Jika Ho ditolak berarti bahwa peubah yang digunakan berpengaruh nyata terhadap peubah tak bebas dan sebaliknya apabila Ho diterima berarti peubah
yang digunakan tidak berpengaruh nyata. Sedangkan bila bi lebih besar dari nol bi0 maka peningkatan dari peubah i akan mengakibatkan meningkatnya
peubah terikat. Sebaliknya jika bi lebih kecil dari nol maka peningkatan dari peubah i akan mengakibatkan menurunnya tingkat peubah terikat.
4.6.3. Pengujian terhadap Model Penduga
Dalam menghitung apakah peubah bebas yang digunakan pada model mempunyai pengaruh atau tidak terhadap peubah yang dijelaskan, maka dilakukan
uji hipotesa bagi koefisien regresi secara serentak. Dalam hal ini uni statistik yang dipakai adalah uji F, yaitu :
F
hitung
= Jumlah Kuadrat Tengah Regresi k-1 Jumlah Kuadrat sisa n-k
Dimana : n = jumlah pengamatan dan k = jumlah variabel bebas Prosedur pengujian kesesuaian model digunakan analisis ragam bagi
model regresi dengan hipotesa :
3 2
1
= =
= β
β β
= Ho
=
1
H
minimal ada satu variabel eksogen yang berpengaruh terhadap variabel dependennya
4.6.4. Heteroskedastisitas
Gujarati 1995 bahwa suatu model regresi linier harus memiliki varians yang sama. Jika asumsi ini tidak dipenuhi maka akan terdapat masalah
heteroskedastisitas. Heteroskedastisitas tidak merusak sifat ketakbiasan dan konsistensi dari penaksir OLS, tetapi penaksir yang dihasilkan tidak lagi
mempunyai varians yang minimum efisien. Konsekuensi bila terjadi heteroskedastisitas, maka akan berakibat :
o Estimasi dengan menggunakan OLS tidak akan memiliki varians yang
minimum atau estimator tidak efisien o
Prediksi nilai Y untuk X dengan estimator dari data yang sebenarnya akan mempunyai varians yang tinggi, sehingga prediksi menjadi tidak efisien.
o Tidak dapat diterapkannya uji nyata tidaknya koefisien atau selang
kepercayaan dengan menggunakan formula yang berkaitan dengan nilai varians.
Untuk memeriksa keberadaan heteroskedastisitas ditunjukkan dengan menggunakan uji Hal White yang tidak perlu asumsi normalitas dan relatif
mudah. Kriteria uji yang digunakan : o
Apabila nilai probability obsR-Square-nya taraf nyata α yang
digunakan, maka tidak terdapat heteroskedastisitas o
Apabila nilai probability obsR-Square-nya taraf nyata α yang
digunakan, maka terdapat heteroskedastisitas. Solusi dari masalah heteroskedastisitas adalah mencari transformasi model asal
sehingga model yang baru akan memiliki error-term dengan varians yang konstan.
4.6.5. Multikolineritas.
Uji multikolinearitas merupakan pengujian yang dilakukan untuk melihat apakah terdapat hubungan linear antara variabel-variabel bebas dalam model
regresi. Menurut Gujarati 1995 tanda-tanda penyebabnya adalah : o
Tanda tidak sesuai dengan yang diharapkan o
R
2
-nya tinggi tetapi uji individu tidak banyak yang nyata atau bahkan tidak ada yang nyata
o Korelasi sederhana antar variabel individu tinggi r
ij
tinggi o
R
2
-nya r
ij 2
menunjukan adanya multikolinearitas Untuk melihat adanya muoltikol dapat dilihat dengan menghitung
koefisien parsial. Disamping itu untuk melihat variabel eksogen mana yang saling berkorelasi dilakukan dengan meregresi tiap variabel eksogen dengan sisa variabel
eksogen yang lain dan menghitung nilai R
2
yang cocok. Dalam model regresi : m
X X
X
n n
+ +
+ +
= Υ
α α
α α
.......
2 2
1 1
yang lain kemudian menghitung R
2
dilakukan regresi setiap X
i
dari setiap hasil regresi dan dinyatakan dengan simbol R
2 Ni
. Fornula untuk masing-masing hasil regresi tersebut dan dinyatakan sebagai berikut :
1 1
2 ...
.. 1
2 1
2 1
+ −
− −
= k
n n
n R
k n
n R
F
k k
n
dimana: n = jumlah obesrvasi k = jumlah variabel bebas Jika F
ni
lebih besar dari F tabel pada status level of significance tertentu, maka dapat diartikan bahwa variable bebas n
i
tertentu mempunyai korelasi dengan variabel bebas yang lain. Jika F
ni
lebih kecil dari F tabel pada status level
of significance tertentu, maka dapat diartikan bahwa variable bebas n
i
tertentu tidak mempunyai korelasi dengan variabel bebas yang lain
Menurut Gujarati 1995, tindakan yang dapat dilakukan untuk perbaikan dari masalah ini adalah:
o Menggunakan extraneous atau informasi sebelumnya
o Mengkombinasikan data cross-sectional dan data deretan waktu
o Meningkatkan variabel yang sangat berkorelasi
o Mentransformasikan data, dan
o Mendapatkan tambahan data baru.
V. GAMBARAN UMUM KOTA SUKABUMI
5.1. Laju Pertumbuhan Penduduk
Pertumbuhan ekonomi biasanya diukur melalui indikator pertumbuhan PDRB atas dasar harga konstan, karena dengan dasar ini kita dapat melihat
perkembangan ekonomi secara nyata rill tanpa dipengaruhi oleh perubahan harga. Pada tabel 5 terlihat bahwa, pada tahun 2005 pertumbuhan tertinggi dicapai
oleh kelompok sektor sekunder yaitu sekitar 9,84 diikuti oleh kelompok sektor tersier yaitu sebesar 6,40 . Kondisi ini berbeda dengan sektor primer yang
mengalami pertumbuhan negatif yaitu sebesar 8,84 .
Tabel 5.1. Laju Pertumbuhan PDRB Kota Sukabumi Menurut Kelompok Sektor Tahun 2003-2005 Persen
KELOMPOK SEKTOR 2003
2004 2005
Atas Dasar Harga Berlaku 1.Sektor Primer
6,18 14,81
13,56 2.Sektor Sekunder
25,60 10,40
23,31 3.sektor Tersier
14,78 13,81
29,42 PDRB KOTA SUKABUMI
15,41 13,47
27,81
Atas Dasar Harga Konstan 2000 1.Sektor Primer
1,01 8,70
8,84 2.Sektor Sekunder
9,41 3,97
9,84 3.sektor Tersier
5,30 5,83
6,40 PDRB KOTA SUKABUMI
5,39 5,77
5,93
Sumber : BPS Kota Sukabumi, 2003 Catatan : Angka Sementara
Angka Sangat sementara Angka sangat-sangat sementara
Gambaran pertumbuhan kelompok sektor tersebut, memperlihatkan adanya kekuatan kelompok sektor sekunder. Kelompok ini disamping memiliki
kontribusi terbesar kedua terhadap PDRB Kota Sukabumi juga mampu tumbuh cukup signifikan. Kondisi inilah yang mendongkrak pertumbuhan ekonomi Kota
