Dari hal ini dapat disimpulkan bahwa kegiatan industri telah berkembang dan telah menggantikan posisi sektor pertanian yang sebelumnya menjadi sektor primer.
Pada sektor perhubungan, rasio jumlah kendaraan terhadap panjang jalan lebih tinggi. Hal ini mencerminkan bahwa bertambahnya jumlah kendaraan lebih cepat dari perkembangan
jalan. Lalu lintas angkatan laut penumpang dan barang antarnegara mengalami peningkatan. Sama halnya dengan angkutan laut antarpulau di pelabuhan yang diusahakan juga menunjukkan
perkembangan. Angkutan udara penumpang dan barang internasional dan domestik mengalami peningkatan. Sektor perbankan menunjukkan kinerja yang menggembirakan yang
tercermin dari meningkatnya dana yang dihimpun dan juga kredit yang disalurkan oleh bank pemerintah maupun bank swasta nasional. Membaiknya sektor ini memberikan peluang dan
harapan pada sector riil untuk mengembangkan usahanya.
5.1.2. Pengujian Hipotesis
5.1.2.1. Pengujian hipotesis dengan analisis faktor
Pengujian hipotesis dilakukan dengan menggunakan analisis faktor dan analisis regresi berganda. Ringkasan hasil pengujian hipotesis dengan menggunakan analisis faktor dapat dilihat
pada Tabel berikut ini.
Tabel 5.1. Uji Kecukupan Data KMO and Bartletts Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. .601
Bartletts Test of Sphericity Approx. Chi-Square 65.244
Df 21
Sig. .000
Universitas Sumatera Utara
Dari hasil uji KMO Kaiser Meyer – Olkins diperoleh nilai Kaiser Meyer – Olkins Measure of Sampling Adequacy pada kotak sebesar 0.601 diatas 0,5. Disamping itu dilihat dari
nilai Barlett’s Test menunjukkan nilai 65,244 dengan nilai signifikansi 0,000, sehingga dapat disimpulkan bahwa data variabel dan sampel sudah dapat dianalisis lebih lanjut.
Tabel. 5.2. Hasil Korelasi Faktor Anti-image Matrices
PAD DAU DAK BHP ID
BP BM
Anti-image Covariance
PAD .813 -.119
-.154 .050 -.014 .048 .109
DAU -.119 .571
-.259 .167 .017 -.215 .106
DAK -.154 -.259
.675 .063 .015 .131 -.022
DBH .050 .167
.063 .729 -.211 .049 .246
ID -.014 .017
.015 -.211 .833 .003 -.257
BP .048 -.215
.131 .049 .003 .879 .033
BM .109 .106
-.022 .246 -.257 .033 .806
Anti-image Correlation
PAD .764
a
-.175 -.208 .064 -.017
.057 .134 DAU
-.175 .635
a
-.417 .259 .024 -.304 .156
DAK -.208 -.417
.656
a
.090 .019 .170 -.030
DBH .064 .259
.090 .584
a
-.271 .061 .321
ID -.017 .024
.019 -.271 .546
a
.003 -.314 BP
.057 -.304 .170 .061 .003
.469
a
.039 BM
.134 .156 -.030 .321 -.314
.039 .398
a
a. Measures of Sampling AdequacyMSA
Universitas Sumatera Utara
Hasil korelasi dari masing-masing factor tersebut juga tergolong bervariasi, ada yang berada di atas 0,5 dan ada dua factor yang berada di bawah 0,5. Hasil pengujian analisis
diketahui bahwa nilai korelasi masing-masing factor yaitu: Pendapatan Asli Daerah PAD sebesar 0,764, Dana Alokasi Umum DAU sebesar 0,635, Dana ALokasi Khusus DAK
sebesar 0,656, Dana Bagi Hasil DBH sebesar 0,585, Investasi Daerah sebesar 0,546, Belanja Pegawai BP sebesar 0,469, dan Belanja Modal BM sebesar 0,398. Sehingga berdasarkan
hasil pengujian validitas factor dapat disimpulkan bahwa ada 5 faktor yaitu Pendapatan Asli Daerah PAD, Dana Alokasi Umum DAU, Dana Alokasi Khusus DAK, Dana Bagi Hasil
DBH dan Investasi Daerah adalah valid sebagai factor pembentuk Pertumbuhan Ekonomi. Sedangkan factor Belanja Pegawai dan Belanja Modal bukan merupakan factor pembentuk
Pertumbuhan Ekonomi.
5.1.2.2. Analisis Pengujian Hipotesis dengan pooled lease squared
Hasil pertumbuhan ekonomi 22 kabupaten dan kota di Sumatera Utara untuk data panel dengan menggunakan metode OLS terbukti tidak konsisten dan efisien, maka langkah
selanjutnya adalah menganalisis dan mengestimasi dengan metode Pooled Least Squares PLS seperti yang disarankan oleh Gujarati 2003.
Tabel 5.3 Hasil Estimasi PLS FEM dan REM Variabel Terikat : Pertumbuhan ekonomi Untuk Periode 2005-2008
Variabel Bebas Fixed Effect
Random Effect Konstanta
Pad 0.174656
0.263345 Dau
0.250603 0.2520746
Universitas Sumatera Utara
Dak 0.182790
0.192870 Dbh
0.256032 0.258073
Id 0.182795
0.192876
2
R
0.317887 0.785842
Durbin-Watson 0.888091
1.037185 Sumber: Data diolah
Berdasarkan hasil estimasi dengan metode PLS di atas, random effect model REM menunjukkan hasil yang lebih baik dibandingkan dengan fixed effect model FEM. Hal
ini bisa dilihat dari nilai koefisien regresi dari masing –masing variabel bebasnya dan secara statistik berpengaruh signifikan terhadap pertumbuhan ekonomi 22 kabupaten dan kota di
Sumatera Utara. Di samping itu, nilai R – square
2
R
dan nilai Durbin - Watsonnya yang lebih baik pada random effect model REM dibandingkan nilai fixed effect model FEM.
Setelah dilakukan analisis untuk kedua model tersebut, maka untuk memilih model yang terbaik dari kedua model tersebut dapat dilakukan dengan uji Hausman. Untuk penelitian
ini, uji Hausman diestimasi dengan program E-views 5.0 dan akan diperoleh nilai Chi – squarenya. Kesimpulan dari uji Hausman adalah apabila null hyphotesis
H
diterima, maka model yang digunakan adalah random effect model REM dan sebaliknya apabila null
hyphotesis ditolak maka model yang digunakan adalah fixed effect model FEM .
5.1.2.3 Uji Hausman
Uji ini dilakukan untuk menentukan model mana yang terbaik antara fixed effect model atau random effect model dalam metode Generalized Least Square GLS. Berdasarkan hasil uji
Hausman ini, diperoleh nilai chi – square pada tabel 5.4.2 berikut ini:
Universitas Sumatera Utara
Tabel 5.4. Hasil Uji Hausman untuk model FEM dan REM
Chi-sqr Stat =
0.777857 Chi-sqr d.f
= 5
Prob =
0.8548 Sumber: Data diolah
Dari hasil estimasi uji Hausman tersebut diperoleh bahwa nilai Chi – square statistiknya tidak signifikan pada α = 1. 5 dan 10 . Berdasarkan beberapa hasil pengujian dalam
menentukan model dengan metode Random Effect Model adalah model yang paling representatif.
5.1.2.4 Random Effect Model REM Sebagaimana hasil analisa sebelumnya, dari hasil uji Hausmann diperoleh model terbaik
untuk penelitian ini adalah model Random Effect Model. Berdasarkan hasil estimasi dengan mengunakan random effect model REM memperlihatkan bahwa nilai koefisien determinasi
2
R
sebesar 0.785842 , yang berarti secara keseluruhan variable bebas yang ada dalam model persamaan tersebut mampu menjelaskan variasi pertumbuhan ekonomi sebesar 78,58 dan
sisanya dijelaskan oleh variable lain yang tidak terdapat dalam persamaan tersebut.
Tabel 5.4.3. Hasil Estimasi Random Effect Model REM Y
= 0.687890 + 0.578890 X
1
+ 0.524690X
2
+ 0.510876 X
3
+ 0.478907 X
4
+ 0.457085 X
5 2
R
= 0.785842 DW-Stat =1.037185
Sumber: Data diolah
Cat : Angka dalam kurung adalah nilai t-Statistik.
Universitas Sumatera Utara
5.1.3. Hasil Persamaan Regresi