70
usia 15-64 tahun. Propinsi Jawa Tengah rata-rata mencapai TPAK sebesar 70 persen.
Gambar 4.7 Rata-Rata TPAK di Propinsi
Jawa Tengah Tahun 2009-2011
Sumber: BPS Jawa Tengah diolah
Jika dilihat dari gambar diatas, dapat dilihat bahwa Jumlah TPAK di Jawa Tengah relatif menurun. Hal ini dikarenakan adanya peralihan jumlah
penduduk usia kerja yang ada di Propinsi Jawa Tengah. Sehingga dalam hal ini menurunkan presentase dari Tingkat Partisipasi Angkatan KerjaTPAK di
Propinsi Jawa Tengah.
4. Analisa Deskriptif Nilai Output di Propinsi Jawa Tengah
Nilai Output merupakan suatu nilai atau hasil dari suatu kegiatan Industri. Dalam Penelitian ini, Nilai Output yang digunakan adalah nilai
output industri besar dan sedang di tiap-tiap kabupatenkota di Jawa Tengah.
75 75
76 76
77 77
78 78
79 79
2009 2010
2011 Rata-rata TPAK
71
Dari uraian BPS Propinsi Jawa Tengah, perusahaan industri besar dan sedang di Jawa Tengah pada tahun 2011 tercatat sebesar 3.850 unit perusahaan
dengan 732,03 ribu orang tenaga kerja. Berarti dari tahun sebelumnya jumlah perusahaan industri besar dan sedang turun 0,95 persen dan jumlah tenaga
kerja turun sebesar 0,39 persen. Pada tahun yang sama, nilai output industri sedang dan besar mencapai 165 triliyun rupiah, lebih tinggi 9,48 persen dari
nilai total output tahun 2010.
C. Estimasi Model Data Panel
1. Uji Chow
Metode ini membandingkan apakah model bersifat fixed effect atau common effect dengan cara membandingkan F-statistik dan F-Tabel.
Sebelum membandingkan F-Statistik dan F-Tabel terlebih dahulu dibuat hipotesisnya. Adapun hipotesisnya adalah sebagai berikut :
H0 : Model PLS H1 : Model Fixed Effect
Dari hasil regresi berdasarkan metode Fixed Effect Model dan Pool Least Square diperoleh F- Statistik yakni sebagai berikut :
Redundant Fixed Effects Tests Equation: Untitled
Test cross-section fixed effects Effects Test
Statistic d.f.
Prob. Cross-section F
40.843871 34,67
0.0000 Sumber : Lampiran 14
72
Berdasar hasil pengujian diperoleh nilai F-statistik adalah 40.843871 dan nilai F-
Tabel dengan α = 5 adalah 1,83 sehingga nilai F-Statistik F-tabel, maka H0 ditolak, sehingga model data panel yang
dapat digunakan adalah Fixed Effect Model.
2. Uji Hausman
Untuk mengetahui model panel yang digunakan, maka digunakan uji F-Chi-Square dengan cara membandingkan Chi-Square statistik dan
Chi-square tabel. Sebelum membandingkan F-Chi-Square statistik dan Chi-Square tabel terlebih dahulu dibuat hipotesisnya, yaitu :
H0 : Model Random Effect H1 : Model Fixed Effect
Correlated Random Effects - Hausman Test Equation: Untitled
Test cross-section random effects Test Summary
Chi-Sq. Statistic
Chi-Sq. d.f. Prob.
Cross-section random 11.880669
3 0.0078
Sumber : Lampiran 14
Berdasar hasil pengujian diperoleh nilai Chi-Sq statistik adalah 11.880669 dengan nilai Chi-
square tabel pada d.f. 3 α = 5 adalah 7,81 sehingga nilai Chi-Sq statistik dari Chi-square tabel, maka Ho ditolah,
sehingga model yang digunakan Fixed Effect Model.
73
D. Uji Asumsi Klasik
1. Uji Multikolonieritas
Tabel 4.1 Hasil Uji Multikolinieritas
Sumber: Lampiran 15
Dari tabel diatas dapat diketahui bahwa tidak ada masalah multikolinearitas. Hal ini dikarenakan nilai matriks korelasi
correlation matrix dari semua variabel kurang dari 0,8. Multikolinieritas biasanya terjadi pada estimasi data runtut waktu time
series. Dengan mengkombinasikan data time series dan cross section mengakibatkan masalah multikolinieritas secara teknis dapat
dikurangi. Penelitian ini menggunakan data panel, sehingga secara teknis sudah dapat masalah multikolinieritas sudah tidak ada. Hal
tersebut dapat diperkuat dengan hasil estimasi model semua variabel yang digunakan signifikan dan nilai
2
yang tinggi, sehingga dengan sendirinya model ini sudah terbebas dari multikolinearitas.
AGLOMERASI TPAK
OUTPUT AGLOMERASI
1.000000 -0.280357
0.385508 TPAK
-0.280357 1.000000
-0.122904 OUTPUT
0.385508 -0.122904
1.000000
74
2. Hasil Uji Autokorelasi
Autokorelasi adalah hubungan antara residual satu observasi dengan residual observasi lainnya Winarno, 2007:5.14. Uji
Autokorelasi digunakan untuk mengetahui ada atau tidaknya penyimpangan asumsi klasik autokorelasi yaitu korelasi yang terjadi
antara residual pada satu pengamatan dengan pengamatan lain pada model regresi. Salah satu cara untuk mendeteksi gejala autokorelasi
digunakan uji Durbin Watson D-W test.
Tabel 4.2 Hasil Pengujian
Autokorelasi R-squared
0.964400 Mean dependent var 4.908496
Adjusted R-squared 0.944740 S.D. dependent var
4.923446 S.E. of regression
0.146864 Sum squared resid 1.445131
F-statistic 49.05459 Durbin-Watson stat
2.458796 ProbF-statistic
0.000000 Sumber : Lampiran 15
Dari tabel lampiran diatas didapatkan hasil pengujian autokorelasi dengan melihat besaran dari nilai Durbin Watson Stat sebesar 2,45.
Dalam hal ini nilai 2,45 merupakan nilai yang berada ditengah antara batas bawah maupun batas atas untuk dapat menerangkan bahwa data
terbebas dari asuksi autokorelasi.
75
3. Hasil Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varians dari residual satu pengamatan
ke pengamatan lain. Jika varians residual satu pengamatan ke pengamatan lain tetap, maka disebut homokedastisitas dan jika berbeda disebut
heterokedastisitas. Metode GLS pada intinya memberikan pembobotan pada variasi data yang digunakan, sehingga dapat dikatakan dengan
menggunakan GLS maka masalah heterokedastisitas dapat diatasi. Masalah heterokedastisitas dapat disembuhkan dengan metode WLS yang ada pada
GLS yang memberikan pembobotan pada varians yang digunakan. Widarjono dalam Wibowo, 2013: 58.
4. Hasil Uji Normalitas
Uji Normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal atau
tidak dapat diketahui dengan membandingkan nilai probabilitas dengan tingkat signifikansi 5 0,05. Jika nilai probabilitas hasil pengujian lebih
besar dari tingkat signifikansi 5 0,05 maka dapat dikatakan bahwa data terdistribusi secara normal. Dari hasil pengujian normalitas di bawah ini
didapatkan nilai probabilitas lebih besar daripada nilai signifikansi 5 0,05 sehingga dapat disimpulkan bahwa data berdistribusi normal.
