Analisis Data dan Pembahasan 1.

B. Analisis Data dan Pembahasan 1.

Deskripsi Data Dalam penelitian ini data yang digunakan adalah data time series yang menggunakan data sekunder. Data yang digunakan tersebut diperoleh dari Laporan Tahunan Bank Indonesia. Data analisis dalam bentuk data tahunan mulai periode 1976 – 2007. Seluruh data yang digunakan akan diolah dan dianalisis menggunakan program Eviews versi 4.0. Analisis data yang akan dikemukakan merupakan hasil analisis secara statistik dan ekonomi. Adapun variabel yang akan dianalisis dalam penelitian ini adalah sebagai berikut : a. Pertumbuhan ekonomi digunakan dalam penelitian ini merupakan pertumbuhan ekonomi yang diperoleh dari pertumbuhan Produk Domestik Bruto harga konstan yang diubah dulu ke dalam angka indeks dengan tahun dasar 1993. Data pertumbuhan ekonomi ini berupa data tahunan yang diperoleh dari Laporan Tahunan Bank Indonesia terbitan Bank Indonesia. b. Konsumsi Pemerintah dalam penelitian ini adalah pengeluaran yang dilakukan pemerintah dalam menjalankan pemerintahan sedangkan pengeluaran konsumsi rumah tangga tidak di gunakan. Data berupa data tahunan diperoleh dari data Laporan Tahunan Bank Indonesia terbitan Bank Indonesia. c. Ekspor yang digunakan dalam penelitian adalah ekspor total baik migas maupun non migas yang dilakukan oleh negara Indonesia. diperoleh dari data Laporan Tahunan Bank Indonesia terbitan Bank Indonesia. d. Tabungan Domestik yang digunakan dalam penelitian adalah penjumlahan antara tabungan pemerintah dan tabungan swasta. Data tabungan domestik berupa data tahunan yang diperoleh dari Laporan Tahunan Bank Indonesia terbitan Bank Indonesia e. Penanaman Modal Asing PMA yang digunakan dalam penelitian ini adalah PMA yang disetujui pemerintah berdasarkan sektor. Data penanaman modal asing berupa data tahunan yang diperoleh dari Laporan Tahunan Bank Indonesia terbitan Bank Indonesia. Variabel independen yang digunakan dalam penelitian ini adalah konsumsi pemerintah, ekspor, tabungan domestik, dan penanaman modal asing. Variabel dependen yang digunakan dalam penelitian ini adalah pertumbuhan ekonomi. Tabel 4.1 menunjukkan data yang akan digunakan dalam penelitian ini : Tabel 4.1 Data Perkembangan Pertumbuhan Ekonomi, Konsumsi Pemerintah, Ekspor Tabungan Domestik, dan Penanaman Modal Asing Tahun 1976-2007 Sumber : Laporan tahunan Bank Indonesia berbagai edisi. Model time series memiliki asumsi bahwa apa yang terjadi di masa depan merupakan fungsi dari apa yang terjadi di masa lalu. RPDB Konsumsi Pemerintah Ekspor Tabungan Domestik PMA Tahun Milyar Rp Juta Milyar Rp Juta 1976 6,88 1590,5 8547 2089 438,80 1977 8,77 2077,3 10853 2428 647,10 1978 7,85 2658,9 11643 2813 402,70 1979 6,25 3733,4 15591 4244 1838,90 1980 9,88 4688,2 21909 6411 906,70 1981 7,93 6452 25164,5 8010 1179,30 1982 2,24 7228,7 22328,3 8868 1396,60 1983 4,19 8077,3 21145,9 12397 2882,20 1984 6,03 9121,5 21887,8 15498 1107,10 1985 8,88 11067 18586,7 20174 859,00 1986 5,88 12167 14805 23511 826,20 1987 4,93 12126 17135,6 29331 1456,90 1988 5,73 13421 19218,5 37510 4434,40 1989 7,51 16872 22159,5 54375 4718,80 1990 7,24 18953 25675,2 83154 8750,10 1991 6,91 22830 29142 95118 8778,00 1992 6,43 26879 33966,9 114850 10332,20 1993 6,56 29757 36823 117636 8144,20 1994 7,54 31014 40055 170406 23724,30 1995 8,22 35584 45417 214764 39914,70 1996 7,82 40299 49814 281718 29931,40 1997 4,70 42952 53443,1 357613 33832,50 1998 -13,20 54415,9 48847,6 573524 13563,10 1999 0,88 72631,3 48665,5 625618 10890,60 2000 4,92 90779,7 62124 720379 15282,80 2001 3,83 113416 56446,7 805827 15043,90 2002 4,38 132219 58119,8 845015 9744,10 2003 4,88 121404,10 61058,2 902326 13207,20 2004 4,89 126248,6 68062,09 965080 10277,30 2005 5,67 134625,6 79361,30 1034086 13579,3 2006 5,51 147563,7 86825,6 1198744 13889,3 2007 6,32 153309,60 93784,9 1228185 24621,8 Dengan kata lain, model time series mencoba melihat apa yang terjadi pada suatu kurun waktu tertentu dan menggunakan data time series masa lalu untuk memprediksi.

2. Model Analisis

Penelitian ini menggunakan model analisis Error Correction Model ECM atau model koreksi kesalahan untuk menganalisis pengaruh antara variabel independen terhadap variabel dependen. Model Error Correction Model ECM merupakan salah satu pendekatan model linear dinamis yang berkaitan dengan perilaku data runtut waktu. Model ini dapat digunakan untuk untuk mencari model kesinambungan jangka pendek dan jangka panjang. Alat analisis ini lebih relevan jika data yang akan dianalisis bersifat standar normal stabil, sebab salah satu persyaratan untuk mengaplikasikan regresi deret waktu adalah dipenuhinya data yang bersifat stationer. Data yang bersifat tidak stationer untuk koefisien regresi tersebut menjadi tidak valid lagi Insukindro, dalam Nur Hidayah, 2006: 98.

a. Uji Model Mac Kinnon, White dan Davidson MWD Test

Rule of thumb dari uji MWD adalah bila Z 1 signifikan secara statistik, maka kita menolak model yang benar adalah linear atau dengan kata lain, bila Z 1 signifikan secara statistik maka model yang benar adalah log-linear. Sebaliknya bila Z 2 signifikan secara statistik maka kita menolak model yang benar adalah log-linear atau dengan kata lain, bila Z 2 signifikan secara statistik maka model yang benar adalah linear. Hasil uji MWD adalah : Tabel 4.2 Hasil Uji MWD Uji MWD Koefisien Std. Error t-Statistic Prob. Linear 2.240894 1.860934 1.204177 0.2562 Log linear -0.125300 0.029647 -4.226412 0.0018 Sumber : Hasil olahan E-views 4.0,2009 Berdasarkan hasil uji MWD, yaitu MWD linear dan MWD log-linear dapat diketahui bahwa Z1 tidak signifikan secara statistik Z1 = 0,2562 sedangkan Z2 signifikan secara statistik Z2 = 0,0018. Dari hasil tersebut dapat kita simpulkan bahwa model linear digunakan dalam penelitian.

b. Estimasi Error Correction Model ECM

Penelitian ini menggunakan model ECM untuk menjelaskan pengaruh jangka pendek dan jangka panjang variabel-variabel independen yang mempengaruhi pertumbuhan ekonomi Indonesia. Adapun model regresi fungsi RPDB dengan menggunakan ECM adalah sebagai berikut : D RPDB t = C + C 1 DKONS t + C 2 DEKS t + C 3 DTAB t + C 4 DPMA t + C 5 KONS t -1 + C 6 EKS t-1 + C 7 TAB t-1 + C 8 PMA t-1 + C 9 ECT....................................................................................4.1 Keterangan : DRPDB : Perubahan PDB DKONS : Perubahan Konsumsi Pemerintah DEKS ; Perubahan Ekspor Indonesia DTAB : Perubahan Tabungan Domestik DPMA : Perubahan Penanaman Modal Asing KONS ; Konsumsi Pemerintah TAB : Tabungan Domestik EKS : Ekspor Indonesia PMA : Penanaman Modal Asing ECT :Error correction term adalah biaya ketidakseimbangan pertumbuhan ekonomi akibat variabel-variabel bebas dalam model c : Intersep 4 3 2 1 , , , c c c c : Koefisien asli hasil regresi ECM jangka panjang 8 7 6 5 , , , c c c c : Koefisien hasil regresi ECM jangka pendek 9 c : Koefisien regresi ECT Dimana : DRPDB : RPDB-RPDB t-1 DKONS : KONS-KONS t-1 DEKS : EKS-EKS t-1 DTAB : TAB-TAB t-1 DPMA : PMA-PMA t-1 ECT : KONS t-1 + EKS t-1 + TAB t-1 + PMA t-1 - RPDB t-1 Tabel 4.3 Hasil Analisis dengan Model ECM Variabel Koefisien Std. Error t-Statistic Prob. C 5.243260 2.067618 2.535893 0.0192 DKONS 0.000126 9.63E-05 1.310435 0.2042 KONS-1 -0.800061 0.141185 -5.666760 0.0000 DEKS 0.000290 0.000130 2.235653 0.0364 EKS-1 -0.800186 0.141203 -5.666916 0.0000 DTAB -5.42E-05 1.49E-05 -3.633921 0.0016 TAB-1 -0.800142 0.141225 -5.665730 0.0000 DPMA 0.000165 9.41E-05 1.578561 0.0932 PMA-1 -0.800090 0.141225 -5.665344 0.0000 ECT 0.800135 0.141219 5.665904 0.0000 F-statistic 10.55760 R-squared 0.818994 Adjusted R-squared 0.741420 ProbF-statistic 0.000005 Sumber : Hasil olahan E-views 4.0,2009 Hasil analisis ECM dari tabel 4.10 tersebut estimasi model dinamis ECM dapat diperoleh fungsi regresi OLS sebagai berikut : DRPDB t = 5,243260 + 0,000126 DKONS t + 0,000290 DEKS t - 0,000054 DTAB t + 0,000165DPMA t – 0,80061KONS t -1 - 0,800186EKS t-1 -0,800142TAB t-1 -0,800090 PMA t-1 + 0,800135 ECT........................................................................................4.2 Berdasarkan hasil perhitungan dengan analisis ECM di atas, dapat diketahui besarnya nilai variabel ECT Error Correction Term. 0,800135. ECT tersebut merupakan indikator apakah spesifikasi model dianggap baik atau tidak. Hal ini dapat dilihat dari besarnya tingkat signifikansi dan koefisien dari ECT. Variabel ECT signifikan pada derajat keyakinan 5 dan menunjukkan tanda positif, maka spesifikasi model sudah sahih valid Koefisien ECT menunjukkan angka 0,800135 berarti bahwa proporsi biaya keseimbangan dan pergerakan Pertumbuhan Ekonomi PDB pada periode sebelumnya yang disesuaikan pada periode sekarang adalah sekitar 0,800135, sedangkan tingkat signifikansi ECT menunjukkan angka 0,0000 berarti tingkat signifikansi pada 5. Spesifikasi model yang dipakai adalah tepat dan mampu menjelaskan variasi dinamis. Variabel jangka pendek dari model persamaan tersebut ditunjukkan oleh KONS-1, EKS-1, TAB-1 dan PMA-1. Variabel jangka panjang dari model persamaan tersebut ditunjukkan oleh DKONS, DEKS, DTAB dan DPMA. Koefisien regresi jangka pendek dari regresi ECM ditunjukkan oleh besarnya koefisien pada variabel-variabel jangka pendek diatas sedangkan koefisien regresi jangka panjang dengan simulasi dari regresi ECM Pertumbuhan Ekonomi yang diperoleh dari : C : c c 9 = 5,243260 0,800135 = 6,552969 KONS : c 5 +c 9 c 9 =-0,800061+0,8001350,800135= 0,000092 EKS : c 6 +c 9 c 9 =-0,800186+0,8001350,800135= -0,000063 TAB : c 7 +c 9 c 9 =-0,800142+0,8001350,800135= -0,000009 PMA : c 8 +c 9 c 9 =-0,800090+0,8001350,800135= 0,000056 Hasil perhitungan jangka panjang dapat ditulis dalam persamaan linier sebagai berikut : DRPDB = 6,552969 + 0,000092 - -0,000063- -0,000009 + 0,000056 Pengujian asumsi klasik dan uji statistik digunakan untuk mengetahui apakah hasil estimasi ini dapat dipercaya.

c. Pengujian Terhadap Uji Asumsi Klasik 1 Uji Multikolinearitas

Salah satu cara untuk mengetahui ada tidaknya masalah multikolinearitas adalah menggunakan metode korelasi parsial yang disarankan oleh Farrar dan Glauber, yakni dengan membandingkan nilai R 2 dari regresi awal dengan regresi variabel independen yang satu terhadap variabel independen lainnya determinasi parsial. Jika R 2 , maka dapat dinyatakan masalah multikolinearitas tidak serius. Sebaliknya jika R 2 , maka dinyatakan masalah multikolinearitas serius. Tabel 4.4 Uji Klein untuk Mendeteksi Multikolinearitas Variabel R 2 Kesimpulan Dkons- Deks 0.001309 0.818994 Multikolinearitas tidak serius Dkons – Dtab 0.271780 0.818994 Multikolinearitas tidak serius Dkons - Dpma 0.053791 0.818994 Multikolinearitas tidak serius Dkons- kons -1 0.165738 0.818994 Multikolinearitas tidak serius Dkons- eks-1 0.263821 0.818994 Multikolinearitas tidak serius Dkons- tab-1 0.244292 0.818994 Multikolinearitas tidak serius Dkons- pma -1 0.142776 0.818994 Multikolinearitas tidak serius Deks – Dkons 0.135107 0.818994 Multikolinearitas tidak serius Deks – Dtab 0.008802 0.818994 Multikolinearitas tidak serius Deks – Dpma 0.142564 0.818994 Multikolinearitas tidak serius Deks – eks -1 0.097003 0.818994 Multikolinearitas tidak serius Deks – kons-1 0.149966 0.818994 Multikolinearitas tidak serius Deks – tab-1 0.146481 0.818994 Multikolinearitas tidak serius Deks –pma -1 0.007585 0.818994 Multikolinearitas tidak serius Dtab - Dkons 0.271780 0.818994 Multikolinearitas tidak serius Dtab - Deks 0.008802 0.818994 Multikolinearitas tidak serius Dtab - Dpma 0.117444 0.818994 Multikolinearitas tidak serius Dtab – tab -1 0.316212 0.818994 Multikolinearitas tidak serius Dtab – kons -1 0.286898 0.818994 Multikolinearitas tidak serius Dtab – eks -1 0.466585 0.818994 Multikolinearitas tidak serius Dtab – pma -1 0.482693 0.818994 Multikolinearitas tidak serius Dpma - Dkons 0.053791 0.818994 Multikolinearitas tidak serius Dpma - Deks 0.142564 0.818994 Multikolinearitas tidak serius Dpma - Dtab 0.117444 0.818994 Multikolinearitas tidak serius Dpma – pma -1 0.081744 0.818994 Multikolinearitas tidak serius Dpma – kons-1 0.004620 0.818994 Multikolinearitas tidak serius Dpma – eks-1 0.000543 0.818994 Multikolinearitas tidak serius Dpma – tab -1 0.001294 0.818994 Multikolinearitas tidak serius Sumber : Hasil olahan E-views 4.0,2009 Tabel di atas menunjukkan bahwa semua korelasi antar variabel independen memiliki nilai yang lebih kecil jika dibandingkan dengan R 2 Berdasarkan hal tersebut, maka dapat disimpulkan bahwa semua variabel independen masalah multikolinearitas tidak serius. 2 Uji Heteroskedastisitas Heteroskedastisitas terjadi jika gangguan muncul dalam fungsi regresi yang mempunyai varian yang tidak sama sehingga penaksir OLS tidak efisien, baik dalam sampel kecil maupun sampel besar tetapi masih tidak bias dan konsisten. Masalah heteroskedastisitas dapat diketahui engan dilakukan d uji Park. Uji ini dilakukan melalui dua tahap regresi sebagai berikut: a Melakukan regresi atas model yang digunakan dengan menggunakan OLS yang kemudian diperoleh nilai residualnya. b Nilai residual yang didapat dari hasil regresi kemudian dikuadratkan, lalu diregresikan dengan variabel independen. Kemudian dilakukan uji secara statistik apakah α i berpengaruh secara statistik atau tidak. Hasil regresi menunjukkan α i tidak signifikan pada derajat signifikansi 5, maka tidak terjadi masalah heteroskedastisitas. Sebaliknya, jika α i signifikan pada derajat signifikansi 5, maka terjadi masalah heteroskedastisitas. Tabel 4.5 Uji Park untuk Mendeteksi Heteroskedastisitas Variabel Koefisien Std. Error t-Statistic Prob. C -0.851836 2.223276 -0.383144 0.7057 DKONS -1.58E-06 9.46E-05 -0.016740 0.9868 KONS-1 -0.279835 0.224106 -1.248672 0.2262 DEKS 8.92E-06 0.000125 0.071479 0.9437 EKS-1 -0.279796 0.224095 -1.248560 0.2262 DTAB -3.93E-06 1.47E-05 -0.267166 0.7921 TAB-1 -0.279837 0.224095 -1.248743 0.2262 DPMA -1.96E-07 9.27E-05 -0.002117 0.9983 PMA-1 -0.279841 0.224087 -1.248804 0.2262 ECT_Hetero 0.279835 0.224096 1.248729 0.2262 R-squared 0.079006 F-statistic 0.190630 Adjusted R -0.335441 ProbF-statistic 0.992659 Sumber : Hasil olahan E-views 4.0,2009 Hasil pengujian menunjukkan probabilitas semua variabel dalam jangka pendek dan jangka panjang tidak signifikan pada α = 5 seperti ditunjukkan oleh tabel 4.14. Dapat disimpulkan dalam model tersebut tidak terdapat masalah heteroskedastisitas. 3 Uji Autokorelasi Autokorelasi adalah korelasi antara anggota serangkaian observasi yang diurutkan menurut waktu seperti pada data deretan waktu atau ruangseperti dalam data cross section. Autokolerasi ini sering terjadi pada analisis yang menggunakan time series. Penelitian ini menggunakan uji Breusch-Godfrey Breush- Godfrey test yakni berupa regresi atas semua variabel bebas dalam persamaan regresi ECM tersebut dan variabel lag-1 dari nilai residual regresi ECM. Adapun hasil persamaan regresi ECM dapat dituliskan sebagai berikut: RESIDU t = c + c 1 DKONS t + c 2 DEKS t + c 3 DTAB t + c 4 DPMA t + c 5 DKONS t-1 + c 6 DEKS t-1 + c 7 DTAB t-1 + c 8 PMA t- 1 + c 9 ECT + RESIDU t-1 + e t .............................4.3 Dari model tersebut akan didapat nilai R², kemudian nilai ini dimasukkan dalam rumus sebagai berikut: n- 1R², dimana n adalah jumlah observasi. Selanjutnya nilai n-1 R² diperbandingkan dengan ² 0,05. Dimana ² 0,05 adalah nilai kritis Chi Square yang ada dalam tabel statistik Chi Square. Jika n-1 R² lebih besar dari ², maka terdapat masalah autokorelasi, dan jika sebaliknya maka tidak terjadi masalah autokorelasi. Hasil perhitungan uji Breusch-Godfrey ditunjukkan oleh tabel 4.6 Tabel 4.6. Uji Breusch-Godfrey untuk Mendeteksi Autokorelasi Variabel Koefisien Std. Error t-Statistic Prob. DKONS 4.32E-06 0.000106 0.040791 0.9678 DEKS 5.23E-06 0.000137 0.038244 0.9699 DPMA 1.87E-06 9.62E-05 0.019461 0.9847 DTAB -2.52E-06 1.67E-05 -0.150459 0.8818 KONS-1 0.121438 0.243779 0.498148 0.6236 EKS-1 0.121449 0.243794 0.498162 0.6235 PMA-1 0.121496 0.243885 0.498168 0.6235 TAB-1 0.121484 0.243865 0.498161 0.6235 ECT -0.121477 0.243852 -0.498160 0.6235 RESID-1 -0.235943 0.362228 -0.651367 0.5219 R-squared 0.010219 Adjusted R-squared -0.413973 Sumber : Hasil olahan E-views 4.0,2009 Hasil pengujian autokorelasi dengan menggunakan Lagrange Multiplier Test menunjukkan bahwa R 2 = 0,010219 sehingga didapatkan n-1 R 2 = 31-1 x 0.010219 = 0,30657. Nilai ² 1 dengan α = 5 adalah 3,84146. Sehingga 0,30657 3,84146 dan dapat disimpulkan bahwa tidak terjadi masalah autokorelasi terhadap variabel-variabel di dalam model. 4 Uji Normalitas Uji normalitas digunakan untuk mengetahui apakah variabel terdistribusi secara normal atau tidak. Dalam peneltian ini menggunkan uji Jarque-Bera untuk mengetahui normalitas residual. Jarque-Bera = Dimana : n = ukuran sampel S = koefisien skewness K = koefisen kurtosis Probabilitas JB lebih kecil dari 5 maka Ho di tolak sedangkan jika nilai JB lebih besar dari 5 maka Ho diterima. Tabel. 4.7 Uji Normalitas dengan Uji Jarque-Bera Mean -360E-11 Median 0,109245 Maximum 4,828712 Minimum -3,959098 Std. Dev. 1,957523 skewness 0,527424 kurtosis 3,3023989 Jarque- Bera 1,610377 Probabilitas 0,447004 Sumber : Hasil olahan E-views 4.0,2009 Probabilitas J-B menunjukan hasil yang tidak signifikan dengan tingkat signifikansi 5, seningga Ho diterima. Hal ini berarti bahwa residual berdistribusi normal. 5 Uji Linearitas Uji linearitas pada dasarnya digunakan untuk menguji asumsi CLRM tentang linearitas model. Uji Ramsey yang dikenal dengan sebutan uji kesalahan spesifikasi umum digunakan untuk mengetahui linearitas. Diperoleh hasil estimasi regresi seperti pada tabel 4.8 Tabel 4.8 Hasil Linearitas dengan Uji Ramsey F-hitung 0.291568 Probabilitas 0.602320 Log likelihood ratio 0.669538 Probabilitas 0.413213 Sumber : Hasil olahan E-views 4.0,2009 Hasil estimasi terlihat bahwa nilai F-hitung tidak signifikan. Ini berarti tidak terjadi masalah linearitas atau kesalahan spesifikasi model.

d. Uji Statistik 1 Uji t Uji Secara Individu

- Uji t adalah uji secara individual semua koefisien regresi yang bertujuan untuk mengetahui besarnya pengaruh dari masing-masing variabel independen terhadap variabel dependennya. t-tabel = 1,697 - Jika –1,697 t hitung 1,697 pada tingkat signifikansi 5, maka Ho diterima dan Ha ditolak, artinya variable independen tidak mempengaruhi variabel dependen secara signifikan. - Jika t hitung –1,697 atau t hitung 1,697 pada tingkat signifikansi 5, maka Ho diterima dan Ha ditolak, artinya variable independen mempengaruhi variabel dependen secara signifik. Hasil pengujian uji t adalah sebagai berikut : a Pengaruh Variabel Independen Jangka Pendek Pengujian secara individual dari koefisien regresi masing- masing variabel bebas jangka pendek dengan menggunakan model ECM diperoleh hasil sebagai berikut : Tabel 4.9 Pengaruh Variabel Independen Jangka Pendek Variabel t-hitung t-tabel Kons -1 -5,66676 1,697 Eks -1 -5,666916 1,697 Tab -1 -5,66573 1,697 Pma -1 -5,665344 1,697 Sumber : Hasil olahan E-views 4.0,2009 1 Konsumsi Pemerintah Hasil pengolahan data diperoleh t-hitung variabel KONS-1 sebesar -5,66676 atau t-hitung -1,697 Artinya, variabel KONS-1 secara individu berpengaruh secara statistik terhadap variabel RPDB pada derajat signifikansi 5. 2 Ekspor Hasil pengolahan data diperoleh t-hitung variabel EKS-1 sebesar -5,666916 atau t-hitung -1,697. Artinya, variabel EKS-1 secara individu berpengaruh secara statistik terhadap variabel RPDB pada tingkat signifikansi 5 3 Tabungan Domestik Hasil pengolahan data diperoleh t-hitung variabel TAB-1 sebesar -5,66573 atau t-hitung -1,697 . Artinya, variabel TAB-1 secara individu berpengaruh secara statistik terhadap variabel RPDB pada tingkat signifikansi 5 4 Penanaman Modal Asing Hasil pengolahan data diperoleh t-hitung variabel PMA -1 sebesar -5,665344 atau t-hitung -1,697. Artinya, variabel PMA-1 secara individu berpengaruh secara statistik terhadap variabel dependen RPDB pada tingkat signifikansi 5. b Pengaruh Variabel Independen Jangka Panjang Tabel 4.10 Pengaruh Variabel Independen Jangka Panjang Variabel t-statistik t-tabel. Kons 1,310435 1,697 Eks 2,235653 1,697 Tab -3,633921 1,697 Pma 1,578561 1,697 Sumber : Hasil olahan E-views 4.0,2009 1 Konsumsi Pemerintah Hasil pengolahan data diperoleh t-hitung variabel KONS sebesar 1,310435 dari t-tabel 1,697. Artinya, variabel KONS secara individu tidak berpengaruh secara statistik terhadap variabel RPDB pada derajat signifikansi 5. 2 Ekspor Hasil pengolahan data diperoleh t-hitung variabel EKS sebesar 2,235653 dari t-tabel 1,697 . Artinya, variabel EKS secara individu berpengaruh secara statistik terhadap variabel RPDB pada tingkat signifikansi 5 3 Tabungan Domestik Hasil pengolahan data diperoleh t-hitung variabel TAB sebesar -3,633921 dari -t-tabel -1,697 . Artinya, variabel TAB secara individu berpengaruh secara statistik terhadap variabel RPDB pada tingkat signifikansi 5 4 Penanaman Modal Asing Hasil pengolahan data diperoleh t-hitung variabel PMAsebesar 1,578561 dari t-tabel 1,697 Artinya, variabel PMA secara individu tidak berpengaruh secara statistik terhadap variabel dependen RPDB pada tingkat signifikansi 5. 2 Uji F Uji Secara Bersama- Sama Uji F adalah uji untuk mengetahui besarnya pengaruh variabel independen terhadap variabel dependen secara bersama-sama. Berdasarkan dari hasil pengolahan yang diperoleh dari model dinamik ECM, nilai F hitung adalah sebesar 10,55760, dan F tabel adalah 8,64 F hitung F tabel Hal ini berarti bahwa dalam hasil regresi dengan ECM secara bersama-sama dalam jangka pendek dan jangka panjang variabel konsumsi pemerintah, ekspor, tabungan domestik, dan penanaman modal asing mempunyai pengaruh yang signifikan terhadap pertumbuhan ekonomi pada derajat signifikansi 5. 3 Koefisien Determinasi R 2 Goodness of fit ketepatan model adalah untuk mengetahui berapa persen variasi variabel dependen dapat dijelaskan oleh variasi variabel independen. Berdasarkan hasil estimasi menunjukkan bahwa nilai 2 R adalah sebesar 0,818994 yang berarti 81,8994 faktor jangka pendek dan jangka panjang variabel konsumsi pemerintah, ekspor, tabungan domestik, dan penanaman modal asing, dapat menjelaskan variasi perubahan Indeks Williamson sedangkan sisanya 18,1006 dipengaruhi oleh faktor lain di luar model

C. Interpretasi Ekonomi