multikolinearitas karena R-square pada persamaan 4.1. lebih kecil dari R-square pada persamaan 3.2.
b Pengeluaran Pemerintah X
2
= F X
1
, X
3
X
2
= α + β
2
X
1
+ β
3
X
3
+ µ........................4.2
Dari hasil analisis regresi diperoleh R
2
= 0.9391 Artinya variabel X
1
dan X
3
mampu memberi penjelasan sebesar 93,91 terhadap variabel Pengeluaran Pemerintah X
2
dimana R
2
Y, X
1
, X
2
, X
3
R
2
X
1
, X
3
0.9449 0,9391. Dengan demikian tidak terdapat gejala multikolinearitas karena R-square pada persamaan 4.2. lebih rendah dari
R-square pada persamaan 3.2. c Jumlah Penduduk Miskin X
3
= F X
1
, X
2
X
3
= α + β
2
X
1
+ β
3
X
2
+ µ........................4.3
Dari hasil analisis regresi diperoleh R
2
= 0.6398 Artinya variabel X
1
dan X
2
mampu memberi penjelasan sebesar 63,98 terhadap variabel Jumlah Penduduk Miskin X3 dimana R
2
Y, X
1
, X
2
, X
3
R
2
X
1
, X
2
0.9449 0,6398. Dengan demikian tidak terdapat gejala multikolinearitas karena R square pada persamaan 4.3. lebih rendah
dari R square pada persamaan 3.2.
b. Autokorelasi
Autokorelasi terjadi apabila error term µ dari waktu yang berbeda berkorelasi.
Untuk mengetahui keberadaan autokorelasi pada model yang mengandung variabel lag maka digunakan LM test
Universitas Sumatera Utara
tabel 4.1.5. Hasil Pengujian LM Test ObsR-squared
Probability
2.438042 0.295519
Berdasarkan hasil pengujian LM Test dapat diketahui bahwa nilai probabilitas ObsR
2
0.05 0.29 0.05, maka Ho yang menyatakan tidak ada terdapat autokorelasi tidak dapat ditolak, artinya tidak terdapat autokorelasi pada model distributed lag diatas.
c. Linieritas
Uji Linearitas dilakukan untuk melihat apakah spesifikasi model yang kita gunakan sudah benar atau tidak. Salah satu uji yang digunakan untuk menguji
Liniearitas adalah uji Ramsey Ramsey RESET test
Tabel 4.1.6. Hasil Ramsey RESET Test F. Stat
Probability
1.708773 0.031961
Hasil pengujian Ramsey RESET Test diperoleh nilai F hitung F Tabel α=5
yakni 1,71 5.14
, maka Ho yang menyatakan bahwa spesifikasi model yang digunakan dalam bentuk fungsi linier adalah benar, tidak dapat ditolak, dan tidak terdapat
kesalahan spesifikasi pada model persamaan yang digunakan.
d. Normalitas
Uji normalitas dilakukan untuk menguji apakah faktor pengganggu µ
berdistribusi normal atau tidak. Untuk melakukan uji normalitas digunakanlah Jarcue- Bera Test JB-Test
Universitas Sumatera Utara
Tabel 4.1.7. Hasil Uji Normalitas Jarcue-Bera
Probability
0,435287 0,804412
Berdasarkan hasil uji Jarcue-Bera diatas dapat ditemukan bahwa besarnya nilai Jarcue-Bera Normality test adalah 0,43 X2 tabel 0.05 yaitu 7,81 maka faktor
pengganggu berdistribusi normal.
Universitas Sumatera Utara
BAB V KESIMPULAN DAN SARAN
5.1 Kesimpulan
Berdasarkan hasil regresi yang kami peroleh maka kami dapat memberikan kesimpulan sebagai berikut :
1. Variabel independen adalah PDRB t-1 Produk Domestik Regional Bruto tahun sebelumnya, Pengeluaran Pemerintah, dan Jumlah Penduduk Miskin ternyata
sangat berpengaruh terhadap besarnya IPM Indeks Pembangunan Manusia di Kabupaten Deli Serdang dan signifikan pada
α 1 persen. Artinya ke tiga variabel independen tersebut berpengaruh nyata terhadap IPM pada tingkat kepercayaan 99
persen serta mampu menjelaskan variabel IPM sebesar 94,49 persen dan sisanya 5,51 persen dijelaskan oleh variabel lain yang tidak dimasukkan dalam model
estimasi. 2. Koefisien variabel PDRB tahun sebelumnya mempunyai pengaruh positif terhadap
Indeks Pembangunan Manusia dan signifikan pada pada α 10 persen. Artinya
variabel PDRB tahun sebelumnya berpengaruh nyata terhadap Indeks Pembangunan Manusia pada tingkat kepercayaan sebesar 90 persen. Hal ini sesuai dengan
hipotesis yang menyatakan apabila terjadi kenaikan pada PDRB tahun sebelumnya maka Indeks Pembangunan Manusia akan meningkat, ceteris paribus.
3. Pengeluaran Pemerintah mempunyai pengaruh positif terhadap Indeks Pembangunan Manusia dan signifikan pada pada
α 5 persen. Artinya variabel Pengeluaran Pemerintah berpengaruh nyata terhadap Indeks Pembangunan Manusia
Universitas Sumatera Utara