TUGAS AKHIR STATISTIKA

Pengaruh Indeks Pembangunan Manusia, Inflasi dan kemiskinan terhadap Pendapatan

di Kabupaten Pematangsiantar tahun 2010-2016

OLEH
Arwinda Mifta Zulfida
Nim 170231100132
Kelas : EP C 17

PROGRM STUDI EKONOMI PEMBANGUNAN

FAKULTAS EKONOMI DAN BISNIS
UNIVERSITAS TRUNOJOYO MADURA
2018
A. Uji Asumsi Klasik

1. Uji Multikolonieritas

Metode Variance Inflation faktor

Variance Inflation Factors

Date: 12/05/18 Time: 20:48
Sample: 2010 2016
Included observations: 7

Coefficient Uncentered Centered

Variable Variance VIF VIF

C 2.09E+19 931.1839 NA
INFLASI 3.82E+15 8.754796 1.819919
IPM 3.71E+15 895.3337 1.874589
KEMISKINAN 5226201. 19.38115 1.142357

Berdasarkan uji multikolonieritas dengan metode Variance Inflation Faktor dari ketiga
variabel diatas yaitu Indeks Pembangunan manusi (IPM), Inflasi(INF) dan kemiskinan
(gini) nilai Centered VIF tidak ada yang melebihi nilai 5 maka, model ini bebas dari
multikolonieritas.

metode korelasi

-
0.19744000027 0.19483106537 0.10500248007
1 18245 57946 06
- -
0.19744000027 0.63004129068 0.10201884580
18245 1 66742 42998
-
0.19483106537 0.63004129068 0.19816118894
57946 66742 1 76167
0.10500248007 0.10201884580 0.19816118894
06 42998 76167 1

Berdasarkan uji korelasi dari masing-masing variabel baik IPM, Inflasi, dan Gini tidak
ada yang memiliki nilai lebih dari 0,9. Hal ini menunjukkan bahwa tidak ada hubungan
exact collinierity antara masing-masing variabel independen. Sehingga dapat
disimpulkan bahwa model regresi bebas asumsi multikolonieritas.
2. Uji normalitas
6
Series: Residuals
Sample 2010 2016
5 Observations 7

4 Mean -2.55e-08
Median -1.13e+08
Maximum 6.20e+08
3 Minimum -1.82e+08
Std. Dev. 2.80e+08
2
Skewness 1.844747
Kurtosis 4.723568

1 Jarque-Bera 4.836725
Probability 0.089067
0
2500.00 5.0e+08

Berdasarkan uji normalitas keputusan terdistribusi normal secara sederhana yaitu

dengan membandingkan nilai probabilitas JB(Jarque-Bera) hitung dengan tingkat alpha
0,05 (5%). Hasil uji normalitas diatas menunjukkan nilai probabilitas JB 0,089067 >
0,05 sehingga dapat disimpulkan bahwa model terdistribusi dengan normal atau bebas
asumsi normalitas.
3. Uji Autokorelasi
Uji Autokorelasi dengan LM test

Breusch-Godfrey Serial Correlation LM Test:

F-statistic 0.266934 Prob. F(2,1) 0.8074

Obs*R-squared 2.436374 Prob. Chi-Square(2) 0.2958

Test Equation:
Dependent Variable: RESID
Method: Least Squares
Date: 12/05/18 Time: 20:54
Sample: 2010 2016
Included observations: 7
Presample missing value lagged residuals set to zero.

Variable Coefficient Std. Error t-Statistic Prob.

C 2.31E+10 3.84E+10 0.599950 0.6560

INFLASI -25121985 1.18E+08 -0.213169 0.8663
IPM -3.31E+08 5.45E+08 -0.607752 0.6523
KEMISKINAN 5517.073 8714.091 0.633121 0.6407
RESID(-1) -4.147570 6.293020 -0.659075 0.6290
RESID(-2) 0.524664 1.794311 0.292404 0.8189

R-squared 0.348053 Mean dependent var -2.55E-08

Adjusted R-squared -2.911680 S.D. dependent var 2.80E+08
S.E. of regression 5.55E+08 Akaike info criterion 42.87381
Sum squared resid 3.08E+17 Schwarz criterion 42.82744
Log likelihood -144.0583 Hannan-Quinn criter. 42.30077
F-statistic 0.106774 Durbin-Watson stat 1.453416
Prob(F-statistic) 0.971909

Nilai Probabilitas F(2,1) sebesar 0.8074 dapat juga disebut sebagai nilai probabilitas F
hitung. Nilai prob F hitung lebih besar dari nilai alpha 0,05 (5%) sehingga, berdasarkan
uji hipotesis ho diterima yang artinya tidak terjadi autokorelasi. Sebaliknya jika nilai F
hitung lebih kecil dari 0,05 maka dapat disimpulkan terjadi autokorelasi.

4. Uji Heteroskedastistas
1) Metode Breusch-Pagan-Godfrey
Heteroskedasticity Test: Breusch-Pagan-Godfrey

F-statistic 0.094086 Prob. F(3,3) 0.9583

Obs*R-squared 0.601964 Prob. Chi-Square(3) 0.8960
Scaled explained SS 0.205848 Prob. Chi-Square(3) 0.9766

Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 12/05/18 Time: 20:58
Sample: 2010 2016
Included observations: 7

Variable Coefficient Std. Error t-Statistic Prob.

C -9.75E+16 2.19E+18 -0.044507 0.9673

INFLASI -9.57E+15 2.96E+16 -0.323333 0.7677
IPM 2.58E+15 2.92E+16 0.088460 0.9351
KEMISKINAN 1.29E+11 1.09E+12 0.118093 0.9135

R-squared 0.085995 Mean dependent var 6.74E+16

Adjusted R-squared -0.828010 S.D. dependent var 1.40E+17
S.E. of regression 1.90E+17 Akaike info criterion 82.70437
Sum squared resid 1.08E+35 Schwarz criterion 82.67346
Log likelihood -285.4653 Hannan-Quinn criter. 82.32235
F-statistic 0.094086 Durbin-Watson stat 2.103476
Prob(F-statistic) 0.958311

2) Metode Harvey
Heteroskedasticity Test: Harvey

F-statistic 8.518742 Prob. F(3,3) 0.0559

Obs*R-squared 6.264609 Prob. Chi-Square(3) 0.0994
Scaled explained SS 13.54219 Prob. Chi-Square(3) 0.0036

Test Equation:
Dependent Variable: LRESID2
Method: Least Squares
Date: 12/05/18 Time: 21:00
Sample: 2010 2016
Included observations: 7

Variable Coefficient Std. Error t-Statistic Prob.

C -6.829727 18.65090 -0.366188 0.7385

INFLASI -0.371041 0.252053 -1.472074 0.2374
IPM 0.648904 0.248329 2.613084 0.0795
KEMISKINAN -7.39E-06 9.32E-06 -0.792325 0.4860

R-squared 0.894944 Mean dependent var 36.47170

Adjusted R-squared 0.789888 S.D. dependent var 3.527815
S.E. of regression 1.617078 Akaike info criterion 4.094678
Sum squared resid 7.844826 Schwarz criterion 4.063770
Log likelihood -10.33137 Hannan-Quinn criter. 3.712655
F-statistic 8.518742 Durbin-Watson stat 2.172204
Prob(F-statistic) 0.055949

3) Metode Glejser

Heteroskedasticity Test: Glejser

F-statistic 0.327965 Prob. F(3,3) 0.8078

Obs*R-squared 1.728778 Prob. Chi-Square(3) 0.6306
Scaled explained SS 1.081444 Prob. Chi-Square(3) 0.7816

Test Equation:
Dependent Variable: ARESID
Method: Least Squares
Date: 12/05/18 Time: 21:02
Sample: 2010 2016
Included observations: 7

Variable Coefficient Std. Error t-Statistic Prob.

C -3.32E+08 2.89E+09 -0.114721 0.9159

INFLASI -22486203 39065247 -0.575606 0.6052
IPM 7935851. 38488030 0.206190 0.8498
KEMISKINAN 247.4521 1444.778 0.171273 0.8749

R-squared 0.246968 Mean dependent var 1.78E+08

Adjusted R-squared -0.506063 S.D. dependent var 2.04E+08
S.E. of regression 2.51E+08 Akaike info criterion 41.81240
Sum squared resid 1.88E+17 Schwarz criterion 41.78149
Log likelihood -142.3434 Hannan-Quinn criter. 41.43037
F-statistic 0.327965 Durbin-Watson stat 2.090418
Prob(F-statistic) 0.807835

4) Metode Arch

Heteroskedasticity Test: ARCH

F-statistic 0.197054 Prob. F(1,4) 0.6801
Obs*R-squared 0.281703 Prob. Chi-Square(1) 0.5956

Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 12/05/18 Time: 21:03
Sample (adjusted): 2011 2016
Included observations: 6 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.

C 9.11E+16 7.65E+16 1.190927 0.2995

RESID^2(-1) -0.215483 0.485425 -0.443907 0.6801

R-squared 0.046950 Mean dependent var 7.54E+16

Adjusted R-squared -0.191312 S.D. dependent var 1.52E+17
S.E. of regression 1.66E+17 Akaike info criterion 82.40133
Sum squared resid 1.10E+35 Schwarz criterion 82.33192
Log likelihood -245.2040 Hannan-Quinn criter. 82.12346
F-statistic 0.197054 Durbin-Watson stat 2.138233
Prob(F-statistic) 0.680066

5) Metode White
Heteroskedasticity Test: White

F-statistic 0.111777 Prob. F(3,3) 0.9475

Obs*R-squared 0.703771 Prob. Chi-Square(3) 0.8723
Scaled explained SS 0.240662 Prob. Chi-Square(3) 0.9708

Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 12/05/18 Time: 21:05
Sample: 2010 2016
Included observations: 7

Variable Coefficient Std. Error t-Statistic Prob.

C 1.30E+17 1.32E+18 0.098346 0.9279

INFLASI^2 -8.96E+14 2.31E+15 -0.387817 0.7240
IPM^2 -4.78E+12 2.38E+14 -0.020098 0.9852
KEMISKINAN^2 112458.0 1994460. 0.056385 0.9586

R-squared 0.100539 Mean dependent var 6.74E+16

Adjusted R-squared -0.798922 S.D. dependent var 1.40E+17
S.E. of regression 1.88E+17 Akaike info criterion 82.68833
Sum squared resid 1.07E+35 Schwarz criterion 82.65742
Log likelihood -285.4092 Hannan-Quinn criter. 82.30631
F-statistic 0.111777 Durbin-Watson stat 2.121391
Prob(F-statistic) 0.947544

Nilai Probabilitas dan Chi Squared dari seluruh metode uji Heteroskedastisitas yaitu
(Breusch, Glejser, Arch dan White) lebih dari nilai alpha 0,05 (5%). Hal ini dapat
disimpulkan bahwa model lulus asumsi heteroskedastisitas. Namun hanya metode
Harvey yang tidak lulus asumsi heteroskedastisitas.
B. Uji Kelayakan Model

Estimasi model yang digunakan adalah sebagai berikut : PDRB = ß0 + ß1 IPM + ß2 Inf
+ ß3 Gini + € Berdasarkan model persamaan diatas maka estimasi output EViews
adalah sebagai berikut:

Dependent Variable: PDRB

Method: Least Squares
Date: 12/05/18 Time: 21:06
Sample: 2010 2016
Included observations: 7

Variable Coefficient Std. Error t-Statistic Prob.

C -2.42E+08 4.57E+09 -0.052850 0.9612

INFLASI -13443644 61813397 -0.217488 0.8418
IPM 5540739. 60900061 0.090981 0.9332
KEMISKINAN 411.8987 2286.089 0.180176 0.8685

R-squared 0.057409 Mean dependent var 1.95E+08

Adjusted R-squared -0.885181 S.D. dependent var 2.89E+08
S.E. of regression 3.97E+08 Akaike info criterion 42.73017
Sum squared resid 4.72E+17 Schwarz criterion 42.69926
Log likelihood -145.5556 Hannan-Quinn criter. 42.34815
F-statistic 0.060906 Durbin-Watson stat 2.100902
Prob(F-statistic) 0.977054

a. Uji F

Uji F merupakan tahapan mengidentifikasi model regresi yang diestimasi layak

digunakan untuk menjelaskan pengaruh variabel-variabel bebas terhadap variabel terikat.
Apabila nilai probabilitas F hitung lebih kecil dari tingkat alpha 0,05(5%) maka dapat
disimpulkan bahwa model regresi diestimasikan layak. Hasil estimasi regresi diatas nilai
probabilitas F statistic yaitu 0.977054
lebih besar dari 0,05 (5%) maka dapat disimpulkan bahwa estimasi model regresi tidak
layak.

b. Uji t

Uji t dalam regresi linier digunakan untuk menguji apakah parameter (koefisien regresi
dan konstanta) yang diduga untuk mengestimasi persamaan sudah merupakan parameter
yang tepat atau belum. Hasil uji t menunjukkan apabila prob t hitung lebih kecil dari nilai
alpha (0,05) maka dapat disimpulkan bahwa variabel bebas berpengaruh terhadap
variabel terikat. Apabila nilai t hitung lebih besar dari nilai alpha (0,05) maka variabel
bebas tidak berpengaruh secara signifikan terhadap variabel terikat. Hasil estimasi diatas
menunjukkan bahwa nilai probabilitast hitung (yang ditunjukkan oleh Prob) IPM yaitu
0.9332 lebih besar dari 0,05 berarti variabel indeks pembangunan Manusia berpengaruh
signifikan terhadap PDRB. Variabel INF yaitu 0.8418 lebih besar dari 0,05 berarti
variabel inflasi tidak berpengaruh signifikan terhadap PDRB. Dan terakhir variabel gini
yaitu 0.8685 lebih besar dari 0,05 berarti kesenjangan ekonomi tidak berpengaruh
signifikan terhadap PDRB.

c. Koefisien Determinasi

Koefisien determinasi menjelaskan variasi pengaruh variabel-variabel bebas terhadap

variabel terikatnya. Atau disebut juga proporsi pengaruh seluruh variabel bebas terhadap
variabel terikat. Nilai koefisien determinasi diukur dengan Adjusted RSquare. Nilai
Adjusted R-Squared pada tabel diatas sebesar -0.885181 menunjukkan bahwa proporsi
pengaruh variabel IPM, INF, dan Gini terhadap PDRB sebesar -88.51%. Sedangkan
sisanya (100%-(-88.51%)) yaitu 1.88.51% dipengaruhi oleh variabel lainnya.

C. Interpretasi Model

Setelah estimasi model regresi linier berganda dilakukan dan diuji pemenuhan syaratnya
(uji asumsi klasik) serta uji kelayakan, maka tahap terakhir adalah interpretasi model.
interpretasi model dilakukan setelah uji asumsi klasik dan uji kelayakan dilakukan karena
pertama, uji asumsi klasik memastikan bahwa pernyataan minimal sebuah model regresi
telah terpenuhi sehingga tidak akan menimbulkan kesalahan asumsi. Kedua, uji
kelayakan memastikan bahwa model regresi linier yang diestimasikan memang layak
digunakan untuk menafsirkan pengaruh variabel independen terhadap variabel dependen.
Dari model regresi dengan eviews maka estimasi regresi adalah sebagai berikut : PDRB
= -2.54E+08 + 5540739 IPM - (-13443644 INF) + 411.8987 gini + e Koefisien IPM
bernilai Positif menunjukkan bahwa kenaikan indeks pembangunan manusia juga
meningkatkan Pendapatan dan sebaliknya. Kenaikan indeks pembangunan manusia
sebesar 3 persen dapat meningkatkan pengaruh pendepatan sebesar 5,5 persen. Dan
sebaliknya. Koefisien inflasi bernilai negative menunjukkan bahwa kenaikan inflasi dapat
menurunkan pendapatan. Kenaikan inflasi 1 persen dapat menurunkan pendapatan
(PDRB) sebesar -1.3 persen dan sebaliknya.
Lampiran 1

Tahun PDRB IPM INFLASI KEMISKINAN

2010 59298779 2.72 72.52 183419
2011 67412851 9.68 73.61 199185
2012 75233185 4.25 74.51 241238
2013 848729336 4.73 75.05 285863
2014 95551567 12.02 66.05 317304
2015 105663283 7.94 76.34 349068
2016 115792904 3.36 76.9 384012