4.3.2. Uji Pelanggaran Asumsi
Uji pelanggaran asumsi dilakukan untuk mengidentifikasi permasalahan pelanggaran asumsi normalitas, yaitu heteroskedastisitas, autokorelasi, dan
multikolinearitas. uji heteroskedastisitas dapat dilakukan dengan metode fixed effect dengan pembobotan General Least SquareCross Section Weights, yaitu
membandingkan antara sum square resid pada weighted statistic dan sum square resid pada unweighted statistic. Jika nilai sum square resid pada weighted statistic
lebih kecil dari nilai sum square resid pada unweighted statistic, maka diindikasikan terjadi heteroskedastisitas. Nilai sum square resid pada weighted
statistic pada persamaan tenaga kerja lebih kecil dari nilai sum square resid pada unweighted statistic, sehingga disimpulkan bahwa model memiliki gejala
heteroskedastisitas. Untuk mengatasi masalah ini dapat dilakukan dengan cara uji white dengan mengestimasi model menggunakan pembobotan GLS kemudian
dilakukan white heteroscadasticity covariance Widarjono, 2007. Setelah menguji masalah heteroskedastisitas, asumsi lain yang harus
dipenuhi adalah tidak adanya autokorelasi dalam model. Hal ini dapat dilihat dari nilai Durbin Watson. Jika nilai Durbin Watson mendekati 2, maka diasumsikan
tidak terjadi autokorelasi Hasil estimasi dengan menggunakan metode fixed effect GLS secara teori tidak ditemukan adanya masalah autokorelasi.
Masalah multikolinearitas dapat dilihat dengan menggunakan nilai korelasi. Berikut ditampilkan tabel hasil uji Multikolinearitas.
Tabel 4.4 Hasil Uji Multikolinearitas
PDRB UMP
IN PDRB
1,000000 0,172455
0,670887 UMP
0,172455 1,000000
0,226589 IN
0,670887 0,226589
1,000000
Jika nilai korelasi antar variabel 0.8, maka tidak ada multikolinearitas dalam persamaan. Pada Tabel 4.4 terlihat bahwa seluruh variabel memiliki nilai korelasi
0,8 sehingga pada model tidak terdapat masalah multikolinearitas.
4.4. Faktor-faktor yang Mempengaruhi Penyerapan Tenaga Kerja
Kategori