Analisa Hasil Persamaan Regresi Panel

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