Uji Signifikansi dalam Regresi Global

2. Uji Koefisien Regresi Secara Individu Uji koefisien regresi secara individu digunakan untuk mengetahui pengaruh masing-masing variabel independen terhadap variabel dependen. Hipotesis yang digunakan yaitu: untuk j = 1, 2, …, k Untuk melakukan pengujian koefisien regresi secara individu atau uji t dibutuhkan nilai t hitung untuk mengetahui hasil uji t. Nilai t hitung didapatkan dari perhitungan dengan nilai didapatkan dari diagonal matriks varians kovarian ke - j. Hasil output uji koefisien regresi secara individu dapat dilihat pada Lampiran 2 tabel coefficients. Pada taraf signifikansi 5, maka diperoleh nilai uji untuk masing-masing parameter pada Tabel 7. Tabel 7. Uji Parameter Model Regresi Global Variabel Independen Koefisien Sig Kesimpulan Intercept -1,542 0,126 Tidak Signifikan PAD 5,690 0,000 Signifikan IPM 1,433 0,155 Tidak Signifikan TPT 1,673 0,097 Tidak Signifikan JAK 4,140 0,000 Signifikan UMR -0,640 0,524 Tidak Signifikan Berdasarkan Tabel 7 diperoleh hasil bahwa tidak semua variabel independen berpengaruh signifikan terhadap Produk Daerah Regional Bruto. Didapatkan 2 varibel yang berpengaruh secara signifikan yaitu variabel Pendapatan Asli Daerah dan Jumlah Angkatan Kerja .

4.1.2 Uji Asumsi Residual Regresi Global

Pemeriksaan terhadap suatu model regresi global diperlukan untuk mengetahui apakah model cocok digunakan. Dengan tujuan untuk mengetahui apakah asumsi-asumsi yang penting telah dilanggar. Suatu model regresi harus memenuhi beberapa asumsi yaitu residual diasumsikan mempunyai distribusi yang identik, tidak ada korelasi serial antar residual, dan residual berdistribusi normal atau IIDN 0, . Pengujian asumsi regresi global menggunakan nilai residual model yang didapatkan dari . Nilai residual model dapat dilihat pada tabel residual model regresi global pada Lampiran 2. Prosedur pemeriksaan asumsi tersebut adalah: 1. Uji Normalitas Residual Pengujian asumsi normalitas residual menggunakan uji Kolmogorov- Smirnov dengan hipotesis yaitu: H : Residual berdistribusi normal H 1 : Residual tidak berdistribusi normal Tabel 8 . Uji Kolmogorov-Smirnov Kolmogorov-Smirnov Z 0,262 Asymp.Sig.2-tailed 0,000 Berdasarkan Tabel 8 diketahui bahwa nilai sig = 0,000 lebih kecil dari α = 0,05 maka diputuskan menolak , sehingga dapat disimpulkan bahwa residual model regresi tidak mengikuti distribusi normal. 2. Uji Heteroskedastisitas Pengujian asumsi heteroskedastisitas dilakukan melalui prosedur uji Glejser yaitu dengan cara meregresikan nilai absolut residual terhadap variabel independen. Dengan hipotesis yaitu: Homoskedastisitas Minimal ada satu ; i = 1, 2, …, n Heteroskedastisitas Tabel 9. Analisis Heteroskedastisitas Uji Glejser pada alpha 0,05 Statistik F Glejser 5,563218 P_Value 0,0001 Berdasarkan Tabel 9 diperoleh nilai p-value 0,0001 dan statistik F Glejser 5,563218 dengan statistik tabel 1,15. Sehingga dapat diambil keputusan bahwa ditolak karena nilai P- Value 0,000 α 0,05 dan nilai statistik Glejser 5.563218 = 2,31. Sehingga dapat disimpulkan bahwa terdapat heteroskedastisitas atau terdapat ketidak konstanan nilai varian pada residual regresi global. 3. Uji Non-Multikolinieritas Pengujian asumsi multikolinieritas dilakukan dengan melihat nilai Variance Inflation Factors VIF. Berdasarkan yang terdapat pada Lampiran 2, nilai VIF dapat dilihat pada Tabel 10. Tabel 10. Nilai VIF Multikolinieritas Variabel Independen Nilai VIF Kesimpulan X 1 PAD 2,759 Tidak Terdapat Multikolinieritas X 2 IPM 2,529 Tidak Terdapat Multikolinieritas X 3 TPT 1,039 Tidak Terdapat Multikolinieritas X 4 JAK 2,359 Tidak Terdapat Multikolinieritas X 5 UMR 1,602 Tidak Terdapat Multikolinieritas

Dokumen yang terkait

PEMODELAN DATA KEMISKINAN DI PROVINSI SUMATERA BARAT MENGGUNAKAN METODE GEOGRAPHICALLY WEIGHTED REGRESSION - Diponegoro University | Institutional Repository (UNDIP-IR)

0 0 6

PEMODELAN DATA KEMISKINAN DI PROVINSI SUMATERA BARAT MENGGUNAKAN METODE GEOGRAPHICALLY WEIGHTED REGRESSION - Diponegoro University | Institutional Repository (UNDIP-IR)

0 0 5

UJI HIPOTESIS MODEL MIXED GEOGRAPHICALLY WEIGHTED REGRESSION DENGAN METODE BOOTSTRAP - Diponegoro University | Institutional Repository (UNDIP-IR) D03 Hasbi Yasin

0 0 10

PEMILIHAN VARIABEL PADA MODEL GEOGRAPHICALLY WEIGHTED REGRESSION - Diponegoro University | Institutional Repository (UNDIP-IR)

0 0 10

PEMODELAN PENDAPATAN ASLI DAERAH (PAD) DI KABUPATEN DAN KOTA DI JAWA TENGAH MENGGUNAKAN GEOGRAPHICALLY WEIGHTED RIDGE REGRESSION - Diponegoro University | Institutional Repository (UNDIP-IR)

0 0 18

GEOGRAPHICALLY WEIGHTED REGRESSION PRINCIPAL COMPONENT ANALYSIS (GWRPCA) PADA PEMODELAN PENDAPATAN ASLI DAERAH DI JAWA TENGAH - Diponegoro University | Institutional Repository (UNDIP-IR)

3 12 21

PENENTUAN MODEL KEMISKINAN DI JAWA TENGAH DENGAN MULTIVARIATE GEOGRAPHICALLY WEIGHTED REGRESSION (MGWR) - Diponegoro University | Institutional Repository (UNDIP-IR)

1 1 17

PEMODELAN FIXED EFFECT GEOGRAPHICALLY WEIGHTED PANEL REGRESSION UNTUK INDEKS PEMBANGUNAN MANUSIA DI JAWA TENGAH - Diponegoro University | Institutional Repository (UNDIP-IR) Siti Maulina M.

5 15 20

Pemodelan dan Pemetaan Prevalensi Kusta di KabupatenKota Jawa Timur dengan Pendekatan Mixed Geographically Weighted Regression

0 0 6

PEMODELAN ANGKA PARTISIPASI SEKOLAH JENJANG MENENGAH ATAS DI JAWA TIMUR DENGAN PENDEKATAN MIXED GEOGRAPHICALLY WEIGHTED REGRESSION Repository - UNAIR REPOSITORY

1 1 12