52
JikadibandingkandenganangkaPDRBPerkapitaProvinsi,ternyatarata- rata PDRBKabupatenKota masih berada dibawah PDRB Provinsi Sumatera
Utara.Hal inidapatdilihatpadagambar 4.3.2 dibawah ini.
Rata-rataKabKota Prov.SumateraUtara
9,110,777 9,574,785
10,028,302 10,488,190
7,465,697 7,778,066
8,135,633 8,494,597
2010 2011
2012 2013
Sumber :BPSSumateraUtara
Gambar4.3.2 ProdukDomestikRegionalBrutoPDRB PerkapitaKabupatenKotadan
ProvinsidiSumatera Utaraperiode2010-2013
Darigambar4.3.2terlihatbahwa angkaPDRB
PerkapitaKabupatenKota meningkatsetiaptahunnyabegitupuladenganangkaPDRB
PerkapitaProvinsidi SumateraUtara.Namun,angkarata-rataPDRBPerkapitaKabupatenKotalebih
rendahjikadibandingkandenganangka PDRBPerkapitaProvinsidiSumatera
Utaradenganrata-ratapertumbuhanpertahunyanghanyasebesarRp7.968.498 miliar
pertahun, sedangkan angkapertumbuhan PDRB PerkapitaProvinsisebesar Rp 9.800.514 miliar pertahunnya.
4.4 Analisis Data
4.4.1 Analisa HasilEstimasidenganGeneralized LeastSquareGLS
Analisis dengan menggunakan metodeGeneralizedLeastSquareGLS dapat memperbaiki
inefisiensiprosesleast square
denganmemperhitungkanerror daricrosssectiondantimeseries,ataudengankatalainGeneralizedLeastSquare
Universitas Sumatera Utara
53
GLSmerupakansalahsatubentukestimasileastsquareyang dibuatuntuk mengatasisifatheteroskedastisitas.Adapun hasil
estimasiGLSdapatdilihatpada tabel4.4.1 dibawah ini.
Tabel4.4.1 HasilEstimasiGLSFEMdanREM
VariabelTerikat : IndeksPembangunanManusiaperiode2010-2013
VariabelBebas RandomEffect
Prob. FixedEffect
Prob.
C 1,605495
0,0000 1,541709
0,0000 ABOM
GRWT 0,005613
0,065667 0,0000
0,0000 0,000930
0,096567 0,0442
0,0000 R
2
0,835560 0,999237
Sumber:Datadiolahlampiran23
BerdasarkanhasilestimasidenganmetodeGLSdiatasbahwa FixedEffect
Model FEMmaupunRandomEffectModelREMmenunjukkanhasilyang
baik.Halinibisadilihatdarinilaikoefisienregresidari masing-masingvariabel bebasnya dansecara
statistik berpengaruh signifikan terhadap indeks pembangunanmanusiaKabupatenKotadiProvinsiSumatera.Namun,nilaiR-
square R
2
yang lebihbaikpadaFixed EffectModelFEMdibandingkandengan RandomEffectModel
REM. Setelah dilakukananalisiskedua
modeldiatas,selanjutnyamemilihmodel yangterbaikdarikeduamodeldiatasdengancaraUjiHausman.Kesimpulandari
uji Hausman adalah jika null hypothesis H
O
ditolak, maka model yang digunakan adalah Fixed
Effect Model FEM, dan jika null hypothesis
H
O
diterima, maka modelyangdigunakan adalah RandomEffectModelREM.
Universitas Sumatera Utara
54
4.4.2 Uji Hausman
UjiHausmaninidilakukan untuk dapat menentukan model manayang terbaik antaraFixed
EffectModel FEMdanRandom
EffectModel REMdalam
metodelGeneralizedLeast SquareGLS.Berikutini hasil estimasi uji Hausman dengan metodeGLS.
Tabel4.4.2 HasilUji HausmanuntukFEMdan REM
Correlated RandomEffect– Hausman Test Pool:POOL01
Test cross-section randomeffect TestSummary
Chi-Sq. Statistic Chi-Sq. d.f. Prob.
Cross-section random 177.078622
2 0.0000
Sumber:Datadiolahlampiran4
Berdasarkanhasilestimasidiatas diperolehnilaiChi-Squarestatsitik sebesar177.078622denganprobabilitas
value sebesar0.0000,sedangkanChi-
Squaretable dengandfsebesar2pada
α
=10,
α
=5dan
α
=1masing- masingsebesar4.60,5.99dan9.21,sehingganilaiChi-SquarestatistikChi-
Squaretable ,makanullhypothesis
H
O
ditolak.Dandengannilaiprobabilitas value
sebesar0.0000lebihkecildari
α=
1sehinggadilihatdarinilaiChi- Squarestatistik
padaUjiHausmandannilaiprobabilitas valueyangsignifikan, maka modelyang digunakandalampenelitian ini adalah Fixed EffectModel FEM.
4.4.3 Fixed EffectModelFEM
