TABEL 4.8 Korelasi Variabel-variabel Independen
b. Autokorelasi Serial Correlation
Serial Correlation didefenisikan sebagai korelasi antara anggota serangkaian observasi yang diurutkan menurut waktu atau ruang.
Uji Durbin-Watson Uji D-W
Uji Durbin-Watson digunakan untuk mengetahui apakah di dalam model yang digunakan terdapat autokorelasi diantara variabel-variabel yang diamati.
Uji D-W ini dirumuskan sebagai berikut: D-hitung =
∑ ∑
− −
t e
et et
2 2
1
Bentuk hipotesisnya adalah sebagai berikut: H
o
: p = 0, artinya tidak ada autokorelasi H
o
: p 0, artinya ada autokorelasi Dengan jumlah sample tertentu dan jumlah variabel independent tertentu
diperoleh nilai kritis dl dan du dalam tabel distribusi Durbin-Watson untuk berbagai nilai
α. Hipotesis yang digunakan adalah:
Variabel Pendapatan
perkapitaX
1
Jumlah pendudukX
2
Tarif listrikX
3
Pendapatan perkapitaX
1
1,000000 0.858467
0.776036
Jumlah pendudukX
2
0.858467 1,000000
0.938857
Tariff listrikX
3
0.776036 0.938857
1,000000
Universitas Sumatera Utara
Dimana: Ho
: tidak ada autokorelasi DW dl
: Tolak Ho ada korelasi positif DW 4-dl
: Tolak Ho ada korelasi negative du DW 4-du
: terima Ho tidak ada autokorelasi dl
≤ DW 4-du : pengujian tidak bisa disimpulkan inconclusion
4-du ≤ DW ≤ 4-dl
: pengujian tidak bisa disimpulkan inconclusion Dari hasil regresi dapat dilihat bahwa nilai DW
stat
= 1,295507. n = 15
k = 3 dl = 0,591, du = 1,464
1,295507 3,409 : Tolak Ho ada korelasi negative 1,464 1,295507 2,536 : Tolak Ho ada autokorelasi
0,591 ≤ 1,295507 2,536 : pengujian
tidak bisa
disimpulkan inconclusion
2,536 ≤ 1,295507 ≤ 3,409 : pengujian tidak bisa disimpulkan
inconclusion. Dari uji hipotesis tersebut diatas dapat disimpulkan bahwa dalam model yang
digunakan terdapat autokorelasi.
Universitas Sumatera Utara
BAB V KESIMPULAN DAN SARAN
Dari hasil penelitian yang telah penulis kemukakan pada bab-bab terdahulu, maka pada bab V ini penulis akan menarik kesimpulan dan mencoba
memberikan saran-saran yang diharapkan dapat bermanfaat. Adapun kesimpulan dan saran-saran tersebut penulis menuliskan berdasarkan uraian dan pembahasan
yang telah dikemukakan pada bab-bab terdahulu.
5.1. Kesimpulan
1. Dari hasil regresi yang telah dilakukan digunakan model regresi linier berganda, yang mana model ini dipakai dan diterapkan untuk melihat faktor-
faktor yang mempengaruhi permintaan tenaga listrik di kota Medan. Ini terbukti dengan nilai R
square
yakni sebesar 0,767244 yang berarti secara keseluruhan variabel bebas yang ada dalam persamaan tersebut cukup mampu
menjelaskan variasi perkembangan jumlah permintaan tenaga listrik sebesar 76,7244 dan sisanya 23,2756 dijelaskan oleh variabel lain yang tidak
terdapat pada persamaan tersebut. 2. Dan bila dianalisis dengan melihat variabel bebasnya secara simultan, maka
pengaruh yang signifikan pada tingkat kepercayaan 95 adalah dari hasil estimasi F
statistik
sebesar 12,08661 yang lebih besar dari nilai F
tabel
yaitu 3,59 pada level 5.
3. a. Variabel pendapatan perkapita X
1
Variabel pendapatan perkapita berpengaruh negatif terhadap besarnya jumlah permintaan tenaga listrik dan besarnya koefisien menunjukkan sebesar
Universitas Sumatera Utara