yang memiliki pengaruh nyata terhadap pertambahan panjang jalan tol dengan nilai probabilitas masing-masing 0,028 dan 0,031, lebih kecil dari alpha 5 persen.
Sedangkan variabel lainnya memiliki nilai probabilitas ang lebih besar dari nilai alpha 5 persen, sehingga bisa disimpulkan variabel-variabel tersebut tidak
berpengaruh secara nyata Lampiran 1. Hasil regresi juga menunjukkan bahwa model yang digunakan memiliki
nilai R
2
sebesar 96 persen, artinya model bisa menjelaskan keragaman dengan faktor-faktor yang ada sebesar 96 persen dan sisanya sebesar 4 persen dijelaskan
oleh faktor-faktor lain di luar model. Nilai ini cukup tinggi untuk menyatakan bahwa model ini baik. Sedangkan untuk melihat pengaruh variabel eksogen
terhadap variabel endogen secara keseluruhan hasil uji F menunjukkan bahwa nilai probabilitasnya lebih kecil dari alpha 5 persen, artinya paling sedikit ada satu
varabel eksogen yang berpengaruh nyata terhadap variabel endogen.
5.1.1 Uji Normalitas
Asumsi pertama adalah dalam metode OLS galat harus menyebar normal. Dari uji kenormalan diperoleh bahwa nilai probabilitas sebesar 0,143 lebih besar
dari nilai alpha 5 persen, artinya terima H0 maka dapat disimpulkan bahwa galat tersebar normal Lampiran 2
5.1.2 Uji Heteroskedastisitas
Selanjutnya dilakukan uji heteroskedastisitas untuk memenuhi asumsi bahwa model memiliki varian yang sama atau homoskedastisitas. Dengan
meregresikan kuadrat residual dengan semua peubah bebas, diperoleh nilai
probabilitas untuk semua peubah bebas 0,624 lebih besar dari alpha 5 persen maka terima H0 artinya homoskedastisitas Lampiran 3.
5.1.3 Uji Autokolerasi
Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lainya. Masalah autokorelasi timbul karena adanya kesalahan
residul kesalahan pengganggu tidak bebas satu observasi ke observasi lainya. Ada tidaknya pelanggaran asumsi ini dapat dilihat dari nilai Durbin Watson. Hasil regresi
menunjukkan bahwa nilai Durbin Watson sebesar
2.01237, artinya tidak terjadi autokolerasi. Lampiran 1.
5.1.4 Uji Multikolinearitas
Salah satu ciri terjadinya multikolinearitas adalah hasil regresi menunjukkan bahwa model memiliki nilai R
2
tetapi banyak variabel eksogen yang tidak berpengaruh nyata terhadap variabel endogen. Dengan menggunakan
minitab juga bisa dilihat dari nilai VIF setiap variabel bebas yang memiliki nilai lebih dari 10. Selain itu melalui uji korelasi Pearson dapat dilihat hubungan kuat
antara variabel bebas dengan nilai yang mendekati satu. Melalui uji multikolinearitas ini diketahui bahwa kelima variabel bebas
yang digunakan memiliki hubungan yang sangat kuat. Baik diuji dengan melihat nilai VIF maupun uji korelasi Pearson dapat disimpulkan bahwa model ini
mengandung multikolinearitas. Nilai VIF dari variabel pp, tenaga kerja, investasi swasta, dan jumlah kendaraan roda empat lebih masing-masing sebesar 13.4, 48.7,
28.0, dan 62.4 Lampiran 1. Berdasarkan uji korelasi Pearson juga terlihat bahwa keempat variabel tersebut memiliki nilai korelasi yang kuat hingga mendekati satu
Lampiran 5. Salah satu cara mengatasi permasalahan multikolinearitas adalah dengan menggunakan metode Principal omponent Analysis PCA atau Analisis
Komponen Utama.
5.2 Pendugaan Model dengan Metode Regresi Komponen Utama
