Professional Documents
Culture Documents
Penggunaan Belanja Infra
Penggunaan Belanja Infra
b. Uji Hausmann
Hasil uji chow yang telahadilakukan penulis menunjukkan bahwa model regresi data
panel FE lebih baik daripada model PLS Pooled untuk digunakan pada persamaan I.
Selanjutnya, uji Hausmann akan digunakan untuk dijadikan dasar penentuan model regresi
yang paling tepat untuk digunakan pada persamaan I antara model FE dan RE. Hipotesis uji
Hausmann pada persamaan I adalah sebagai berikut:
H0 : p-value(Prob>Chi2) > 0,05; model persamaan I menggunakan RE;
H1 : p-value(Prob>Chi2) < 0,05; model persamaan I menggunakan FE.
Hasil uji hausmann pada lampiran II menunjukkan bahwa nilai p-value sebesar 0,000
yang berarti lebih kecil dari 0,05 (H0 ditolak). Berdasarkan hasil uji hausmann, penulis
menyimpulkan bahwa model FE lebih baik digunakan untuk persamaan I daripada model RE.
Simpulan yang didapat penulis dari penentuan model terbaik persamaan I melalui nilai
uji chow dan uji hausman adalah bahwa model FE akan lebih baik digunakan pada persamaan
I daripada model PLS Pooled serta RE. Berdasarkan hasil ini, selanjutnya untuk persamaan I
akan digunakan hasil estimasi model FE untuk pengambilan keputusan dalam uji hipotesis.
Hasil regresi model FE persamaan I disajikan pada tabel IV.2 berikut:
TabelxIV.2 Hasil Regresi Model Fixed-Effects Persamaan I
Sumber: Diolah dari Hasil Regresi Data melalui STATA
Uji Heteroskedastisitas
Pengujian heteroskedasitas pada persamaan I menggunakan uji Wald. Hasil uji Wald
selanjutnya dibandingkan dengan nilai signifikan 0,05 (α = 5%), apabila nilai hasil uji Wald
kurang dari 0,05 dapat diindikasikan bahwa terdapat gejala heteroskedastisitas.
Tabel IV.5 Hasil Uji Wald Persamaan I
Nilai hasil uji wald sebagaimana ditunjukkan pada tabel IV.5 adalah 0,000 atau lebih
kecil dari nilai signifikan (α = 5%) sehingga dapat ditarik kesimpulan bahwa terjadi masalah
heteroskedastisitas pada persamaan I. Masalah heteroskedastisitas pada persamaan I dapat
diatasi dengan menggunakan estimasi General Least Square (GLS) dengan cross section
weight pada model FE. Hasil regresi model fixed effect dengan GLS cross section terdapat
pada table berikut:
Uji Autokorelasi
Penulis menggunakan uji wooldridge untuk menentukan ada tidaknya masalah
autokorelasi pada persamaan II. Nilai hasil uji wooldridge kemudian dibandingkan dengan
nilai signifikan penelitian ini yaitu 0,05 (α = 5%). Penentuan terjadinya autokorelasi adalah
apabila hasil uji Wooldridge tidak lebih dari 0,05. Hasil uji Wooldridge untuk persamaan II
disajikan sebagaimana berikut:
Tabel IV.6 Hasil Uji Wooldridge Persamaan II
Hasil uji chow pada lampiran I menunjukkan bahwa nilai p-value pada model FE
sebesar 0,0000 yangaberarti kurang dari 0,05 (H0 ditolak). Berdasarkan nilai hasil uji ini
penulis menyimpulkan bahwa model FE lebihabaik daripada model PLS Pooled untuk
digunakan dalam persamaan I.
b. Uji Hausmann
Hasil uji chow yang telahadilakukan penulis menunjukkan bahwa model regresi data
panel FE lebih baik daripada model PLS Pooled untuk digunakan pada persamaan I.
Selanjutnya, uji Hausmann akan digunakan untuk dijadikan dasar penentuan model regresi
yang paling tepat untuk digunakan pada persamaan I antara model FE dan RE. Hipotesis uji
Hausmann pada persamaan I adalah sebagai berikut:
H0 : p-value(Prob>Chi2) > 0,05; model persamaan I menggunakan RE;
H1 : p-value(Prob>Chi2) < 0,05; model persamaan I menggunakan FE.
Hasil uji hausmann pada lampiran II menunjukkan bahwa nilai p-value sebesar 0,000
yang berarti lebih kecil dari 0,05 (H0 ditolak). Berdasarkan hasil uji hausmann, penulis
menyimpulkan bahwa model FE lebih baik digunakan untuk persamaan II daripada model
RE.
Simpulan yang didapat penulis dari penentuan model terbaik persamaan II melalui nilai
uji chow dan uji hausman adalah bahwa model FE akan lebih baik digunakan pada persamaan
I daripada model PLS Pooled serta RE. Berdasarkan hasil ini, selanjutnya untuk persamaan II
akan digunakan hasil estimasi model FE untuk pengambilan keputusan dalam uji hipotesis.
Hasil regresi model FE persamaan I disajikan pada tabel IV.2 berikut:
TabelxIV.2 Hasil Regresi Model Fixed-Effects Persamaan II
Sumber: Diolah dari Hasil Regresi Data melalui STATA
Uji Heteroskedastisitas
Pengujian heteroskedasitas pada persamaan I menggunakan uji Wald. Hasil uji Wald
selanjutnya dibandingkan dengan nilai signifikan 0,05 (α = 5%), apabila nilai hasil uji Wald
kurang dari 0,05 dapat diindikasikan bahwa terdapat gejala heteroskedastisitas.
Tabel IV.5 Hasil Uji Wald Persamaan I
Nilai hasil uji wald sebagaimana ditunjukkan pada tabel IV.5 adalah 0,000 atau lebih
kecil dari nilai signifikan (α = 5%) sehingga dapat ditarik kesimpulan bahwa terjadi masalah
heteroskedastisitas pada persamaan I. Masalah heteroskedastisitas pada persamaan I dapat
diatasi dengan menggunakan estimasi General Least Square (GLS) dengan cross section
weight pada model FE. Hasil regresi model fixed effect dengan GLS cross section terdapat
pada table berikut:
Uji Autokorelasi
Penulis menggunakan uji wooldridge untuk menentukan ada tidaknya masalah
autokorelasi pada persamaan II. Nilai hasil uji wooldridge kemudian dibandingkan dengan
nilai signifikan penelitian ini yaitu 0,05 (α = 5%). Penentuan terjadinya autokorelasi adalah
apabila hasil uji Wooldridge tidak lebih dari 0,05. Hasil uji Wooldridge untuk persamaan II
disajikan sebagaimana berikut:
Tabel IV.6 Hasil Uji Wooldridge Persamaan II
Heteros tidak lulus diatasi dengan Heteros tidak lulus diatasi dengan
General Least Square (GLS) dengan cross General Least Square (GLS) dengan cross
section weight section weight
Autokorelasi tidak lulus diatasi dengan Autokorelasi tidak lulus diatasi dengan
white period robust white period robust
b. Uji Hausmann
Hasil uji chow yang telahadilakukan penulis menunjukkan bahwa model regresi data
panel FE lebih baik daripada model PLS Pooled untuk digunakan pada persamaan I.
Selanjutnya, uji Hausmann akan digunakan untuk dijadikan dasar penentuan model regresi
yang paling tepat untuk digunakan pada persamaan I antara model FE dan RE. Hipotesis uji
Hausmann pada persamaan I adalah sebagai berikut:
H0 : p-value(Prob>Chi2) > 0,05; model persamaan I menggunakan RE;
H1 : p-value(Prob>Chi2) < 0,05; model persamaan I menggunakan FE.
Hasil uji hausmann pada lampiran II menunjukkan bahwa nilai p-value sebesar 0,000
yang berarti lebih kecil dari 0,05 (H0 ditolak). Berdasarkan hasil uji hausmann, penulis
menyimpulkan bahwa model FE lebih baik digunakan untuk persamaan I daripada model RE.
Simpulan yang didapat penulis dari penentuan model terbaik persamaan I melalui nilai
uji chow dan uji hausman adalah bahwa model FE akan lebih baik digunakan pada persamaan
I daripada model PLS Pooled serta RE. Berdasarkan hasil ini, selanjutnya untuk persamaan I
akan digunakan hasil estimasi model FE untuk pengambilan keputusan dalam uji hipotesis.
Hasil regresi model FE persamaan I disajikan pada tabel IV.2 berikut:
TabelxIV.2 Hasil Regresi Model Fixed-Effects Persamaan I
Sumber: Diolah dari Hasil Regresi Data melalui STATA
Uji Heteroskedastisitas
Pengujian heteroskedasitas pada persamaan I menggunakan uji Wald. Hasil uji Wald
selanjutnya dibandingkan dengan nilai signifikan 0,05 (α = 5%), apabila nilai hasil uji Wald
kurang dari 0,05 dapat diindikasikan bahwa terdapat gejala heteroskedastisitas.
Tabel IV.5 Hasil Uji Wald Persamaan I
Nilai hasil uji wald sebagaimana ditunjukkan pada tabel IV.5 adalah 0,000 atau lebih
kecil dari nilai signifikan (α = 5%) sehingga dapat ditarik kesimpulan bahwa terjadi masalah
heteroskedastisitas pada persamaan I. Masalah heteroskedastisitas pada persamaan I dapat
diatasi dengan menggunakan estimasi General Least Square (GLS) dengan cross section
weight pada model FE. Hasil regresi model fixed effect dengan GLS cross section terdapat
pada table berikut:
Uji Autokorelasi
Penulis menggunakan uji wooldridge untuk menentukan ada tidaknya masalah
autokorelasi pada persamaan II. Nilai hasil uji wooldridge kemudian dibandingkan dengan
nilai signifikan penelitian ini yaitu 0,05 (α = 5%). Penentuan terjadinya autokorelasi adalah
apabila hasil uji Wooldridge tidak lebih dari 0,05. Hasil uji Wooldridge untuk persamaan II
disajikan sebagaimana berikut:
Tabel IV.6 Hasil Uji Wooldridge Persamaan II
Heteros tidak lulus diatasi dengan Heteros tidak lulus diatasi dengan
General Least Square (GLS) dengan cross General Least Square (GLS) dengan cross
section weight section weight
Autokorelasi tidak lulus diatasi dengan Autokorelasi tidak lulus diatasi dengan
white period robust white period robust
4. Model Persamaan II
a. Uji Chow
Penulis menggunakan uji chow dalam penentuan model regresi yang paling tepat untuk
digunakan dalam estimasi persamaan II. Hipotesis uji chow pada persamaan I adalah
sebagaimana berikut ini:
H0 : p-value > 0,05; model persamaan II menggunakan PLS Pooled;
H11: p-value < 0,05; model persamaan II menggunakan FE.
Hasil uji chow pada lampiran I menunjukkan bahwa nilai p-value pada model FE
sebesar 0,0000 yangaberarti kurang dari 0,05 (H0 ditolak). Berdasarkan nilai hasil uji ini
penulis menyimpulkan bahwa model FE lebihabaik daripada model PLS Pooled untuk
digunakan dalam persamaan I.
b. Uji Hausmann
Hasil uji chow yang telahadilakukan penulis menunjukkan bahwa model regresi data
panel FE lebih baik daripada model PLS Pooled untuk digunakan pada persamaan I.
Selanjutnya, uji Hausmann akan digunakan untuk dijadikan dasar penentuan model regresi
yang paling tepat untuk digunakan pada persamaan I antara model FE dan RE. Hipotesis uji
Hausmann pada persamaan I adalah sebagai berikut:
H0 : p-value(Prob>Chi2) > 0,05; model persamaan I menggunakan RE;
H1 : p-value(Prob>Chi2) < 0,05; model persamaan I menggunakan FE.
Hasil uji hausmann pada lampiran II menunjukkan bahwa nilai p-value sebesar 0,000
yang berarti lebih kecil dari 0,05 (H0 ditolak). Berdasarkan hasil uji hausmann, penulis
menyimpulkan bahwa model FE lebih baik digunakan untuk persamaan II daripada model
RE.
Simpulan yang didapat penulis dari penentuan model terbaik persamaan II melalui nilai
uji chow dan uji hausman adalah bahwa model FE akan lebih baik digunakan pada persamaan
I daripada model PLS Pooled serta RE. Berdasarkan hasil ini, selanjutnya untuk persamaan II
akan digunakan hasil estimasi model FE untuk pengambilan keputusan dalam uji hipotesis.
Hasil regresi model FE persamaan I disajikan pada tabel IV.2 berikut:
TabelxIV.2 Hasil Regresi Model Fixed-Effects Persamaan II
Sumber: Diolah dari Hasil Regresi Data melalui STATA
Uji Heteroskedastisitas
Pengujian heteroskedasitas pada persamaan I menggunakan uji Wald. Hasil uji Wald
selanjutnya dibandingkan dengan nilai signifikan 0,05 (α = 5%), apabila nilai hasil uji Wald
kurang dari 0,05 dapat diindikasikan bahwa terdapat gejala heteroskedastisitas.
Tabel IV.5 Hasil Uji Wald Persamaan I
Nilai hasil uji wald sebagaimana ditunjukkan pada tabel IV.5 adalah 0,000 atau lebih
kecil dari nilai signifikan (α = 5%) sehingga dapat ditarik kesimpulan bahwa terjadi masalah
heteroskedastisitas pada persamaan I. Masalah heteroskedastisitas pada persamaan I dapat
diatasi dengan menggunakan estimasi General Least Square (GLS) dengan cross section
weight pada model FE. Hasil regresi model fixed effect dengan GLS cross section terdapat
pada table berikut:
Uji Autokorelasi
Penulis menggunakan uji wooldridge untuk menentukan ada tidaknya masalah
autokorelasi pada persamaan II. Nilai hasil uji wooldridge kemudian dibandingkan dengan
nilai signifikan penelitian ini yaitu 0,05 (α = 5%). Penentuan terjadinya autokorelasi adalah
apabila hasil uji Wooldridge tidak lebih dari 0,05. Hasil uji Wooldridge untuk persamaan II
disajikan sebagaimana berikut:
Tabel IV.6 Hasil Uji Wooldridge Persamaan II
Heteros tidak lulus diatasi dengan Heteros tidak lulus diatasi dengan
General Least Square (GLS) dengan cross General Least Square (GLS) dengan cross
section weight section weight
Autokorelasi tidak lulus diatasi dengan Autokorelasi tidak lulus diatasi dengan
white period robust white period robust
Pend
X1
Infra
X3
Persamaan I
Berdasarkan tabel di atas, diketahui bahwa semua variable signifikan sehingga tidak perlu dilakukan
trimming. Adapun koefisien residu adalah e = akar dari 1-0,118 = 0,939
Dari tabel di atas diketahui bahwa variable X1 tidak signifikan. Sehingga model menjadi sebagaimana
gambar di bawah:
Kes
X2
Infra
pdrb
X3
IPM
Y
Setelah dilakukan regresi, maka diperoleh persamaan sebagai berikut dengan e = akarkuadrat dari (1
– Rkuadrat) = akarkuadrat(1-0,5886)= 0,641
Pend
X1
Infra
X3
Koefisien determinan multipel setelah koefisien jalur yang tidak signifikan dihilangkan dan nilai
tersebut diambil dari :
Jika Q < 1, maka untuk mengetahui fit tidaknya model maka statistik koefisien Q perlu diuji dengan
statistik W yang dihitung dengan rumus :
Dengan ukuran sample 1377 dan d = 1 dan Q = 0,9969 maka
Whitung = -(1377-1)ln0,9969
Whitung= 34,430
Whitung lebih besar dari Xsquared maka disimpulkan bahwa model empiris yang diperoleh memiliki
kemampuan untuk mengeneralisasikan tentang fenomena yaitu variabel bebas (belanja Pendidikan,
kesehatan, infraskturr, ipm dan pdrb dengan baik.
Pengaruh
Var Koefisien Jalur
Langsung Tidak Langsung Total
Pend -0,2271 - 0,453 x -0,103
X1
Ringkasan
Belanja fungsi pendidikan berpengaruh negatif terhadap ipm dan berpengaruh negative terhadap
pdrb secara tidak langsung
Belanja fungsi Kesehatan berpengaruh positif terhadap ipm dan berpengaruh positif terhadap pdrb
secara tidak langsung
Belanja fungsi Infrastruktur berpengaruh berpengaruh negatif terhadap ipm dan berpengaruh
negative terhadap pdrb secara tidak langsung