kemiskinan sebagai variabel terikat. Ini berarti Hipotesis yang diajukan oleh penulis telah terbukti kebenarannya.
4.5.2. Uji Hipotesis Secara Parsial
Selanjutnya untuk menguji pengaruh secara parsial Variabel Pendapatan perkapitaX
1
terhadap Tingkat kemiskinanY digunakan uji t dengan langkah – langkah sebagai berikut :
a. Ho
:
1
= 0 tidak ada pengaruh antara variabel X
1
, dengan variabel Y H
1
:
1
0 ada pengaruh antara variabel X
1
dengan variabel Y b.
= 0,05 dengan df = n – k – 1 = 15 – 6 – 1 = 8
c. t
hitung
= 1
Se 1
= 000000110
, 000000605
,
= -5,494 d.
t
tabel
= 2,306 e.
Pengujian hipotesis : Gambar 2 : kurva Distribusi Penolakan dan Penerimaan Hipotesis secara
parsial untuk variabel X
1
.
Daerah Penolakan Ho
Daerah Penolakan Ho
Daerah Penerimaan Ho t
hitung
= -5,494
-t
tabel
= -2,306
t
tabel
= 2,306
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Dari perhitungan secara parsial diperoleh t
hitung
= -5,494 sedangkan t
tabel
= 2,306 pada df = 10 dengan tingkat signifikansi sebesar 0,05. Karena t
hitung
t
tabel
maka Ho ditolak dan H
1
diterima. Sehingga secara parsial Pendapatan perkapitaX
1
berpengaruh signifikan dan berhubungan positif terhadap Tingkat kemiskinanY.
Sedangkan Nilai Koefisien Determinasi Parsial r
2
untuk Pendapatan perkapita sebesar 0,889
2
= 0,7903 yang berarti dapat menunjukkan bahwa Tingkat kemiskinan mampu dijelaskan oleh variabel
Pendapatan perkapita hingga 79,03. Sedangkan sisanya 20,97 dijelaskan oleh variabel lain yang tidak termasuk dalam model.
Selanjutnya untuk menguji pengaruh variabel InvestasiX
2
terhadap Tingkat kemiskinanY digunakan uji t dengan langkah – langkah sebagai berikut :
a. Ho :
2
= 0 tidak ada pengaruh antara varible X
2
dengan variabel Y H
1
:
2
0 ada pengaruh antara variabel X
2
dengan variabel Y b.
= 0,05 dengan df = 8
c. t
hitung
=
2 2
Se
= 0530
0,00000000 01408
0,00000000 -
t
hitung
= -0,266 d.
t
tabel
= 2,306 e.
Pengujian Hipotesis :
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Gambar 3
: Kurva Distribusi Penolakan dan Penerimaan Hipotesis
secara Parsial untuk variabel X
2.
Daerah Penolakan Ho
Daerah Penolakan Ho
Daerah Penerimaan Ho t
tabel
= 2,306
t
hitung
= -0,266
-t
tabel
= -2,306
Berdasarkan perhitungan secara parsial diperoleh t
hitung
= -0,266 sedangkan t
tabel
= 2,306 pada df = 8 dengan tingkat signifikasi sebesar 0,05. Karena t
hitung
lebih kecil dari t
tabel
, maka Ho diterima dan H
1
ditolak. Sehingga secara parsial InvestasiX
2
berpengaruh tidak signifikan dan berhubungan positif terhadap Tingkat kemiskinanY.
Nilai Koefisien determinasi parsial r
2
parsial untuk Investasi sebesar 0,094
2
= 0,0088 yang berarti dapat menunjukkan bahwa Tingkat kemiskinan mampu dijelaskan oleh variabel Investasi sebesar 0,88.
Sedangkan sisanya 99,12 dijelaskan oleh variabel lain yang tidak termasuk dalam model.
Selanjutnya untuk menguji secara parsial pengaruh Variabel Pertumbuhan pendudukX
3
terhadap Tingkat kemiskinanY digunakan uji t dengan langkah – langkah sebagai berikut :
a. Ho
:
3
= 0 tidak ada pengaruh antara variabel X
3
, dengan variabel Y H
1
:
3
0 ada pengaruh antara variabel X
3
dengan variabel Y
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
b. = 0,05 dengan df
= n – k – 1 = 15 – 6 – 1 = 8 c. t
hitung
=
3 3
Se
t
hitung
= 0995
, 101
,
t
hitung
= 1,015 d. t
tabel
= 2,306 e. Pengujian hipotesis :
Gambar 4
: kurva Distribusi Penolakan dan Penerimaan Hipotesis
secara parsial untuk variabel X
3
.
Daerah Penolakan Ho
Daerah Penolakan Ho
Daerah Penerimaan Ho -t
tabel
= -2,306
t
hitung
= 1,015
t
tabel
= 2,306
Dari perhitungan secara parsial diperoleh t
hitung
= 1,015 sedangkan t
tabel
= 2,306 pada df = 8 dengan tingkat signifikansi sebesar 0,05. Karena t
hitung
t
tabel
maka Ho diterima dan H
1
ditolak. Sehingga secara parsial Pertumbuhan penduduk berpengaruh tidak signifikan dan berhubungan positif terhadap
Tingkat kemiskinanY. Sedangkan
Nilai Koefisien
Determinasi Parsial r
2
untuk Pertumbuhan penduduk sebesar 0,340
2
= 0,1156 yang berarti dapat
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
menunjukkan bahwa Tingkat kemiskinan mampu dijelaskan oleh variabel Pertumbuhan penduduk sebesar 11,56. Sedangkan sisanya 88,44
dijelaskan oleh variabel lain yang tidak termasuk dalam model. Selanjutnya untuk menguji secara parsial pengaruh Variabel
Kesempatan kerjaX
4
terhadap Tingkat kemiskinanY digunakan uji t dengan langkah – langkah sebagai berikut :
a. Ho
:
4
= 0 tidak ada pengaruh antara variabel X
4
, dengan variabel Y H
1
:
4
0 ada pengaruh antara variabel X
4
dengan variabel Y b.
= 0,05 dengan df = n – k – 1 = 15 – 6 – 1 = 8
c. t
hitung
=
4 4
Se
= 000212
, 00005968
,
= -0,281 d. t
tabel
= 2,306 e. Pengujian hipotesis :
Gambar 12
: kurva Distribusi Penolakan dan Penerimaan Hipotesis
secara parsial untuk variabel X
4
.
Daerah Penolakan Ho
Daerah Penolakan Ho
Daerah Penerimaan Ho -t
tabel
= -2,306
t
hitung
= -0,281
t
tabel
= 2,306
Dari perhitungan secara parsial diperoleh t
hitung
= -0,281 sedangkan t
tabel
= 2,306 pada df = 8 dengan tingkat signifikansi sebesar 0,05. Karena t
hitung
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
t
tabel
maka Ho diterima dan Hi
ditolak. Sehingga secara parsial Kesempatan kerja berpengaruh tidak signifikan dan berhubungan positif terhadap Tingkat
kemiskinanY. Sedangkan Nilai Koefisien Determinasi Parsialr
2
untuk Kesempatan kerja sebesar 0,099
2
= 0,0098 yang berarti dapat menunjukkan bahwa Tingkat kemiskinan mampu dijelaskan oleh variabel Kesempatan
kerja sebesar 0,98. Sedangkan sisanya 99,02 dijelaskan oleh variabel lain yang tidak termasuk dalam model.
Selanjutnya untuk menguji secara parsial pengaruh Variabel Pertumbuhan pengangguranX
5
terhadap Tingkat kemiskinanY digunakan uji t dengan langkah – langkah sebagai berikut :
a. Ho
:
5
= 0 tidak ada pengaruh antara variabel X
5
, dengan variabel Y H
1
:
5
0 ada pengaruh antara variabel X
5
dengan variabel Y b.
= 0,05 dengan df = n – k – 1 = 15 – 6 – 1 = 8
c. t
hitung
=
5 5
Se
t
hitung
= 259
, 605
,
t
hitung
= 2,337 d. t
tabel
= 2,306 e. Pengujian hipotesis :
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Gambar 6
: kurva Distribusi Penolakan dan Penerimaan Hipotesis
secara parsial untuk variabel X
5
.
Daerah Penolakan Ho
Daerah Penolakan Ho
Daerah Penerimaan Ho -t
tabel
= -2,306
t
hitung
= 2,337
t
tabel
= 2,306
Dari perhitungan secara parsial diperoleh t
hitung
= 2,337 sedangkan t
tabel
= 2,306 pada df = 8 dengan tingkat signifikansi sebesar 0,05. Karena t
hitung
t
tabel
maka Ho ditolak dan H
1
diterima. Sehingga secara parsial Pertumbuhan pengangguran berpengaruh signifikan dan berhubungan positif
terhadap Tingkat kemiskinanY. Sedangkan Nilai Koefisien Determinasi Parsial r
2
untuk Pertumbuhan pengangguran sebesar 0,637
2
= 0,4058 yang berarti dapat menunjukkan bahwa Tingkat kemiskinan mampu dijelaskan oleh variabel
Pertumbuhan pengangguran hingga 40,58. Sedangkan sisanya 59,42 dijelaskan oleh variabel lain yang tidak termasuk dalam model.
Selanjutnya untuk menguji secara parsial pengaruh Variabel Penduduk tidak tamat SDX
6
terhadap Tingkat kemiskinanY digunakan uji t dengan langkah – langkah sebagai berikut :
a. Ho
:
6
= 0 tidak ada pengaruh antara variabel X
6
, dengan variabel Y H
1
:
6
0 ada pengaruh antara variabel X
6
dengan variabel Y
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
b. = 0,05 dengan df
= n – k – 1 = 15 – 6 – 1 = 8 c. t
hitung
= 6
6
Se
= 0000127
, 0000189
, = 1,494
d. t
tabel
= 2,306 e. Pengujian hipotesis :
Gambar 7
: kurva Distribusi Penolakan dan Penerimaan Hipotesis
secara parsial untuk variabel X
6
.
Daerah Penolakan Ho
Daerah Penolakan Ho
Daerah Penerimaan Ho -t
tabel
= -2,306
t
hitung
= 1,494
t
tabel
= 2,306
Dari perhitungan secara parsial diperoleh t
hitung
= 1,494 sedangkan t
tabel
= 2,306 pada df = 8 dengan tingkat signifikansi sebesar 0,05. Karena t
hitung
t
tabel
maka Ho diterima dan H
1
ditolak. Sehingga secara parsial Penduduk tidak tamat SD berpengaruh tidak signifikan dan berhubungan
positif terhadap Tingkat kemiskinanY. Sedangkan
Nilai Koefisien Determinasi Parsialr
2
untuk Penduduk tidak tamat SD sebesar 0,467
2
= 0,2181 yang berarti dapat menunjukkan bahwa Tingkat kemiskinan mampu dijelaskan oleh variabel Penduduk
tidak tamat SD hingga 21,81. Sedangkan sisanya 78,19 dijelaskan oleh variabel lain yang tidak termasuk dalam model.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
variabel bebas yang paling dominan mempengaruhi variabel Tingkat kemiskinanY adalah variabel Pendapatan perkapita, karena variabel ini
memiliki koefisien korelasi parsial yang paling besar yaitu sebesar 0,889 dibandingkan dengan nilai koefisien korelasi parsial dari lima variabel
bebas lainnya.
4.6. Pembahasan
Kategori