Uji Kualitas Data METODE PENELITIAN

b. Uji Glesjer Uji Glesjer dilakukan dengan cara melakukan regresi antara variabel independen dengan nilai absolut residualnya Gujarati, 2003. Apabila nilai signifikansi antara variabel independen dengan absolut residual lebih dari 0,05 maka tidak terjadi permasalahan hetersokedastisitas Fajriasari, 2013. Menurut Gujarati 2003 uji Glesjer dapat dilakukan dengan meregres nilai absolut residual terhadap variabel bebasnya dengan persamaan sebagai berikut : i = a + βXi + vi Sementara dalam data panel, Implikasi terjadi masalah heteroskedastistas dapat diperbaiki dengan menggunakan model Cross-section Weight. 3. Uji Autokorelasi Menurut Imam Ghozali dalam Tambunan, 2013, uji autokorelasi digunakan untuk mengetahui apakah dalam model regresi linear terdapat korelasi antara kesalahan penggganggu pada periode t dengan kesalahan pengganggu pada periode t-1 sebelumnya, jika terjadi korelasi artinya terdapat masalah autokorelasi. Autokorelasi muncul karena terdapat observasi yang berurutan sepanjang waktu berkaitan satu sama lainnya. Masalah autokorelasi muncul karena residual kesalahan pengganggu tidak bebas dari suatu observasi ke observasi lainnya. Autokorelasi dapat dideteksi melalui metode Durbin-Watson DW dengan asumsi variabel gangguannya hanya berhubungan dengan variabel gangguan periode sebelumnya lag pertama yang dikenal dengan model autogresif tingkat pertama dan variabel independen tidak mengandung variabel independen yang merupakan kelembanan dari variabel dependen. Dasar pengambilan keputusan sebagai berikut; a Jika DW lebih kecil dari dL atau lebih besar dari 4-dL, maka hipotesis nol ditolak, yang berarti ada autokorelasi. b Jika Du DW 4-dU .maka hipotesis nol diterima, yang berarti tidak ada autokorelasi. c Jika DW terletak antara dL dan dU atau diantara 4-dU dan 4-dL, maka tidak menghasilkan kesimpulan yang pasti. Terdapat salah satu cara yang dapat digunakan untuk mengetahui ada atau tidaknya autokorelasi. Prosedur tersebut dapat menggunakan metode Cochrane- Orcutt. Dalam metode ini autokorelasi dihilangkan secara bertahap dari bentuk yang paling sederhana pada skema autokorelasi berderajat satu. Gunawan, 2007.Metode ini merupakan alternative untuk memperoleh nilai struktur autokorelasi ρ yang tidak diketahui. Metode ini menggunakan nilai estimasi res idual untuk menghitung ρ, Setelah nilai ρ diketahui maka akan dilakukan transformasi pada masing-masing variabel. Kemudian hasil yang didapatkan akan diregresi kembali agar tidak mengandung masalah autokorelasi.

F. Uji Hipotsis dan Analisis Data

Metode analisis data yang digunakan dalam penelitian ini adalah model data runtut waktu time series dan data silang cross section. Analisis data dalam penelitian ini dengan menggunakan Regresi Data Panel.Data tersebut diperoleh dari berbagai tahun. Data yang digunakan dalam penelitian ini dari tahun 2000- 2014. Pengolahan data yang digunakan untuk menganalisis adalah program software Microsoft Excel dan E-Views 7.0. 1. Model Estimasi Penelitian Untuk mempermudah dan mengurangi kesalahan secara manual dalam pengolahan data dalam analisis ini, maka digunakan alat bantu software pengolah data Eviews 7.0 Model persamaan data panel dalam penelitian ini merupakan gabungan dari data cross section dan data time series adalah sebagai berikut: Keterangan : = Produk Domestik Regional Bruto PDRB sebagai variabel terikat dependent = Penyerapan tenaga kerja = Ekspor = Investasi = sentinitas ke-i = periode ke- 2. Estimasi Pendekatan Data Panel Dalam mengestimasi parameter model dengan menggunakan data panel, ditawarkan beberapa teknik, yaitu :

a. Pooled Least Squares PLS

Teknik ini merupakan teknik paling sederhana untuk mengestimasi parameter model data panel, dengan cara mengkombinasikan data cross section dan time series sebagai satu kesatuan tanpa melihat adanya perbedaan waktu dan entinas individu. Pendekatan yang sering digunakan adalah metode Ordinary Least Squares OLS. Metode ini dikenal dengan estimasi Common Effect. Dalam model Common Effect mengabaikan adanya perbedaan dimensi individu maupun waktu atau dengan kata lain perilaku data antar individu sama dalam berbagai kurun waktu. Model Common Effect sama seperrti OLS dengan meminimumkan jumlah kuadrat, tetapi data yang digunakan bukan data time series atau data cross section saja melainkan data panel yang diterapkan dalam bentuk pooled. Bentuk untuk model Ordinary Least Squares OLS adalah :

b. Model Efek Tetap Fixed Effect

Teknik model Fixed Effect adalah teknik mengestimasi data panel dengan menggunakan variabel dummy untuk menangkap adanya perbedaan intersep. Asumsi dalam model ini bahwa koefisien slope konstan tetapi intersep bervariasi sepanjang unit individu. Pendekatan dengan variabel dummy ini dikenal dengan sebutan Fixed Effect Model atau Least Squares Dummy Variabel LSDV atau disebut juga dengan Covariance Model . Persamaan estimasi dengan menggunakan Fixed Effect Model adalah sebagai berikut : Dimana : Y it = Variabel terikat untuk individu ke-I dan waktu ke-t X it = Variabel bebas untuk individu ke-I dan waktu ke-t W it dan Z it variabel dummy yang didefinisikan sebagai berikut: W it = 1 ; untuk individu i;i = 1,2, …, N = 0 ; lainnya Z it = 1 ; untuk periode t;t = 1,2,… T = 0 ; lainnya

c. Model Efek Random Random Effect

Random Effect Model merupakan model estimasi regresi panel dengan asumsi koefisien slope konstan dan intersep berbeda antara individu dan antar waktu Random Effect. Pada model Random Effect digunakan untuk mengatasi