali 2001: 44
Dalam penelitian ini uji hipotesis statistik t menggunakan kriteria pengambilan keputusan Quick Look.
41
3.5.2.3 Koefisien Determinasi
Koefisien determinasi R
2
pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen.
Nilai koefisien determinasi adalah di antara nol dan satu. Nilai R
2
yang kecil berarti kemampuan variabel-variabel independen dalam menjelaskan variasi variabel dependen amat terbatas. Nilai yang
mendekati satu berarti variabel-variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi
variabel dependen. Secara umum koefisien determinasi untuk data silang tempat relatif rendah karena adanya variasi yang besar antara
antara masing-masing pengamatan; sedangkan untuk data runtut waktu biasanya mempunyai nilai koefisien determinasi yang tinggi.
Kelemahan mendasar penggunaan koefisien determinasi adalah bias terhadap jumlah variabel independen yang dimasukkan kedalam
model. Setiap tambahan satu variabel independen maka R
2
pasti meningkat tidak perduli apakah variabel tersebut berpengaruh secara
signifikan terhadap variabel dependen. Oleh karena itu banyak peneliti menganjurkan untuk menggunakan nilai adjusted R
2
pada saat mengevaluasi mana model regresi terbaik. Tidak seperti nilai R
2
nilai adjusted R
2
dapat naik atau turun apabila satu variabel independen ditambahkan ke dalam model Ghozali 2001: 45-46.
42
3.5.2.4
Uji Asumsi Klasik
Suatu model dikatakan baik untuk alat prediksi apabila mempunyai sifat-sifat tidak bias linear terbaik suatu penaksir.
Disamping itu suatu model dikatakan cukup baik dan dapat dipakai untuk memprediksi apabila sudah lolos dari serangkaian uji asumsi
klasik yang melandasinya. Uji asumsi klasik dalam penelitian dalam penelitian ini terdiri dari:
3.5.2.5 Uji Multikolinieritas
Multikolinieritas digunakan untuk menunjukkan hubungan linier di antara variabel-variabel bebas dalam model regresi. Bila variabel-
variabel bebas berkorelasi secara sempurna, maka metode kuadrat terkecil tidak bisa digunakan Sumodiningrat 2002: 281. Uji
multikolinieritas menggunakan nilai tolerance dan variance inflation factor
VIF. Kedua ukuran ini menunjukkan setiap variabel manakah yang dijelaskan oleh variabel bebas lainnya. Dalam pengertian
sederhana setiap variabel bebas menjadi variabel terikat dan diregresi terhadap variabel bebas lainnya. Tolerance mengukur variabilitas
variabel bebas terpilih yang tidak dapat dijelaskan oleh variabel bebas lainnya. Jadi nilai tolerance yang rendah sama dengan nilai VIF tinggi
karena VIF= 1 tolerance dan menunjukkan kolinieritas yang tinggi. Lebih ditegaskan oleh Ghozali 2001: 59 bila korelasi antara dua
variabel bebas melebihi 90 maka VIF-nya di atas 10 maka dapat dikatakan bahwa model tersebut multikolinieritas.
43
3.5.2.6 Uji Autokorelasi
Autokorelasi adalah korelasi hubungan yang terjadi di antara anggota-anggota dari serangkaian pengamatan yang tersusun dalam
rangkaian waktu seperti pada data runtun waktu atau time series data atau yang stersusun dalam rangkaian ruang seperti pada data silang
waktu atau cross-sectional dataSumodiningrat 2001: 231. Pengambilan keputusan ada atau tidaknya autokorelasi adalah
dengan cara membandingkan penghitungan nilai Durbin WatsonDW hasil output SPSS dengan tabel Durbin Watson Durbin Watson Test
Bound . Dengan ketentuan sebagai berikut:
1. Bila nilainya 1,65 DW2,35, berarti tidak ada autokorelasi.
2. Bila nilainya 1,21DW1,65,atau 2,35DW2,79,berarti
kesimpulannya tidak dapat disimpulkan inconclusive. 3.
Bila nilai DW1,21 atau DW 2,79,berarti ada autokorelasi. 3.5.2.7
Uji Heteroskedastisitas Uji Heteroskedastisitas bertujuan menguji apakah dalam model
regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Jika variance dari residual satu pengamatan
ke pengamatan yang lain tetap, maka disebut Homoskedastisitas dan jika berbeda disebut Heteroskedastisitas. Model regresi yang baik
adalah Homoskedastisitas atau tidak terjadi Heteroskedastisitas. Kebanyakan data cross section mengandung situasi Heteroskedastisitas
karena data ini menghimpun data yang mewakili berbagai ukuran
44
kecil, sedang, besar. Sedangkan dasar dari pengambilan keputusan dengan melihat grafik scatterplot pada tabel SPSS dengan program
komputasi SPSS for Windows release 15, dengan dasar analisis: Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu
yang teratur bergelombang, melebar kemudian menyempit, maka mengindikasikan telah terjadi heteroskedastisitas.
Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi
heteroskedastisitas. Ghozali 2001: 69
45
BAB IV HASIL PENELITIAN DAN PEMBAHASAN
