42
dal Studi lapangan yaitu menggunakan data sekunder, ialah data yang
dip dinas yang terkait, dalam hal ini
berasal dari : Kantor Badan Pusat Statistik BPS, Kantor Wilayah ep
an Jawa Timur, Kantor Wilayah Depnaker
3.4 Teknik
Yaitu dengan tabel statistic maupun ekonometrika yang menggambarkan hubungan
variabel bebas dengan terikat.
ik
an dalam penelitian ini adalah analisis r berganda yang dilakukan untuk
terhadap variable terikat Y, dengan rumus sebagai berikut :
Y = β
+ β
1
X
1
+ β
2
X
2
+ β
3
X
3
+ β
4
X
4
+ U…Gujarati, 1999 : 99 Ditanya :
= Jumlah pendapatan industri kecil di Jawa Timur am penelitian ini.
2. eroleh dengan meminta pada
D artemen dan Perdagang
Jawa Timur.
Analisis dan Uji Hipotesis
a. Analisis kualitatif
Yaitu menggunakan data dalam bentuk uraian maupun penjelasan. b.
Analisis kuantitatif menggunakan metode analisis beberapa perhitungan
antara
Tekn Analisis
Teknik analisis yang digunak kuantitatif dengan Regresi linie
mengetahui pengaruh variable bebas X
Y
43
X
1
= Jumlah tenaga kerja Nilai investasi
X
3
X
4
β β
1…
β
4
= Koefisien-Koefisien regr U
= Variabel Pengganggu ersebut cukup layak
dip var
R
2
an dengan menggunakan rumus : X
2
= = Jumlah unit industri kecil
= Pendapatan perkapita = Elemen Konstanta
esi
Selanjutnya apakah model analisis t ergunakan dalam pembuktian serta untuk mengetahui sejauh mana
iable bebas maupun menjelaskan variable terikat, maka perlu diketahui Koefisien Determin
Total JK
ana : gresi
Re JR
R
2
.................... .
Sudrajat, 1998:85
Dim R
2
JK drat
Kar lah :
a. ilai negatif
= Koefisien Determinan = Jumlah Kua
akteristik utama dan R
2
ada Tidak mempunyai n
b. Nilainya 0_ R
2
_ 1
44
Uji
1. Uji F
Digunakan untuk menguji pengaruh secara simultan, yaitu pengaruh adap Y. pengujian ini ditentukan
dengan rumus sebagai berikut :
Hipotesis
X
1
, X
2,
X
3,
X
4,
secara simultan terh
Galat KT
gresi Re
KT F
hitung
………………... Sudrajat, 1998:123
model reg signifikan atau dengan kata lain
ada hubungan linier antara variable independent terhadap
able depedent Dengan menggunakan derajat k
n = jumlah sample k = jumlah variable bebas
kaidah pengujian : a.
Jika F
hitung
F
tabel,
maka Ho ditolak dan H
1
diterima. b.
Jika F
hitung
≤ F
table,
maka Ho diterima dan H
1
ditolak Ho :
β
1
= β
2
= β
3
= β
4
= 0 tidak ada pengaruh resi linier berganda tidak
tidak variable depeden.
H0 : β
1
≠ β
2
≠ β
3
≠ β
4
≠ 0 ada pengaruh model regresi linier berganda signifikan atau dengan kata lain ada
hubungan linier antar variable independent terhadap vari ebebasan = n-k-1
45
Gambar 5 : Kurva Distribusi F
r, 1999, Ekonometrika Dasar, Penerbit Erlangga, Jakarta, hal 80.
2. Uji t
Digunakan untuk mengetahui dan menguji hubungan regresi secara terpisah atau menguji h
gujian dilakukan untuk menguji arti dari masing-masing variabel bebas secara parsial terhadap
variabel tidak bebasnya dengan rumus sebagai berikut : Sumber : Gujarati, Damoda
ipotesis minor. Pen
bi Se
i t
hitung
………………... Sulaiman. 2004 : 87
:
h n H
Daera Penolaka
Daerah Penerimaan H
F
tabel
Dengan ketentuan Ho :
βi = 0 tidak ada pengaruh Hi :
βi ≠ 0 ada pengaruh Derajat bebas = n – k - 1
46
Dimana : Β
odar, 1999, Ekonometrika Dasar, Penerbit Erlangga, Jakarta. hal 79.
n :
kat. dan H1 ditolak, berarti
tidak ada pengaruh antara variabel bebas dengan variabel terikat. = Koefisien regresi
se[bi] = Standar Error
n = Jumlah sampel
k = Jumlah variabel bebas
i = Variabel bebas ke ii=1,2,3,4
Gambar 6 : Kurva Distribusi t
Daerah Penerimaan Ho Daerah Penolakan Ho
Daerah Penolakan Ho
t tabel - t tabel
Sumber : Gujarati, Dam
Kaidah pengujia a.
Apabila t hitung t tabel, maka Ho ditolak dan H1 diterima, berarti ada pengaruh antara variabel bebas dengan variabel teri
b. Apabila t hitung
≤ t tabel, maka Ho diterima
47
3.5 Pendekatan Asumsi BLUE
Best Linear Unbiased Estimator
regresi tersebut diatas bersifat BLUE Best Linier Unbiassed
Uj har
1. tori.
2. variabel dari kom
memenuhi syarat hom 3.
Tidak terjadi autokorelasi antara komponen pengganggu ui. Apabila salah satu dari ketiga asumsi tidak dapat dipenuhi, maka
persamaan regresi yang diperoleh tidak lagi bersifat blue, sehingga keputusan melalui uji F dan Uji t menjadi bias.
Adapun sifat-sifat BLUE antara lain : a.
st yaitu pentingnya sifat ini bisa diterapkan dalam uji signifikan
untuk memindahkan dalam
yaitu penafsiran parameter yang diperoleh dari data yang mendekati parameter yang sebenarnya.
d. Estima
Persamaan Estimator, artinya pengambilan keputusan melalui uji F dan
i t tidak boleh bias. Untuk menghasilkan keputusan yang BLUE, maka
us dipenuhi oleh regresi berganda, yaitu :
Tidak terjadi multikolinierity antara variabel eksplana ponen pengganggu ui harus konstan dan harus
okedastisitas.
Be baku terhadap
α dan β. b.
Linier yaitu sifat yang dibutukan penafsiran.
c. Unbiased
besar kira-kira
tor yaitu e diharapkan sekecil mungkin.
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
