Pengujian Pemilihan Model dalam Pengolahan Data Panel Uji Statistik

3.2 Pengujian Pemilihan Model dalam Pengolahan Data Panel

3.2.1 Uji Hausman Test

Uji hausman test digunakan untuk menentukan apakah fixed effect model atau random effect model yang paling tepat digunakan dalam menganalisis tingkat kesejahteraan. Uji Hausman akan memberikan penilaian dengan menggunakan Chi-Square statistics sehingga keputusan pemilihan model dapat ditentukan secara benar. Penolakan terhadap statistik Hausman tersebut berarti penolakan terhadap fixed effect model atau dummy variable model. Sehingga semakin besar nilai statistik Hausman tersebut, semakin mengarah pada penerimaan dugaan error component model Baltagi, 2003. Prosedur Uji Hausman adalah sebagai berikut: 1. Buat Hipotesis dari uji Hausman: H = random effect dan H 1 = fixed effect 2. Menentukan kriteria uji: apabila Chi- square hitung Chi-square tabel dan probabilitas hitung α = 5, maka hipotesis H ditolak, sehingga metode Fixed Efect Model lebih tepat untuk digunakan. Dan apabila Chi-square hitung Chi-square tabel dan probabilitas hitung α = 5, maka hipotesis H diterima, sehingga metode Random Efect Model lebih tepat untuk digunakan. Dari hasil uji yang dilakukan mendapatkan hasil sebagai berikut: H : Menggunakan estimasi Random effect model. H 1 : Menggunakan estimasi Fixed effect mode

3.3 Uji Statistik

Untuk mengetahui tingkat signifikansi dari masing-masing koefisien regresi variabel independen terhadap variabel dependen maka dapat menggunakan uji statistik diantaranya: 3.3.1 Uji Signifikan Simultan Uji F Uji F pada dasarny adigunakan untuk membuktikan pengaruh secara bersama-sama statistic bahwa seluruh variabel independen yaitu pertumbuhan ekonomi, upah minimum regional dan jumlah penduduk terhadap variabel dependent ketimpangan distribusi pendapatan di Provinsi Jawa Timur tahun 2001- 2012 Gujarati, 2004: 120. Hipotesis yang digunakan sebagai berikut: 1. H : β 1 ; β 2 ; β 3 = 0 Jumlah pertumbuhan ekonomi, upah minimum regional dan jumlah penduduk bersama-sama tidak berpengaruh terhadap ketimpangan distribusi pendapatan di Provinsi Jawa Timur tahun 2001-2012 2. H a : β 1 ; β 2 ; β 3 ≠ 0 Jumlah pertumbuhan ekonomi, upah minimum regional dan jumlah penduduk bersama-sama berpengaruh terhadap ketimpangan distribusi pendapatan di Provinsi Jawa Timur tahun 2001-2012 Dengan menggunakan α= 5, maka pengujian hipotesis: 1 Bila F probabilitas ≤ α, berarti H0 ditolak dan Ha diterima, artinya ada pengaruh nyata antara variabel bebas dengan variabel terikat. 2 Bila F probabilitas ≥ α, berarti H0 diterima dan Ha ditolak, artinya bahwa tidak ada pengaruh nyata antara variabel bebas dengan variabel terikat. 3.3.2 Uji t Pengujian Secara Parsial Uji statistik t pada dasarnya menunjukkan seberapa jauh pengaruh variabel independen secara individual dalam menerangkan variasi variabel dependen dengan rumus sebagai berikut Gujarati, 2004: 114: t = dimana: β1 = Parameter yang di estimasi β1 = nilai hipotesis dari β1 H0: β1=β1 Se β1 = simpangan baku dari variable independen ke-1 Untuk mengkaji pengaruh variabel independen terhadap dependen secara individu dapat dilihat hipotesis berikut: H0: β1 = 0, berarti tidak ada pengaruh nyata antara pertumbuhan ekonomi, upah minimum regional dan jumlah penduduk terhadap ketimpangan distribusi pendapatan di Provinsi Jawa Timur tahun 2001-2012 H0: β1 ≠ 0, berarti ada pengaruh nyata antara pertumbuhan ekonomi, upah minimum regional dan jumlah penduduk terhadap ketimpangan distribusi pendapatan di Provinsi Jawa Timur tahun 2001-2012 Pada tingkat signifikat 0,05 5, pengujian yang dilakukan adalah sebagai berikut : 1. H diterima Ha ditolak, apabila nilai t probabilitas ≥ nilai α= 5. Hal ini berarti variabel independent tidak signifikan berpengaruh terhadap variabel dependent. 2. H ditolak Ha diterima, apabila nilai t probabilitas ≤ nilai α= 5. Hal ini berarti variabel independent signifikan berpengaruh terhadap variabel dependent. 3.3.3 Uji Koefisien Determinasi Uji R 2 R 2 bertujuan untuk mengetahui seberapa jauh variasi variabel independen dapat menerangkan dengan baik variasi variabel dependen.Untuk mengukur kebaikan suatu model goodness of fit, digunakan koefisien determinasi R 2 . Koefisien determinasi R 2 merupakan angka yang memberikan proporsi atau persentase variasi total dalam variabel tak bebas Y yang dijelaskan oleh variabel bebas X gujarati, 2004: 163. Koefisien determinasi dirumuskan sebagai berikut: R 2 = Nilai R 2 yang sempurna adalah satu 1, yaitu apabila keseluruhan variasi dependen dapat dijelaskan sepenuhnya oleh variabel independen yang dimasukkan kedalam model. Dimana 0 R 2 1 sehingga kesimpulan yang dapat diambil adalah : 1. Nilai R 2 yang kecil atau mendekati nol, berarti kemampuan variabel independent dalam menjelaskan variasi variabel dependent sangat lemah. 2. Nilai R 2 mendekati satu, berarti kemampuan variabel independen dalam menjelaskan hampir semua informasi yang digunakan untuk memprediksi variasi variabel dependent.

3.4 Uji Asumsi Klasik