Teknik Analisis Data METODE PENELITIAN
Model random effect mengistemasi data panel dimana variabel gangguan mungkin saling berhubungan antar waktu dan antar individu. Pada model
random effect perbedaan intersep diakomodasi oleh error terms masing-
masing individu. Sementara itu model fixed effect mengasumsikan bahwa perbedaan antar individu dapat diakomodasi dari perbedaan intersepnya.
4. Uji Asumsi Klasik a. Uji Normalitas
Regresi linier normal klasik mengasumsikan bahwa distribusi probabilitas dari gangguan memiliki rata-rata yang diharapkan sama
dengan nol, tidak berkorelasi dan mempunyai varian yang konstan. Dengan asumsi ini penaksir akan memenuhi sifat-sifat statistik yang
diinginkan seperti unbiased dan memiliki varian yang minimum Gujarati: 2009.
Ada beberapa metode untuk mengetahui normal atau tidaknya distribusi residual antara lain Jarque-Bera Test J-B Test dan metode
grafik. Dalam penelitian ini akan menggunakan metode J-B Test, yang dilakukan dengan menghitung nilai skewness dan kurtosis, apabila J-B
hitung nilai χ2 Chi-Square tabel, maka nilai residual berdistribusi normal Gujarati: 2009.
b. Uji Multikolinieritas Multikolinieritas berhubungan dengan situasi di mana ada hubungan
linier baik yang pasti atau mendekati pasti diantara variabel bebas Gujarati: 2009. Uji multikolinieritas ini bertujuan untuk mengetahui
apakah masing-masing variabel bebas saling berhubungan secara linier dalam model persamaan regresi yang digunakan. Apabila terjadi
multikolinieritas, akibatnya variabel penaksiran menjadi cenderung terlalu besar, t-hitung tidak bias namun tidak efisien.
Dalam penelitian ini deteksi multikolinieritas akan dilakukan dengan menggunakan korelasi bivariat untuk mendeteksi adanya multikolinieritas.
Kriterianya adalah jika korelasi bivariat lebih besar dari rule of tumb 0,9, maka di dalam model terjadi multikolinieritas Gujarati: 2009.
c. Uji Heteroskedastisitas Uji heteroskedastisitas bertujuan menguji apakah dalam model regresi
terjadi ketidaksamaan varians dari residual satu pengamatan ke pengamatan yang lain. Untuk mengetahui ada atau tidaknya
heteroskedastisitas dapat digunakan uji park. Uji park merupakan prosedur dua tahap. Pada tahap pertama,
dilakukan regresi OLS dengan mengabaikan heteroskedastisitas. Setelah mendapatkan
Û
i
dari regresi kemudian pada tahap kedua dilakukan regresi kembali dengan menggunakan Log
Û
i
sebagai variabel terikatnya.
Selanjutnya, jika nilai probability lebih besar dari alfa tingkat signifikasi yang digunakan maka hipotesis alternatif adanya heteroskedastisitas dalam
model ditolak Gujarati: 2009. 5. Uji Statistik
a. Uji Koefisien Regresi Simultan Uji F
Uji F dilakukan untuk mengetahui apakah variabel-variabel bebas secara keseluruhan signifikan secara statistik dalam mempengaruhi variabel terikat.
Apabila nilai F hitung lebih besar dari nilai F tabel maka variabel-variabel bebas secara keseluruhan berpengaruh terhadap variabel terikat. H
ipotesis sebagai berikut:
Ho :
β
1
= β
2
= β
3
= β
4
= 0 Ha: minimal ada satu koefisien regresi tidak sama dengan nol Gujarati,
2009.
Pada tingkat signifikasi α kriteria pengujian yang digunakan sebagai berikut :
1 Jika F-hitung F-tabel, atau jika probabilitas F-hitung tingkat signifikansi maka Ho ditolak, artinya variabel bebas secara bersama-
sama signifikan mempengaruhi variabel terikat. 2 Jika F-hitung F-tabel, atau jika probabilitas F-hitung tingkat
signifikansi maka Ho diterima, artinya variabel bebas secara bersama- sama tidak mempengaruhi variabel terikat.
b. Uji Koefisien Regresi Parsial Uji-t Uji statistik t dilakukan untuk menunjukkan seberapa jauh pengaruh
satu variabel penjelas atau bebas secara individual dalam menerangkan variasi variabel terikat. Untuk menguji pengaruh variabel bebas secara
individu dapat dibuat hipotesis sebagai berikut : 1 Ho :
β1 = 0, yaitu tidak ada pengaruh signifikan variabel biaya pendidikan secara parsial terhadap variabel permintaan pendidikan
tinggi. Ha :
β1 ≠ 0, yaitu terdapat pengaruh signifikan variabel biaya pendidikan secara parsial terhadap variabel permintaan pendidikan
pendidikan. 2 Ho
: β2 = 0, yaitu tidak ada pengaruh signifikan variabel tingkat pendapatan secara parsial terhadap variabel permintaan pendidikan
tinggi. Ha
: β2 ≠ 0, yaitu terdapat pengaruh signifikan variabel tingkat pendapatan secara parsial terhadap variabel permintaan pendidikan
pendidikan. 3 Ho
: β3 = 0, yaitu tidak ada pengaruh signifikan variabel tingkat pengangguran secara parsial terhadap variabel permintaan pendidikan
tinggi.
Ha : β3 ≠ 0, yaitu terdapat pengaruh signifikan variabel tingkat
pengangguran secara parsial terhadap variabel permintaan pendidikan pendidikan.
4 Ho : β4 = 0, yaitu tidak ada pengaruh signifikan variabel jumlah
pekerja tingkat universitas secara parsial terhadap variabel permintaan pendidikan tinggi.
Ha : β4 ≠ 0, yaitu terdapat pengaruh signifikan variabel jumlah pekerja
tingkat universitas secara parsial terhadap variabel permintaan pendidikan pendidikan.
5 Ho : β5 = 0, yaitu tidak ada pengaruh signifikan variabel tingkat lulusan
sekolah menengah secara parsial terhadap variabel permintaan pendidikan tinggi.
Ha : β5 ≠ 0, yaitu terdapat pengaruh signifikan variabel tingkat lulusan
sekolah menengah secara parsial terhadap variabel permintaan pendidikan pendidikan.
c. Koefisien Determinasi R² Koefisien determinasi R²
digunakan untuk mengukur seberapa besar variabel bebas yang digunakan mampu menjelaskan variabel terikat secara
bersama-sama. Besarnya R² berkisar diantara 0 dan 1 0 R²
1. Hal ini menunjukkan bahwa bila R² semakin mendekati 1 berarti dapat dikatakan
bahwa variabel bebas yang digunakan mampu menjelaskan variabel terikat mendekati 100.
57