62
4.2.4 Perkembangan Kurs Valas
Berdasarkan tabel dibawah dapat diketahui bahwa pekembangan kurs valas selama 15 tahun 1994-2008 cenderung mengalami fluktuasi.
Perkembangan tertinggi selama periode penelitian adalah pada tahun 1997 sebesar 95,13 dengan nilai kurs valas sebesar Rp. 4.650,- per dollar yang
ditahun sebelumnya nilainya sebesar Rp 2.383,- per dollar. Sedangkan perkembangan terendah adalah pada tahun 2002 sebesar -14,04 .
Tabel.4. Perkembangan Kurs Valas Tahun 1994-2008
Tahun Kurs Valas
Rp Perkembangan
1994 2.200 -
1995 2.308
4,91 1996
2.383 3,25
1997 4.650 95,13
1998 8.025 72,58
1999 7.100
-11,53 2000 9.595
35,14 2001
10.400 8,39
2002 8.940 -14,04
2003 8.465
-5,31 2004
9.290 9,75
2005 9.830
5,81 2006 9.020
-8,24 2007
9.419 4,42
2008 11.092
17,76 Sumber : Badan Pusat Statistik Surabaya diolah
63
4.2.5 Perkembangan Penduduk Usia Produktif
Berdasarkan tabel dibawah dapat diketahui bahwa pekembangan Penduduk Usia Produktif selama 15 tahun 1994-2008 cenderung
mengalami fluktuasi. Perkembangan tertinggi selama periode penelitian adalah pada tahun 1995 sebesar 1,38 dengan Penduduk Usia Produktif
sebesar 61,70 yang ditahun sebelumnya nilainya sebesar 60,32 . Sedangkan
perkembangan terendah
adalah pada
tahun 2007
sebesar –1,66 .
Tabel.5. Perkembangan Penduduk Usia Produktif Tahun 1994-2008
Tahun Penduduk Usia
Produktif Persen
Perkembangan
1994 60,32 -
1995 61,70 1,38
1996 62,31 0,61
1997 63,44 1,13
1998 63,76 0,32
1999 64,61 0,85
2000 65,45 0,84
2001 64,83
-0,62 2002 65,60
0,77 2003 65,90
0,30 2004
65,68 -0,22
2005 66,00 0,32
2006 66,71 0,71
2007 65,05
-1,66 2008 65,15
0,10 Sumber : Badan Pusat Statistik Surabaya diolah
64
4.3. Analisis dan Pengujian Hipotesis 4.3.1. Pengujian Hasil Analisis Regresi Linier Berganda Sesuai Dengan
Asumsi Klasik Best Linear Unbiassed Estimator
Sebelum kita uji persamaan Regresi Linier Berganda sesuai dengan pengujian secara simultan maupun parsial, maka kita lihat
terlebih dahulu apakah Y =
4 4
3 3
2 2
1 1
X X
X X
yang
diasumsikan tidak terjadi pengaruh antar variabel bebas atau regresi bersifat BLUE Best Linear Unbiassed Estimator, artinya koefisien
regresi pada persamaan tersebut benar-benar linear tidak bias.
1. Pengujian Autokorelasi
Asumsi pertama dari regresi linier adalah ada atau tidaknya autokorelasi yang dilihat dari besarnya nilai Durbin
Watson. Dalam analisis nilai Durbin Watson adalah sebesar 2,382. Untuk mengetahui ada atau tidaknya gejala autokorelasi, maka
perlu dilihat tabel Durbin Watson. Jumlah variabel bebas adalah empat buah K=4 dan ,jumlah data adalah sebanyak 15 n=15
maka diperoleh D
L
= 0,688 dan D
U
= 1,977. Selanjutnya nilai tersebut diplotkan ke dalam kurva Durbin Watson.
65
Gambar 10 : Kurva Durbin Watson
Daerah Daerah Daerah Daerah Kritis Ketidak- Terima Ho Ketidak- Kritis
pastian pastian Tolak Tidak ada Tolak
Ho autokorelasi Ho
0 d
L
= 0,688 d
U
= 1,977 4-d
U
= 2,023 4-d
L
= 3,312 d
2,382
Sumber : Lampiran 2 dan Lampiran 8
Dari gambar diatas dapat dilihat bahwa nilai DW berada pada daerah ketidakpastian atau diantar nilai 4-d
U
dan 4-d
L
.
2. Pengujian Heterokedastisitas
Heterokedatisitas di identifikasikan dengan koefisien korelasi Rank Spearman Berdasarkan tabel dibawah, diperoleh tingkat signifikansi
koefisien korelasi Rank Spearman untuk semua variabel bebas terhadap residual lebih besar dari 0,05 5.
Tabel 6 : Hasil Pengujian Heterokedastisitas
Variabel Taraf Signifikasi
Dari Korelasi Rank Spearman
Taraf Uji
Kesimpulan
PDB X
1
0,594 0,05
Homoskedastisitas Tingkat Suku Bunga
Internasional X
2
0,791 0,05
Homoskedastisitas JUB X
3
0,576 0,05
Homoskedastisitas Penduduk Usia
ProduktifX
4
0,980 0,05
Homoskedastisitas
Sumber : Lampiran 2
66
Dari hasil pengujian heterokedastisitas diperoleh tingkat signifikansi dari korelasi Rank Spearman lebih besar dari taraf
level of signifikan yaitu 5 0,05.
3. Pengujian Multikolinieritas
Asumsi klasik ketiga dari regresi linier berganda adalah ada atau tidaknya multikolinearitas antara sesama variabel bebas yang ada
dalam model dengan kata lain tidak adanya hubungan sempurna antara variabel bebas yang ada dalam model.
Identifikasi secara
statistik atau tidaknya gejala multikolinier dapat dilakukan dengan menghitung Variance Inflation Factor
VIF, dengan rumus sebagai berikut : VIF =
toleransi 1
Rj 1
1
2
Algifari, 1997;79 VIF
menyatakan tingkat
pembengkakan varians. Apabila VIF lebih kecil dari 10 hal ini berarti tidak ada gejala
multikolinearitas. Untuk lebih jelasnya dapat dilihat pada tabel 7 berikut ini :
Tabel 7 : Uji Multikolinearitas Variabel Toleransi
VIF PDB X
1
0,360 2,779
Tingkat Suku Bunga Internasional X
2
0,659 1,518 JUB X
3
0,166 6,037
Penduduk Usia Produktif X
4
0,182 5,488
Sumber : Lampiran 2
67
Berdasarkan tabel uji multikolinearitas menunjukkan nilai VIF untuk PDB X
1
sebesar 2,779, nilai VIF untuk Tingkat Suku Bunga Internasional X
2
sebesar 1,518, nilai VIF untuk Kurs Valas X
3
sebesar 36,037 dan nilai VIF untuk Penduduk Usia Produktif X
4
sebesar 5,488. Hal ini berarti nilai VIF pada keempat variabel bebas X
1
, X
2
, X
3
dan X
4
lebih kecil dari 10, sehingga keempat variabel bebas tersebut pada penelitian ini tidak ada gejala
multikolinearitas.
4.3.2. Analisis Hasil Perhitungan Regresi Linier Berganda
Kategori