1.2.3 Uji Heteroskedastisitas
Pengujian heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan varience dari residual satu pengamatan ke
pengamatan yang lain. Model regresi yang baik adalah tidak terjadi heteroskedastisitas dan untuk mengetahui adanya heteroskedastisitas dengan
menggunakan uji
White
. Jika variabel independen tidak signifikan secara statistik tidak mempengaruhi variabel dependen, maka ada indikasi tidak terjadi
heteroskedastisitas. Berikut ini adalah hasil uji heteroskedastisitas terhadap model regresi pada
penelitian ini.
Tabel 4.7 Hasil
Uji White
Pengaruh Jumlah Penduduk dan Pengangguran terhadap kemiskinan
di Provinsi Jawa Tengah Tahun 2005 – 2010.
ObsR-Squared Sig.
Kesimpulan
3.944391 0.413584
Non Heteroskedastisitas
Sumber: Lampiran 4
Tabel 4.7 menunjukkan bahwa uji
white
menghasilkan kesimpulan tidak ada masalah heteroskedastisitas, hal ini dibuktikan dengan nilai signifikansinya
sebesar 0.413584 lebih besar dari 0,05.
1.2.4 Uji Autokorelasi
Autokorelasi adalah korelasi atau hubungan yang terjadi antara anggota- anggota dari serangkaian pengamatan yang tersusun dalam rangkaian waktu
data time series
maupun tersusun dalam rangkaian ruang atau disebut
data cross sectional
. Salah satu uji formal yang paling populer untuk mendeteksi autokorelasi
adalah uji
Durbin-Watson
. Pengujian menggunakan uji Durbin Watson untuk
melihat gejala autokorelasi :
Tabel 4.8 Kriteria Pengujian Durbin Watson
Hipotesis Nol Keputusan
Kriteria
Ada autokorelasi positif Tolak
0 d dl Tidak ada autokorelasi
positif Tidak ada keputusan
dl d du Ada autokorelasi negatif
Tolak 4-dl d 4
Tidak ada autokorelasi negatif
Tidak ada keputusan 4-du d 4-dl
Tidak ada autokorelasi Jangan tolak
du d 4-du
Gambar 4.2 Hasil Uji Durbin-Watson
Ada Tidak ada
tidak ada ada
Autokorelasi Keputusan keputusan
Autokorelasi
positif dan tidak ada
negatif dan menolak H0
Autokorelasi dan menolak H0
tidak menolah Ho DW=0,45
1,74 1,78
4-du=2,26 4-dl=2,22 4 Hasil dari Durbin-Watson menunjukkan bahwa nilai d-hitung atau DW
sebesar 0,45. Hasil dari Durbin-Watson
statistik
adalah du=2,26 dan dl=2,22. Sehingga d-hitung atau DW terletak pada 0 d dl atau 0,45 1,74 1,78.
Kesimpulan yang dapat ditarik adalah tidak adanya autokolerasi didalam model.
1.3 Pengujian Statistik Analisis Regresi
1.3.1 Uji Signifikansi parameter Indivdual Uji t
Uji signifikansi parameter individual Uji t merupakan pengujian untuk menunjukkan pengaruh secara individu variabel independen yang ada di dalam
model terhadap variabel terikat. Hal ini dimaksudkan untuk mengetahui seberapa jauh pengaruh satu variabel bebas menjelaskan variasi variabel terikat. Apabila
nilai t hitung lebih besar dari t tabel dan nilai signifikansi lebih kecil dari 0,05 sig0,05, maka dapat disimpulkan bahwa variabel bebas secara parsial
berpengaruh signifikan terhadap variabel terikat. Penjelasan hasil uji t untuk masing-masing variabel bebas adalah sebagai
berikut:
Tabel 4.9 Nilai T-Statistik Pengaruh Jumlah Penduduk dan pengangguran terhadap
kemiskinan di Jawa Tengah Tahun 2005 – 2010.
Variabel Koefisien
regresi b t
hitung
T
tabel
α = 5
T
tabel
α = 10
Sig.
Jumlah Penduduk JP Pengangguran PG
5.54E-06 -0.517534
5.155023 -3.379077
1,645 1,645
1,282 1,282
0.0000 0.0009
Sumber: Lampiran 1
Hasil regresi pengaruh jumlah penduduk dan pengangguran terhadap kemiskinan di Jawa Tengah tahun 2005 -
2010, dengan α = 5 persen dan
degree of freedom
df = 207 n-k =210-3, maka diperoleh nilai t-tabel sebesar 1,645 dan
dengan α = 10 persen diperoleh nilai t-tabel sebesar 1,282. Sehingga dapat disimpulkan bahwa variabel jumlah penduduk dan pengangguran secara parsial
berpengaruh signifikan terhadap variabel kemiskinan.
1.3.2 Uji Signifikansi Simultan Uji F