maka F-tabel = 5,56 Berdasarkan perhitungan di atas diperoleh bahwa F-hitung F-tabel 12,40
5,56. Dengan demikian Ha diterima yang artinya bahwa variabel Pengeluaran Pemerintah pada sektor pendidikan, kesehatan dan transportasi secara bersama-
sama berpengaruh nyata terhadap Pertumbuhan ekonomi Kota Medan pada tingkat kepercayaan sebesar 99.
5,56 12,40
Gambar 4.1 Uji F-Statistik
4.2.2.3 Koefisien Determinasi Uji R
2
Dari hasil regresi di atas diperoleh koefisen determinasi R
2
4.2.3 Uji Asumsi Klasik
adalah sebesar 0.619959 atau 61,99. Artinya bahwa variabel pengeluaran pemerintah
pada sektor pendidikan, kesehatan, dan transportasi dapat menjelaskan variabel pertumbuhan ekonomi sebesar 61,99. Sedangkan 38,01 dapat dijelaskan oleh
variabel lainnya yang tidak dimasukkan dalam model.
4.2.3.1 Multikolinearitas
UNIVERSITAS SUMATERA UTARA
Multikolinearitas adalah suatu kondisi dimana terdapat korelasi variabel bebas diantara satu dengan yang lainnya. Dalam penelitian ini tidak terdapat
gejala multikolinearitas diantara variabel-variabel bebasnya. Hal ini dapat terlihat dari setiap koefisien masing-masing variabel sesuai dengan hipotesa yang sudah
ditentukan dari model analisis : Y= α + β1LogPp + β2LogPk + β3LogPt + μ .............1
R
2
Pertumbuhan ekonomi = f Pp,Pk,Pt. Kemudian dilakukan pengujian diantara masing-masing variabel bebas. Ini bertujuan untuk melihat apakah ada hubungan
antara masing-masing variabel bebas sehingga diperoleh hasil analisis regresi variabel bebasnya sebagai berikut :
= 0.619959
a. Pengeluaran Pemerintah di sektor pendidikan Pp= fPk,Pt LogPp = α + β2LogPk + β3LogPt + μ ........................2
b. Pengeluaran Pemerintah di sektor kesehatan Pk= fPp,Pt LogPk = α + β2LogPp + β3LogPt + μ ........................3
c. Pengeluaran Pemerintah di sektor transportasi Pt= fPp,Pk
LogPp = α + β2LogPk + β3LogPt + μ ........................4 Selanjutnya pada hasil estimasi variabel-variabel bebas sebagaimana disajikan
pada tabel dibawah ini :
UNIVERSITAS SUMATERA UTARA
Tabel 4.8 Hasil Estimasi Uji R2 Hasil Regresi Antar Variabel Bebas
Variabel Nilai R
2
y= fLogPp, LogPk, LogPt 0.619
LogPp= LogPk, LogPt 0.508
LogPk= LogPt, LogPp 0.327
LogPt= LogPp, LogPk 0.552
Sumber : Hasil Penelitian Data Diolah
Dari tabel di atas dapat dilihat bahwa nilai R
2
y= fLogPp, LogPk,LogPt = 0.619 lebih besar dibandingkan dengan nilai R
2
dalam regresi parsial, R
2
LogPp= LogPk, LogPt = 0.508 ; R
2
LogPk= LogPt, LogPp = 0.327 ; dan R
2
4.2.3.2 Autokorelasi
LogPt= LogPp, LogPk=0.552. Maka dapat disimpulkan bahwa dalam model y= fLogPp,
LogPk, LogPt tidak ditemukan adanya multikolinieritas.
Autokorelasi merupakan gangguan pada fungsi regresi berupa korelasi diantara faktor gangguan error term. Autokorelasi dapat diketahui melalui uji
Durbin-Watson D-W Test, yaitu pengujian yang digunakan untuk melihat ada atau tidaknya autokorelasi dalam model estimasi. Langkah-langkah yang
dilakukan dalam uji DW adalah sebagai berikut :
1 Menentukan hipotesis yang akan diuji. 2 Penentuan level pengujian di mana α = 5
3 Penentuan statistik pengujian Durbin-Watson. 0 dw dl
: tidak ada autokorelasi positif dl
≤dw≤du : ragu-ragu inconclusive
dudw4-dl : ragu-ragu inconclusive
UNIVERSITAS SUMATERA UTARA
4-dl ≤dw≤4
: tidak ada autokorelasi negatif du
≤dw≤4-du : tidak ada autokorelasi negatif maupun positif.
Uji Durbin-Watson Uji D-W Hipotesa :
H0 : ρ = 0, artinya tidak ada autokorelasi Ha : ρ ≠ 0, artinya ada autokorelasi
k=3 ; n=18 ; α=5 ; maka dl = 0,9331 ; du = 1,6961. Keputusan:
Berdasarkan hasil regresi dapat diperoleh bahwa dw-hitung = 2,059431 berada pada posisi du DW 4-du 1,6961 2,059431 2,3039. Dengan
demikian dapat disimpulkan bahwa tidak ada autokolerasi negatif ataupun autokorelasi positif dalam pengujian dengan tingkat kepercayaan 95.
4.2.3 Analisis Data Primer
