commit to user 62
Sumber: Safarudin Siregar 2004: 74
Gambar 3.1 Daerah Kritis Uji t
4 T hitung:
B se
hitung T
1 1
b =
................................................................................ 3.6
5 Kesimpulan Ho diterima, Ha ditolak jika -t
: 2
a n-k t hitung t
: 2
a n-k
b. Uji F
Merupakan pengujian variabel-variabel independen secara keseluruhan dan serentak yang dilakukan untuk melihat
apakah variabel independen secara keseluruhan mempengaruhi variabel dependen secara signifikan, prosedurnya sebagai berikut
Gujarati, 2003: 1 Ho : b
1
= b
2
= b
3
= 0 tidak ada pengaruh antara variabel bebas terhadap variabel tidak bebas secara bersama-sama.
Daera Daera
Daera -T tabel
T tabel
commit to user 63
Ha : b
1
≠ b
2
≠ b
3
≠ 0 ada pengaruh antara variabel bebas terhadap variabel tidak bebas secara bersama-sama.
2 Tingkat keyakinan level of significance α = 0,05
F tabel: F α ; k-1, n-k
3 Daerah kritis
Sumber: Safarudin Siregar 2004: 102
Gambar 3.2. Daerah Kritis Uji F
4 F hitung : F hitung =
1 1
2 2
k N
R k
R -
- -
................................................................. 3.7
dimana: R
2
= koefisien determinasi N = banyaknya observasi
K = banyaknya variabel termasuk konstanta 5 Kesimpulan.
Ho Ho
F α; n-
commit to user 64
Ho diterima apabila F hitung ≤ F tabel, dapat dikatakan bahwa
variabel independent secara bersama-sama tidak berpengaruh terhadap variabel dependen
Ho ditolak apabila F hitung F tabel, dapat dikatakan bahwa yang berarti variabel independen secara nyata berpengaruh terhadap
variabel dependen secara bersama-sama.
c. Uji R
2
Koefisien determinasi R
2
digunakan untuk mengukur seberapa jauh kemampuan model dalam menerangkan variabel-
variabel terikat. Koefisien determinasi menyatakan proporsi atau prosentase total varian dependen yang dapat dijelaskan oleh
variabel independen. Nilai R
2
mempunyai range antara 0 dan 1. Apabila nilai R
2
= 1 ini menunjukkan bahwa variasi dari variabel independen mampu menjelaskan 100 variasi variabel dependen.
Sebaliknya jika R
2
= 0 maka variasi dari variabel independen tidak menjelaskan sedikitpun terhadap variasi dari variabel
dependen. Ketetapan pemilihan variabel dikatakan lebih baik jika R
2
semakin mendekati 1. Sedangkan bila R
2
mendekati nol maka pemilihan variabel yang ingin digunakan semakin kurang tepat
Gujarati 2003. 4.
Uji Asumsi Klasik
commit to user 65
Uji asumsi klasik adalah uji yang dilakukan untuk mengetahui apakah terjadi penyimpangan. Pengujian ini terdiri dari
uji multikolinearitas, uji heterokedastisitas dan uji autokorelasi. a. Multikolinearitas
Uji multikolinearitas digunakan untuk mengetahui adanya hubungan linear di antara variabel-variabel bebas dalam model
regresi. Dalam analisis regresi dipersyaratkan tidak terjadi multikolinearitas di antara variabel bebas atau dalam hal ini
adalah tidak adanya hubungan antar variabel bebas. Untuk menguji multikolinearitas antar variabel independen, dapat
digunakan analisis regresi sederhana antara variabel independen Nugroho Budiyuwono, 1995: 288. Dengan demikian maka jika
antar variabel bebas terdapat hubungan yang signifikan, berarti terjadi multikolinearitas. Sebaliknya jika tidak ada hubungan
antar variabel bebas, maka tidak terjadi gejala multikolinearitas. b. Heteroskedastisitas
Heteroskedastisitas adalah suatu asumsi kritis dari model regresi linear klasik bahwa gangguan Ui semuanya mempunyai
varians yang sama. Jika asumsi ini tidak bisa dipenuhi, kita mempunyai heteroskedastisitas yang tidak merusak sifat
ketidakbiasan dan konsistensi dari penaksir Metode Ordinary Least Square
OLS. Tetapi penaksiran ini tidak lagi mempunyai varians minimun atau efisien. Dengan perkataan lain, mereka
commit to user 66
tidak lagi Best Linear Unbiassed Estiamation BLUE. Penaksir BLUE diberikan oleh metode kuadrat terkecil tertimbang
Damodar Gujarati, terjemahan Sumarno Zain, 2003:194. Salah satu langkah yang digunakan untuk menguji
Heteroskedastisitas adalah dengan uji Glejser. Adapun langkah pengujiannya dilakukan melalui dua tahap yaitu :
Lakukan regresi OLS data mengenai C dan X
n
serta dapatkan residual ei. Lakukan regresi absolut ei, [ei] satu persatu
terhadap variabel X yang diperkirakan mempunyai hubungan yang erat dengan d
2
. Hasil analisis kemudian disimpulkan dengan ketentuan sebagai berikut:
Jika t
hitung
t
tabel
, maka terjadi heteroskedastisitas atau varians pengganggu tidak konstan. Sebaliknya jika t
hitung
t
tabel
, maka tidak terjadi heteroskedastisitas atau varians pengganggu
konstan. c. Autokorelasi
Salah satu asumsi penting dari model regresi linear klasik adalah bahwa kesalahan atau gangguan Ui yang masuk ke dalam
fungsi regresi populasi adalah random atau tidak berkorelasi. Problem serial korelasi atau autokorelasi. Damodar Gujarati,
terjemahan Sumarno Zain, 2003:194.
commit to user 67
Pengujian autokorelasi dilakukan untuk melihat apakah di antara kesalahan pengganggu yang saling berurutan terjadi
korelasi atau tidak. Pengujian autokorelasi ini umumnya dilakukan dengan menggunakan uji Durbin Watson, dimana nilai
diperoleh secara langsung dari perhitungan komputer. Adapun prosedur pengujiannya adalah sebagai berikut Purbayu Budi
Santoso dan Ashari, 2005: 241 : 1 Ho tidak ada autokorelasi positif jika :
d dl = menolak Ho
d dU = tidak menolak Ho
dl £ d £ dU = pengujian tidak
menyakinkan 2 Ho tidak ada autokorelasi negatif jika :
d 4-dl = menolak Ho
d 4-dU = tidak menolak Ho
4 – dU £ d £ 4-dl = pengujian tidak menyakinkan
3 Ho tidak ada autokorelasi positif maupun negatif jika : d dl
= menolak Ho d 4-dl
= menolak Ho dU d 4-dU
= tidak menolak Ho dl £ d £ dU
= pengujian tidak meyakinkan
commit to user 68
Hasil perhitungan Durbin Watson kemudian dibandingkan dengan tabel yang menunjukkan daerah Durbin Watson sebagaimana
pada gambar di bawah ini:
o dl dU 4-du 4-dl 4 Daera
h Tolak
Ho Bukti
Autok orelasi
+ D
a er
a h
R a
g u-
ra g
u D
a e
r a
h
t e
r i
m a
Da era
h Ra
gu- rag
u Daerah
tolak Ho
Bukti Autokor
elasi -
Sumber: Purbayu Budi Santoso dan Ashari 2005: 242 Gambar 3.3.
Kurva Uji Statistik Autokorelasi
commit to user
69
BAB IV ANALISIS DATA DAN PEMBAHASAN
Dalam bab IV ini akan dibahas tentang analisis hasil penelitian tentang pengaruh inflasi dan Investasi terhadap
pertumbuhan ekonomi di Soloraya, yang meliputi Kota Surakarta, Kabupaten Boyolali, Kabupaten Sukoharjo, Kabupaten Wonogiri,
Kabupaten Karanganyar, Kabupaten Klaten, dan Kabupaten Sragen. Model analisis yang digunakan untuk mengetahui hal tersebut adalah
model regresi linier berganda dengan data panel. Analisis dilakukan dengan menggunakan program statistik e-views. Sebelum pada
pembahasan lebih lanjut, dalam penulisan ini terlebih akan dikemukakan deskripsi lokasi, deskripsi data variabel penelitian,
kemudian dilanjutkan dengan hasil analisis data, kesimpulan hasil analisis data, dan pembahasan.
F. Gambaran umum
1. Kota Surakarta
a. Letak Geografis
Wilayah Kota Surakarta merupakan kota besar di Jawa Tengah yang terletak di tengah pulau Jawa dan menjadi
penghubung kota-kota besar lain, seperti Semarang maupun Yogyakarta dan Surabaya. Kota Surakarta merupakan wilayah
dataran rendah dengan ketinggian kurang lebih 92 meter dari
