Hasil Analisis

4.3 Hasil Analisis

Untuk mengetahui pengaruh infrastruktur jalan, listrik dan pelabuhan terhadap pertumbuhan ekonomi di pulau Sulawesi dilakukan dengan mengunakan analisis regresi berganda. Dengan analisis regresi ini akan diketahui kekuatan dan arah hubungan antara variabel independen yaitu pajang jalan, volume bongkar muat pelabuhan dan konsumsi listrik dengan variabel dependen: pertumbuhan ekonomi pulau Sulawesi :

Tabel 4.4 Hasil Estimasi Model Regresi Linear Berganda pengaruh jalan, pelabuhan dan listrik terhadap pertumbuhan ekonomi pulau Sulawesi ( Pada α= 0,05 )

Model Unstandardized Standardized ANOVA RR Coofficients

Coofficients

Square

B Std.

Beta

F Sig.

Error

Sig.

(Constant) -10.757 5.101

Sumber: lampiran 1

Berdasarkan hasil estimasi analisis regresi diatas, menunjukan bahwa panjang jalan (PJL), volume bongkar muat pelabuhan (PLBH) dan konsumsi listrik (LST) mempunyai hubungan yang positif dengan kenaikan PDRB Sulawesi. hasil regresi menjukan nilai elastisitas koefisien variabel bebas yang mengandung arti sebagai berikut:

1. Koefisien β 0 = -10.757 ini berarti bahwa jika infrastruktur jalan, pelabuhan, dan listrik sama

dengan nol, maka pertumbuhan ekonomi akan tumbuh sebesar -10.757 miliar pertahun nya.

2. Koefisien β 1 = 0.031 artinya bahwa terdapat hubungan positif antara panjang jalan dengan pertumbuhan ekonomi di pulau Sulawesi. Nilai tersebut dapat diartikan bahwa jika jalan naik/meningkat 1 kilo meter, maka PDRB pulau Sulawesi akan mengalami kenaikan sebesar 0,031 miliar rupiah

3. Koefisien β 2 = 0.489 berarti bahwa jika aktivitas volume bongkar muat sebesar 1 ton pada pelabuhan pulau Sulawesi, maka PDRB pulau Sulawesi akan naik sebesar 0.489 miliar

rupiah.

4. Koefisien β 3 = 1.554 artinya jika terjadi pemakaian listrik 1 Kwt, maka PDRB pulau Sulawesi akan naik sebesar 1.544 miliar rupiah.

4.3.1 Uji Statistik

4.3.1.1 Uji Simultan F

Uji F (simultan) digunakan untuk menunjukan apakah semua variabel independen yang dimasukan dalam model regresi mempunyai pengaruh yang signifikan secara bersamaan terhadap variabel dependen. Dalam konteks penelitian ini, pengujian secara simultan ingin melihat apakah variabel jalan, listrik dan pelabuhan berpengaruh terhadap PDRB atau tidak. Untuk melihat apakah ada atau tidaknya pengaruh antara variabel bebas terhadap variabel terkait dilihat dari nilai signifikannya.

Dapat dilihat pada tabel 4.4 dari hasil uji simultan diperoleh bahwa apabila nilai probabilitas F- hitung lebih kecil dari nilai α=0,05 (0 ,028 < 0,05). Dengan demikian variabel bebas pada penelitian ini yaitu jalan, pelabuhan dan listrik mempunyai pengaruh signifikan secara simultan terhadap kenaikan PDRB pulau Sulawesi.

4.3.1.2 Uji Parsial t

Uji-t dilakukan untuk mengetahui besarnya pengaruh masing-masing variabel-variabel indepeden terhadap variabel dependen. Pengujian secara parsial (Uji-t) dilakukan dengan membandingkan nilai propabilitas dengan taraf signifikansi 0,05. Jika dan nilai probabilitas <0,05 maka dapat dikatakan bahwa masing-masing variabel independent yaitu pajang jalan (PJL), bongkar muat pelabuhan (PLBH) dan konsumsi listrik (LST) berpengaruh nyata dan kuat terhadap variabel dependen (PDRB). sebaliknya jika nilai probabilitas > 0.05 maka dapat dikatakan bahwa masing-masing variabel independent pajang jalan (PJL), bongkar muat pelabuhan (PLBH) dan konsumsi listrik (LST) tidak berpengaruh nyata terhadap variabel dependen (Y). hal ini ditunjukan oleh hasil perhitungan.

Dari perhitungan nilai t adalah panjang jalan (JLN) 0.960, volume bongkar muat (PLBH) 0.217 dan pemakaian listrik (LST) 0.779 hal mengandung makna bahwa secara parsial JLN, PLBH dan LST tidak berpengaruh nyata terhadap pertumbuhan ekonomi pulau sulawesi.

4.3.1.2 Uji Koefisien R_Square

Koefisien determinasi digunakan untuk menguji goodness-fit dari model regresi yang dapat lihat dari nilai R Square. Untuk mengetahui tingkat perkembangan pertumbuhan ekonomi pulau Sulawesi yang disebabkan oleh beberapa infrasturktur antara lain yaitu pajang jalan (PJL), bongkar muat pelabuhan (PLBH) dan konsumsi listrik (LST) dapat dilihat melalui besarnya koefisien determinasi. Dari perhitungan nilai R Square adalah .723. Hal ini berarti 72,3 persen pertumbuhan ekonomi pulau sulawesi dapat dijelaskan oleh ketiga variabel independen di atas, sedangkan sisanya yaitu 27,7 persen dijelaskan oleh sebab-sebab yang lain.

4.3.2 Uji Asumsi Klasik

Uji asumsi klasik ini dilakukan karena dalam model regresi perlu memperhatikan adanya penyimpangan-penyimpangan atas asumsi klasik, karena pada hakekatnya jika asumsi klasik Uji asumsi klasik ini dilakukan karena dalam model regresi perlu memperhatikan adanya penyimpangan-penyimpangan atas asumsi klasik, karena pada hakekatnya jika asumsi klasik

4.3.2.1 Uji Multikolineritas

Uji multikolinieritas dilakukan untuk menguji apakah pada model regresi ditemukan adanya korelasi antar variabel independen. Jika terjadi korelasi, maka dinamakan terdapat problem Multikolinieritas. Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen. Pengujian ada tidaknya gejala multikolinearitas dilakukan dengan memperhatikan nilai matriks korelasi yang dihasilkan pada saat pengolahan data serta nilai VIF ( Variance Inflation Factor ) dan Tolerance -nya. Nilai dari VIF yang kurang dari 10 dan tolerance yang lebih dari 0.10 maka menandakan bahwa tidak terjadi adanya gejala multikolinearitas. Sehingga dapat disimpulkan bahwa model regresi tersebut tidak terdapat problem multikolinieritas.

Tabel 4.5 Hasil Uji Multikolineritas Variance Inflation

Variabel Tolerance Factor (VIF)

Panjang Jalan (JLN)

Volume Bongkar Muat

Pelabuhan (PLB) Listrik (LST)

Dari perhitungan mengunakan program SPSS versi 16 dapat kita ketahui bahwa nilai VIF dan tolerance sebagai berikut :

1. Variabel panjang jallan (PJL) mempunyai VIF 1.558 dan tolerance sebesar 0.642

2. Variabel bongkar muat pelabuhan (PLBN) mempunyai nilai VIF sebesar 6.916 dan tolerance sebesar 0.145

3. Variabel konsumsi listrik (LST) mempunyai nilai VIF sebesar 5.976 dan tolerance sebesar 0.167

Dari ketentuan yang ada bahwa jika nilai VIF < 10 dan tolerance 0.10 maka tidak terjadi gejala multikolineritas dan nilai-nilai didapat dari perhitungan adalah sesuwai dengan ketetapan nilai VIF dan tolerance, dan dari hasil analisis diatas dapat diketahui nilai tolerance semua variabel independen (JLN, PLB, LST) lebih dari 0.10 dan nilai VIF kurang dari 10 maka dapat disimpulkan bahwa variabel independennya tidak terjadi multikolinearlitas sehingga model tersebut telah memenuhi syarat asumsi klasik dalam analisis regresi.

4.3.2.2 Uji Autokorelasi

Uji yang paling di kenal untuk menguji autokorelasi adalah dengan uji Durbin-Watson (Gujarati, 2006 : 121). Adapun untuk melihat ada tidaknya autokorelasi dalam hasil regresi dapat melihat nilai Durbin-watson statistiknya.

Tabel 4.6 Hasil Uji Autokorelasi

Change Statistics

Durbin- R Square

F Change

df1

df2

Sig. F

Watson Change

Dari hasil estimasi terhadap masalah serial korelasi atau autokorelasi diperolah nilai DW sebesar 1.642 atau berada diantara -2 sampai +2. Dengan demikian dapat dikatakan bahwa model yang dibangun dalam penelitian ini tidak terdapat gejala autokorelasi.

4.3.2.3 Uji Heterokedastisitas

Dari hasil analisis dengan menggunakan SPSS versi 16 diatas dapat diketahui bahwa titik- titik yang menyebar secara acak baik diatas maupun dibawah angka nol, pada sumbu Y serta tidak membentuk pola atau kecenderungan tertentu pada diagram plot, sehingga dapat mengidentifikasikan tidak terjadi adanya heteroskedastisitas dan model regresi tersebut layak digunakan untuk memprediksi pertumbuhan ekonomi.