Alasan penggunaan Kabupaten Brebes sebagai bencmark adalah karena Kabupaten Brebes memiliki jumlah penduduk miskin yang paling tinggi.
Setelah memasukkan variable dummy wilayah ke dalam persamaan 3.2, maka model persamaan adalah sebagai berikut.
KM
it
= β + β
1
GRW
it
+ β
2
JP
it
+ β
3
5MH
it
+ β
4
DF
it
+ δ
1
D
1
+δ
2
D
2
+ δ
3
D
3
+ δ
4
D4 +
δ
5
D
5
+ δ
6
D
6
+ δ
7
D
7
+ δ
8
D
8
+ δ
9
D
9
+ δ
10
D
10
+ δ
11
D
11
+ δ
12
D
12
+ δ
13
D13 +
δ14 D14 + δ
15
D
15
+ δ
16
D
16
+ δ
17
D
17
+ δ
18
D
18
+ δ
19
D
19
+ δ
20
D
20
+ δ
21
D
21
+ δ
22
D
22
+ δ
23
D23 +
δ24 D
24
+ δ
25
D
25
+ δ
26
D
26
+ δ
27
D
27
+ δ
28
D
28
+ δ
29
D
29
+ δ
30
D
30
+ δ
31
D
31
+ δ
32
D
32
+ δ
33
D
33
+ δ3
4
D
34
+ε
it
…………………………………………………………………..…………3.3
3.4.3 Uji Asumsi Klasik
Persamaan yang diperoleh dari sebuah estimasi dapat dioperasikan secara statistik jika memenuhi asumsi klasik, yaitu memenuhi asumsi bebas
multikolinearitas, heteroskesidasitas, autokorelasi, serta disturbance term terdistribusi secara normal. Pengujian asumsi klasik ini dilakukan dengan bantuan software
eviews 6.
3.4.2.1 Uji Autokorelasi
Autokorelasi adalah keadaan dimana disturbance term pada periodeobservasi tertentu berkorelasi dengan disturbance term pada periodeobservasi lain yang
berurutan, dengan kata lain disturbance term tidak random Gujarati dalam Firmansyah, 2006
Salah satu cara yang digunakan untuk mendeteksi autokorelasi adalah dengan uji Breusch Godfrey Test BG test Gujarati 2003. Pengujian ini dilakukan dengan
meregresi variabel pengganggu ut dengan menggunakan model autoregressive dengan orde ρ sebagai berikut:
u
t
= ρ
1
u
t-1
+ ρ
2
u
t-2
+.......ρ
ρ
u
t- ρ
+ ε
t
..........................................................3.4 Dengan Ho adalah ρ1 = ρ2......ρ,ρ = 0, dimana koefisien autoregressive secara
keseluruhan sama dengan nol, menunjukkan tidak terdapat autokorelasi pada setiap orde. Secara manual jika n-pR
2
atau x
2
hitung lebih besar dari x
2
tabel, maka hipotesis nol yang menyatakan bahwa tidak ada autokorelasi dalam model ditolak
Firmansyah, 2006 3.4.2.2 Uji Heteroskedasitas
Salah satu uji penting dalam regresi linier klasik adalah bahwa gangguan yang muncul dalam regresi populasi adalah homoskedastis, yaitu semua gangguan
memiliki varians yang sama atau varians setiap gangguan yang dibatasi oleh nilai tertentu mengenai pada variabel-variabel independen berbentuk nilai konstan yang
sama dengan σ
2
. Dan jika suatu populasi yang dianalisis memiliki gangguan yang variansnya tidak sama maka mengindikasikan terjadinya kasus heteroskesidasitas.
Untuk mengetahui ada tidaknya heteroskesidasitas dapat digunakan uji white. Secara manual, uji ini dilakukan dengan meregresi residual kuadrat u
1 2
dengan variabel bebas. Dapatkan nilai R
2
untuk menghitung X
2
, dimana X
2
= nR
2
Firmansyah,
2006. Kriteria yang digunakan adalah apabila X
2
-hitung lebih kecil daripada X2- tabel, maka hipotesis alternatif adanya heteroskesidasitas dalam model ditolak.
3.4.2.3 Uji Multikolinieritas
Salah satu asumsi model regresi klasik adalah tidak terdapat multikolinearitas diantara variabel independen dalam model regresi. Menurut Gujarati 2003
multikolinearitas berarti adanya hubungan sempurna atau pasti antara beberapa variabel independen dalam model regresi.
Pengujian terhadap ada tidaknya multikolinearitas ini dilakukan dengan cara melihat koefisien korelasi antar variabel. Apabila tidak ada yang mendekati angka 1
maka dapat dikatakan tidak terdapat multikolinearitas sempurna.
3.4.2.4 Uji Normalitas
Regresi linier normal klasik mengasumsikan bahwa distribusi probabilitas dari gangguan µ1 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, 2003. Ada beberapa metode untuk mengetahui normal atau tidaknya distribusi
residual antara lain J-B Test dan metode grafik. Penelitian ini akan menggunakan metode J-B test, yang dilakukan dengan menghitung nilai skewness dan kurtosis,
apabila J-B hitung nilai X
2
chi-square tabel, maka nilai residual berdistribusi normal Firmansyah, 2006
