commit to user
Tabel. 4.11 Distribusi Tingkat Pendidikan Pengrajin Logam di Sentra
Kerajinan Logam Kecamatan Cepogo,Kabupaten Boyolali
No Tingkat Pendidikan
Formal Frekuensi
Persentase 1.
SD 52
86,67 2.
SMP 3
5 3.
SMA 3
5 4.
S1 2
3,33 Jumlah
60 100
Sumber : Data primer, diolah
Berdasarkan tabel diatas terlihat bahwa dari 60 responden terdapat 52 responden 86,67 berpendidikan SD, tiga responden
5 berpendidikan SMP, tiga responden 5 berpendidikan SMA, dan dua responden 3,33 berpendidikan S1. Hal ini menunjukan
bahwa sebagian besar Pengrajin Logam di sentra kerajinan logam Kecamatan Cepogo, Kabupaten Boyolali berpendidikan SD, karena
salah satunya pekerjaan yang siap dilakukan dan tersedia bagi seseorang lulusan SD adalah berdagang atau berwiraswasta.
D. Analisis Data dan Pembahasan
1. Metode analisis data
a. Uji Pemilihan Model Pemilihan bentuk fungsi model empirik merupakan masalah
empirik
empirical question
yang sangat penting. Hal ini karena teori ekonomi tidak secara spesifik menunjukkan bentuk fungsi suatu model
empirik dinyatakan dalam bentuk linear atau log-linear atau bentuk fungsi lainnya. Oleh karena itu, dalam melakukan studi empiris
commit to user
sebaiknya model yang akan digunakan diuji dulu, apakah sebaiknya menggunakan bentuk linear ataukah log-linear Insukindro et al., 2003:
14. Ada beberapa metode yang dapat digunakan dalam pemilihan
bentuk fungsi model empirik antara lain metode transformasi
Box-Cox
, metode yang dikembangkan MacKinnon, White, dan Davidson atau
MWD test
, metode Bara dan McAleer atau
B-M test
dan metode yang dikembangkan Zarembka Modul Laboratorium Ekonometrika, 2006:
80. Dalam penelitian ini akan menggunakan metode yang dikembangkan Mac Kinnon, White dan Davidson pada tahun 1983
yang lebih dikenal dengan MWD test.
Rule of thumb
dari uji MWD adalah bila Z
1
signifikan secara statistik, maka kita menolak model yang benar adalah linier atau
dengan kata lain, bila Z
1
signifikan secara statistik maka model yang benar adalah log-linier. Sebaliknya bila Z
2
signifikan secara statistik maka kita menolak model yang benar adalah log-linier atau dengan kata
lain, bila Z
2
signifikan secara statistik maka model yang benar adalah linier. Hasil uji MWD adalah:
Tabel 4.12 Hasil Uji MWD Test Linier
Variabel Probabilitas
Keterangan
Z1 0.1065
Tidak signifikan Sumber : Hasil olahan E-Views 3.0
commit to user
Dari hasil uji MWD tersebut dapat kita lihat bahwa Z
1
tidak signifikan secara statistik pada tingkat signifikansi 5 Z
1
= 0.1065. Hal tersebut berarti model linier dapat digunakan.
Tabel 4.13 Hasil Uji MWD Test Log-Linier
Variabel Probabilitas
Keterangan Z2
-0.463130 Signifikan
Sumber : Hasil olahan E-Views 3.0 Dari hasil uji MWD tersebut dapat kita lihat Z
2
signifikan secara statistik pada tingkat signifikansi 5 Z
2
= -0.463130. Hal tersebut berarti model log-linier tidak dapat digunakan.
b. Metode regresi linier berganda Untuk menguji hipotesis menggunakan analisis regresi linier
berganda sehingga dapat mengetahui pengaruh Modal, Jumlah Tenaga Kerja, Pengalaman Usaha dan Tingkat Pendidikan terhadap
Pendapatan. Adapun ringkasan hasil regresi estimasi pendapatan industri kerajinan logam dapat disajikan dalam tabel berikut :
commit to user
Tabel 4.14 Hasil Regresi Persamaan Pendapatan
Dependent Variable : PEND Method : Least Squares
Date : 053010 Time: 19:49 Sample : 1 60
Included observations : 60
Variable Coefficient Std. Error t-Statistic
Prob. C
-60520167 21203566 -2.854245 0.0061
MOD 0.434330 0.608706 0.713530
0.4785 TK
2934633. 475345.9 6.173679 0.0000
PU 239698.1 645679.1 0.371234
0.7119 TP
8379122. 2413894. 3.471206 0.0010
R-squared 0.508255 Mean dependent var
31460000 Adjusted R-squared
0.472492 S.D. dependent var 53465190
S.E. of regression 38831627 Akaike info criterion
37.86702 Sum squared resid
8.29E+16 Schwarz criterion 38.04155
Log likelihood -1131.011 F-statistic
14.21167 Durbin-Watson stat
1.853194 ProbF-statistic 0.000000
Sumber : Hasil olahan E-Views 3.0 Berdasarkan tabel diatas dapat dibuat persamaan regresi sebagai
berikut : PEND = − 60520167 + 0.434330MOD +2934633TK + 239698.1PU +
8379122TP Selanjutnya terhadap hasil analisis regresi dengan model tersebut
dilakukan uji Statistik dan uji Asumsi Klasik. Uji Statistik meliputi uji t, uji F, uji Koefisien Determinasi R
2
. Uji Asumsi Klasik meliputi, uji Multikolinieritas, uji Heteroskedastisitas, uji Autokorelasi. Pengujian
tersebut dilakukan untuk mengetahui apakah dugaan sementara hipotesis terhadap parameter sudah sesuai secara teori dan statistik.
commit to user
c. Uji Statistik 1 Uji t
Uji t pada dasarnya menunjukkan seberapa jauh masing- masing variabel penjelas secara individu menerangkan variasi
variabel yang terikat. Hasil pengujian pengujian parameter individu dapat dijabarkan sebagai berikut:
a Pengujian terhadap variabel modal Variabel modal mempunyai koefisien regresi sebesar
0.434330 dengan nilai probabilitas sebesar 0.4785 yang berarti tidak signifikan pada
α = 5 , variabel modal secara individual tidak berpengaruh terhadap variabel pendapatan, dan mempunyai
hubungan positif atau searah terhadap variabel dependen pendapatan.
b Pengujian terhadap variabel jumlah tenaga kerja Variabel tenaga kerja mempunyai koefisien regresi sebesar
2934633 dengan nilai probabilitas 0.0000 yang berarti signifikan pada α = 5 , variabel tenaga kerja secara individual
berpengaruh terhadap variabel pendapatan, dan mempunyai hubungan positif atau searah terhadap variabel dependen
pendapatan. c Pengujian terhadap variabel pengalaman usaha
commit to user
Variabel pengalaman usaha mempunyai koefisien regresi sebesar 239698.1 dengan nilai probabilitas 0.7119 yang berarti
tidak signifikan pada α = 5 , variabel pengalaman usaha secara
individual tidak berpengaruh terhadap variabel pendapatan, dan mempunyai hubungan positif terhadap variabel dependen
pendapatan. d Pengujian terhadap variabel tingkat pendidikan
Variabel tingkat pendidikan mempunyai koefisien regresi sebesar 8379122 dengan nilai probabilitas 0.0010 yang berarti
signifikan pada α=5 , variabel tingkat pendidikan secara
individual berpengaruh terhadap variabel pendapatan, dan mempunyai hubungan positif terhadap variabel dependen
pendapatan. 2 Uji F
Jika melihat probabilitas F-Statistik hasil regresi persamaan penerimaan pendapatan pada tabel diatas, dimana nilai probabilitas
F-Statistiknya sebesar 0.000000 yang lebih kecil dari tingkat signifikan 5 atau 0,05 maka secara bersama-sama variabel modal,
tenaga kerja, pengalaman usaha dan tingkat pendidikan berpengaruh terhadap variabel pendapatan di Kabupaten Boyolali.
3 Uji Koefisien determinasi R
2
commit to user
Pengujian koefisien determinasi bertujuan untuk mengetahui seberapa besar variasi dari variabel dependen dapat dijelaskan oleh
variasi variabel independen semakin besar R
2
menunjukkan estimasi akan mendeteksi kenyataan yang sebenarnya. Nilai koefisien
determinasi yang telah disesuaikan diperoleh sebesar 0.508255 hal ini berarti bahwa 50,82 variabel penerimaan pendapatan dapat
dijelaskan oleh variabel independen, sedangkan sisanya 49,18 dijelaskan oleh variabel lain yang tidak terdapat dalam model.
d. Uji Asumsi Klasik 1 Uji Multikolinieritas
Multikolinieritas merupakan suatu keadaan dimana satu atau lebih variabel bebas terdapat korelasi dengan variabel bebas
lainnya atau dengan kata lain multikolinieritas adalah kondisi adannya hubungan linier antarvariabel bebas. Karena melibatkan
beberapa variabel bebas, maka multikolinieritas tidak akan terjadi pada persamaan regresi sederhana.
Cara paling mudah untuk mendeteksi ada atau tidaknya multikolinieritas adalah dengan regresi
auxiliary
, yaitu dengan melihat nilai R dan nilai r. Apabila dari hasil pengujian statistik
diperoleh r R berarti tidak ada multi sedangkan jika r R berarti terjadi multikolinieritas.
commit to user
Tabel 4.15
Auxiliary Regressions
Variabel dependen
Variabel independen
R Square Auxiliary
Regressions R Square
Modal Jumlah Tenaga
Kerja, Pengalaman Usaha, Tingkat
Pendidikan 0.045310
0.508255
Jumlah Tenaga Kerja
Modal, Pengalaman Usaha, Tingkat
Pendidikan 0.030815
0.508255
Pengalaman Usaha
Modal, Jumlah Tenaga Kerja,
Tingkat Pendidikan 0.116044
0.508255
Tingkat Pendidikan
Modal, Jumlah Tenaga Kerja,
Pengalaman Usaha 0.078191
0.508255
Sumber : Hasil olahan E-Views 3.0 Dari tabel ditunjukkan bahwa nilai
R Square
dari
auxiliary regressions
lebih keci dari
R Square
dari regresi Y terhadap X sehingga dapat disimpulkan bahwa dari hasil analisis
auxiliary regressions
tidak terdapat multikolinieritas. 2 Uji Heterokedastisitas
Uji heteroskedastisitas digunakan untuk mendeteksi apakah kesalahan pengganggu mempunyai varians yang sama. Untuk
mendeteksi ada tidaknya heteroskedastisitas dapat digunakan dengan uji
White.
commit to user
Tabel 4.16 Ringkasan hasil uji
White
White Heteroskedasticity Test: F-statistic
0.646660 Probability 0.734867
ObsR-squared 5.525700 Probability
0.700191 Sumber : Hasil olahan E-Views 3.0
Berdasarkan dari hasil estimasi dengan menggunakan uji
White
tidak terjadi masalah Heteroskedastisitas. Hal ini dapat dilihat dari nilai probabilitas observasi R
2
0.700191 yang lebih besar dari 5 yang berarti model ini tidak mengalami
Heteroskedastisitas. 3 Uji Autokorelasi
Autokorelasi dapat didefinisikan sebagai adanya korelasi antara unsur-unsur variabel pengganggu sehingga penaksir tidak
lagi efisien baik dalam sampel kecil ataupun sampel besar. Dalam penelitian ini untuk mendeteksi ada tidaknya masalah autokorelasi
akan digunakan
Lagrange Multiplier Test LM test
. Nama lain uji LM adalah
Breusch-Godfrey Test BG Test
Uji ini dilakukan dengan meregresi semua variabel bebas dan variabel tidak bebas, kemudian dilakukan uji
Breusch Godfrey
terhadap residu dari hasil regresi model tersebut. Dari model tersebut akan diperoleh nilai observasi R
square
untuk kemudian dibandingkan dengan
α = 0,05 atau 5 .
commit to user
Kriteria pengujiannya adalah jika nilai probabilitas lebih besar dari 0,05, maka tidak terdapat masalah autokorelasi dan
sebaliknya bila nilai probabilitas lebih kecil dari 0,05, maka terdapat autokorelasi.
Tabel 4.17 Ringkasan hasil uji B-G
Breusch-Godfrey Serial Correlation LM Test: F-statistic
0.402985 Probability
0.670352 ObsR-squared
0.898752 Probability
0.638026 Sumber: Hasil olahan E-Views 3.0
Berdasarkan dari hasil estimasi dengan menggunakan
B-G Test
tidak terjadi masalah Autokorelasi. Hal ini dapat dilihat dari nilai probabilitas observasi R
2
0.638026 yang lebih besar dari 5 yang berarti model ini tidak mengalami Autokorelasi.
2. Interpretasi Secara Ekonomi
