Barat. Investasi dalam penelitian ini dipisahkan menjadi investasi PMDN dan PMA di Jawa Barat.
4.3.2.1. Model Analisis
Model persamaan yang digunakan untuk menganalisis faktor-faktor yang mempengaruhi PMDN di Jawa Barat adalah:
PMDN
t
= α
+ α
1
SB
t
+ α
2
INF
t
+ α
3
UMP
t
+ α
4
PDRB
t
+ α
5
DUMMY
t
+ ε
i
4.20 Model persamaan yang digunakan untuk menganalisis faktor-faktor yang
mempengaruhi PMA di Jawa Barat adalah: PMA
t
= β
+ β
1
SB
t
+ β
2
INF
t
+ β
3
UMP
t
+ β
4
PDRB
t
+ β
5
DUMMY
t
+ ε
i
4.21 dimana:
PMDN = investasi PMDN riil Jawa Barat tahun dasar 2002 miliar
rupiah, PMA
= investasi PMA riil Jawa Barat tahun dasar 2002 miliar rupiah,
SB = suku bunga kredit investasi Provinsi Jawa Barat persen,
INF = inflasi Jawa Barat persen,
PDRB = Pendapatan Domestik Regional Bruto riil Jawa Barat
tahun dasar 2002 miliar rupiah, UMP
= upah minimum Provinsi Jawa Barat rupiah,
DUMMY = dummy
sebelum dan sesudah otonomi daerah, 0 = sebelum otonomi; 1 = otonomi daerah
ε
i
= error term, t
= periode waktu tahun. Model
tersebut kemudian dianalisis dengan menggunakan kriteria-kriteria
uji agar model tersebut memenuhi persyaratan metode analisis Ordinary Least Square
OLS.
4.3.2.2. Koefisien Determinasi R
2
dan Adjusted R
2
Digunakan untuk melihat sejauh mana variabel bebas mampu menerangkan keragaman variabel terikatnya. Menurut Gujarati 1993, terdapat
dua sifat R
2
yaitu: 1. Merupakan besaran non-negatif.
2. Batasnya adalah 0 ≤ R
2
≥ 1. jika R
2
bernilai 1 berarti suatu kecocokan sempurna, sedangkan jika R
2
bernilai 0 berarti tidak ada hubungan antara variabel terikat dan bebasnya.
Nilai koefisien determinasi dapat dihitung sebagai berikut: ESS
R
2
=
_________
TSS RSS
= 1 -
________
TSS ∑℮
i 2
= 1 -
________
∑y
i 2
4.22
dimana ESS adalah jumlah kuadrat yang dijelaskan explained sum of squares dan TSS adalah jumlah kuadrat total total sum of squares.
Salah satu masalah jika menggunakan ukuran R
2
untuk menilai baik buruknya suatu model adalah akan selalu mendapatkan nilai yang terus naik
seiring dengan pertambahan variabel bebas kedalam model sehingga Adjusted R- squared
bisa juga digunakan untuk melihat sejauh mana variabel bebas mampu menerangkan keragaman variabel terikatnya. Adjusted R-squared secara umum
memberikan penalty atau hukuman terhadap penambahan variabel bebas yang tidak mampu menambah daya prediksi suatu model. Nilai Adjusted R-squared
tidak akan pernah melebihi nilai R
2
bahkan dapat turun jika ditambahkan variabel bebas yang tidak perlu. Bahkan untuk model yang memiliki kecocokan yang
rendah goodnes of fit Adjusted R-squared dapat memiliki nilai yang negatif. Nilai
Adjusted R-squared dapat dihitung sebagai berikut:
dimana K adalah banyaknya parameter dalam model termasuk faktor intersep. Persamaan 3.23 dapat ditulis sebagai:
dimana σ
2
adalah varians residual dan S
y 2
adalah varians sample dari Y.
4.3.2.3. Pengujian untuk masing-masing Parameter Regresi
Kategori