Berdasarkan Tabel 3.3 dapat ditunjukan hasil pengujian bahwa terdapat tiga variabel yang berpengaruh secara signifikan terhadap variabel bergantung karena pada
variabel bebas tersebut memiliki nilai T
hitung
T
16; 0,950
atau nilai P_value α 0,05. Variabel tersebut adalah X
1
status kesejahteraan, X
2
jumlah sekolah SD, dan X
4
rasio anak bersekolah dengan ATB di bawah usia 15 tahun. Dari hasil analisis data tersebut, nilai R
2
sebesar 93,72 yang artinya model yang terbentuk mewakili data sebesar 93,72.
Dari tabel 3.3 diperolehlah model persamaan regresi linier berganda yaitu :
4 2
1
652 ,
7 774
, 4
1141 ,
81 ,
165 ˆ
X X
X y
Model pada OLS dapat diinterpretasikan bahwa apabila faktor lain dianggap konstan, jika jumlah penduduk prasejahtera di suatu kecamatan X
1
naik sebesar 1 satuan maka bisa menambah ATB di bawah usia 15 tahun sebesar 0,1141, jumlah
sekolah SD di suatu kecamatan X
2
naik 1 satuan maka mengurangi ATB sebesar 4,774, dan rasio anak bersekolah dengan ATB X
4
naik 1 satuan maka juga akan mengurangi jumlah ATB sebesar 7,652.
3.4. Regresi Spasial
3.4.1. Pengujian Efek Spasial
Pengujian efek spasial dilakukan untuk melihat apakah data setiap variabel memiliki pengaruh spasial pada lokasi. Pengujian spasial dependence menggunakan statistik
Moran ’s I. Gambar 3.4 merupakan gambar diagram Moran’s I untuk setiap variabel
baik variabel bebas maupun terikatnya.
Gambar 3.4. Moran’s Scatterplot
Pada Gambar 3.4 tersebut menunjukkan bahwa pola data berada pada kuadran I dan III. Hal ini berarti bahwa kecamatan dengan nilai yang tinggi pada setiap
variabel mengelompok pada daerah yang nilainya tinggi juga dan daerah dengan nilai yang rendah berkelompok dengan daerah yang memiliki nilai rendah pula. Pada
variabel Y, kecamatan yang memiliki ATB yang tinggi berkelompok dengan kecamatan yang memiliki ATB yang tinggi juga dan kecamatan yang memiliki ATB
yang rendah berkelompok dengan ATB yang rendah pula. Adapun nilai masing- masing
Moran’s I pada variabel-variabel tersebut disajikan pada Tabel 3.5. Sebagai contoh untuk nilai
Moran’s I pada variabel Y diperoleh dengan menggunakan rumus pada persamaan 2.17 yaitu
n n
n n
n
e e
e W
e I
Tabel 3.4. Perhitungan Nilai Moran’s I pada Variabel Y
No Y
e
n
= Y- e
n
’W
n
e
n
’W
n
e
n
e
n
’e
n
1 150
-109 -27,36667 2986,876 11912,16327
2 234
-25 -215,5083 5418,495 632,1632653
3 96
-163 -21,24167 3465,426 26615,59184
4 293
34 -159,675 -5406,14
1146,306122 5
96 -163
-40,875 6668,464 26615,59184
6 68
-191 -195,3
37330,2 36535,59184
7 92
-167 -99,30833 16598,68 27936,73469
8 128
-131 -154,6833 20285,61 17198,44898
9 18
-241 -53,81667 12977,5
58149,87755 10
143 -116 -115,8667 13457,09
13489,16327 11
376 117 -123,5167 -14433,8
13655,59184 12
227 -32 14,766667 -474,643
1033,163265 13
57 -202
-108,4 21912,29 40861,73469
14 202
-57 -118,0083 6743,333 3265,306122
15 135
-124 -17,55833 2179,742 15411,44898
16 140
-119 -95.40833 11367,22 14195,02041
17 249
-10 -37,66667 382,0476 102,877551
18 464
205 242,93333 49766,63 41966,44898
19 643
384 536,75 206035,3
147346,3061 20
685 426
522,75 222616,8 181354,3061
21 946
687 270 185451,4
471772,7347
Jumlah 5442
805328,6 1151196,571
Rata-rata 259,143
Sehingga nilai Moran’s I adalah
699558 ,
571 ,
1151196 6
, 805328
I I
Secara lengkap hasil Moran’s I dikerjakan dengan menggunakan software
OpenGeoda sebagai berikut:
Tabel 3.5. Moran’s I
Morans I Y
0,69958 X
1
0,640032 X
2
0,298701 X
3
0,249088 X
4
0,285518
Berdasarkan Tabel 3.5 dan nilai I terlihat bahwa semua nilai
Moran’s I bernilai lebih besar dari I
yang artinya semua variabel baik bebas maupun terikat memiliki autokorelasi positif. Sama seperti yang terlihat pada gambar 3.5, bahwa data
berkelompok pada kuadran I dan III yang menandakan memiliki autokorelasi positif.
3.4.2. Uji Lagrange Multiplier LM