dan praktis. Saat ini pengguna telepon lebih banyak pada instansi – instansi pemerintahan dan perkantoran, serta warung – warung internet yang
menggunakan jasa satelit telepon sebagai penghubung jaringan internet. Telepon juga merupakan salah satu faktor pendukung dalam kegiatan ekonomi, karena
masih banyaknya jumlah pelanggan telepon yang tersisa, maka akan memberikan pengaruh positif terhadap pertumbuhan ekonomi Kota Sibolga.
4.2 Hasil Analisis dan Pembahasan
4.2.1 4.2.1.1
Hasil Uji Normalitas
Hasil Uji Asumsi Klasik
Uji normalitas digunakan untuk mengetahui apakah populasi data berdistribusi normal atau tidak.Uji normalitas bertujuan untuk menguji
apakah dalam model regresi tersebut, variabel dependen dan variabel independen keduanya mempunyai distribusi normal atau tidak.Dalam uji
normalitas, model regresi yang baik yaitu memiliki distribusi data normal atau setidaknya mendekati normal.Mendeteksi dengan melihat penyebaran
data titik pada sumbu diagonal dari grafik normal P-P Plot.Identifikasi ada atau tidaknya permasalahan normalitas dilakukan dengan melihat nilai
Jarque-Bera.Untuk mengetahui apakah data berdistribusi normal atau tidak, dapat dilihat pada nilai Jarque-Bera X
2
, maka data tersebut bersdistribusi normal.Ataupun jika nilai Jarque-Bera X
2
, maka data tersebut tidak terdistribusi normal.Setelah melakukan ujipengolahan data
1 2
3 4
5 6
-2000000 -1000000
1000000 Series: Residuals
Sample 1989 2013 Observations 25
Mean 8.27e-10
Median 27281.37
Maximum 1392497.
Minimum -2154376.
Std. Dev. 1031145.
Skewness -0.602375
Kurtosis 2.398271
Jarque-Bera 1.889065
Probability 0.388861
dengan menggunakan aplikasi Eviews, maka didapatlah hasil sebagai berikut :
Gambar 4.1 Hasil Uji Normalitas
Sumber: Eviews 5
Berdasarkan gambar di atas dapat dilihat nilai jarque-Bera adalah 1.889065. Nilai X
2
untuk data ini adalah 9,49. Berdasarkan nilai Jarque- Bera 1.889065 X
2
9,49, maka data tersebut dinyatakan terdistribusi normal sehingga bisa dilanjutkan ke pengujian selanjutnya.
4.2.1.2 Hasil Uji Multikolinearitas
Multikolinearitas adalah alat untuk mengetahui suatu kondisi, apakah terdapat korelasi variabel independen di antara satu sama lainnya.
Jika terjadi korelasi maka terdapat multikolinearitas dimana pada model regresi yang baik seharusnya tidak terjadi multikolinearitas.Keadaan ini
hanya terjadi pada regresi linear berganda karena jumlah variabel
bebasnya lebih dari satu. Apabila hubungan diantara variabel independen yang satu dengan yang lainnya di atas 0,99 maka dapat dipastikan adanya
multikolinearitas. Setelah melakukan uji pengolahan data dengan menggunakan aplikasi Eviews, maka didapatlah hasil sebagai berikut:
Tabel 4.6 Hasil Uji Multikolinieritas
PDRB JALAN
AIR LISTRIK
TELEPON PDRB
1.00 -0.464410459129938
0.93411572525043 0.673524770320353
0.217924776440195 JALAN
-0.464410459129938 1.00
-0.605102437598976 -0.384290548200551
-0.56549119082925 AIR
0.93411572525043 -0.605102437598976
1.00 0.666614126478183
0.384859617716043 LISTRIK
0.673524770320353 -0.384290548200551
0.666614126478183 1.00
-0.0595369677597371 TELEPON
0.217924776440195 -0.56549119082925
0.384859617716043 -0.0595369677597371
1.00 Sumber: Eviews 5
Dari tabel di atas dapat dilihat bahwa nilai korelasi antara variabel independen yaitu nilai korelasi jalan adalah -0.464410459129938, nilai
korelasi air adalah 0.93411572525043, nilai korelasi listrik adalah 0.673524770320353,dannilai korelasi telepon adalah 0.217924776440195.
Karena nilai korelasi menjauhi angka 1 0,99, maka tidak terdapat gejala multikolinieritas antara variabel independen sehingga bisa dilanjutkan ke
pengujian selanjutnya.
4.2.1.3 Hasil Uji Autokorelasi
Autokorelasi terjadi bila error term μ dari periode waktu yang berbeda observasi data cross section berkorelasi atau dapat juga
dikatakan adanya hubungankorelasi antara residual yang sekarang dengan
masa lalu.Pengujian autokorelasi dapat dilakukan dengan uji Lagrange Multiplier LM.Uji ini sangat berguna untuk mengidentifikasi masalah
autokorelasi tidak hanya pada derajat pertama tetapi bisa juga digunakan pada tingkat derajat.Dikatakan terjadi autokorelasi jika nilai X
2
Obs R- squared hitung X
2
tabel atau nilai probability derajat kepercayaan yang ditentukan.Setelah melakukan uji pengolahan data dengan
menggunakan aplikasi Eviews, maka didapatlah hasil sebagai berikut :
Tabel 4.7 Hasil Uji Autokorelasi
Breusch-Godfrey Serial Correlation LM Test: F-statistic
8.148125 Probability
0.286693 ObsR-squared
11.87903 Probability
0.176398 Sumber: Eviews 5
Berdasarkan hasil estimasi pada tabel diatas dapat dilihat nilai probability adalah 0.176398.Dengan nilai signifikan 5 yang berarti nilai
probability 0.176398 0,05. Hal ini menunjukkan bahwa hasil estimasi tersebut adalah tidak signifikan.Dengan demikian, menurut uji serial
korelasi LM test, bahwa tidak terdapat autokorelasi dalam estimasi sehingga dapat dilanjutkan ke pengujian selanjutnya.
4.2.1.4 Hasil Uji Heteroskedastisitas
Heteroskedastisitas merupakan kondisi dimana jika variabel random memiliki variansi yang berbeda.Sifat heteroskedastisitas dalam
OLS adalah mengakibatkan koefisien tidak lagi mempunyai variansi minimum meskipun koefisien masih bias dan linear.Uji ini bertujuan untuk
menguji apakah dalam model regresi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain.Identifikasi ada atau tidaknya
masalah heteroskedastisitas dilakukan melalui Uji White Heteroskedasticity test no cross term.Dikatakan terdapat masalah
heteroskedastisitas dari hasil estimasi jika X
2
Obs R-squared untuk uji White Heteroskedastisitas no cross term X
2
tabel atau nilai probability derajat kepercayaan yang telah ditentukan. Setelah melakukan uji
pengolahan data dengan menggunakan aplikasi Eviews, maka didapatlah hasil sebagai berikut :
Tabel 4.8 Hasil Uji Heteroskedastisitas
White Heteroskedasticity Test: F-statistic
0.872620 Probability
0.474193 ObsR-squared
7.594286 Probability
0.402942 Sumber: Eviews 5
Dari tabel 4.8 di atas dapat dilihat bahwa nilai probability untuk ObsR-squared adalah 7.594286
dengan alpha α 5.Karena nilai 7.594286
derajat kesalahan α = 5 0,05, maka tidak terdapat heteroskedastisitas sehingga dapat dilanjutkan ke pengujian selanjutnya.
4.2.2 4.2.2.1
Hasil Pengujian Secara Parsial Uji t
Hasil Uji Statistik
Uji t mudah digunakan karena menjelaskan perbedaan – perbedaan unit-unit pengukuran variabel-variabel dan deviasi standar dari koefisien –
koefisien yang diestimasi.Uji t bertujuan untuk mengetahui seberapa jauh pengaruh satu variabel bebas secara individual dalam menjelaskan variasi
variabel dependen.Jika nilai probability derajat kepercayaan yang ditentukan, maka suatu variabel independen secara individual
mempengaruhi variabel dependennya.Setelah melakukan uji pengolahan data dengan menggunakan aplikasi Eviews, maka didapatlah hasil uji t
statistikuntuk infrastruktur jalan Jalan, infrastruktur airair, infrastruktur listrik listrik, dan infrastruktur telepon telepon terhadap pertumbuhan
ekonomi Kota Sibolga tahun 1989 sampai tahun 2013 sebagai berikut :
Tabel 4.9 Hasil Uji t
Variabel Coefficient Regresi
Probability Jalan
2648076. 0.3665
Air 1.195.280
0.0000 Listrik
3.595.930 0.8670
Telepon -1.595.193
0.2301 Sumber: Eviews 5
A. Hasil Uji t Untuk Variabel Infrastruktur Jalan
Berdasarkan tabel 4.9dapat dilihat bahwa nilai probabilitas jalan sebesar0.3665.Karena nilai probabilitas jalan alpha
α = 5 , yang berarti bahwa variabel jalan tidak berpengaruh secara signifikan terhadap
pertumbuhan ekonomi.Nilai koefisien jalan sebesar 2648076, arah koefisien regresi untuk variabel jalan yaitu bernilai positif.Artinya variabel
yang bernilai positif itu mempunyai arti semakin rendah nilai dari variabel jalan maka akan diikuti dengan meningkatnya tingkat pertumbuhan
ekonomi.Begitu juga sebaliknya, semakin tinggi nilai variabel jalan maka akan semakin menurun pula tingkat pertumbuhan ekonomi.
B. Hasil Uji t Untuk Variabel Infrastruktur Air
Berdasarkan tabel 4.9dapat dilihat bahwa nilai probabilitas air sebesar0.0000. Karena nilai probabilitas air alpha
α = 5, yang berarti bahwa variabel air berpengaruh secara signifikan terhadap pertumbuhan
ekonomi. Nilai koefisien air sebesar 1.195.280, arah koefisien regresi untuk variabel air yaitu bernilai positif.Artinya variabel yang bernilai
positif itu mempunyai arti semakin rendah nilai dari variabel air maka akan diikuti dengan meningkatnya tingkat pertumbuhan ekonomi. Begitu
juga sebaliknya, semakin tinggi nilai variabel air maka akan semakin menurun pula tingkat pertumbuhan ekonomi.
C. Hasil Uji t Untuk Variabel Infrastruktur Listrik
Berdasarkan tabel 4.9dapat dilihat bahwa nilai probabilitas listrik sebesar0.8670. Karena nilai probabilitas listrik alpha
α = 5, yang berarti bahwa variabel listrik tidak berpengaruh secara signifikan terhadap
pertumbuhan ekonomi.Nilai koefisien listrik sebesar 3.595.930, arah koefisien regresi untuk variabel listrik yaitu bernilai positif.Artinya
variabel yang bernilai positif itu mempunyai arti semakin rendah nilai dari variabel listrik maka akan diikuti dengan meningkatnya tingkat
pertumbuhan ekonomi.Begitu juga sebaliknya, semakin tinggi nilai
variabel listrik maka akan semakin menurun pula tingkat pertumbuhan ekonomi.
D. Hasil Uji t Untuk Variabel Infrastruktur Telepon
Berdasarkan tabel 4.9dapat dilihat bahwa nilai probabilitas telepon sebesar0.2301. Karena nilai probabilitas telepon alpha
α = 5 , yang berarti bahwa variabel telepontidak berpengaruh secara signifikan
terhadap pertumbuhan ekonomi.Nilai koefisien telepon sebesar - 1.595.193, arah koefisien regresi untuk variabel telepon yaitu bernilai
negatif.Artinya variabel yang bernilai negatif itu mempunyai arti semakin tinggi nilai dari variabel telepon maka akan diikuti dengan menurunnya
tingkat pertumbuhan ekonomi.Begitu juga sebaliknya, semakin rendah nilai variabel telepon maka akan semakin meningkat pula tingkat
pertumbuhan ekonomi. Kondisi ini disebabkan oleh semakin menurunnya jumlah pelanggan telepon di Kota Sibolga, karena sebagian penduduk
Kota Sibolga telah beralih ke telepon genggam handphone, sehingga saat ini pelanggan telepon lebih banyak di instansi – instansi pemerintahan,
perkantoran, dan warung internet.
4.2.2.2 Hasil Pengujian Secara Simultan Uji F
Uji F-statistik ini dilakukan untuk melihat pengaruh variabel independent secara keseluruhan atau bersama-sama terhadap variabel
dependen dengan melihat tingkat signifikansi F pada α = 5. Pengujian ini dilakukan untuk membandingkan nilai F-hitung dengan F-
tabel.Pengujian ini dilakukan bertujuan untuk melihat apakah terdapat
pengaruuh yang signifikan antara variabel independen dengan variabel dependen secara serentak.Jika F-hitung F F-tabel, maka Ho ditolak,
yang artinya variabel independent secara bersama-sama mempengaruhi variabel dependent.Dalam penelitian ini pengujian secara serentak ingin
melihat apakah variabel jalan, air, listrik, dan telepon berpengaruh atau tidak berpengaruh terhadap pertumbuhan ekonomi yang diwakili oleh
variabel PDRB.Untuk melihat ada atau tidaknya pengaruh antara variabel bebas terhadap variabel terikat terlihat dari nilai signifikansinya.Apabila
nilai signifikansi alpha, maka terdapat pengaruh yang signifikan antara variabel bebas terhadap variabel terikat, yang berarti terdapat pengaruh
yang signifikan antara variabel jalan, air, listrik, dan telepon terhadap pertumbuhan ekonomi yang diwakili oleh variabel PDRB.Begitu pula
sebaliknya, jika nilai signifikansi alpha, maka tidak terdapat pengaruh yang signifikan antara variabel bebas terhadap variabel terikat.
Setelah dilakukan pengujian diperoleh nilai probabilitas sebesar 0.000000
. Karena nilai probabilitas alpha α = 5, yaitu 0.0000005 yang berarti bahwa terdapat hubungan yang signifikan
antara variabel independen jalan, air bersih, listrik, dan telepon terhadap variabel dependen pertumbuhan ekonomi yang diwakili oleh PDRB di
Kota Sibolga selama periode tahun 1989-2013.
4.2.2.3 Hasil Koefisien Determinasi R
2
Koefisien determinasi R-Square dilakukan untuk melihat seberapa besar kemampuan variabel independen secara bersama-sama
mampu memberi penjelasan terhadap variabel dependen.Dimana nilai R
2
Hasil pengujian data menunjukkan bahwa R
2
yang diperoleh dari hasil estimasi sebesar 0.900361.Maka besarnya pengaruh total variabel
bebas pada variabel terikat sekitar90 dan sisanya sebesar 10 dipengaruhi oleh variabel lain di luar penelitian.
berkisar antara 0 sampai 1 0R
2
1.Nilai koefisisen determinasi adalah nol dan satu, nilai R
2
yang kecil berarti kemampuan variabel-variabel independennya dalam menjelaskan variasi variabel sangat terbatas dan
nilai yang semakin mendekati satu, maka model tersebut dapat dikatakan semakin baik untuk memprediksi variasi variabel dependennya.
BAB V
KESIMPULAN DAN SARAN
5.1 Kesimpulan