48
3.6 Asu
1.
engan menghitung Variance Inflation Factor VIF.
VIF Variance Inflation Factor menyatakan tingkat
multikolinier pada persamaan tersebut. Untuk mendeteksi adanya multikolinieritas dapat di lihat ciri-cirinya
sebagai berikut : a.
Koefisien determinan berganda R square tinggi. b.
Koefisien kolerasi sederhananya tinggi. c.
Nilai F
hitung
tinggi signifikan. li diantara variable bebas yang
ignifikan. 2.
Adanya kolerasi antara anggota sample yang urutkan berdasarkan waktu. Penyimpangan asumsi ini biasanya muncul pada
observasi yang menggunakan data time series. Konsekuensi dari adanya autokolerasi dalam suatu model regresi adalah varians sample
msi Klasik
Multikolinier Adanya hubungan yang sempurna antara semua atau beberapa
variable eksplanotori dalam model regresi yang bias diartikan secara statistik mengenai ada atau gejala multikolinerity, dapat dilakukan
d VIF = 11 – R
2
pe va
pabila VIF lebih besar m
mbekakan rian a
dari 10 aka terjadi
Tapi tidak satupun atau sedikit seka s
Autokolerasi
49
tidak dapat menggambarkan varians populasinya lebih jauh lagi, model
Sumber : Gujarati, Damodar, terjemahan Zain, Sumarno, 1999, Ekonometrika Dasar, Erlangga, Jakarta, hal 216
regresi yang dihasilkan tidak dapat digunakan untuk menafsir nilai variable dependent pada nilai variable independent tertentu. Untuk
mendiagnosis adanya otokolerasi dalam sesuatu model regresi dilakukan melalui pengujian terhadap nilai uji Durbin – Watson DW.
Gambar 7 : Statistik Durbin – Watson
Menerima Ho atau Ho kedua - duanya
Daerah Keragu-
raguan M nolak Ho
e Daerah
raguan Keragu-
Menolak Ho
Bukti auto kolerasi
negatef Bukti auto
kolerasi Positif
d
L
d
U
4-d
U
4-d
L
4 2
50
3. Heterokedastisitas
Penyimpangan asumsi model klasik yang ketiga adalah heterokonstitas. Artinya varians variable dalam model tidak sama
konstan. Konsekuensi adanya heterokedastisitas dalam model regresi adalah penaksiran esimator yang diperoleh tidak efisien, baik dalam
sample kecil maupun sample besar, walaupun penaksiran yang diperoleh menggambarkan populasinya tidak bias dan bertambahnya
sample yang digunakan akan mendekati nilai sebenarnya konsisten ini disebabkan variansnya yang tidak minimum tidak efisien.
Algifari : 2000, 86
BAB IV HASIL PENELITIAN DAN PEMBAHASAN
4.1. Deskripsi Obyek Penelitian 4.1.1. Gambaran Geografis Propinsi Jawa Timur
Propinsi Jawa Timur merupakan Propinsi paling Timur pulau Jawa, yang berdiri pada tanggal 4 Maret 1950. Wilayah ini terletak pada
posisi antara 110° 54’ Bujur Timur dan 5° 37’ - 8° 48’ Lintang Selatan, serta mempunyai batasan - batasan sebagai berikut :
a. Sebelah Barat berbatasan dengan Propinsi Jawa Tengah.
b. Sebelah Timur berbatasan dengan Selat Bali dan Laut Bali.
c. Sebelah Utara berbatasan dengan Laut Jawa.
d. Sebelah Selatan berbatasan dengan Samudra Hindia.
Selain pulau Madura, beberapa pulau kecil yang tersebar disekitar pulau Madura, perairan laut Jawa, perairan Selat Bali, dan
perairan Samudra Hindia secara administratif termasuk ke dalam wilayah Jawa Timur.
Luas Propinsi Jawa Timur adalah 157.922 km
2
yang terdiri atas luas lautan 110.000 km
2
dan luas daratan 47.922 km
2
. Luas daratan tersebut merupakan 36 dari luas Pulau Jawa dan 1,5 luas Indonesia.
Secara administratif Propinsi Jawa Timur dibagi menjadi 7 daerah pembantu Gubernur, 29 Kabupaten, 8 Kotamadya, 2 kota
administratif, 140 daerah pembantu Bupati, 5 daerah pembantu Walikota,
50
BAB V KESIMPULAN DAN SARAN
5.1. Kesimpulan
Berdasarkan hasil analisis yang telah diuraikan pada bab IV, maka dapat ditarik kesimpulan sebagai berikut :
1. Setelah dilakukan uji statistik untuk mengetahui pengaruh secara simultan
antara variabel bebas Jumlah Tenaga Kerja Industri Kecil X
1
Investasi Industri Kecil X
2
, Jumlah Industri Kecil X
3
dan Pendapatan Perkapita X
4
terhadap variabel terikatnya Pendapatan Industri Kecil di Jawa Timur Y diperoleh F hitung = 9,310 F tabel = 3,48 maka Ho ditolak dan Hi
diterima, yang berarti bahwa secara keseluruhan faktor-faktor variabel bebas berpengaruh secara simultan dan nyata terhadap Penadpatan Industri
Kecil di Jawa Timur Y. 2.
Pengujian secara parsial atau individu Jumlah Tenaga Kerja Industri Kecil X
1
terhadap Pendapatan Industri Kecil di Jawa Timur Y. Diketahui hasil perhitungan secara parsial diperoleh t hitung = -1,676 t tabel =
2,228,, maka Ho ditolak dan Hi diterima pada level signifikan 5 sehingga secara parsial Jumlah Tenaga Kerja Industri Kecil X
1
berpengaruh secara nyata terhadap Pendapatan Industri Kecil di Jawa
X
2
terhadap Pendapatan Industri Kecil di Jawa Timur Y. Diketahui hasil Timur Y.
3. Pengujian secara parsial atau individu Investasi Industri Kecil
77
Kategori