BAB V HASIL DAN PEMBAHASAN
5.1. Tahap Evaluasi Model
5.1.1. Tahap Evaluasi Pemilihan Model
Estimasi model, untuk mengetahui pengaruh belanja pemerintah daerah per fungsi terhadap pertumbuhan ekonomi 22 kabupaten tertinggal dengan
analisis data panel, dilakukan melalui 3 pendekatan model estimasi, yaitu Pooled Least Square Model, Fixed Effect Model, dan Random Effect Model. Melalui
ketiga model tersebut, dapat diketahui besarnya pengaruh belanja pemerintah daerah per fungsi dan variabel lain di dalam model terhadap pertumbuhan
ekonomi 22 kabupaten tertinggal. Pada pengujian dengan menggunakan Chow dan Uji Hausman pada
Lampiran 2, diperoleh bahwa Random Effect Model merupakan pendekatan analisis regresi data panel yang terbaik. Kemudian dilakukan pengujian asumsi
klasik terhadap model estimasi data panel Random Effect Model pada Lampiran 3 agar dapat menghasilkan estimator yang memenuhi kriteria BLUE.
5.1.2. Pengujian Asumsi Klasik
5.1.2.1.Uji Multikolinearitas
Uji multikolinearitas dilakukan dengan melihat nilai perhitungan koefisien korelasi antar variabel independennya. Apabila nilai koefisien korelasinya lebih
rendah dari 0,80 maka dapat disimpulkan bahwa tidak terjadi multikolinearitas.
61
Hasil penghitungan nilai koefisien korelasi dengan menggunakan EViews 6.0 menghasilkan output sebagai berikut:
Tabel 5.1. Nilai Korelasi Antarvariabel Bebas dalam Pengujian Multikolonieritas
Korelasi a
b c
d e
f a
1 0.4975
0.6934 0.5606
0.2515 0.7832
b 0.4975
1 0.6355
0.5899 0.2203
0.5638 c
0.6934 0.6355
1 0.4513
0.3614 0.7396
d 0.5606
0.5899 0.4513
1 -0.1983
0.5055 e
0.2515 0.2203
0.3614 -0.1983
1 0.1766
f 0.7832
0.5638 0.7396
0.5055 0.1766
1
Keterangan: a. Ln variabel jumlah angkatan kerja b. Ln variabel belanja fungsi ekonomi
c. Ln variabel belanja fungsi kesehatan d. Ln variabel belanja fungsi lainnya
e. Ln variabel belanja fungsi pelayanan umum f. Ln variabel belanja fungsi pendidikan
Nilai koefisien korelasi antarvariabel bebas semuanya kurang dari 0,80. Hal ini dapat disimpulkan bahwa tidak terjadi multikolinearitas, sehingga kriteria bebas
multikolinearitas terpenuhi dalam model estimasi ini. 5.1.2.2.
Uji Autokolerasi
Uji autokorelasi dilakukan dengan uji Durbin-Watson. Nilai Tabel Durbin- Watson diperoleh dengan d
L
= 1,053 dan d
U
= 1,664, sehingga diperoleh selang pengambilan keputusan pada Gambar 5.1:
Dengan hipotesis H
: Tidak terdapat autokorelasi H
1
: Terdapat autokorelasi Karena diperoleh nilai Statistik Durbin-Watson sebesar 1,825976 berada dalam
selang d
U
d 4 – d
U
yaitu daerah non-autokorelasi, maka Ho tidak ditolak
62
sehingga dapat disimpulkan bahwa kriteria bebas autokorelasi terpenuhi dalam model estimasi ini.
ada autokorelasi
negatif tidak ada
keputusan ada
autokorelasi positif
tidak ada keputusan
tidak ada korelasi
dL dU
2 4-dU
4-dL 4
Sumber: Gujarati 2003 Gambar 5.1. Kriteria Pengujian Autokorelasi: Durbin Watson
5.1.2.3.
Uji Heteroskedatisitas
Uji heteroskedastisitas dilakukan dengan melakukan cross section weighting. Hasil cross section weighting menggunakan EViews 6.0 menghasilkan
output sebagai berikut: Tabel 5.2. Hasil Pengolahan dengan Weighting Random Effect Model untuk
Menguji Heteroskedastisitas
Weighted Statistics R-squared
0.313487 Mean dependent var 3.823423
Adjusted R-squared 0.243672 S.D. dependent var
1.312949 S.E. of regression
1.141834 Sum squared resid 76.92332
F-statistic 4.490259 Durbin-Watson stat
1.825976 ProbF-statistic
0.000826 Unweighted Statistics
R-squared 0.312583 Mean dependent var
5.658788 Sum squared resid
102.6067 Durbin-Watson stat 1.368918
63
Dengan melihat bahwa, nilai Sum squared residual Weighted Statistics yang lebih kecil dibandingkan nilai Sum squared residual Unweighted Statistisc
dan nilai R-squared Weighted Statistic yang lebih besar dibandingkan nilai R- squared Unweighted Statistic, maka dapat disimpulkan bahwa model estimasi
mengandung masalah heteroskedastisitas dimana varians tiap unsur error tidak konstan.
Menurut Winarno 2007, heteroskedastisitas dapat menyebabkan estimator tidak lagi BLUE karena tidak lagi mempunyai varians yang minimum,
perhitungan standar error tidak lagi dapat dipercaya kebenarannya karena estimasi regresi yang dihasilkan tidak efisien serta uji hipotesis yang didasarkan
pada uji F dan t tidak dapat dipercaya. Jika model mengalami masalah ini, dengan menggunakan metode cross-section weighting tersebut masalah sudah teratasi.
5.2. Tahap Pemilihan Model Terbaik
Kategori