17
Tabel 4.1 Indeks Williamson Provinsi Jawa Tengah
Tahun 2000 – 2007
Tahun Indeks
Williamson 2000
0.6440 2001
0.6570 2002
0.6740 2003
0.6580 2004
0.6650 2005
0.6510 2006
0.6540 2007
0.6490 rata - rata
0.6565 Sumber : Data Sekunder Diolah
4.3 Analisis Hubungan antara Ketimpangan Distribusi Pendapatan dengan Jumlah
Penduduk Miskin di Provinsi Jawa Tengah Periode 2000 – 2007 4.3.1
Analisis
Untuk dapat mengetahui dari variabel independen terhadap variabel dependen di provinsi Jawa Tengah dilakukan dengan menggunakan analisis regresi dengan model regresi
yang menggunakan program SPSS 13.
4.3.2 Uji Asumsi Klasik
Yang akan dilakukan pertama kali adalah melakukan pengujian terhadap penyimpangan asumsi klasik. Hal ini bertujuan untuk dapat mengetahui apakah data yang diestimasi dengan
regresi layak untuk digunakan dengan model atau tidak. Pengujian asumsi klasik antara lain :
4.3.2.1 Uji Multikolinearitas
Uji Multikolinearitas bertujuan untuk menguji apakah dalam model regresi ditemukan adanya korelasi antara variabel bebas independen. Model regresi yang baik seharusnya
tidak terjadi korelasi diantara variabel independen. Pengujian ada tidaknya multikolinearitas dapat dilihat dari nilai Tolerance dan
lawannya Variance Inflation Factor VIF. Kedua ukuran ini menunjukkan setiap variabel independen manakah yang dijelaskan oleh variabel independen lainnya. Nilai cutoff yang
umum dipakai untuk menunjukkan adanya Multikolinearitas adalah nilai Tolerance 0,1atau VIF 10,0 Ghozali, 2006: 92.
Hasil regresi menunjukkan nilai Tolerance dan lawannya Variance Inflation Factor VIF adalah sebagai berikut :
18
Tabel 4.2 Nilai
Tolerance dan Variance Inflation Factor VIF
Variabel Jumlah Penduduk
Miskin di Provinsi Jawa Tengah
Tolerance VIF
Gini 0.973
1.028 IW
0.973 1.028
Sumber : Data Sekunder Diolah
Dari tabel 4.2 dapat diketahui bahwa variabel Gini memiliki nilai Tolerance 0,973 Tolerance 0,9730,1 dan nilai VIF 1,028 VIF 1,02810 artinya variabel Gini bebas dari
Multikolinearitas. Variabel IW memiliki nilai Tolerance 0,973 Tolerance 0,9730,1 dan nilai VIF 1,028 VIF 1,02810 sehingga variabel IW bebas dari Multikolinearitas.
4.3.2.2 Uji Autokorelasi
Uji Autokorelasi bertujuan menguji apakah model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1
sebelumnya. Cara yang dapat digunakan untuk mendeteksi ada tidaknya Autokorelasi adalah dengan
Uji Durbin-Watson. Uji DW hanya digunakan untuk Autokorelasi tingkat satu first order autocorrelation dan mensyaratkan adanya intercept konstanta dalam model regresi dan
tidak ada variabel lag diantara variabel independenGhozali, 2001. Hipotesis yang akan di uji adalah :
Ho : tidak ada autokorelasi r = 0 Ha : ada autokorelasi r
≠ 1
Hipotesis nol Keputusan
Jika Tidak ada autokorelasi positif
Tidak ada autokorelasi positif Tidak ada autokorelasi negatif
Tidak ada autokorelasi negatif Tidak ada autokorelasi, positif atau negatif
Tolak No decision
Tolak No decision
Tidak di tolak 0 d dl
dl ≤
d ≤
du 4-dl d 4
4-du ≤
d ≤
4-dl du d 4-du
Hasil estimasi dengan menggunakan program SPSS 13.0 adalah sebagai berikut :
19
Tabel 4.3 Nilai Durbin-Watson
Sumber : Data Sekunder Diolah
Dari tabel 4.3 dapat di lihat bahwa nilai DW adalah 1,895 pada DW tabel dengan signifikansi 0,05 untuk k=3 dan jumlah data 8 maka nilai dl=0,56 dan du=1,78 sehingga DW
terletak diantara nilai du dan 4-du yaitu 1,78 dan 2,22 sehingga data terbebas dari Autokorelasi.
4.3.2.3 Uji Heterokedastisitas
