N = banyaknya data,
k = jumlah koefisien regresi dugaan.
Hasil yang didapatkan dari perbandingan tersebut jika F-hitung F-tabel maka tolak H
, artinya ada minimal satu parameter dugaan yang tidak nol dan berpengaruh nyata terhadap keragaman variabel endogen. Hasil yang didapat jika
F-hitung F-tabel maka terima H , artinya secara bersama variabel yang
digunakan tidak bisa menjelaskan secara nyata keragaman dari variabel endogen.
4.3.2.5. Permasalahan OLS
Beberapa permasalahan yang dihadapi jika menggunakan OLS adalah: 1. Heteroskedastisitas
Menurut Gujarati 1993 suatu model regresi linear harus memiliki varian yang sama. Menurutnya, jika asumsi ini tidak dipenuhi maka akan terdapat
masalah heteroskedastisitas. Heteroskedastisitas tidak merusak sifat ketidakbiasan dan konsistensi dari penaksir OLS, tetapi penaksir yang dihasilkan tidak lagi
mempunyai varian minimum efisien. Konsekuensi jika terjadi heteroskedastisitas, maka akan berakibat:
1. Estimasi dengan menggunakan OLS tidak akan memiliki varians yang minimum atau estimator tidak efisien.
2. Prediksi nilai Y untuk X tertentu dengan estimator dari data yang sebenarnya akan mempunyai varians yang tinggi, sehingga prediksi menjadi tidak efisien.
3. Tidak dapat diterapkannya uji nyata tidaknya koefisien atau selang kepercayaan dengan menggunakan formula yang berkaitan dengan nilai
varians. Untuk memeriksa keberadaan heteroskedastisitas salah satunya dapat
ditunjukkan uji Hal White yang tidak perlu asumsi normalitas dan relatif mudah. Kriteria uji digunakan:
1. Apabila nilai probability ObsR-squared-nya taraf nyata
α yang digunakan, maka persamaan tidak mengalami heteroskedastisitas.
2. Apabila nilai probability ObsR-squared-nya taraf nyata
α yang digunakan, maka persamaan mengalami heteroskedastisitas.
Solusi dari masalah heteroskedastisitas adalah mencari transformasi model asal sehingga model yang baru akan memiliki error-term dengan varians yang
konstan. 2. Autokorelasi
Autokorelasi adalah korelasi antar error masa yang lalu dengan error masa sekarang. Adanya autokorelasi akan menyebabkan terjadinya:
1. Dugaan parameter tidak bias. 2. Nilai galat baku terautokorelasi sehingga ramalan tidak efisien.
3. Ragam galat berbias. 4. Terjadi pendugaan kurang pada ragam galat standar error underestimated
sehingga Sb underestimate, maka t overestimated t cenderung lebih besar dari yang sebenarnya dan tadinya tidak signifikan menjadi signifikan.
Gejala autokorelasi dapat dideteksi dengan uji Breusch Godfrey Serrial Correlation Langrange Multiplier Test
dengan hipotesis: H
: ρ = 0 tidak terdapat serial korelasi
H
1
: ρ ≠ 0 terdapat serial korelasi
Kriteria uji yang digunakan adalah 1 apabila probabilitasnya lebih besar dari taraf nyata yang digunakan maka persamaan tidak mengalami autokorelasi, dan
2 apabila nilai probabilitasnya lebih kecil dari taraf nyata yang digunakan maka terdapat autokorelasi.
Solusi dari masalah autokorelasi karena salah satu penyebab berikut ini: 1.
Dihilangkannya variabel yang sebenarnya berpengaruh terhadap variabel tak bebas.
2. Kesalahan spesifikasi model. Hal ini diatasi dengan mentransformasi model,
misalnya dari model linear menjadi non-linear atau sebaliknya. 3. Multikolinearitas
Arti dari multikolinear adalah adanya hubungan linear yang sempurna atau pasti, diantara beberapa atau semua variabel yang menjelaskan dari model regresi.
Tanda-tanda adanya multikolinear adalah: 1. Tanda tidak sesuai dengan yang diharapkan.
2. R
2
-nya tinggi tetapi uji individu tidak banyak bahkan tidak ada yang nyata. 3. Korelasi sederhana antar variabel individu tinggi r
ij
tinggi. 4. R
2
r
ij 2
menunjukkan adanya multikolinier. Konsekuensi multikolinear adalah estimasinya tidak dapat ditentukan dan
galat baku menjadi tinggi sehingga prediksi menjadi tidak benar. Kriteria
ekonometrik untuk melihat adanya multikolinear diantara peubah-peubah penjelas dalam suatu persamaan dapat dilihat dari R
2
dan kuadrat korelasi sederhana peubah-peubah penjelas r
2
, yang dirumuskan sebagai berikut : rX
1
X
2
=
∑ ∑
∑ ∑
∑ ∑ ∑
− −
−
2 2
2 2
2 1
2 1
2 1
2 1
X X
n X
X n
X X
X X
n
4.27 R
2
Y, X
i
, ..., X
k
=
∑ ∑
∑ ∑
+ +
+
2 2
2 1
1
... Y
YX b
YX b
YX b
k k
4.28 dimana:
rX
1
X
2
= koefisien korelasi X
1
dan X
2
, X
1
dan X
2
= peubah-peubah penjelas, Y
= peubah endogen, R
2
Y, X
i
, ..., X
k
= koefisien determinasi. bila:
R
2
r
2
, maka tidak ada masalah multikolinear, R
2
r
2
, maka ada masalah multikolinear. Tindakan perbaikan dari masalah ini adalah:
1. Menggunakan extraneous atau informasi sebelumnya,
2. Mengkombinasikan data cross-sectional dan data deretan waktu,
3. Meninggalkan variabel yang sangat berkorelasi,
4. Mentransformasikan data, dan
5. Mendapatkan tambahan data baru.
V. HASIL DAN PEMBAHASAN 5.1. Analisis Pertumbuhan Investasi Sektor-Sektor Perekonomian Jawa
Barat Sebelum dan Pada Masa Otonomi Daerah
5.1.1. Analisis Pertumbuhan Sektor-Sektor Perekonomian
Pada masa sebelum otonomi daerah pada tahun 1995-2000, laju investasi yang ada di Indonesia mengalami pertumbuhan yang negatif. Hal yang sama juga
terjadi pada laju pertumbuhan investasi yang ada di Jawa Barat. Secara keseluruhan penurunan investasi PMDN yang terjadi sebesar 13,65 yaitu
sejumlah Rp 32,8 miliar tiap tahun selama enam tahun terakhir sebelum otonomi daerah berlaku dan sebanyak 33,6 proyek atau sebesar 14,03 rata-rata tiap
tahunnya. Sementara pada masa otonomi daerah pada tahun 2001-2004, laju pertumbuhan investasi PMDN secara total mengalami pertumbuhan yang positif
sebesar 15,19 atau sejumlah Rp 1,61 miliar tiap tahunnya. Jumlah proyek PMDN juga mengalami laju pertumbuhan yang positif sebesar 8,70 atau sebesar
2 proyek rata-rata tiap tahunnya. Berdasarkan Tabel 5.1, pada masa sebelum otonomi daerah, penurunan
laju pertumbuhan investasi PMDN terbesar apabila dilihat dari nilai investasinya yaitu sebesar 16,67. Kondisi ini dialami oleh hampir semua sektor kecuali
sektor perindustrian yang mengalami laju pertumbuhan investasi yang juga negatif sebesar 12,83. Sementara pada masa otonomi, sektor perindustrian mengalami
laju pertumbuhan yang positif sebesar 16,93. Tetapi sektor lain tetap mengalami laju pertumbuhan yang negatif yang dialami oleh sektor pertanian dan juga sektor
pengangkutan sebesar 25. Hal yang sama juga terjadi pada jumlah proyek
