4.6.4 Analisis Koefisien Determinasi R-Square
Berdasarkan hasil output program Eviews 6.0, dapat dilihat nilai R-Square untuk model 1 yaitu sektor Transportasi adalah sebesar 0.85 yang berarti bahwa
variabel X
1
kendaraan bermotor, X
2
Panjang jalan dan X
3
jumlah Penduduk, secara bersama-sama mampu memberikan penjelasan terhadap variabel PDB
Sektor Transportasi sebesar 97, sedangkan sisanya sebesar 3 dijelaskan oleh variabel lain yang tidak dimasukkan dalam model estimasi, atau disebabkan oleh
disturbance error. Untuk model regresi II yaitu sektor Telekomunikasi adalah sebesar 0.61
yang berarti bahwa variabel X pelanggan, secara bersama-sama mampu memberikan penjelasan terhadap variabel PDB Sektor Telekomunikasi sebesar
61, sedangkan sisanya sebesar 39 dijelaskan oleh variabel lain yang tidak dimasukkan dalam model estimasi, atau disebabkan oleh disturbance error.
4.6.4.1 Uji t- Statistik Uji keseluruhan a. Sektor Transportasi
1. Variabel Kendaraan Bermotor a. Hipotesa: Ho: b
1
= 0 Ha: b
1
≠ 0
1. df = n-k-1 = 20-3-1 = 16
2. kriteria +: Ho diterima apabila t-hitung t-
tabel α= 1 kriteria +: Ha diterima apabila t-hitung t-
tabel α= 1
Universitas Sumatera Utara
t-hit : t =
= 8.46349 Untuk variabel kendaraan bermotor diperoleh harga t-hitung sebesar 8,463
dengan demikian Ha diterima, karena t-hitung t-tabel 8,463 2,567, berarti dapat disimpulkan bahwa variabel X
1
kendaraan bermotor berpengaruh signifikan terhadap variabel Y PDB sektor transportasi Indonesia dengan
pengujian tingkat kepercayaan 99. GAMBAR 4.5
H diterima
Ha diterima Ha diterima
H ditolak
-8.463 8,463 2,567
2. Variabel Panjang Jalan X
2
a. Hipotesa: Ho: b
1
= 0 Ha: b
1
≠ 0
3. df = n-k-1 = 20-3-1 = 16
4. kriteria +: Ho diterima apabila t-hitung t-
tabel α= 10 kriteria +: Ha diterima apabila t-hitung t-
tabel α= 10
Universitas Sumatera Utara
t-hit : t =
= 0.0236 Untuk variabel panjang jalan diperoleh harga t-hitung sebesar 0,0236
dengan demikian Ha ditolak, karena t-hitung t-tabel 0.0236 1.337, berarti dapat disimpulkan bahwa variabel X
2
panjang jalan berpengaruh positif tidak signifikan terhadap variabel Y PDB sektor transportasi Indonesia dengan
pengujian tingkat kepercayaan 90.
3. Variabel Jumlah Penduduk X
3
a. Hipotesa: Ho: b
1
= 0 Ha: b
1
≠ 0
b. df = n-k-1 = 20-3-1 = 16 c. kriteria +: Ho diterima apabila t-hitung t-
tabel α= 10 kriteria +: Ha diterima apabila t-hitung t-
tabel α= 10
t-hit : t =
= 1,338 Variabel pengguna telepon diperoleh harga t-hitung sebesar 1,338 dengan
demikian Ha diterima, karena t-hitung t-tabel 1,338 1.333, berarti dapat disimpulkan bahwa variabel X
3
jumlah penduduk berpengaruh signifikan terhadap variabel Y PDB sektor transportasi Indonesia dengan pengujian tingkat
kepercayaan 90.
Universitas Sumatera Utara
GAMBAR 4.6
H diterima
Ha diterima Ha diterima
H ditolak
-1.338 1.338 1.332
b. Sektor Telekomunikasi Variabel Pengguna Telepon X
a. Hipotesa: Ho: b
1
= 0 Ha: b
1
≠ 0
b. df = n-k-1 = 20-3-1 = 16 c.kriteria +: Ho diterima apabila t-hitung t-
tabel α= 1 kriteria +: Ha diterima apabila t-hitung t-
tabel α= 1
t-hit : t =
= 5,2966 Untuk variabel pengguna telepon diperoleh harga t-hitung sebesar 5,2966
dengan demikian Ha diterima, karena t-hitung t-tabel 5,2966 2,567, bearti dapat disimpulkan bahwa variabel X
4
pengguna telepon berpengaruh signifikan terhadap variabel Y PDB sektor transportasi Indonesia dengan pengujian tingkat
kepercayaan 90.
Universitas Sumatera Utara
GAMBAR 4.7
H diterima
Ha diterima Ha diterima
H ditolak
-5.2966 5.2966 2.567
4.6.4.2 Uji F-Statistik
Berdasarkan hasil output dari regres data kedua model, diperoleh masing- masing nilai F-hit sebesar 189.56 dan 28.054 dengan nilai probabilitas 0.0000.
Hal ini berdasarkan dari α = 1 dengan f
1
= k-1 = 3-1= 1 dan f
2
= n-k = 20-3=17. dengan demikian ha diterima, karena nilai F-hiting F-tabel 189.56 8.40 dan
28.054 8.40 dan nilai probabilitas si gnifikan lebih kecil dari nilai α = 1.
Berarti dapat disimpulkan bahwa variabel X
1
kendaraan bermotor, X
2
panjang jalan, dan X
3
Jumlah Penduduk berpengaruh secara nyata signifikan terhadap variable Y PDB sekotr Transportasi dan PDB sektor Telekomunikasi.
Model I:
H ditolak
H diterima
189.56 8.40
Universitas Sumatera Utara
Model II:
H ditolak
H diterima
28.054 8.40 4.6.5 Uji Penyimpangan Klasik
4.6.5.1 Multikolinearitas multikolinearity
Multikolinearity adalah alat untuk mengetahui suatu kondisi apakah terdapat korelasi independen di antara satu sama lain. Kemungkinan adanya
multikolinearity jika nilai R-square dan F-hitung tinggi, sedangkan nilai t-hitung banyak yang tidak signifikan. Standard error tidak terhingga, tidak ada satupun t-
statistik yang signifikan pada α = 1, α = 5, α = 10, terjadi perubahan tanda atau tidak sesuai dengan teori, R
2
sangat tinggi. Berdasarkan uji multikolinearitas lampiran 5 dapat disimpulkan bahwa di
dalam model tidak terdapat multikolinieritas.
4.6.5.2 Autokorelasi serial correlation
Berdasarkan hasil output dari regresi data diperoleh nilai D-W hiting yaitu: Model I: sebesar 2.216003
Model II: sebesar 0.240074
Universitas Sumatera Utara
Sementara nilai-nilai tabel yang diperoleh untuk kedua model adalah sebagai berikut:
Model 1: Model 2
1. du = 1.54
du = 1.41
2. dl = 1.10
dl = 1.20
3. 4-du = 2.46
4-du = 2.59
4. 4-dl = 2.90
4-dl = 2.80
Dari hasil yang diperoleh maka terlihat bahwa nilai D-W hitung untuk: Model I: lebih besar dari nilai du 2.216003 1.54
Artinya tidak ditemukan autokorelasi dalam model ini Model II: lebih kecil dari nilai du 0.240074 1.54
Artinya terdapat autokorelasi positif dari model persamaan di atas dengan pengujian pada tingkat kepercayaan 95.
Gambar 4.10 Model II: inconclusif
Positif autokorelasi H diterima
Negatif autokorelasi H
ditolak 0.240074 1.41 1.50
2 2.59 2.80
Universitas Sumatera Utara
Untuk mengobati adanya autokorelasi positif tersebut, maka penulis menggunakan model AR1 yang nantinya akan diuji menggunakan LM Test.
Hasil estimasi dengan model AR1 ada di LAMPIRAN V.
Universitas Sumatera Utara
BAB V PENUTUP
1. Kesimpulan