Koefisien Determinasi Heteroske dastisitas Multikolinearitas Autokorelasi

1. Koefisien Determinasi

Goodness of Fit Koefisien determinasi berfungsi untuk menunjukkan seberapa baik model yang diperoleh bersesuaian dengan data aktual goodness of fit, mengukur berapa persentase variasi dalam peubah terikat mampu dijelaskan oleh informasi peubah bebas. Kisaran nilai koefisien determinasi adalah 0 = R 2 = 1. Model dikatakan semakin baik apabila nilai R 2 mendekati 1 atau 100 persen.

2. Heteroske dastisitas

Dalam regresi linier berganda, salah satu asumsi yang harus dipenuhi agar taksiran parameter dalam model tersebut BLUE adalah varu i = s 2 konstan, semua error yang mempunyai variasi yang sama. Hateroskedastisitas membuat varians residual dari variabel tidak konstan tidak homoskedastisitas. Sehingga menyebabkan model menjadi tidak efisien meskipun tidak bias dan konsisten. Dengan kata lain, jika regresi tetap dilakukan dan ada masalah heteroskedastisitas maka hasil regresi akan terjadi missleading Gujarati, 1995. Untuk menghilangkan masalah heteroskedastisitas digunakan uji White Heteroskedasticity yang terdapat dalam program Eviews 4.1.

2. Multikolinearitas

Multikolinearitas adalah hubungan linier yang kuat antara variabel- variabel bebas dalam persamaan regresi berganda. Jika nilai R 2 yang diperoleh tinggi antara 0,7-1 tetapi tidak terdapat atau hanya sedikit sekali koefisien dugaan yang berpengaruh nyata pada taraf nyata tertentu dan tanda regresi dugaan tidak sesuai teori, maka model yang digunakan berhubungan dengan masalah multikolinearitas Gujarati, 1997. Multikolinearitas dalam pooled data dapat diatasi dengan memberi perlakuan pembobotan cross section weights atau GLS, sehingga paramater dugaan pada taraf uji tertentu t-statistik maupun F-hitung menjadi signifikan.

3. Autokorelasi

Autokorelasi ditemukan jika error dari periode waktu time series yang berbeda saling berkorelasi. Pada analisis seperti yang dilakukan pada model, jika ditemukan masalah autokorelasi maka model menjadi tidak efisien meskipun tidak bias dan konsisten. Untuk mendeteksi adanya autokorelasi dapat dilakukan dengan membandingkan nilai Durbin Watson dari model d dengan DW-tabel. Jika d dL, maka tidak terjadi autokorelasi. Jika d 4-dL, maka tid ak ada autokorelasi. Dan jika dU d 4-dU, maka tidak signifikan sehingga tidak ada autokorelasi.

4.4 Definisi Operasional

1. Indeks Pembangunan Manusia = Indikator capaian pembangunan manusia yang dihitung dari komponen indeks pendidikan, indeks harapan hidup, dan indeks daya beli. 2. Pendapatan Domestik Regional Bruto per Kapita = Besarnya pendapatan yang diterima oleh setiap penduduk yang tinggal di suatu daerah selama periode waktu tertentu, yang tergantung pada besarya nilai tambah dari sektor ekonomi yang berkembang pada suatu wilayah rupiah.