Heteroskedastisitas Uji Normalitas DW 2.90 Tanpa kesimpulan

3.6.1 Multikolinearitas

Multikolinearitas adalah hubungan linier yang kuat antara variabel-variabel bebas dalam persamaan regresi berganda. Gejala multikolinearitas ini dapat dideteksi dari nilai R 2 tinggi tetapi tidak terdapat atau sedikit sekali koefisien dugaan yang berpengaruh nyata dan tanda koefisien regresi tidak sesuai dengan teori Gujarati, 2004. Multikolinearitas dalam pooled data dapat diatasi dengan pemberian pembobotan cross section weight atau GLS, sehingga parameter dugaan pada taraf uji tertentu t-statistik maupun F-hitung menjadi signifikan.

3.6.2 Autokorelasi

Suatu model dikatakan memiliki autokorelasi jika terjadi error dari periode waktu time series yang berbeda saling berkorelasi. Masalah autokorelasi ini akan menyebabkan model menjadi tidak efisien meskipun masih tidak bias dan konsisten. Autokorelasi menyebabkan estimasi standart error dan varian koefisien regresi yang diperoleh akan underestimate. Sehingga R 2 akan besar serta uji-t dan uji-F menjadi tidak valid. Autokorelasi yang kuat dapat menyebabkan dua variabel yang tidak berhubungan menjadi berhubungan. Bila OLS digunakan, maka akan terlihat koefisien signifikansi dan R 2 yang besar atau juga disebut sebagai regresi lancung atau palsu. Untuk mendeteksi ada tidaknya autokorelasi dapat dilakukan uji Durbin Watson DW yaitu dengan membandingkan nilai Durbin Watson dari model dengan DW tabel. Tabel 3.2 Kerangka Identifikasi Autokorelasi Nilai Durbin -Watson Kesimpulan DW 1.10 Ada autokorelasi

1.10 DW 1.54 Tanpa kesimpulan

1.55 DW 2.46 Tidak ada autokerelasi

2.46 DW 2.90 Tanpa kesimpulan

dl DW 2.91 Ada autokerelasi Sumber : Firdaus, 2004

3.6.3 Heteroskedastisitas

Salah satu asumsi yang harus dipenuhi agar taksiran parameter dalam model tersebut BLUE adalah VAR ui = σ2 konstan, semua varian mempunyai variasi yang sama. Pada umumnya, heteroskedastisitas diperoleh pada data cross section. Jika pada model dijumpai heteroskedastisitas, maka model menjadi tidak efisien meskipun tidak bias dan konsisten. Dengan kata lain, jika regresi tetap dilakukan meskipun ada masalah heteroskedastisitas maka pada hasil regresi akan terjadi ”misleading” Gujarati, 2003. Untuk menguji adanya pelanggaran asumsi heteroskedastisitas, digunakan uji White - heteroskedasticity yang diperoleh dalam program Eviews. Dengan uji white, membandingkan Obs R-Squared dengan χ2 Chi-Squared tabel, jika nilai Obs Rsquared lebih kecil daripada χ2 – tabel maka tidak ada heteroskedastisitas pada model. Dalam pengolahan data panel dalam Eviews 6 yang menggunakan metode General Least Square Cross Section Weights, maka untuk mendeteksi adanya heteroskedastisitas adalah dengan membandingkan Sum Square Resid pada Weighted Statistics dengan Sum Squared Resid Unweighted Statistics. Jika Sum Square Resid pada Weighted Statistics Sum Squared Resid pada Unweighted Statistics, maka terjadi heteroskedastisitas. Perlakuan untuk pelanggaran tersebut adalah dengan mengestimasi GLS dengan White Heteroskedasticity.

3.6.4 Uji Normalitas

Uji normalitas bertujuan untuk menguji kenormalan dalam model regresi, variabel dependen dan variabel independen mempunyai distribusi normal atau tidak. Model regresi yang terbaik adalah yang terdistribusi secara normal atau mendekati normal. Hipotesa yang digunakan adalah : H : error term menyebar normal H 1 : error term tidak menyebar normal Uji normalitas diaplikasikan dengan melakukan tes Jaeque Bera, jika nilai probabilitasnya yang diperoleh lebih besar dari taraf nyata yang digunakan, maka terima H yang berarti error term dalam model sudah menyebar normal.

IV. GAMBARAN UMUM

4.1 Keadaan Geografis

Provinsi Papua terletak antara 2 25’-9 Lintang Selatan dan 130 -141 Bujur Timur. Provinsi Papua yang memiliki luas 319,036.05 km 2 atau 16.70 persen dari luas Indonesia. Provinsi Papua merupakan wilayah terluas di seluruh provinsi yang ada di Indonesia. Pada bagian utara Provinsi Papua dibatasi dengan Samudra Pasifik, sedangkan bagian selatan berbatasan dengan laut Arafuru. Sebelah barat berbatasan dengan Laut Seram, Laut Banda, Provinsi Maluku, dan sebelah Timur berbatasan dengan Papua New Nugini. Luas daerah Povinsi Papua adalah sebesar 688187.54 hektar, dan mempunyai 28 kabupaten dan satu kota, 385 kecamatan dan 3565 desa. Provinsi Papua dibagi menjadi 28 kabupaten dan satu kota dimana Marauke merupakan kabupatenkota terluas 56.84 persen dan kota Jayapura merupakan kabupatenkota terkecil di Provinsi Papua 0.10 persen dari luas Papua. Kabupaten Tolikara mempunyai jumlah kecamatan dan desa terbanyak di seluruh Provinsi Papua yaitu sebesar 35 kecamatan dan 514 desa, sedangkan terdapat lima kabupatenkota yang mempunyai kecamatan yang paling sedikit yaitu kabupatenkota Supiori, Mamberamo Tengah, Yalimo, Dogiayi dan Kota Jayapura masing-masing mempunyai lima kecamatan di setiap kabupaten. Jumlah desa yang paling sedikit terdapat pada Kabupaten Yalimo sebanyak 27 desa. Penelitian ini dilakukan terhadap 29 kabupatenkota yang terdapat di Provinsi Papua.

4.2 Keadaan Penduduk Provinsi Papua

Berdasarkan hasil sensus penduduk yang diadakan setiap 10 tahun sekali, secara umum perkembangan jumlah penduduk setiap provinsi di Indonesia mengalami peningkatan dari tahun 1990 hingga 2010. Secara regional, provinsi yang memiliki jumlah penduduk terbesar di Indonesia pada tahun 2010 adalah Provinsi Jawa Barat dengan jumlah penduduk 43,021,826 jiwa, sedangkan Provinsi Papua