commit to user 68
Hasil perhitungan yang didapat F hitung = 170,5396, sedangkan F tabel = 2,2811
α = 0,05 ; 5 ; 134, sehingga F-hitung F-tabel 170,5396 2,2811. Perbandingan antara F-hitung dengan F-tabel yang
menunjukkan bahwa F-hitung F-tabel, maka Ho ditolak dan Ha diterima. Hal ini menandakan bahwa variabel Industrialisasi Ind, variable
Pertumbuhan Penduduk PP, dan variable dummy waktu Dm, variabel industrialisasi yang berinteraksi dengan waktu IndD, variabel
pertumbuhan penduduk yang berinteraksi dengan waktu PPD secara bersama-sama berpengaruh signifikan terhadap Tingkat Urbanisasi Urb
di Jawa Tengah. c. Koefisien Determinasi R
2
Goodness Of Fit Uji Goodness Of Fit dilakukan untuk mengetahui seberapa jauh
kemampuan model dalam menerangkan variasi variable terikat dependen. Berdasarkan hasil estimasi didapat nilai koefisien determinasi
R
2
sebesar 0,985187 yang menunjukkan bahwa variable independen yaitu Industrialisasi Ind, Pertumbuhan Penduduk PP, dan variable dummy
waktu Dm berpengaruh terhadap variable dependen yaitu Tingkat Urbanisasi sebesar 98,52 dan sisanya 1,38 dipengaruhi oleh variable
lain diluar model.
3. Uji Asumsi Klasik
a. Uji Multikolinearitas Multikolinieritas adalah hubungan yang terjadi diantara variabel-
variabel independen atau variabel independen yang satu fungsi dari
commit to user 69
variabel independen yang lain. Pengujian terhadap gejala multikolinieritas dapat dilakukan dengan membandingkan koefisien determinasi parsial r
2
dengan koefisien determinasi majemuk R
2
, jika r
2
lebih kecil dari R
2
maka tidak ada multikolinieritas. Biasanya multikolinearitas terjadi pada estimasi yang menggunakan
data runtut waktu, sehingga dengan mengkombinasikan data yang ada dengan data lintas sektoral mengakibatkan masalah multikolinearitas
secara teknis dapat dikurangi. Penelitian ini menggunakan data panel, jadi sebenarnya secara teknis sudaha dapat dikatakan masalah multikolinearitas
sudah tidak ada. Hal ini juga diperkuat dengan hasil uji Kleins.
Tabel 4. 9 Hasil Uji Kleins Multikolinearitas
Variabel r
2
R
2
keterangan Ind dengan PP, Dm,
IndD, PPD 0.912758
0,985187 Tidak ada multikolinearitas
PP dengan Ind, Dm, IndD, PPD
0.314733 0,985187
Tidak ada multikolinearitas Dm dengan Ind, PP,
IndD, PPD 0.804947
0,985187 Tidak ada multikolinearitas
IndD dengan Ind, PP, Dm, PPD
0.855791 0,985187
Tidak ada multikolinearitas PPD dengan Ind, PP,
Dm, IndD 0.462891
0,985187 Tidak ada multikolinearitas
Sumber: Hasil olahan Eviews Dari tabel diatas dapat diambil kesimpulan bahwa dari semua hasil
uji multikolinearitas nilai R
2
r
2
sehingga dapat dikatakan dalam analisa ini tidak terdapat masalah multikolinearitas.
commit to user 70
b. Uji Heteroskedastisitas Masalah besar yang dijumpai data panel adalah masalah
heteroskedastisitas yang bersumber dari variasi data lintas sektoral yang digunakan. Pengujian heteroskedastisitas dilakukan dengan menggunakan
fasilitas yang tersedia dari program eviews dengan menggunakan White Heteroskedasticity – Consistent Covariance. Dengan tingginya nilai R
2
berarti variasi dari model dependen Tingkat Urbanisasi dapat dijelaskan oleh variable independen Industrialisasi, Pertumbuhan Penduduk, dan
Dummy waktu sebesar 98,49 mengindikasikan bahwa variable independen yang diuji ini cukup baik dalam menjelaskan variable
dependennya. c. Uji Autokorelasi
Permodelan dengan panel data dengan menggunakan metode fixed effect adalah satu permodelan yang tidak membutuhkan pemodelan asumsi
klasik terbebasnya model dari serial autokorelasi, maka uji asumsi klasik tentang autokorelasi dapat diabaikan Nachrowi, 2007.
Dari hasil estimasi diperoleh DW statistik sebesar 1,85, dengan n = 140, k=5, level signifikan α=5 maka nilai dl = 1,65 dan du = 1,8
sehingga 4-dl = 2,39 dan 4-du = 2,23.
commit to user 71
Autokorel asi positif
Daerah keragu-
raguan Tidak
ada autokorelasi
Daerah Keragu-
raguan Autokorelasi
negatif
0 1,65 1,8 2,2 2,35 4
Gambar 4.3 Statistik d Durbin Watson Sumber: Gujarati 2003
Ternyata nilai Dw statistik sebesar 1,85 terletak di daerah penerimaan Ho. Hal ini berarti model yang diestimasi terbebas dari
autokorelasi
4. Interpretasi Hasil
