4.6. Uji Penyimpangan Asumsi Klasik
4.6.1. Multikolinieritas
Uji multikolinieritas adalah bertujuan untuk mengetahui apakah terdapat korelasi yang cukup besar antar sesama variabel bebas X. Korelasi yang terlalu
tinggi antar sesama X akan berpengaruh pada menurunnya korelasi secara simultan terhadap variabel Y. Untuk mendeteksi terjadinya multikolinieritas digunakan uji
Klein yaitu dengan perbandingan nilai R
2
model, dengan nilai R
2
Tabel 4.8. Hasil Regresi Parsial untuk Uji Multikolinieritas
regresi dari masing- masing variabel independen.
Fungsi Nilai R
2
KMSK= Penduduk, Investasi, Inflasi, PDRB 0.605206
INVS = PDDK, INFL, PDRB 0.167067
INFL = PDRB, INVS, PDDK 0.158636
PDDK= Investasi, Inflasi, PDRB 0.503369
PDRB = INFL, INVS, PDDK 0.565455
Dari tabel di atas, terlihat bahwa nilai R
2
LINVES, LINF, LPDDK, LPDRB = 0.605206
lebih besar dibandingkan dengan nilai R
2
4.6.2. Uji Korelasi Serial Autokorelasi
masing-masing dalam regresi parsial di atas, sehingga dapat disimpulkan bahwa model tersebut tidak terdapat
multikolinieritas.
Untuk mendeteksi ada tidaknya korelasi serial dalam model penelitian ini dilakukan uji Lagrange Multiplier LM Test. Pemilihan LM Test untuk melakukan
uji autokorelasi karena lebih mudah diinterpretasikan bila dibandingkan dengan Uji
Universitas Sumatera Utara
Durbin-Watson dan dapat diterapkan dalam regresi yang menggunakan variabel lag. LM Test dilakukan dengan membandingkan nilai X
2 hitung
dengan X
2 tabel
1 Jika nilai X dengan
kriteria sebagai berikut:
2 hitung
X
2 tabel
2 Jika nilai X , maka hipotesis yang menyatakan tidak ada
autokorelasi dalam model empiris yang digunakan ditolak.
2 hitung
X
2 tabel
Berikut ini hasil estimasi dari LM Test: , maka hipotesis yang menyatakan tidak ada
autokorelasi dalam model empiris yang digunakan tidak dapat ditolak.
Tabel 4.9. Hasil Estimasi Uji Korelasi Serial
Breusch-Godfrey Serial Correlation LM Test: F-statistic
0.765991 Probability 0.484753
ObsR-squared 2.108428 Probability
0.348466
Sumber: Lampiran 4 Berdasarkan hasil LM Test di atas, besarnya nilai X
2 hitung
ObsR-squared adalah 2.10 X
2 tabel
sebesar 24,9 pada α = 5 persen, sementara itu nilai probability
sebesar 0.348466 0.05. Dengan demikian hipotesis nol H yang menyatakan tidak
ada autokorelasi dalam model empiris yang digunakan diterima. Hal ini berarti model yang diestimasi tidak mengandung korelasi parsial autokorelasi antar faktor
pengganggu error term.
Universitas Sumatera Utara
BAB V KESIMPULAN DAN SARAN
5.1. Kesimpulan
Berdasarkan pembahasan maka dapat ditarik beberapa kesimpulan sebagai berikut :
1. Investasi berpengaruh negatif signifikan terhadap jumlah penduduk miskin di Provinsi Sumatera Utara.
2. Inflasi berpengaruh positif signifikan terhadap jumlah penduduk miskin di Provinsi Sumatera Utara.
3. Jumlah penduduk berpengaruh positif signifikan terhadap jumlah penduduk miskin di Provinsi Sumatera Utara.
4. PDRB berpengaruh negatif signifikan terhadap jumlah penduduk miskin di Provinsi Sumatera Utara.
5.2.
Saran
Berdasarkan kesimpulan hasil penelitian, maka dapat dikemukakan beberapa saran sebagai berikut:
1. Peningkatan jumlah penduduk perlu dikendalikan dengan menjalankan kembali program KB, melaui penguatan tugas pokok dan fungsi lembaga teknis yang
menangani pengendalian ledakan penduduk melalui program Keluarga Berencana di setiap Pemerintah Daerah di seluruh Provinsi Sumatera Utara.
Universitas Sumatera Utara
Kategori