82
model yang lebih baik jika dibandingkan dengan Pooled Least square PLS ataupun random effects model REM.
Untuk model dalam penelitian ini, pengujian berbagai asumsi dasar dilakukan terhadap metode FEM sebagai model terpilih dilakukan untuk
memperoleh hasil estimasi yang BLUE best linear unbiased estimator, khususnya uji autokorelasi dan uji homoskedastisitas. Berdasarkan hasil uji
Durbin-Watson DW diperoleh nilai DW sebesar 2,22 yang artinya tidak terjadi autokorelasi pada model. Sedangkan berdasarkan hasil uji kolinieritas diperoleh
nilai korelasi kurang dari 0,8, yang menyatakan bahwa tidak ada kolinieritas antar variabel yang digunakan dalam penelitian.
Sementara itu, dengan jumlah kuadrat residual sum square residual pada weighted statistics
lebih kecil daripada unweighted statistics maka terdapat pelanggaran
asumsi homoskedastisitas
pada model.
Permasalahan heteroskedastisitas dan autokorelasi pada model akan mempengaruhi perkiraan
nilai parameter. Hal ini disebabkan model tidak akan memenuhi sifat BLUE. Oleh karena itu, agar nilai parameter dari model terpilih memenuhi sifat BLUE, maka
dilakukan modifikasi model dengan menggunakan pendekatan Generalized Least Square
Greene, 2002. Berdasarkan model modifikasi ini berarti telah dilakukan koreksiatas permasalahan heteroskedastisitas, contemporaneously correlated
acrosspanel , and first order autokorelasi.
5.2 Faktor yang Memengaruhi Indeks Pembangunan Manusia
Hasil estimasi regresi data panel dalam Tabel 5.1 sebagian besar faktor yang digunakan berpengaruh nyata terhadap indeks pembangunan manusia. Tanda
koefisien parameter menunjukkan bahwa besarnya PDRB per kapita, jumlah penduduk miskin, pengeluaran pemerintah bidang pendidikan,pengeluaran
pemerintah bidang kesehatan, rasio tenaga pendidikan tingkat SD, Rasio tenaga kesehatan dan infrastruktur jalan berpengaruh nyata terhadap indeks
pembangunan manusia, sedangkan rasio tenaga pendidikan tingkat SMP dan tingkat pengangguran terbuka tidak memiliki pengaruh yang nyata terhadap
Indeks Pembangunan Manusia IPM.
83
Tabel 5.1 Hasil regeresi data panel faktor-faktor yang mempengaruhi indeks pembangunan manusia di perbatasan darat Indonesia
Variabel Persamaan
Koefisien P-Value
PDRB Per kapita INC 0,663025
0,0948 Miskin POV
-0,151002 0,0000
Pengeluaran Pem.Bid. Pendidikan GOVE 0,148092
0.0709 Pengeluaran Pem. Bid. Kesehatan GOVH
-0,481910 0,0819
Rasio Tenaga Pendidikan SDEDU1 -0.010218
0.1062 Rasio Tenaga Pendidikan SMPEDU2
0.008780 0.3846
Rasio Tenaga KesehatanHLTH -0,031948
0,1866 JalanINF
3,058979 0,0001
Tingkat Pengangguran Terbuka TPT 0,048611
0,2306 F- Test
1299,553 0,000
R-Square 0,99944
Hausman Test 19,86
0,018 Ket.: signifikan pada α = 10
Berdasarkan hasil regresi data panel, terlihat bahwa FEM lebih baik dibandingkan REM. Hal ini tercermin dari statistik uji Hausman 19,86 yang
signifikan pada taraf uji 10 persen dengan p-value 0,018, artinya punya cukup bukti untuk menolak hipotesis tidak adanya korelasi antara peubah penjelas
dengan komponen error. Uji model FEM secara keseluruhan valid dalam taraf uji 10 persen yang ditunjukkan dengan nilai statistik uji F 1299,553 dan p-value
0,000. Nilai R
2
bernilai 0,9979 yang berarti keragaman tingkat indeks pembangunan manusia dapat dijelaskan oleh PDRB perkapita, kemiskinan,
pelayan pendidikan, pelayan kesehatan, pengeluaran pemerintah bidang pendidikan dan kesehatan serta sarana infrastruktur jalan sebesar 99,79 persen,
sedangkan sisanya 0,21 persen dipengaruhi oleh faktor-faktor lain diluar model. Pada penelitian ini model yang digunakan adalah model FEM dengan
pembobotan pada cross section Panel EGLS Cross-section weights. Hal ini dilakukan untuk mengurangi heteroskedastis antar unit cross section. Dari hasil uji
signifikansi model terlihat bahwa variabel-variabel input secara bersama-sama berpengaruh terhadap indeks pembangunan manusia. Walaupun tidak semua
faktor berpengaruh secara signifikan terhadap IPM, akan tetapi tanda pada koefisien dapat menunjukkan arah hubungannya terhadap IPM.
