Berdasarkan hasil pengolahan data dengan metode fixed effect diperoleh nilai Durbin Watson sebesar 1,694389. Berdasarkan uji yang telah dilakukan
tersebut diketahui nilai d
L
dan d
U
dengan tiga variabel bebas dan jumlah observasi n sebanyak 175 yaitu d
L
1,738, d
U
1,799, 4-d
U
2,201, 4-d
L
2,262.
dl 1,738 du 1,799
4-du 2,201 4-dl 2,262 4 Gambar 4.1. Hasil Uji Durbin-Watson
Menurut Sarwoko 2005 bahwa masalah pada autokorelasi dapat diatasi dengan menggunakan Generalized Least Square GLS yang merupakan sebuah
metode untuk membuang autokorelasi urutan pertama pada sebuah estimasi persamaan regresi. Hal ini juga ditegaskan dalam Gujarati 2003, bahwa
penggunaan metode GLS dapat menekan adanya autokorelsi yang biasanya timbul dalam rumus OLS sebagai kesalahan estimasi varian sehingga dengan metode
GLS masalah dalam autokorelasi dapat diatasi.
4.1.8 Hasil Estimasi Regresi Menggunakan Fixed Effect Model
Dalam melakukan analisis pengaruh pengangguran, pengeluaran pemerintah dan jumlah penduduk terhadap kemiskinan KabKota di Jawa Tengah
tahun 2006-2010 digunakan analisis regresi data panel dengan model fixed effect. Hasil analisis regresi diperoleh koefisien untuk variabel pengangguran sebesar
Tidak ada autokolerasi dan
tidak menolak Ho Ada
autokolerasi negatif dan
menolak H0 Ada
autokorelasi positif dan
menolak H Tidak ada
keputusan Tidak ada
keputusan
DW=1,69
2,13029, pengeluaran pemerintah sebesar -9,631757, dan jumlah penduduk sebesar 0,00000780 dan konstanta sebesar 184,6979. Untuk lebih jelasnya bisa
dilihat pada tabel 4.19 di bawah ini:
Tabel 4.19 Hasil Estimasi Regresi Menggunakan
Fixed Effect Model Coefficient
t statistic R-squared
F Statistic C
184,6979 21,66231
0,969465 117,5574
lnUPM 2,130297
6,295533
lnPP
-9,631757 -25,61431
JP 0,00000780
1,633633
Sumber: Data penelitian dari BPS diolah dengan program Eviews 7.0
Pada tabel 4.19 hasil estimasi regresi panel data dengan model fixed effect diperoleh persamaan regresi yaitu:
KM = 184,6979 + 2,130297 lnUPM - 9,631757 lnPP + 0,00000780 JP + uit Persamaan regresi tersebut di atas dapat diartikan sebagai berikut:
1. Kostanta = 184,6979
Jika variabel pengangguran, pengeluaran pemerintah dan jumlah penduduk dianggap tetap atau konstan, maka tingkat kemiskinan naik sebesar
184,6979 persen. 2.
Koefisien parameter variabel pengangguran adalah sebesar 2,130297 yang berarti jika pengangguran naik sebesar satu jiwa sementara pengeluaran
pemerintah dan jumlah penduduk dianggap tetap atau konstan maka kemiskinan akan mengalami kenaikan sebesar 2,130297 persen.
3. Koefisien parameter pengeluaran pemerintah adalah
–9,631757 memiliki arti bahwa jika pengeluaran pemerintah nilainya naik sebesar satu ribuan
rupiah sementara pengangguran dan jumlah penduduk tetap maka kemiskinan akan mengalami penurunan sebesar 9,631757 persen. Hal ini
sesuai dengan koefisien pengeluaran pemerintah yang bertanda negatif. 4.
Koefisien parameter jumlah penduduk adalah sebesar 0,00000780 memiliki arti bahwa jika jumlah penduduk nilainya naik sebesar satu jiwa
sementara pengangguran dan pengeluaran pemerintah tetap maka kemiskinan akan mengalami penurunan sebesar 0,00000780 jiwa. Akan
tetapi, dalam penelitian ini variabel jumlah penduduk berpengaruh tidak signifikan terhadap kemiskinan.
4.2 Pembahasan
