4.3. Analisa Hasil Persamaan Regresi Panel
Penelitian ini bertujuan untuk mengetahui besarnya faktor yang mempengaruhi variabel – variabel yang mempengaruhi indeks pembangunan manusia
di Propinsi Aceh. Kabupaten yang diteliti sebagai data time series adalah seluruh kabupaten yaang ada di propinsi Aceh kecuali Piddie Jaya, Bener Meriah dan
Subulussalam yang baru dimekarkan tahun 2008 sehingga ketersediaan data tidak memadai. Analisis data yang digunakan dengan menggabungkan data yang bersifat
time series dan data silang tempat cross section data. Gabungan kedua jenis data ini menjadi Pooling data. Penulis menguji data penelitian dengan tiga jenis metode
estimasi, yaitu pooled least square dengan common intercept, Generalized least Square dengan Random Effect Methode, dan Fixed Effect Methode dengan pooled
least square. Hasil terbaik dengan beberapa pengujian yang akan digunakan oleh penulis dalam mengambil hasil untuk kesimpulan dalam penelitian ini.
Dari hasil perhitungan dengan mengggunakan metode estimasi pooled least square dengan common intercept, dengan menggunakan software eviews versi 5.1,
didapatkan hasil sebagai berikut :
Universitas Sumatera Utara
Tabel 4.6 Pooled Least Square Common Intercept
Dependent Variable: IPM? Method: Pooled Least Squares
Date: 013010 Time: 06:14 Sample: 2003 2007
Included observations: 5 Number of cross-sections used: 20
Total panel balanced observations: 100 Cross sections without valid observations dropped
Variable Coefficient Std.
Error t-Statistic
Prob. C 63.16147
2.472643 25.54411
0.0000 PRM? 0.004451
0.003353 1.327560
0.1875 PRB? 0.003013
0.006009 0.501478
0.6172 PPD? 0.000564
0.000438 1.287925
0.2009 RPM? -0.000838
0.051618 -0.016229
0.9871 PKS? 0.000786
0.000343 2.293595
0.0240 R-squared
0.424950 Mean dependent var 69.27300
Adjusted R-squared 0.394362 S.D. dependent var
3.465380 S.E. of regression
2.696853 Sum squared resid 630.3850
F-statistic 13.89281 Durbin-Watson stat
0.754883 ProbF-statistic 0.000000
Substituted Coefficients: =====================
IPM_SIMEULUE = 63.16147459 + 0.004451224541PRM_SIMEULUE + 0.003013305834PRB_SIMEULUE + 0.0005642753317PPD_SIMEULUE
- 0.0008377079082RPM_SIMEULUE + 0.0007857709375PKS_SIMEULUE
IPM_ACEHSINGKIL = 63.16147459 + 0.004451224541PRM_ACEH + 0.003013305834PRB_ACEH + 0.0005642753317PPD_ACEH +
0.0008377079082RPM_ACEH - 0.0007857709375PKS_ACEH IPM_ACEHSELATAN = 63.16147459 + 0.004451224541PRM_ACEHSELATAN
+ 0.003013305834PRB_ACEHSELATAN + 0.0005642753317PPD_ACEHSELATAN -
0.0008377079082RPM_ACEHSELATAN + 0.0007857709375PKS_ACEHSELATAN
IPM_ACEHTENGGARA = 63.16147459 + 0.004451224541PRM_ACEHTENGGARA +
0.003013305834PRB_ACEHTENGGARA + 0.0005642753317PPD_ACEHTENGGARA -
Universitas Sumatera Utara
0.0008377079082RPM_ACEHTENGGARA + 0.0007857709375PKS_ACEHTENGGARA
IPM_ACEHTIMUR = 63.16147459 + 0.004451224541PRM_ACEHTIMUR + 0.003013305834PRB_ACEHTIMUR +
0.0005642753317PPD_ACEHTIMUR - 0.0008377079082RPM_ACEHTIMUR +
0.0007857709375PKS_ACEHTIMUR
IPM_ACEHTENGAH = 63.16147459 + 0.004451224541PRM_ACEHTENGAH + 0.003013305834PRB_ACEHTENGAH +
0.0005642753317PPD_ACEHTENGAH - 0.0008377079082RPM_ACEHTENGAH +
0.0007857709375PKS_ACEHTENGAH
IPM_ACEHBARAT = 63.16147459 + 0.004451224541PRM_ACEHBARAT + 0.003013305834PRB_ACEHBARAT +
0.0005642753317PPD_ACEHBARAT - 0.0008377079082RPM_ACEHBARAT +
0.0007857709375PKS_ACEHBARAT
IPM_ACEHBESAR = 63.16147459 + 0.004451224541PRM_ACEHBESAR + 0.003013305834PRB_ACEHBESAR +
0.0005642753317PPD_ACEHBESAR - 0.0008377079082RPM_ACEHBESAR +
0.0007857709375PKS_ACEHBESAR
IPM_PIDIE = 63.16147459 + 0.004451224541PRM_PIDIE + 0.003013305834PRB_PIDIE + 0.0005642753317PPD_PIDIE -
0.0008377079082RPM_PIDIE + 0.0007857709375PKS_PIDIE IPM_BIREUEN = 63.16147459 + 0.004451224541PRM_BIREUEN +
0.003013305834PRB_BIREUEN + 0.0005642753317PPD_BIREUEN + 0.0008377079082RPM_BIREUEN - 0.0007857709375PKS_BIREUEN
IPM_ACEHUTARA = 63.16147459 + 0.004451224541PRM_ACEHUTARA + 0.003013305834PRB_ACEHUTARA +
0.0005642753317PPD_ACEHUTARA - 0.0008377079082RPM_ACEHUTARA +
0.0007857709375PKS_ACEHUTARA
Universitas Sumatera Utara
IPM_ACEHBDAYA = 63.16147459 + 0.004451224541PRM_ACEHBDAYA + 0.003013305834PRB_ACEHBDAYA +
0.0005642753317PPD_ACEHBDAYA - 0.0008377079082RPM_ACEHBDAYA +
0.0007857709375PKS_ACEHBDAYA
IPM_GAYOLUES = 63.16147459 + 0.004451224541PRM_GAYOLUES + 0.003013305834PRB_GAYOLUES +
0.0005642753317PPD_GAYOLUES - 0.0008377079082RPM_GAYOLUES +
0.0007857709375PKS_GAYOLUES
IPM_ACEHTAMIANG = 63.16147459 + 0.004451224541PRM_ACEHTAMIANG + 0.003013305834PRB_ACEHTAMIANG +
0.0005642753317PPD_ACEHTAMIANG - 0.0008377079082RPM_ACEHTAMIANG +
0.0007857709375PKS_ACEHTAMIANG
IPM_NAGANRAYA = 63.16147459 + 0.004451224541PRM_NAGANRAYA + 0.003013305834PRB_NAGANRAYA +
0.0005642753317PPD_NAGANRAYA - 0.0008377079082RPM_NAGANRAYA +
0.0007857709375PKS_NAGANRAYA
IPM_ACEHJAYA = 63.16147459 + 0.004451224541PRM_ACEHJAYA + 0.003013305834PRB_ACEHJAYA + 0.0005642753317PPD_ACEHJAYA
- 0.0008377079082RPM_ACEHJAYA + 0.0007857709375PKS_ACEHJAYA
IPM_BANDAACEH = 63.16147459 + 0.004451224541PRM_BANDAACEH + 0.003013305834PRB_BANDAACEH +
0.0005642753317PPD_BANDAACEH - 0.0008377079082RPM_BANDAACEH +
0.0007857709375PKS_BANDAACEH
IPM_SABANG = 63.16147459 + 0.004451224541PRM_SABANG + 0.003013305834PRB_SABANG + 0.0005642753317PPD_SABANG -
0.0008377079082RPM_SABANG + 0.0007857709375PKS_SABANG IPM_LANGSA = 63.16147459 + 0.004451224541PRM_LANGSA +
0.003013305834PRB_LANGSA + 0.0005642753317PPD_LANGSA - 0.0008377079082RPM_LANGSA + 0.0007857709375PKS_LANGSA
Universitas Sumatera Utara
IPMLHOKSEUMAWE = 63.16147459 + 0.004451224541PRMSINGKIL + 0.003013305834PRBSINGKIL + 0.0005642753317PPDSINGKIL -
0.0008377079082RPMSINGKIL + 0.0007857709375PKSSINGKIL Berdasarkan hasil estimasi dengan pooled least square dengan common
intercept, memberikan hasil tidak ada variabel yang signifikan pada α=5, yaitu
variabel PRM, PRB, PPD, RPM, PKS. Dari hasil estimasi, R
2
yang dihasilkan dari estimasi persamaan dalam penelitian ini relatif kecil yakni hanya sebesar 42 selama
masa periode pengamatan. Hal ini dapat disimpulkan bahwa dengan metode analisis pooled least square dengan common intercept, variasi variabel independent dalam
penelitian ini hanya mampu menjelaskan sebesar 42 variasi variabel dependent yaitu IPM Propinsi Aceh, sementara sisanya sebesar 58 dijelaskan oleh variabel
lain yang tidak disertakan dalam model penelitian. Selanjutnya penulis mengestimasi data penelitian dengan menggunakan
estimasi pooled least square dengan Fixed Effect Methode. Analisis ini dilakukan dengan menggunakan software eviews versi 5.1. Hasil estimasi didapat persamaan
untuk Indeks Pembangunan Manusia Propinsi Aceh adalah sebagai berikut :
Universitas Sumatera Utara
Tabel 4.7 Pooled Least Square Dengan Fixed Effect Methode
Dependent Variable: IPM? Method: Pooled Least Squares
Date: 013010 Time: 01:52 Sample: 2003 2007
Included observations: 5 Number of cross-sections used: 20
Total panel balanced observations: 100 Cross sections without valid observations dropped
Variable Coefficient Std.
Error t-Statistic
Prob. LOGPRM? 3.921707
2.689860 2.457960
0.0490 LOGPRB? 0.062402
1.136856 0.054890
0.9564 LOGPPD? 0.520359
1.428464 0.364278
0.7167 LOGRPM? -1.067712
4.166254 -0.256276
0.7984 LOGPKS? 2.012769
1.219046 2.651102
0.0029 Fixed Effects
_SIMEULUE--C 54.81747 _ACEHSINGKIL--C 56.39511
_ACEHSELATAN--C 58.32286 _ACEHTENGGARA--C 56.92808
_ACEHTIMUR--C 59.70557 _ACEHTENGAH--C 54.87301
_ACEHBARAT--C 57.80547 _ACEHBESAR--C 58.09554
_PIDIE--C 59.86568 _BIREUEN--C 61.71512
_ACEHUTARA--C 56.04115 _ACEHBDAYA--C 52.46378
_GAYOLUES--C 56.92941 _ACEHTAMIANG--C 53.44339
_NAGANRAYA--C 56.67944 _ACEHJAYA--C 59.40924
_BANDAACEH--C 58.76096 _SABANG--C 60.06002
LHOKSEUMAWE--C 57.83774 R-squared
0.744598 Mean dependent var 69.27300
Adjusted R-squared 0.662869 S.D. dependent var
3.465380 S.E. of regression
2.012102 Sum squared resid 303.6417
F-statistic 9.110610 Durbin-Watson stat
1.625163 ProbF-statistic 0.000000
Estimation Command:
Universitas Sumatera Utara
===================== ESTF,M=500,C=0.0001 IPM? LOGPRM? LOGPRB? LOGPPD?
LOGRPM? LOGPKS? Substituted Coefficients:
===================== IPM_SIMEULUE = 26.92141213 + 3.921706728LOGPRM_SIMEULUE +
0.06240196874LOGPRB_SIMEULUE + 0.5203586314LOGPPD_SIMEULUE -
1.067711865LOGRPM_SIMEULUE + 2.012768705LOGPKS_SIMEULUE
IPM_ACEHSINGKIL = 28.07466642 + 3.921706728LOGPRM_ACEH + 0.06240196874LOGPRB_ACEH + 0.5203586314LOGPPD_ACEH -
1.067711865LOGRPM_ACEH + 2.012768705LOGPKS_ACEH IPMLHOKSEUMAWE = 28.36934949 + 3.921706728LOGPRMSINGKIL +
0.06240196874LOGPRBSINGKIL + 0.5203586314LOGPPDSINGKIL - 1.067711865LOGRPMSINGKIL
+ 2.012768705LOGPKSSINGKIL
IPM_ACEHSELATAN = 28.69728497 + 3.921706728LOGPRM_ACEHSELATAN +
0.06240196874LOGPRB_ACEHSELATAN + 0.5203586314LOGPPD_ACEHSELATAN -
1.067711865LOGRPM_ACEHSELATAN + 2.012768705LOGPKS_ACEHSELATAN
IPM_ACEHTENGGARA = 28.24765728 + 3.921706728LOGPRM_ACEHTENGGARA +
0.06240196874LOGPRB_ACEHTENGGARA + 0.5203586314LOGPPD_ACEHTENGGARA -
1.067711865LOGRPM_ACEHTENGGARA + 2.012768705LOGPKS_ACEHTENGGARA
IPM_ACEHTIMUR = 30.18290016 + 3.921706728LOGPRM_ACEHTIMUR + 0.06240196874LOGPRB_ACEHTIMUR +
0.5203586314LOGPPD_ACEHTIMUR - 1.067711865LOGRPM_ACEHTIMUR +
2.012768705LOGPKS_ACEHTIMUR
Universitas Sumatera Utara
IPM_ACEHTENGAH = 27.5511488 + 3.921706728LOGPRM_ACEHTENGAH + 0.06240196874LOGPRB_ACEHTENGAH +
0.5203586314LOGPPD_ACEHTENGAH - 1.067711865LOGRPM_ACEHTENGAH +
2.012768705LOGPKS_ACEHTENGAH
IPM_ACEHBARAT = 29.25341886 + 3.921706728LOGPRM_ACEHBARAT + 0.06240196874LOGPRB_ACEHBARAT +
0.5203586314LOGPPD_ACEHBARAT - 1.067711865LOGRPM_ACEHBARAT +
2.012768705LOGPKS_ACEHBARAT
IPM_ACEHBESAR = 30.11721546 + 3.921706728LOGPRM_ACEHBESAR + 0.06240196874LOGPRB_ACEHBESAR +
0.5203586314LOGPPD_ACEHBESAR - 1.067711865LOGRPM_ACEHBESAR +
2.012768705LOGPKS_ACEHBESAR
IPM_PIDIE = 30.72589847 + 3.921706728LOGPRM_PIDIE +
0.06240196874LOGPRB_PIDIE + 0.5203586314LOGPPD_PIDIE - 1.067711865LOGRPM_PIDIE + 2.012768705LOGPKS_PIDIE
IPM_BIREUEN = 33.48653292 + 3.921706728LOGPRM_BIREUEN + 0.06240196874LOGPRB_BIREUEN +
0.5203586314LOGPPD_BIREUEN - 1.067711865LOGRPM_BIREUEN +
2.012768705LOGPKS_BIREUEN
IPM_ACEHUTARA = 27.26252262 + 3.921706728LOGPRM_ACEHUTARA + 0.06240196874LOGPRB_ACEHUTARA +
0.5203586314LOGPPD_ACEHUTARA - 1.067711865LOGRPM_ACEHUTARA +
2.012768705LOGPKS_ACEHUTARA
IPM_ACEHBARATDAYA = 24.63813175 + 3.921706728LOGPRM_ACEHBARATDAYA +
0.06240196874LOGPRB_ACEHBARATDAYA + 0.5203586314LOGPPD_ACEHBARATDAYA -
1.067711865LOGRPM_ACEHBARATDAYA + 2.012768705LOGPKS_ACEHBARATDAYA
Universitas Sumatera Utara
IPM_GAYOLUES = 26.64781723 + 3.921706728LOGPRM_GAYOLUES + 0.06240196874LOGPRB_GAYOLUES +
0.5203586314LOGPPD_GAYOLUES - 1.067711865LOGRPM_GAYOLUES +
2.012768705LOGPKS_GAYOLUES
IPM_ACEHTAMIANG = 25.36794928 + 3.921706728LOGPRM_ACEHTAMIANG +
0.06240196874LOGPRB_ACEHTAMIANG + 0.5203586314LOGPPD_ACEHTAMIANG -
1.067711865LOGRPM_ACEHTAMIANG + 2.012768705LOGPKS_ACEHTAMIANG
IPM_NAGANRAYA = 27.98308073 + 3.921706728LOGPRM_NAGANRAYA + 0.06240196874LOGPRB_NAGANRAYA +
0.5203586314LOGPPD_NAGANRAYA - 1.067711865LOGRPM_NAGANRAYA +
2.012768705LOGPKS_NAGANRAYA
IPM_ACEHJAYA = 28.62158216 + 3.921706728LOGPRM_ACEHJAYA + 0.06240196874LOGPRB_ACEHJAYA +
0.5203586314LOGPPD_ACEHJAYA - 1.067711865LOGRPM_ACEHJAYA +
2.012768705LOGPKS_ACEHJAYA
IPM_BANDAACEH = 30.42280883 + 3.921706728LOGPRM_BANDAACEH + 0.06240196874LOGPRB_BANDAACEH +
0.5203586314LOGPPD_BANDAACEH - 1.067711865LOGRPM_BANDAACEH +
2.012768705LOGPKS_BANDAACEH
IPM_SABANG = 28.26893511 + 3.921706728LOGPRM_SABANG + 0.06240196874LOGPRB_SABANG +
0.5203586314LOGPPD_SABANG - 1.067711865LOGRPM_SABANG +
2.012768705LOGPKS_SABANG
IPM_LANGSA = 28.84497699 + 3.921706728LOGPRM_LANGSA + 0.06240196874LOGPRB_LANGSA +
0.5203586314LOGPPD_LANGSA - 1.067711865LOGRPM_LANGSA +
2.012768705LOGPKS_LANGSA
Universitas Sumatera Utara
Menurut hasil estimasi persamaan dengan menggunakan Fixed Effect Methode untuk IPM Aceh diperoleh R
2
sebesar 74. Dari hasil ini dapat berarti keseluruhan variabel bebas yang tercakup dalam persamaan cukup mampu untuk
menjelaskan variasi indeks pembangunan manusia di Propinsi Aceh. Berdasarkan hasil persamaan dapat diketahui hanya ada dua variabel yang signifikan pada
α=5, yaitu variabel PRM dan PKS. Sedangkan tiga variabel lain adalah PPD, PRB dan
RPM tidak berpengaruh signifikan pada α=5 selama masa periode pengamatan.
Hasil dengan menggunakan Fixed Effect Methode memberikan gambaran hasil yang lebih baik secara statistik dibandingkan dengan menggunakan Pooled least
square dengan common intercept. Namun untuk menentukan pilihan estimasi yang digunakan, penulis melakukan uji Chow. Hasil uji ini diharapkan dapat diketahui
pilihan yang lebih tepat antara Pooled Least square dengan Common Intercept atau pooled Least square dengan Fixed Effect Methode.
Hasil uji Chow yang dilakukan dengan formulasi sebagai berikut :
Tabel 4.8. Hasil Uji Chow
Model RSS
PLS
RSS
FEM
F
stat
F
tabel
Ho diterimaditola
k
IPM
630.3850 303.6417
N=20 T =5
k =6 F = 4,191
F0,05 = 2.60 Ho ditolak
Efek Individu Sumber : Pengolahan data,2009
Universitas Sumatera Utara
Rumus uji Chow sebagai berikut : RSSS-URSS N-1
CHOW = URSS NT – N –K
Dimana :
RRSS = Restricted Residual Sum Square merupakan Sum of Square Residual yang diperoleh dari estimasi data panel dengan metode pooled least
squarecommon intercept. URSS = Unrestricted Residual Sum Square merupakan Sum of Square
Residual yang diperoleh dari estimasi data panel dengan metode fixed effect.
N = Jumlah data cross section 20 kabupatenkota T = Jumlah data time series 5 tahun
K = Jumlah variabel penjelas lima
6 20
100 5
20 642
, 303
1 20
642 ,
303 385
, 630
x Chow
4103.270 19
326,743
Chow
4,103 17,197
Chow
=
4,191
Hasil pengujian untuk IPM Aceh memberikan hasil F hitung 4,191 F-tabel 2,60 H0 ditolak atau Ha diterima, sehingga hasil tersebut tidak dapat menggunakan pooled least
square karena pada model tersebut tidak terdapat effek individu yang artinya masing-masing
Universitas Sumatera Utara
individu Simelue, Aceh Singkil, Aceh Selatan, Aceh Tenggara, Aceh Timur, Aceh Tengah, Aceh Barat, Aceh Besar, Piddie, Bireuen, Aceh Utara, Aceh Barat Daya, Gayo Lues, Aceh
Tamiang, Nagan Raya, Aceh Jaya, Banda Aceh, Sabang, Langsa, Lhokseumawe mempunyai intercep sendiri.
Berdasarkan hasil uji Chow diketahui bahwa model PLS tidak dapat digunakan sehingga menggunakan asumsi data FEM atau REM. Menurut Judge
dalam Manurung, 2005, ada empat pertimbangan pokok untuk memilih FEM dan REM, yaitu :
1. Jika jumlah time series T besar dan jumlah cross section N kecil maka nilai
taksiran parameter berbeda kecil, sehingga pilihan didasarkan pada kemudahan perhitungan, yaitu FEM.
2. Bila N besar dan T kecil penaksiran dengan FEM dan REM menghasilkan
perbedaan yang signifikan. Pada REM diketahui bahwa b
0i
= b +
ε
i
, dimana ε
i
adalah komponen acak cross section, pada FEM diperlakukan b adalah tetap atau
tidak acak. Bila diyakini bahwa individu atau cross section tidak acak maka FEM lebih tepat, sebaliknya jika cross section acak maka REM lebih tepat
3. Jika komponen error
ε
i
individu berkorelasi maka penaksir REM adalah bias dan penaksir FEM tidak bias.
4. Jika N besar dan T kecil serta asumsi REM dipenuhi maka penaksir REM lebih
efisien dari penaksir FEM . Berdasarkan pendapat Judge asumsi penelitian N=20T=5 maka model yang
dipakai adalah model Random Effect Model REM. Berdasarkan hasil ini maka
Universitas Sumatera Utara
penulis menyimpulkan bahwa tehnik estimasi yang lebih baik untuk digunakan dalam penelitian ini adalah dengan menggunakan pooled least square dengan Random effect
Methode. Dalam penelitian ini digunakan teknik pengolahan data dengan menggunakan Panel Data Regression Model dengan metode Generalized Least
Squares GLS dan unweighted statistics serta menggunakan white
heteroscedasticity-consistent standard errors and covariance untuk mengatasi masalah-masalah yang mungkin muncul dalam pengolahan data antara lain adanya
masalah heteroskedastisitas dan autokorelasi. Analisis panel data ini digunakan karena data-data yang akan diolah merupakan cross section observation dan pooling
of time series yang diperoleh dan diteliti sejalan dengan perjalanan waktu. Model panel data ini memiliki ruang dan dimensi waktu sehingga estimasi variabel dan hasil
perhitungan akan memberikan analisis empirik yang lebih luas. Dari data yang diperoleh dan dikumpulkan, panel yang terjadi pada penelitian ini adalah balanced
panel panel seimbang dimana setiap unit cross section memiliki jumlah observasi time series yang sama. Untuk mengestimasi model dan proses penghitungan, pada
penelitian ini akan digunakan dua pendekatan dari model regresi panel data yaitu pendekatan Random Effect.
Langkah berikutnya setelah mengestimasi model adalah dengan melakukan pengujian masalah-masalah ekonometrik. Suatu persamaan dikatakan terdapat
gangguan multikolinearitas jika R
2
yang dihasilkan dalam regresi tinggi tetapi hanya sedikit atau bahkan tidak ada variabel bebas yang signifikan pada pengujian t-stat.
Berdasarkan pengujian t-stat ternyata semua variabel bebas yang ada didalam model
Universitas Sumatera Utara
signifikan baik secara parsial maupun secara bersama-sama dengan R
2
yang tinggi. Selain itu, semua tanda koefisien regresi masing-masing variabel menunjukan secara
teoritis searah dengan yang diramalkan sebelumnya. disimpulkan bahwa pada model ini tidak terdapat multikolinearitas. Adapun hasil dari estimasi dengan menggunakan
Random Effect methode dengan Generalized least Square dengan menggunakan software eviews 5.1 untuk data dalam penelitian ini adalah sebagai berikut :
Tabel 4.9 Random Effect Model
Dependent Variable: IPM? Method: Pooled EGLS Cross-section random effects
Date: 013010 Time: 01:46 Sample: 2003 2007
Included observations: 5 Number of cross-sections used: 20
Total panel balanced observations: 100 Swamy and Arora estimator of component variances
Variable Coefficient Std.
Error t-Statistic
Prob. C 62.47743
3.588558 17.41018
0.0000 LOGPRM? 4.209905
0.605229 6.955893
0.0000 LOGPRB? 0.375397
0.162106 2.315755
0.0233 LOGPPD? 0.124037
0.362400 0.342266
0.7331 LOGRPM? -2.165095
0.823540 -2.629010
0.0104 LOGPKS? 2.019886
0.268555 7.521310
0.0000 Random Effects
_SIMEULUE--C -1.605777 _ACEHSINGKIL--C -0.764995
_ACEHSELATAN--C 0.463913 _ACEHTENGGARA--C -0.096950
_ACEHTIMUR--C 1.721493 _ACEHTENGAH--C -0.996641
_ACEHBARAT--C 0.809263 _ACEHBESAR--C 1.297195
_PIDIE--C 1.987116 _BIREUEN--C 4.134682
_ACEHUTARA--C -1.162197 _ACEHBARATDAYA--C -3.276888
_GAYOLUES--C -1.387078 _ACEHTAMIANG--C -2.581702
_NAGANRAYA--C -0.500463 _ACEHJAYA--C -0.781036
_BANDAACEH--C 1.553127 _SABANG--C 0.701098
Universitas Sumatera Utara
_LANGSA--C 0.551867 _LHOKSEUMAWE--C -0.066026
GLS Transformed Regression R-squared
0.694258 Mean dependent var 69.27300
Adjusted R-squared 0.677995 S.D. dependent var
3.465380 S.E. of regression
1.966446 Sum squared resid 363.4895
F-statistic 59351.51 Durbin-Watson stat
1.850653 ProbF-statistic
0.000000 Unweighted Statistics including Random Effects
R-squared 0.743445 Mean dependent var
69.27300 Adjusted R-squared
0.661347 S.D. dependent var 3.465380
S.E. of regression 2.016639 Sum squared resid
305.0125 Durbin-Watson stat
1.628233 Estimation Command:
===================== ESTF,W,M=500,C=0.0001 IPM? LOGPRM? LOGPRB? LOGPPD?
LOGRPM? LOGPKS? Substituted Coefficients:
===================== IPM_SIMEULUE = -1.605777336 + 62.47742575 +
0.006844269952PRM_SIMEULUE + 0.00129780265PRB_SIMEULUE + 0.000438801049PPD_SIMEULUE - 0.004454272661RPM_SIMEULUE +
0.0007402918201PKS_SIMEULUE
IPM_ACEHSINGKIL = -0.7649947062 + 62.47742575 + 0.006844269952PRM_ACEH + 0.00129780265PRB_ACEH +
0.000438801049PPD_ACEH - 0.004454272661RPM_ACEH + 0.0007402918201PKS_ACEH
IPM_ACEHSELATAN = 0.4639129372 + 62.47742575 + 0.006844269952PRM_ACEHSELATAN +
0.00129780265PRB_ACEHSELATAN + 0.000438801049PPD_ACEHSELATAN -
0.004454272661RPM_ACEHSELATAN + 0.0007402918201PKS_ACEHSELATAN
IPM_ACEHTENGGARA = -0.09695034433 + 62.47742575 + 0.006844269952PRM_ACEHTENGGARA +
0.00129780265PRB_ACEHTENGGARA + 0.000438801049PPD_ACEHTENGGARA -
Lanjutan Tabel 4.9
Universitas Sumatera Utara
0.004454272661RPM_ACEHTENGGARA + 0.0007402918201PKS_ACEHTENGGARA
IPM_ACEHTIMUR = 1.721493025 + 62.47742575 + 0.006844269952PRM_ACEHTIMUR +
0.00129780265PRB_ACEHTIMUR + 0.000438801049PPD_ACEHTIMUR -
0.004454272661RPM_ACEHTIMUR + 0.0007402918201PKS_ACEHTIMUR
IPM_ACEHTENGAH = -0.996641176 + 62.47742575 + 0.006844269952PRM_ACEHTENGAH +
0.00129780265PRB_ACEHTENGAH + 0.000438801049PPD_ACEHTENGAH -
0.004454272661RPM_ACEHTENGAH + 0.0007402918201PKS_ACEHTENGAH
IPM_ACEHBARAT = 0.8092626449 + 62.47742575 + 0.006844269952PRM_ACEHBARAT +
0.00129780265PRB_ACEHBARAT + 0.000438801049PPD_ACEHBARAT -
0.004454272661RPM_ACEHBARAT + 0.0007402918201PKS_ACEHBARAT
IPM_ACEHBESAR = 1.297195209 + 62.47742575 + 0.006844269952PRM_ACEHBESAR +
0.00129780265PRB_ACEHBESAR + 0.000438801049PPD_ACEHBESAR -
0.004454272661RPM_ACEHBESAR + 0.0007402918201PKS_ACEHBESAR
IPM_PIDIE = 1.987115804 + 62.47742575 + 0.006844269952PRM_PIDIE + 0.00129780265PRB_PIDIE + 0.000438801049PPD_PIDIE -
0.004454272661RPM_PIDIE + 0.0007402918201PKS_PIDIE IPM_BIREUEN = 4.134681524 + 62.47742575 +
0.006844269952PRM_BIREUEN + 0.00129780265PRB_BIREUEN + 0.000438801049PPD_BIREUEN - 0.004454272661RPM_BIREUEN +
0.0007402918201PKS_BIREUEN
IPM_ACEHUTARA = -1.162196923 + 62.47742575 + 0.006844269952PRM_ACEHUTARA +
0.00129780265PRB_ACEHUTARA +
Universitas Sumatera Utara
0.000438801049PPD_ACEHUTARA - 0.004454272661RPM_ACEHUTARA +
0.0007402918201PKS_ACEHUTARA
IPM_ACEHBDAYA = -3.27688803 + 62.47742575 + 0.006844269952PRM_ACEHBDAYA +
0.00129780265PRB_ACEHBDAYA + 0.000438801049PPD_ACEHBDAYA -
0.004454272661RPM_ACEHBDAYA + 0.0007402918201PKS_ACEHBDAYA
IPM_GAYOLUES = -1.387077804 + 62.47742575 + 0.006844269952PRM_GAYOLUES + 0.00129780265PRB_GAYOLUES
+ 0.000438801049PPD_GAYOLUES - 0.004454272661RPM_GAYOLUES +
0.0007402918201PKS_GAYOLUES
IPM_ACEHTAMIANG = -2.581702441 + 62.47742575 + 0.006844269952PRM_ACEHTAMIANG +
0.00129780265PRB_ACEHTAMIANG + 0.000438801049PPD_ACEHTAMIANG -
0.004454272661RPM_ACEHTAMIANG + 0.0007402918201PKS_ACEHTAMIANG
IPM_NAGANRAYA = -0.5004626652 + 62.47742575 + 0.006844269952PRM_NAGANRAYA +
0.00129780265PRB_NAGANRAYA + 0.000438801049PPD_NAGANRAYA -
0.004454272661RPM_NAGANRAYA + 0.0007402918201PKS_NAGANRAYA
IPM_ACEHJAYA = -0.7810361236 + 62.47742575 + 0.006844269952PRM_ACEHJAYA + 0.00129780265PRB_ACEHJAYA +
0.000438801049PPD_ACEHJAYA - 0.004454272661RPM_ACEHJAYA + 0.0007402918201PKS_ACEHJAYA
IPM_BANDAACEH = 1.553126976 + 62.47742575 + 0.006844269952PRM_BANDAACEH +
0.00129780265PRB_BANDAACEH + 0.000438801049PPD_BANDAACEH -
0.004454272661RPM_BANDAACEH + 0.0007402918201PKS_BANDAACEH
Universitas Sumatera Utara
IPM_SABANG = 0.7010980113 + 62.47742575 + 0.006844269952PRM_SABANG + 0.00129780265PRB_SABANG +
0.000438801049PPD_SABANG - 0.004454272661RPM_SABANG + 0.0007402918201PKS_SABANG
IPM_LANGSA = 0.5518672157 + 62.47742575 + 0.006844269952PRM_LANGSA + 0.00129780265PRB_LANGSA + 0.000438801049PPD_LANGSA -
0.004454272661RPM_LANGSA + 0.0007402918201PKS_LANGSA IPMLHOKSEUMAWE = -0.06602579714 + 62.47742575 +
0.006844269952PRMSINGKIL + 0.00129780265PRBSINGKIL + 0.000438801049PPDSINGKIL - 0.004454272661RPMSINGKIL +
0.0007402918201PKSSINGKIL
Berdasarkan hasil olahan data untuk estimasi persamaan indeks pembangunan manusia dengan Generalized least Square, mendapatkan hasil yang lebih baik
daripada dengan menggunakan Fixed effect methode dengan Pooled Least square. Terdapat empat variabel penelitian signifikan pada
=0,05 mempengaruhi indeks pembangunan manusia Propinsi Aceh. Variabel tersebut adalah PRM pada
probabilitas =0,00, PRB probabilitas =0,023, RPM pada probabilitas =5 dan
PKS pada probabilitas =0,000. Sementara itu terdapat satu variabel penelitian yang
tidak signifikan terhadap indeks pembangunan manusia di Propinsi Aceh yaitu PPD pada probabilitas 0,733 selama periode pengamatan.
Hasil olahan data untuk estimasi persamaan Indeks Pembangunan Manusia Propinsi Aceh dengan Random Effect pada Generalized List Square, R
2
hasil Estimasi persamaan adalah 74. Hasil estimasi ini dapat diartikan bahwa model dengan tehnik
estimasi persamaan GLS dapat menjelaskan variasi persamaan variabel independent terhadap variabel dependent sebesar 74. Sementara sisanya indeks pembangunan
Universitas Sumatera Utara
manusia di Propinsi Aceh sebesar 26 dijelaskan oleh variabel lain yang tidak disertakan dalam model penelitian ini.
a. Koefisien Regresi PRM