bahan baku dalam negeri sehingga industri ini tahan terhadap krisis dan pada akhirnya akan menciptakan kesempatan kerja yang lebih luas.
4.4 Analisis Faktor-faktor yang Memengaruhi Penyerapan Tenaga Kerja
Sektor Industri
Variabel bebas yang digunakan dalam penelitian ini yaitu upah minimum provinsi riil UMP_RIIL, PDRB sektor industri PDRB_IND, proporsi investasi
asing sektor industri terhadap total investasi asing PMA_IND, proporsi investasi dalam negeri sektor industri terhadap total investasi dalam negeri PMDN_IND.
Penyusunan model data panel dilakukan dalam tiga tahap. Pertama, membandingkan pooled model dengan fixed effects model menggunakan uji
Chow. Kedua membandingkan fixed effects model dengan random effects model menggunakan uji Hausman. Ketiga, membuat estimasi model atau persamaan
dengan menentukan koefisien masing-masing variabel bebas. Software yang dipergunakan dalam pengolahan data penelitian adalah Eviews 6.0.
4.4.1 Pemilihan Model Terbaik
Hasil Uji Chow menunjukkan probability 0,0009 maka fixed effects model lebih sesuai digunakan dibandingkan pooled model. Hasil Uji Hausman
menunjukkan nilai p-value sebesar 0,0000 maka fixed effects model lebih sesuai digunakan dibandingkan random effects model.
4.4.2 Uji Asumsi Klasik
1.
Uji Normalitas
Uji normalitas dimaksudkan untuk mengetahui apakah data residual yang diteliti berdistribusi normal atau tidak. Dengan asumsi kenormalan ini, maka akan
didapatkan koefisien regresi yang bersifat linier tak bias terbaik BLUE. Asumsi normalitas ini diperlukan dalam penelitian yang mempunyai tujuan untuk
penaksiran dan pengujian hipotesis. Berdasarkan hasil Jarque-Bera test diperoleh nilai Probability P-Value sebesar 0,067 pada Lampiran 2. Nilai Probability P-
Value 0,05 maka H
diterima sehingga dengan demikian dapat disimpulkan bahwa data residual yang diteliti berdistribusi normal.
2.
Uji Multikolinearitas
Salah satu asumsi dasar model regresi adalah tidak ada hubungan linear antara variabel-variabel bebas dalam model. Untuk mengetahui ada tidaknya
multikolinieritas antar variabel bebas salah satu caranya adalah dengan melihat nilai Correlation Matrix antar variabel bebas. Berdasarkan hasil analisis yang
dapat dilihat pada Tabel 6, diperoleh nilai Correlation Matrix antar masing- masing variabel bebas sebesar kurang dari 0,8. Sehingga dengan demikian dapat
disimpulkan bahwa antar variabel bebas yang diteliti tidak terjadi multikolinearitas.
Tabel 8. Hasil uji multikolinearitas
Variabel PDRB_IND
PMA_IND UMP_RIIL
PMDN_IND PDRB_IND
1 0,53
0,02 0,25
PMA_IND 0,53
1 -0,58
0,64 UMP_RIIL
0,02 -0,58
1 -0,53
PMDN_IND 0,25
0,64 -0,53
1
Sumber: Hasil Pengolahan Eviews 6.0
3. Uji Heteroskedastisitas
Asumsi heteroskedastisitas adalah asumsi dalam regresi dimana varians dari residual tidak sama untuk pengamatan satu ke pengamatan yang lain.
Heteroskedastisitas dapat dilihat dengan membandingkan nilai sum squared resid pada weighted statistics dan unweight statistics. Nilai sum squared resid pada
weighted statistics yang lebih kecil dari sum squared resid pada unweighted
statistics maka terjadi heteroskedastisitas. Pada paket program Eviews 6.0,
terdapat opsi yang memungkinkan untuk menghasilkan penduga yang dapat mengatasi masalah heteroskedastisity dalam data yaitu dengan white
heteroskedastisity . Dengan menggunakan metode estimasi ini, hasil estimasi yang
didapat sudah terlepas dari masalah heteroskedastisity. 4.
Uji Autokorelasi
Asumsi yang terakhir adalah tidak adanya korelasi antar error yang dihasilkan. Cara mendeteksi Autocorelation adalah dengan uji Durbin Watson.
Hasil Uji Durbin Watson dilakukan melalui program Eviews 6.0 dan menghasilkan nilai statistik Durbin Watson sebesar 1,96. Jika nilai berada antara
1,727 dan 2,273 maka data tersebut dinyatakan tidak ada korelasi antar error yang dihasilkan. Dengan demikian secara statistik, secara statistik dapat dinyatakan
bahwa tidak ada pelanggaran asumsi autokorelasi.
4.4.3 Uji Statistik
