110 perkembangan jumlah penduduk di suatu wilayah. Perkembangan
tersebut bisa disebabkan oleh faktor kelahiran kematian, migrasi masuk maupun keluar juga pergeseran usia karena waktu. Besarnya
TPAK menggambarkan dari seluruh penduduk usia kerja 15-64 tahun di suatu wilayah yang siap dan bersedia untuk bekerja. Sementara yang
lainnya lebih memilih untuk melakukan aktivitas lain seperti bersekolah, mengurus rumah tangga, dan lainnya. Tinggi rendahnya angka TPAK
yang terjadi tergantung dari prioritas pilihan penduduk usia kerja akan aktivitas yang akan dilakukan, antara lain bekerja, bersekolah, mengurus
rumah tangga atau aktivitas lainnya. Menurunnya TPAK dapat juga terjadi akibat kebijakan-kebijakan
yang diberlakukan oleh pemerintah dalam sistem pendidikan yang meningkatkan standar kelulusan dalam rangka penekanan supply tenaga
kerja, dan kebijakan perusahaan yang meningkatkan standar kualifikasi karyawan, sehingga mempersulit penerimaan karyawan baru pada
perusahaan yang bersangkutan, dan lain-lain yang dapat mempengaruhi fluktuatif partisipasi angkatan kerja di lima propinsi di pulau jawa pada
tahun penelitian.
2. Hasil Estimasi Model Data Panel
Pada penelitian ini, penelitian menggunakan regresi data panel sebagai alat estimasi, dalam pengujian pada regresi data panel, terdapat tiga
pemodelan yang dapat digunakan, tentunya disesuaikan dengan ketentuan-
111 ketentuan yang sesuai dengan sifat masing-masing model, yaitu pooled,
fixed effect, dan random effect. Untuk mengetahui model yang manakah yang paling tepat digunakan dari ketiga model tersebut, adalah dengan
melakukan beberapa pengujian. Hal pertama yang dilakukan adalah dengan mengestimasi model kedalam tiga permodelan, yaitu PLS, FEM dan REM.
Adapun hasil regresi terhadap model estimasi dari ketiga model, dapat dilihat pada table 4.1 sebagai berikut :
Tabel 4.1 Hasil Analisis Terhadap Model Estimasi
Variabel terikat : Pertumbuhan ekonomi regional LOGPDRB?, untuk periode 1994-2008 Metode PLS
Metode FEM Metode REM
Variabel Coefficient prob.
Coefficient prob. Coefficient prob.
C LOGKF?
LOGIS? TPAK?
OTDA? 15.29861 0.0000
0.232613 0.0000 -0.004143 0.6191
0.004040 0.0812 -0.239699 0.0000
14.84397 0.0000 0.272743 0.0000
-0.003905 0.6744 0.002942 0.1990
-0.305320 0.0000 0.973699 0.0000
0.122741 0.0482 0.065020 0.0000
-1.860404 0.0000
R-Squared F-statistic
Prob F-statistic 0.726436
0.996342 2246.952
0.000000 0.678302
36.89880 0.000000
Keterangan : Signifikan pada α = 1
Signifikan pada α = 5 Signifikan pada α = 10
Sumber : Lampiran 2, 3 dan 5, diolah.
Berdasarkan hasil estimasi pada tabel 4.1 diatas, metode dengan menggunakan Fixed Effect Model FEM menunjukkan hasil yang paling
baik dibandingkan dengan Pooled Least Square ataupun Random Effect Model. Hal tersebut dapat dilihat dari nilai koefisien regresi masing-masing
variabel bebasnya dan secara statistik berpengaruh signifikan terhadap dependen variabel. Selain itu, nilai R-Square terlihat lebih baik pada FEM.
112 Untuk lebih memastikan model mana yang paling tepat pada model
penelitian, akan dilakukan beberapa uji, yaitu Uji Chow dan Uji Hausman Modul Data Panel Laboraturium FE UI, 2006: 9-12. Kedua Uji tersebut
dapat diestimasi dengan menggunakan Eviews. Hasil pengujian sebagai berikut :
a. Uji Chow
Untuk menentukan model manakah yang paling tepat diantara pooled Least Squre atau fixed effect Model maka dilakukan uji chow. Uji
Chow akan memberikan penilaian dengan menggunakan F statistik dan membandingkannya dengan F tabel. Hasil uji Chow dapat dilihat pada
tabel 4.2 berikut ini. Tabel 4.2 Hasil Uji Chow
Redundant Fixed Effect Test Test cross-section fixed effects
Effects Effect Statistic
d.f Prob.
Cross-section F Cross-section Chi-square
789.998894 291.700661
4,66 4
0.0000 0.0000
Sumber : Lampiran 4, data diolah.
Berdasarkan hasil uji Chow diperoleh nilai F statistik sebesar 789.998894 dengan d.f 4,66, menggunakan F tabel
α = 5, diperoleh nilai sebesar 2.51, yang berarti menolak hipotesis untuk menggunakan
Pooled Least Squared dan menerima hipotesis untuk menerima fixed effect Model.
