Analisis Pengaruh Laju Pertumbuhan PDRB
Analisis Pengaruh Laju Pertumbuhan PDRB, Upah Minimum per Bulan, Tingkat
Inflasi, dan Beban Tanggungan Penduduk terhadap Tingkat Pengangguran di Provinsi
Sulawesi Selatan Tahun 2001-2010
Tahun
Tingkat
Laju
Upah
Pengangguran
Pertumbuahan
Minimum per
(%)
PDRB (%)
Bulan (Rp)
2001
3.73
200000
2002
5.32
4,15
300000
2003
6.86
5,49
375000
2004
7.70
3,64
415000
2005
17.05
6,05
455000
2006
12.32
6,72
510000
2007
11.25
6,34
612000
2008
9.04
7,78
679200
2009
8.90
6,23
950000
2010
8.37
8,18
1000000
Sumber: BPS Provinsi Sulawesi Selatan, diolah
Tingkat
Inflasi (%)
11.77
8.25
3.01
6.48
15.20
7.21
5.75
12.40
3.39
6.56
Beban
Tanggungan
Penduduk (%)
66.41
65.55
60.40
66.65
64.97
53.77
57.98
59.48
57.89
57.23
Penelitian ini menggunakan data yang diperoleh dari BPS Provinsi Sulawesi Selatan
yaitu data sekunder. Data yang digunakan adalah yang berbentuk data time series selama
sepuluh tahun yang penelitiannya dilakukan di Provinsi Sulawesi Selatan. Dalam penelitian
ini teknik analisis dilakukan dengan menggunakan statistik yaitu dengan teknik regresi linear
berganda dengan metode ordinary least square atau metode kuadrat terkecil sederhana. Hal
ini bertujuan agar dapat melihat pengaruh independen variabel terhadap variabel
dependennya.
Berdasarkan hasil output di atas, maka persamaannya dapat dinyatakan sebagi
berikut :
Ŷ = β0 + β1X1 + β2X2 + β3X3+ β4X4
Ŷ = 55.331 - 1.789 β1 + 3.708E-6 β2 + 0.969 β3 - 0.734 β4
Keterangan :
Ŷ
= Tingkat Pengangguran (%)
X1
= Laju Pertumbuahan PDRB (%)
X2
= Upah Minimum per Bulan (Rp)
X3
= Tingkat inflasi (Persen)
X4
= Beban Tanggungan Penduduk (%)
β0
= Konstanta
β1; β2; β3; β4
= Koefisien Regresi
Dalam menggunakan analisis regresi berganda, agar persamaan regresi tersebut layak
digunakan atau diaplikasikan, maka ada beberapa asumsi yang harus dipenuhi antara lain, uji
autokorelasi, heteroskadastik, normality, dan multikolinearity.
1. Uji Autokorelasi
Dari hasil output di atas didapat nilai DW yang dihasilkan dari model regresi
adalah 2.394. Sedangkan dari table DW dengan signifikansi 0.05 dan jumlah data (n) =
10, serta k = 4 diperoleh nilai dL sebesar 0.376 dan dU sebesar 2.414. Karena nilai DW
(2.394) berada di antara dU (2.414) dan 4-dU (1.586), maka dapat disimpulkan tidak
terjadi autokorelasi, artinya tidak terjadi penyimpangan asumsi klasik autokorelasi yaitu
korelasi yang terjadi antara residual pada suatu pengamatan lain pada model regresi
sehingga data menjadi layak untuk diteliti lebih lanjut.
2. Uji Heteroskadastik
Berdasarkan hasil pengujian heteroskedastisitas diketahui bahwa titik-titik yang
terbentuk pada grafik scaterplot tidak membentuk pola yang jelas serta tersebar di atas
dan di bawah angka 0 pada sumbu Y sehingga dapat diambil kesimpulan bahwa model
regresi yang digunakan bebas heteroskedastisitas. Hasil tersebut membuktikan bahwa
pengaruh variable independent yaitu variable pengangguran, laju pertumbuhan PDRB,
Upah Minimum per Bulan, Inflasi, dan Beban Tanggungan Penduduk mempunyai varian
yang sama. Dengan demikian membuktikan bahwa persamaan regresi yang dihasilkan
dalam penelitian ini efisien dan kesimpulan yang dihasilkan adalah tepat, karena variabel
independent (X1, X2, X3, dan X4) mempunyai varian yang sama sehingga data menjadi
layak untuk diteliti lebih lanjut.
3. Uji Normality
Berdasarkan tampilan pada gambar P-Plot terlihat titik-titik mengikuti dan
mendekati garis diagonalnya sehingga dapat disimpulkan bahwa model regresi
memenuhi asumsi normalitas (variable residual atau dat yang akan diolah terdistribsui
normal) sehingga data menjadi layak untuk diteliti lebih lanjut.
4. Uji Multikolinearity
Berdasarkan output di atas diketahui bahwa:
Nilai tolerance semua variable independen lebih besar dari 0.10
Nilai VIF semua variable independen lebih kecil dari 10.00
Berdasarakan nilai di atas, disimpulkan bahwa tidak terjadi multikolinearitas,
yang berarti tidak ada hubungan yang kuat antara independen variable dalam model
sehingga data menjadi layak untuk diteliti lebih lanjut.
3. pengujian hubungan seluruh variabel independen dan dependen
ANOVAa
Model
1
Sum of Squares
Df
Mean Square
Regression
461774,342
3
153924,781
Residual
826742,058
6
137790,343
1288516,400
9
Total
F
Sig.
1,117
,413b
a. Dependent Variable: tingkatpengangguran
b. Predictors: (Constant), bebantanggunganpenduduk, tingkatinflasi, upahminimumperbulan
Dari tabel anova dapat terlihat sing. Value lebih kecil dari 0,05. Artinya antara variabel dependen dan
independen berpengaruh
2. pengujian pengaruh setiap variabel independen terhadap variabel dependen
Coefficientsa
Standardized
Unstandardized Coefficients
Model
1 (Constant)
B
Std. Error
Coefficients
Beta
t
Sig.
2794,733
2486,741
upahminimumperbulan
,000
,001
,118
,271 ,795
tingkatinflasi
,540
,346
,566
1,559 ,170
-,396
,381
bebantanggunganpenduduk
1,124 ,304
-,475 -1,039 ,339
a. Variabel upah minimum perbulan menunjukan sing. Value diatas p-value (0,795) artinya variabel
upah minimum tak berpengaruh dengan variabel tingkat pengangguran
b.
Inflasi, dan Beban Tanggungan Penduduk terhadap Tingkat Pengangguran di Provinsi
Sulawesi Selatan Tahun 2001-2010
Tahun
Tingkat
Laju
Upah
Pengangguran
Pertumbuahan
Minimum per
(%)
PDRB (%)
Bulan (Rp)
2001
3.73
200000
2002
5.32
4,15
300000
2003
6.86
5,49
375000
2004
7.70
3,64
415000
2005
17.05
6,05
455000
2006
12.32
6,72
510000
2007
11.25
6,34
612000
2008
9.04
7,78
679200
2009
8.90
6,23
950000
2010
8.37
8,18
1000000
Sumber: BPS Provinsi Sulawesi Selatan, diolah
Tingkat
Inflasi (%)
11.77
8.25
3.01
6.48
15.20
7.21
5.75
12.40
3.39
6.56
Beban
Tanggungan
Penduduk (%)
66.41
65.55
60.40
66.65
64.97
53.77
57.98
59.48
57.89
57.23
Penelitian ini menggunakan data yang diperoleh dari BPS Provinsi Sulawesi Selatan
yaitu data sekunder. Data yang digunakan adalah yang berbentuk data time series selama
sepuluh tahun yang penelitiannya dilakukan di Provinsi Sulawesi Selatan. Dalam penelitian
ini teknik analisis dilakukan dengan menggunakan statistik yaitu dengan teknik regresi linear
berganda dengan metode ordinary least square atau metode kuadrat terkecil sederhana. Hal
ini bertujuan agar dapat melihat pengaruh independen variabel terhadap variabel
dependennya.
Berdasarkan hasil output di atas, maka persamaannya dapat dinyatakan sebagi
berikut :
Ŷ = β0 + β1X1 + β2X2 + β3X3+ β4X4
Ŷ = 55.331 - 1.789 β1 + 3.708E-6 β2 + 0.969 β3 - 0.734 β4
Keterangan :
Ŷ
= Tingkat Pengangguran (%)
X1
= Laju Pertumbuahan PDRB (%)
X2
= Upah Minimum per Bulan (Rp)
X3
= Tingkat inflasi (Persen)
X4
= Beban Tanggungan Penduduk (%)
β0
= Konstanta
β1; β2; β3; β4
= Koefisien Regresi
Dalam menggunakan analisis regresi berganda, agar persamaan regresi tersebut layak
digunakan atau diaplikasikan, maka ada beberapa asumsi yang harus dipenuhi antara lain, uji
autokorelasi, heteroskadastik, normality, dan multikolinearity.
1. Uji Autokorelasi
Dari hasil output di atas didapat nilai DW yang dihasilkan dari model regresi
adalah 2.394. Sedangkan dari table DW dengan signifikansi 0.05 dan jumlah data (n) =
10, serta k = 4 diperoleh nilai dL sebesar 0.376 dan dU sebesar 2.414. Karena nilai DW
(2.394) berada di antara dU (2.414) dan 4-dU (1.586), maka dapat disimpulkan tidak
terjadi autokorelasi, artinya tidak terjadi penyimpangan asumsi klasik autokorelasi yaitu
korelasi yang terjadi antara residual pada suatu pengamatan lain pada model regresi
sehingga data menjadi layak untuk diteliti lebih lanjut.
2. Uji Heteroskadastik
Berdasarkan hasil pengujian heteroskedastisitas diketahui bahwa titik-titik yang
terbentuk pada grafik scaterplot tidak membentuk pola yang jelas serta tersebar di atas
dan di bawah angka 0 pada sumbu Y sehingga dapat diambil kesimpulan bahwa model
regresi yang digunakan bebas heteroskedastisitas. Hasil tersebut membuktikan bahwa
pengaruh variable independent yaitu variable pengangguran, laju pertumbuhan PDRB,
Upah Minimum per Bulan, Inflasi, dan Beban Tanggungan Penduduk mempunyai varian
yang sama. Dengan demikian membuktikan bahwa persamaan regresi yang dihasilkan
dalam penelitian ini efisien dan kesimpulan yang dihasilkan adalah tepat, karena variabel
independent (X1, X2, X3, dan X4) mempunyai varian yang sama sehingga data menjadi
layak untuk diteliti lebih lanjut.
3. Uji Normality
Berdasarkan tampilan pada gambar P-Plot terlihat titik-titik mengikuti dan
mendekati garis diagonalnya sehingga dapat disimpulkan bahwa model regresi
memenuhi asumsi normalitas (variable residual atau dat yang akan diolah terdistribsui
normal) sehingga data menjadi layak untuk diteliti lebih lanjut.
4. Uji Multikolinearity
Berdasarkan output di atas diketahui bahwa:
Nilai tolerance semua variable independen lebih besar dari 0.10
Nilai VIF semua variable independen lebih kecil dari 10.00
Berdasarakan nilai di atas, disimpulkan bahwa tidak terjadi multikolinearitas,
yang berarti tidak ada hubungan yang kuat antara independen variable dalam model
sehingga data menjadi layak untuk diteliti lebih lanjut.
3. pengujian hubungan seluruh variabel independen dan dependen
ANOVAa
Model
1
Sum of Squares
Df
Mean Square
Regression
461774,342
3
153924,781
Residual
826742,058
6
137790,343
1288516,400
9
Total
F
Sig.
1,117
,413b
a. Dependent Variable: tingkatpengangguran
b. Predictors: (Constant), bebantanggunganpenduduk, tingkatinflasi, upahminimumperbulan
Dari tabel anova dapat terlihat sing. Value lebih kecil dari 0,05. Artinya antara variabel dependen dan
independen berpengaruh
2. pengujian pengaruh setiap variabel independen terhadap variabel dependen
Coefficientsa
Standardized
Unstandardized Coefficients
Model
1 (Constant)
B
Std. Error
Coefficients
Beta
t
Sig.
2794,733
2486,741
upahminimumperbulan
,000
,001
,118
,271 ,795
tingkatinflasi
,540
,346
,566
1,559 ,170
-,396
,381
bebantanggunganpenduduk
1,124 ,304
-,475 -1,039 ,339
a. Variabel upah minimum perbulan menunjukan sing. Value diatas p-value (0,795) artinya variabel
upah minimum tak berpengaruh dengan variabel tingkat pengangguran
b.