dalam formulasi DAU yang menyebabkan daerah yang tidak memiliki celah fiskal selisih antara kebutuhan daerah dengan potensi penerimaan dari daerah ikut
menikmati porsi dari DAU tersebut, sehingga daerah yang kaya akan potensi SDA akan semakin kaya dan daerah yang tidak memiliki potensi SDA akan semakin
miskin. Selain itu, alokasi dari DAU sebesar 70 - 80 persen digunakan untuk membiayai pengeluaran operasional kepegawaian sedangkan sisanya digunakan
untuk kebutuhan lain- lain termasuk untuk sektor pendidikan dan kesehatan. Sehingga pembangunan manusia menjadi sedikit terabaikan.
4.2. Hasil Estimasi Model dan Uji Asumsi OLS Klasik
Hasil estimasi terhadap fungsi dalam penelitian ini akan ditampilkan dengan menggunakan program software Eviews 5.1 dengan berbagai kelebihan
dan kelemahan penggunaan program software tersebut. Model untuk propinsi- propinsi yang diteliti menggunakan estimasi data panel sebagaimana diuraikan
pada metode penelitian ini. Model panel data memiliki tiga model yaitu Pooled OLS, Fixed Effect
LSDV atau model efek tetap dan Random Effect GLS atau model efek acak. Dikarenakan model pooled mengasumsikan bahwa intersept dan slope dari
persamaan regresi dianggap konstan baik antar individu maupun antar waktu, maka model pooled tidak dapat digunakan pada penelitian ini. Sehingga model
yang akan digunakan adalah antara model fixed effect dan model random effect. Untuk mengetahui model mana yang akan dipilih, maka dapat dilakukan Uji
Hausman Hausman Test. Berdasarkan Uji Hausman maka didapatkan nilai
statistik Hausman sebesar 24.65673 dengan nilai probabilitas P-Value sebesar 0.000162 dan nilai
2
χ sebesar 11.0705 yang berarti bahwa kita menolak hipotesis
untuk menggunakan model efek acak. Berdasarkan hasil pengujian ini maka akan digunakan model efek tetap fixed effect untuk mengestimasi model penelitian
ini. Dalam penelitian ini tidak menggunakan Uji Chow Chow Test dan Uji LM LM Test, karena kita tidak dapat menganalisis heterogenitas individu jika
melakukan estimasi dengan menggunakan metode pooled least square. Selain itu, beberapa dasar pertimbangan untuk memilih model fixed effect
adalah dikarenakan unit cross section yang dipilih dalam sample tidak diambil secara acak dan pemilihan model fixed effect ini dimaksudkan untuk memberikan
keleluasan dalam melihat heterogenitas tiap unit cross section dalam sample penelitian. Dengan model fixed effect, intersep antar unit cross section dapat
bervariasi, dan perbedaan nilai konstanta ini diasumsikan sebagai perbedaan antar unit cross section.
Hasil estimasi dengan menggunakan model efek tetap fixed effect model, dapat dilihat dalam Tabel 4.3. Model ini menunjukan variabel yang sama untuk
setiap individu pengamatan. Variabel penjelas yang signifikan secara statistik dengan tingkat
α = 5 persen adalah variabel AHH, AMH, RLS dan PRPK,
sedangkan untuk variabel PDRB tidak signifikan secara statistik dengan tingkat α
= 5 persen. Model estimasi pada tabel 4.3 tidak memenuhi asumsi klasik OLS atau belum terbebas dari masalah statistik. Untuk itu, maka dilakukan estimasi
dengan menggunakan estimasi model Fixed Effect dengan pembobotan Cross Section Weights dan White Cross Section Covariance.
Tabel 4.3 Hasil Estimasi Fungsi dengan menggunakan Model Efek Tetap dengan Pembobotan Cross Section Weights dan White Cross Section
Covariance.
Variable Coefficient
Standard Error
t-Statistic Probability
C -2.194935
0.495948 -4.425740
0.0000 LOGPDRB
0.009577 0.011436
0.837431 0.4041
LOGAHH 0.262067
0.090641 2.891254
0.0046 AMH
0.003425 0.000947
3.617983 0.0004
LOGRLS 0.130123
0.031300 4.157242
0.0001 LOGPRPK
0.715975 0.044756
15.99720 0.0000
Effects Specification Cross-section fixed dummy variabel
Weighted Statistics R-squared
0.990909 Mean dependent var.
5.683910 Adjusted R-squared
0.988222 S.D. dependent var.
3.924492 S.E. of regression
0.011681 Sum squared resid
0.015691 F-statistik
368.6918 Durbin-Watson stat.
2.463235 ProbF-statistik
0.000000 Unweighted Statistics
R-squared 0.990131
Mean dependent var. 4.202651
Sum squared resid 0.017035
Durbin-Watson stat. 2.109118
Sumber: BPS, 2007 diolah.
Nilai R
2
atau koefisien determinasi pada hasil estimasi model adalah sebesar 0.9909, hal ini menunjukan bahwa 99.09 persen keragaman shifting
pembangunan manusia yang terjadi pada propinsi-propinsi di Indonesia dapat dijelaskan oleh model diatas, sedangkan sisanya dijelaskan oleh variabel lain
diluar model. Hasil uji ini diperkuat dengan tingginya probabilitas F-statistik yang signifikan pada tingkat kepercayaan 95 persen dan tingkat
α = 5 persen yaitu
sebesar 0.00 yang berarti minimal ada satu variabel bebas yang berpengaruh nyata terhadap variabel terikat sehingga model penduga sudah layak untuk menduga
parameter yang ada dalam fungsi.
Menurut Gujarati 1995, untuk memilih model yang terbaik juga harus memenuhi asumsi klasik regresi. Oleh karena itu, model Fixed Effect dengan
pembobotan Cross Section Weights dan White Cross Section Covariance, harus dilakukan uji OLS klasik. Uji OLS klasik yang dilakukan adalah model harus
terbebas dari Autokorelasi, Heteroskedastisitas dan Multikolinearitas. Untuk melihat ada atau tidaknya Autokorelasi dapat dilihat dari nilai
Durbin-Watson DW, jika DW mendekati 2 maka diasumsikan model tidak mengandung Autokerelasi. Hasil estimasi dalam penelitian ini tidak bisa
menentukan ada atau tidaknya autokorelasi, dimana 4-du2.17DW2.464- dl2.93. Hal ini bisa terjadi karena jumlah series yang digunakan hanya 5 tahun.
Asumsi adanya autokorelasi dapat diabaikan dalam penelitian ini. Langkah selanjutnya adalah mendeteksi ada atau tidaknya heteroskedastisitas. Karena
dalam mengestimasi model diberi perlakua n cross section weights dan white heteroscedasticity-consistent standard error and covariance, maka asumsi adanya
heteroskedastisitas dapat diabaikan. Untuk melihat ada atau tidaknya multikolinearitas, dapat dilihat dari hasil t
dan F-statistik hasil regresi. Dari statistik hasil regresi, kita melihat bahwa F- statistik signifikan pada tingkat kepercayaan 95 persen dan taraf nyata
α = 5
persen dengan nilai probabilitas F-statistik sebesar 0.00. Berdasarkan estimasi dan evaluasi dengan menggunakan uji syarat OLS
klasik terhadap model fixed effect dengan perlakuan cross section weights dan white heteroscedasticity-consistent standard error and covariance, maka model
tersebut merupakan model terbaik yang dapat digunakan untuk penelitian ini.
4.3. Intepretasi Model
