commit to user 63
a. Multikolinearitas
Multikolinearitas adalah menunjukkan adanya hubungan linear diantara variabel indenpenden. Kondisi ini harus dihindari agar hasil
pengujian tidak bias. Apabila terjadi hubungan linier antar variabel independen maka :
1 Koefisien regresi dari variabel bebas tidak bisa diestimasi
2 Rentang dari tingkat keyakinan menjadi semakin lebar
3 Oleh karena antar variabel independen berhubungan, tidak
mungkin kita memisahkan variabel secara individual. Pengujian multikolinearitas dalam penelitian ini akan
menggunakan nilai
varian inflation factor VIF
yang diperoleh dari pengujian hipotesis. Kreteria terjadinya multikolinearitas adalah
apabiila VIF lebih besar 10 berarti terjadi masalah yang berkaitan dengan multikolinearitas, sebaliknya apabila nilai VIF dibawah 10
maka model regresi tidak mengandung multikolinearitas Ghozali, 2009.
b. Heteroskedastisitas
Heteroskedastisitas adalah varian faktor penggangu
error
yang terjadi dalam model regresi bersifat tidak sama atau tidak konstan. Oleh karena itu, suatu model regresi harus terpenuhi dari
factor pengganggu ini. Jika asumsi ini tidak terpenuhi maka sekalipun sampel diperbesar standart error tidak minimum, sehingga estimasi
OLS tidak efisien. Heteroskedastisitas dalam penelitian ini diuji
commit to user 64
dengan metode
Korelasi Spearman’s rho
antara nilai residu
disturbance error
dari hasil regresi dengan masing-masing variabel independenya. Kreteria ada tidaknya gelaja Heteroskedastisitas adalah
apabila nikai korelasi spearman’s rho dibawah 0,7 berarti model
regresi menunjukkan tidak adanya permasalahan heteroskedastisitas. Sebaliknya, jika nilai korelasi Spearman’s rho diatas 0.7 berarti model
regresi menunjukkan
adanya permasalahan
heteroskedastisitas Ghozali, 2009.
c. Autokorelasi
Pengujian autokorelasi ini bertujuan untuk mengetahui ada tidaknya korelasi antar waktu. Pengujian otokorelasi akan dilakukan
berdasarkan pada nilai Durbin Watson-nya. Jika Dw Uper DW Statistik 4 – DW Uper maka model regresi bebas dari permasalahan
otokorelasi. Sebaliknya, jika DW Statistik DW Uper atau DW Statistik 4 – DW lower maka model regresi mengandung masalah
otokorelasi Ghozali, 2009.
Sebagai gambaran dari daerah diterima dan ditolak, untuk uji ini dapat ditunjukkan pada gambar uji Durbin Watson ditunjukkan
Gambar 2.
Gambar 2 Gambar Uji Durbin-Watson
commit to user 65
BAB IV HASIL DAN PEMBAHASAN
A. Gambaran Umum Kabupaten Sragen
1. Kondisi Geografis
Kabupaten Sragen merupakan salah satu kabupaten yang berada di Propinsi Jawa Tengah. Secara geografis Kabupaten Sragen terletak di
perbatasan antara Jawa Tengah dan Jawa Timur, lebih tepatnya berada pada koordinat 7º 15 LS dan 7 º 30 LS serta 110 º 45 BT dan 111 º 10 BT.
Gambar 4.1 Peta Wilayah Administrasi Kabupaten Sragen
Batas batas wilayah Kabupaten Sragen adalah sebagai berikut : §
Sebelah Timur : Kabupaten Ngawi Propinsi Jawa Timur
§ Sebelah Barat
: Kabupaten Boyolali §
Sebelah Selatan : Kabupaten Karanganyar
§ Sebelah Utara
: Kabupaten Grobogan Keadaan Alam di Kabupaten Sragen mempunyai relief yang
beraneka ragam, ada daerah pegunungan kapur yang membentang dari
Kategori