Uji Asumsi Klasik Analisis Data

pemerintah dan investasi terhadap tingkat kemiskinan di Indoenesia tahun 1995-2014.

b. Uji Asumsi Klasik

1 Uji Multikolinearitas Uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi atau hubungan antar variabel bebas independen. Hasil uji multikolinearitas dapat dilihat pada tabel Coefficients. Tabel 4.4 Uji Multikolinearitas Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics B Std. Error Beta Tolerance VIF 1 Constant 15.388 2.207 6.973 .000 Pertumbuhan Ekonomi -.527 .128 -.596 -4.119 .001 .800 1.250 Pengangguran .613 .237 .378 2.583 .021 .781 1.280 Belanja Pemerintah -6.890E-12 .000 -.648 -2.747 .015 .301 3.319 Investasi PMA PMDN 6.807E-12 .000 .174 .795 .439 .350 2.856 a. Dependent Variable: Tingkat Kemiskinan Pengujian multikolinearitas untuk data variabel bebas adalah, sebabai berikut : a. Pertumbuhan Ekonomi X1 Dari hasil output di atas Collinearity Statistic variabel pertumbuhan ekonomi diperoleh Nilai VIF variance inflation faktor sebesar 1,250, yang berarti VIF 5. Berdasarkan hasil tersebut maka dapat disimpulkan bahwa variabel pertumbuhan ekonomi tidak mempunyai korelasi dengan variabel lainnya . PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI Dengan kata lain pada variabel pertumbuhan ekonomi tidak terjadi multikolinearitas. b. Pengangguran X2 Dari hasil output di atas Collinearity Statistic variabel pengangguran diperoleh Nilai VIF variance inflation faktor sebesar 1,280, yang berarti VIF 5. Berdasarkan hasil tersebut maka dapat disimpulkan bahwa variabel pengangguran tidak mempunyai korelasi dengan variabel lainnya . Dengan kata lain pada variabel pengangguran tidak terjadi multikolinearitas c. Belanja Pemerintah X3 Dari hasil output di atas Collinearity Statistic variabel belanja pemerintah diperoleh Nilai VIF variance inflation faktor sebesar 3,319, yang berarti VIF 5. Berdasarkan hasil tersebut maka dapat disimpulkan bahwa variabel belanja pemerintah tidak mempunyai korelasi dengan variabel lainnya . Dengan kata lain pada variabel belanja pemerintah tidak terjadi multikolinearitas. d. Investasi X4 Dari hasil output di atas Collinearity Statistic variabel investasi diperoleh Nilai VIF variance inflation faktor sebesar 2,856 yang berarti VIF 5. Berdasarkan hasil tersebut maka dapat disimpulkan bahwa variabel investasi tidak mempunyai PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI korelasi dengan variabel lainnya . Dengan kata lain pada variabel investasi tidak terjadi multikolinearitas. Syarat adanya multikolinearitas adalah nilai VIF lebih besar dari 5. Karena nilai VIF dari keempat variabel tidak ada yang lebih besar dari 5. Dari analisis diatas, dapat disimpulkan bahwa dari 4 empat variabel bebas pertumbuhan ekonomi, pengngguran, belanja pemerintah, dan investasi tidak mengalami multikolinearitas. 2 Uji Heteroskedastisitas Pengujian heteroskedastisitas bertujuan untuk meguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Pengujian heteroskedastisitas dilakukan dengan membuat scatterplot alur sebaran antara residual dan nilai prediksi dari variabel terikat yang telah distandarlisasi. Hasil uji heteroskedastisitas dapat dilihat pada gambar scatterplot, seperti pada gambar berikut : Gambar 4.6 : Uji Heteroskedatisitas Dari gambar di atas terlihat bahwa sebaran titik tidak membentuk tidak membentuk suatu polaalur tertentu, sehingga dapat disimpulkan tidak terjadi heteroskedastisitas atau dengan kata lain terjadi homoskedastisitas. Asumsi klasik tentang heteroskedastisitas dalam model ini terpenuhi, yaitu bebas dari heteroskedastisitas. Uji ini scatterplot rentan kesalahan dalam penarikan kesimpulannya. Hal ini dikarenakan penentuan ada tidaknya polaalur atas titik yang ada digambar sangat bersifat subjektif. 3 Uji Autokorelasi Data yang digunakan untuk mengistemasi model regresi linear merupakan data time series maka diperlukan adanya uju asumsi bebas dari autokorelasi. Hasil uji korelasi, dapat dilihat pada tabel Model Summary kolom terakhir yaitu Durbin-Watson. Tabel 4.5 Uji Autokorelasi Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .865 a .749 .682 2.14642 1.401 a. Predictors: Constant, Investasi PMA PMDN, Jumlah Pengangguran, Pertumbuhan Ekonomi, Belanja Pemerintah b. Dependent Variable: Tingkat Kemiskinan Nilai durbin-Watson yang tertera pada output SPSS disebut dengan DW Hitung. Angka ini aka dibandingkan dengan kirteria penerimaan atau penolakan yang akan dibuat dengan nilai d L dan d u ditentukan berdasarkan jumlah variabel bebas dalam model regresi k dan jumlah sampelnya n. Nilai d L dan d u dapat dilihat pada tabel DW dengan tingkat signifikasi error 5 α = 0,05. Jumlah Variabel bebas : k = 4 Jumlah Sampel : n = 20 PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI Tabel Durbin-Watson menunjukkan bahwa nilai d l = 0,8943 dan nilai d u = 1,8283 sehingga dapat ditentukan kirteria terjadi tidaknya autokorelasi seperti yang telihat pada gambar dibawah ini. Gambar 4.7 : Uji Auto Korelasi Nilai Dubin-Watson hitung sebesar 1,401 lebih kecil dari 1,8283 dan lebih kecil dari 2,481 yang artinya berada pada daerah ragu-ragu dan tidak ada autokorelasi. Sehingga disimpulkan bahwa dalam model regresi tidak terjadi auto korelasi. Autokorelasi Postif Ragu- ragu Ragu- ragu Tidak ada autokorelasi Autokorelasi negatif 4-d l = 3,157 4- d u = 2,1717 4 d u = 1,8283 d l = 0,8943 PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

c. Uji Kelayakan Model