4.4 Evaluasi Model
Dari hasil pengolahan data dengan menggunakan model pooled least square
, di dapat hasil variabel bebas yang signifikan terhadap variabel terikat tingkat kemiskinan di NTT pada taraf nyata sepuluh persen antara lain
pertumbuhan ekonomi PE, jumlah penduduk yang lulus SMP SMP, jumlah penduduk Ln JP, dan angka harapan hidup Ln AH sedangkan pengangguran
Ln PG tidak signifikan pada taraf nyata sepuluh persen terhadap tingkat kemiskinan di NTT. Hasil estimasi tersebut dapat disajikan melalui tabel berikut.
Dari tabel 4.12 menunjukan bahwa variabel Jumlah penduduk dan pengangguran memiliki nilai koefisien positif. Artinya jika terjadi peningkatan
jumlah penduduk dan pengangguran maka tingkat kemiskinan di provinsi NTT akan meningkat. Sebaliknya, variabel pertumbuhan ekonomi, jumlah penduduk
yang lulus SMP dan angka harapan hidup memiliki nilai koefisien negatif. Artinya, jika terjadi peningkatan pertumbuhan ekonomi, jumlah penduduk yang
lulus SMP dan angka harapan hidup maka akan menurunkan tingkat kemiskinan di NTT.
Tabel 4.12 Hasil Estimasi Melalui Model Pooled Least Square
Variabel Koefisien
Std. Error t- Statistik
Probabilitas Pertumbuhan Ekonomi PE
-0,038586 0,023242
-1,667457 0,0986
Penduduk Berumur 10 Tahun keatas yang Lulus SMP SMP
-0,020604 -2,240754
-2,240754 0,0273
Tingkat Pengangguran Terbuka PG 0,013440
0,010737 1,251788
0,2136 Jumlah Penduduk LnJP
0,937764 0,042091
22,27941 0,0000
Angka Harapan Hidup AHH -0,079170
0,009513 -8,322369
0,0000
Keterangan : signifikan pada taraf nyata 10 persen
Pengujian terhadap pengaruh semua variabel independen di dalam model dapat dilakukan dengan Uji F. Uji F digunakan untuk melakukan uji hipotesis
koefisien slope regresi secara bersamaan. Jika nilai probabilitas F-statistik lebih kecil dari taraf nyata, maka berarti minimal ada satu variabel bebas yang
berpengaruh nyata terhadap peubah dependen terikat. Dari model pooled least square, terlihat bahwa nilai probabilitas F-statistik bernilai 0,000000 yang berarti
minimal ada satu variabel bebas dalam model yang mempengaruhi tingkat kemiskinan di Provinsi NTT.
Koefisien determinasi goodness of fit merupakan suatu ukuran yang penting karena menggambarkan baik atau tidaknya model regresi yang diestimasi.
Nilai R
2
mencerminkan seberapa besar variasi dari variabel terikat dapat dijelaskan oleh variabel bebas. Semakin tinggi nilai R
2
maka semakin baik kemampuan variabel bebas dalam menjelaskan variabel terikatnya.
Dari hasil estimasi diperoleh nilai R
2
sebesar 0,869009. Artinya model mampu menjelaskan keragaman tingkat kemiskinan di NTT sebesar 86,90 persen,
sedangkan sisanya dijelaskan oleh variabel lain diluar model. Salah satu asumsi dalam model regresi adalah distribusi probabilitas gannguan
ยต i
memiliki rata-rata yang diharapkan sama dengan nol. Uji normalitas dilakukan untuk memeriksa
apakah error term mendekati distribusi normal atau tidak. Uji normalitas error term dapat dilakukan dengan menggunakan uji Jarque Bera. Berdasarkan hasil uji
J-B Test dapat dilihat pada gambar 4.2 Didapatkan nilai probabilitas Jarque Bera lebih besar dari taraf nyata 5 persen yaitu sebesar 0,065509. Hal ini berarti error
term terdistribusi dengan normal
Gambar 4.2 Uji Kenormalan.
4.5 Interpretasi Model