Hasil Analisis Pengaruh Pembangunan Infrastruktur terhadap

46 sebanyak 2 variabel. Berdasarkan pertimbangan tersebut maka diputuskan bahwa model fixed effect adalah model yang lebih baik dalam mengestimasi pengaruh pembangunan infrastruktur terhadap pertumbuhan ekonomi. 2. Pengujian Asumsi Pengujian asumsi dilakukan untuk melihat apakah model terbebas dari autokorelasi, multikolinieritas dan heteroskedastisitas. Tabel 5.1. Hasil Estimasi Persamaan Pengaruh Pembangunan Infrastruktur terhadap Pertumbuhan Ekonomi 25 Kabupaten Tertinggal KTI Sumber: Hasil Olahan Ket: signifikan pada α=0,01 signifikan pada α=0,05 Variabel Koefisien Std. Error t-Statistik Probabilita Elastisitas C 60,03384 75,83721 0,791615 0,4328 LISTRIK 0,009646 0,001785 5,403073 0,0000 0,2522 TELEPON 0,033703 0,011884 2,83612 0,0069 0,0689 JALAN 0,09358 0,042997 2,176412 0,0349 0,0974 PUSKESMAS 0,524662 2,126966 0,246672 0,8063 0,0095 SEK OLAH 1,452579 0,279953 5,188647 0,0000 0,4850 Dummy PROGRAM 19,85286 9,20495 2,156759 0,0365 0,0157 Effects Specification Cross-section fixed dummy variables Weighted Statistics R-squared 0,997129 Mean dependent var 1362,512 Adjusted R-squared 0,995172 S.D. dependent var 911,6437 S.E. of regression 72,72973 Sum squared resid 232743 F-statistic 509,4173 Durbin-Watson stat 2,495041 ProbF-statistic 0,00000 47 a. Autokorelasi Model yang dipilih harus memenuhi asumsi terbebas dari autokorelasi. Pengujian asumsi ini dilakukan dengan menghitung nilai statistik uji Durbin Watson. Berdasarkan hasil penghitungan, didapatkan nilai statistik Durbin Watson sebesar 2,4 Tabel 5.1, dengan nilai d L sebesar 1,458 dan d U sebesar 1,801, maka nilai statistik Durbin Watson berada pada daerah tidak terdapat keputusan, sehingga tidak dapat disimpulkan bahwa terdapat autokorelasi dalam model. b. Multikolinieritas Pengujian asumsi selanjutnya adalah pengujian multikolinieritas, dimana model yang dipilih harus terbebas dari multikolinieritas, atau dapat dikatakan bahwa tidak ada korelasi tinggi antara variabel-variabel independen. Berdasarkan matriks korelasi pearson antarvariabel independen Tabel 5.2 terlihat bahwa korelasi antarvariabel cukup rendah, sehingga dapat disimpulkan model telah memenuhi asumsi terbebas dari multikolinieritas, selain itu, nilai VIF variance inflation factor untuk masing-masing variabel independen cukup rendah yaitu di bawah 10 Lampiran 6, sehingga dapat disimpulkan bahwa model memenuhi asumsi terbebas dari multikolinieritas. 48 Tabel 5.2. Matriks Korelasi Antarvariabel Bebas Matriks Korelasi PDRB LISTRIK TELEPON PUSKESMAS SEKOLAH PROGRAM PDRB 1 0.6458224 0.4502893 0.3495933 0.5328431 0.6466124 LISTRIK 0.6458224 1 0.6118182 0.3925705 0.3439942 0.6073212 TELEPON 0.4502893 0.6118182 1 0.5775248 0.3858720 0.3881646 PUSKSMAS 0.3495933 0.3925705 0.5775248 1 0.2986844 0.4536914 SEKOLAH 0.5328431 0.3439942 0.3858720 0.2986844 1 0.6493299 PROGRAM 0.6466124 0.6073212 0.3881646 0.4536914 0.6493299 1 Sumber: Hasil Olahan c. Heteroskedastisitas Pengujian asumsi terakhir adalah uji heteroskedastisitas yang dilakukan dengan White test. Berdasarkan hasil perhitungan didapatkan nilai R 2 sebesar 0,995172, sehingga nilai statistik uji White adalah sebesar 24,87. Nilai Chi-square tabel dengan derajat bebas 6 pada taraf keberartian 1 adalah sebesar 16,8, sehingga dapat disimpulkan bahwa Ho ditolak, yang artinya terdapat heteroskedastisitas dalam model yang dipilih. Untuk mengatasi adanya heteroskedastisitas dalam model maka metode estimasi yang dipilih diperbaiki dengan metode Generalized Least Squared GLS atau disebut juga metode cross section weight.

5.2. Faktor-Faktor yang Memengaruhi Pertumbuhan Ekonomi 25

Kabupaten Tertinggal KTI Berdasarkan hasil estimasi persamaan pengaruh pembangunan infrastruktur terhadap pertumbuhan ekonomi 25 kabupaten tertinggal KTI Tabel 5.1, dapat diinterpretasikan hal-hal sebagai berikut: 49 1. Hasil Pengujian Validitas Model Untuk menguji validitas model pengaruh pembangunan infrastruktur terhadap pertumbuhan ekonomi, dilakukan serangkaian uji antara lain: a. Uji F Uji F dilakukan dalam penelitian ini, untuk melakukan uji hipotesis koefisien regresi secara bersamaan. Berdasarkan hasil perhitungan didapatkan nilai F statistik sebesar 509,4, dengan nilai probF statistik sebesar 0,0000 maka dapat disimpulkan bahwa pada model yang dipilih paling tidak ada satu koefsien regresi yang signifikan secara statistik. b. Koefisien Determinasi Nilai koefisien determinasi R 2 mencerminkan seberapa besar variasi dari variabel tak bebas dapat diterangkan oleh variabel bebas. Nilai adjusted R 2 pada model ini adalah sebesar 0,9951, maka dapat disimpulkan bahwa variasi dari besaran PDRB dapat diterangkan oleh variabel-variabel bebas dalam model sebesar 99,51 persen, dan sisanya dipengaruhi oleh variabel lain di luar model. Berdasarkan hasil pengolahan dalam Tabel 5.1, maka dapat diinterpretasikan bahwa variabel jumlah keluarga pengguna listrik nyata positif memengaruhi pertumbuhan ekonomi, dengan koefisien regresi sebesar 0,00964 artinya setiap kenaikan 1 keluarga pengguna listrik akan meningkatkan PDRB atas dasar harga konstan sebesar Rp. 9,64 juta. Hal ini disebabkan jumlah keluarga pengguna listrik menentukan seberapa besar akses suatu daerah terhadap energi kelistrikan yang diyakini dapat membantu dalam pergerakan ekonomi daerah