Deskripsi Tenaga Kerja Hasil Penelitian

dilihat dari nilai statistik ADF lebih besar dari nilai kritisinya. Selain itu jika dilihat dari prob yaitu sebesar 0.0003 dibawah 0.05 menunjukan adanya kointegrasi. Dengan demikian hasil uji stsioneritas terhadap residual semakin menguatkan bahwa diantara variabel – variabel yang digunakan terdapat kointegrasi. Uji kointegrasi dilakukan untuk memperoleh hubungan jangka panjang yang stabil antara variabel – variabel yang terintegrasi pada derajat yang sama. Uji kointegrasi Engle-Granger ini digunakan untuk mengestimasi hubungan jangka panjang antara PDB, utang luar negeri, tenaga kerja, dan ekspor sehingga didapatkan persamaan PDB dalam jangka panjang.

3. Regresi Jangka Panjang OLS

Model OLS dilakukan untuk mengetahui pengaruh variabel bebas terhadap variabel terikat dalam jangka panjang. Berikut hasil estimasi jangka panjang variabel utang luar negeri, tenaga kerja, dan ekspor terhadap Produk Domestik Bruto PDB. Tabel 5. Hasil estimasi OLS Variable Coefficient Std. Error t- Prob. C -103.8443 16.30976 -6.367005 0.0000 ULN 0.198817 0.066574 2.986405 0.0061 TK 6.055157 1.038348 5.831527 0.0000 EKS 0.277840 0.168858 1.645407 0.1119 Sumber: lampiran 4 Dari hasil estimasi tersebut, dalam jangka panjang probabilitas untuk variabel utang luar negeri sebesar 0,0061, tenaga kerja sebesar 0,0000 signifikan pada taraf error 5. Sedangkan probabilitas variabel ekspor sebesar 0,1119 tidak signifikan pada taraf error 10. Dari hasil estimasi tersebut dapat disimpulkan bahwa utang luar negeri berpengaruh positif dan signifikan terhadap PDB yang ditunjukan dengan nilai koefisien positif dan nilai probabilitas kurang dari 0,05, variabel tenaga kerja berpengaruh positif dan signififikan terhadap PDB yang ditunjukan dengan nilai koefisien positif dan nilai probabilitas kurang dari 0,05. Variabel ekspor berpengaruh positif dan tidak signifikan terhadap PDB yang ditunjukan dengan nilai koefisien positif dan dan nilai probabilitas lebih dari 0,05. Setelah sebelumnya melakukan uji prasyarat untuk menentukan model estimasi, diketahui bahwa data bersifat tidak stasioner pada tingkat level dan terjadi kointegrasi maka model sebaiknya menggunakan estimasi ECM.

4. Regresi Jangka PendekECM

ECM digunakan untuk mengetahui pengaruh variabel bebas terhadap variabel terikat dalam jangka pendek dan penyesuaiannya yang cepat untuk kembali ke keseimbangan jangka panjangnya terhadap data time series untuk variabel – variabel yang memiliki kointegrasi. Hasil uji prasyarat menunjukkan bahwa data tidak stasioner ditingkat level lihat di lampiran 2 dan terkointegrasi maka dilakukan estimasi ECM. Berikut tabel Hasil regresi model ECM. Tabel 6. Hasil Estimasi ECM Variable Coefficient Std. Error t-Statistic Prob. C 0.109320 0.023028 4.747193 0.0001 DULN 0.123754 0.052090 2.375800 0.0258 DTK 1.251624 0.796693 1.571025 0.1293 DEKS 0.135883 0.099422 1.366727 0.1844 RES-1 -0.385838 0.126562 -3.048615 0.0055 Sumber:lampiran 5