commit to user
64
Di bawah ini disajikan data mengenai perkembangan GDP RRC selama tahun 1999-2009, dengan menggunakan tahun dasar 2000 yang
tercantum dalam tabel 4.7 berikut : Tabel 4.7
Perkembangan Gross Domestic Bruto GDP Republik Rakyat China Tahun 1999-2008
Tahun GDP Riil
Milyar US Persentase
Pertumbuhan 1999
1083,278 -
2000 1198,48
9.61 2001
1324,805 9.54
2002 1453,828
8.87 2003
1640,959 11.40
2004 1931,64
15.05 2005
2235,914 13.61
2006 2657,881
15.88 2007
3382,262 21.42
2008 4326,996
21.83 2009
4909,28 11.86
Sumber : tradingeconomics.com, The World Bank Group, 2010
F. Hasil dan Analisa Data
1. Pemilihan Model Regresi
Mengingat pentingnya spesifikasi model untuk menentukan bentuk suatu fungsi suatu model empirik dinyatakan dalam bentuk linier ataukah
nonlinier dalam suatu penelitian, maka dalam penelitian ini juga dilakukan uji tersebut. Dalam penelitian kali ini, peneliti akan menggunakan uji
MacKinnon, White, Davidson MWD test.
commit to user
65
Hasil uji MWD dapat dilihat dari tabel berikut : Tabel 4.8
Hasil Uji MWD Variabel
Nilai statistik t Nilai tabel t
α=5 Probability
Z1 -0.727865
1.943 0.4993
Z2 -0.496968
1.943 0.6403
Sumber : data primer diolah lampiran Berdasarkan uji MWD di atas, dengan melihat tingkat signifikansi dari
variabel Z1 dan Z2 yang sama-sama tidak signifikan. Dengan derajat kepercayaan 95 α = 5, maka dapat disimpulkan bahwa kedua bentuk
fungsi model baik linier maupun log linier bisa atau layak digunakan. Untuk melihat model yang paling baik untuk penelitian ini, dapat
dilihat dari nilai koefisien determinasi R
2
dari kedua model. Karena dengan nilai R
2
dapat dilihat bentuk fungsi model yang paling menjelaskan variabel dependen, semakin besar R
2
semakin besar pengaruh model dalam menjelaskan variabel dependen.
Tabel 4.9 Nilai R
2
kedua bentuk fungsi model
Sumber : data primer olahan lampiran Model
koefisien determinasi R
2
Linier 0.933386
Log Linier 0.896481
commit to user
66
Hasil regresi kedua bentuk fungsi model menunjukkan model linier memiliki nilai R
2
lebih besar dibandingkan model log linier, ini menunjukkan model linier lebih baik dalam menjelaskan variabel dependen.
2. Hasil Regresi
Sesuai dengan hasil Uji MWD diatas maka penelitian ini dapat menggunakan kedua bentuk fungsi model baik linier maupun log linier.
Analisis hasil regresi ini menggunakan alat bantu yaitu program komputer Eviews
. Dari hasil regresi kedua model, model Analisis Regresi Linier Berganda memiliki nilai R
2
lebih besar dibandingkan Analisis Regresi Log Linier Berganda, maka dalam penelitian menggunakan Analisis Regresi Linier
Berganda. Hasil Regresi Linier Berganda yang didapat adalah sebagai berikut :
Tabel 4.10 Hasil Regresi Linear
Variabel Koefisien
Standar eror
t -statistik Probabilitas
C -37998.86
186637.3 -0.203597
0.8454 HKA
-113.3744 46.06550
-2.461157 0.0490
HKS -1.238360
1.458417 -0.849112
0.4284 NT
76.15985 199.2570
0.382219 0.7155
GDPriil 126.5526
28.21354 4.485529
0.0042 Sumber : data primer diolah
Dari hasil olahan tersebut apabila dimasukkan dalam persamaan regresi akan terlihat sebagai berikut :
commit to user
67
Volume=-37998.86-113,3744HKA-1,238360HKS+76,15985NT+ 126,5526GDPriil
Dari persamaan tersebut dapat dilihat bahwa jika semua variabel independen sama dengan nol maka besarnya Volume adalah -37998.86. Dan
jika HKA meningkat 1 satuan maka Volume akan turun 113,3744 atuan , jika HKS meningkat 1 satuan maka Volume akan turun sebesar 1,23836 satuan.
Jika NT mengalami kenaikan sebesar 1 satuan maka Volume juga akan naik sebesar 76,15985 satuan. Jika GDPriil mengalami kenaikan sebesar 1 satuan
maka Volume juga akan naik sebesar 126,5526 satuan.
G. Analisis Statistik