BAB I
PENDAHULUAN
1.1. Latar Belakang
Salah satu sasaran
pembangunan nasional adalah tercapainya tingkat pertumbuhan
ekonomi
yang cukup tinggi dan berkesinambungan. Untuk mencapai tingkat pertumbuhan
dengan
struktur ekonomi yang diharapkan, maka pembangunan perlu direncanakan dengan
baik
dan hasil pembangunan harus terus diamati. Perencanaan pembangunan dan
pengamatan terhadap hasil-hasilnya akan dapat dilakukan dengan lebih baik dan
terarah apabila dilandaskan pada data statistik yang baik dan cermat.
Dalam kaitan ini statistik Produk Domestik Regional
Bruto (PDRB) Kabupaten
Kotawaringin
perlu disusun karena merupakan salah satu alat yang cukup handal untuk
perencanaan
dan evaluasi hasil pembangunan secara makro. Dengan tersedianya data PDRB dari
tahun ke tahun, para pembuat kebijaksanaan ekonomi di Kabupaten Kotawaringin
akan mampu menentukan sasaran pembangunan yang tepat pada kurun waktu
tertentu.
Tabel 1
Tren PDRB Kabupaten Kotawaringin
2006-2010
|
1
|
2
|
3
|
4
|
|
TAHUN
|
PDRB adh berlaku (Juta Rupiah)
|
PDRB adh konstan (Juta Rupiah)
|
Data Inflasi
(%)
|
|
2006
|
4.552.879,55
|
2.325.612,20
|
7,75
|
|
2007
|
5.110.767,47
|
2.471.355,87
|
7,57
|
|
2008
|
5.944.500,75
|
2.633.483,31
|
8,89
|
|
2009
|
6.723.984,49
|
2.800.103,72
|
2,85
|
|
2010
|
7.847.019,63
|
2.990.895,21
|
9,53
|
1.2.
Rumusan Masalah
Dalam perencanaan ekonomi suatu wilayah pada umumnya
kita dihadapkan pada
empat
hal pokok yaitu :
1.
Bagaimana pengaruh PDRB atas dasar harga
berlaku dengan PDRB per kapita.
2. Bagaimana
pengaruh jumlah penduduk pertengahan tahun dengan PDRB per kapita.
3. Bagaimana
pengaruh PDRB atas dasar harga berlaku dan jumlah penduduk pertengahan tahun
terhadap PDRB per kapita.
4. Diantara
PDRB ADH berlaku dan jumlah penduduk pertengahan tahun, mana yang paling
berpengaruh dengan PDRB per kapita.
1.3. Tujuan
Produk Domestik Regional Bruto yang disajikan dengan
harga berlaku akan bisa
menggambarkan
tingkat pertumbuhan ekonomi di daerah itu, dan apabila ini dibagi dengan
jumlah
penduduk akan mencerminkan tingkat perkembangan produk perkapita. Jika PDRB
dibagi
dengan jumlah penduduk akan mencerminkan tingkat perkembangan pendapatan
perkapita
yang dapat digunakan sebagai indikator untuk membandingkan tingkat kemakmuran materiil
suatu daerah terhadap daerah lain.
Penyajian dalam bentuk neraca Regional akan dapat
digambarkan bagaimana barang dan jasa itu diproduksi, dikonsumsi,
diinvestasikan maupun diekspor, dan bagaimana sumbersumber pembiayaan terhadap
konsumsi, investasi maupun ekspor/impor. Dari sekedar uraian diatas dapat
disimpulkan, bahwa angka-angka yang disajikan oleh PDRB dapat menggambarkan
kondisi ekonomi yang terjadi, baik mengenai struktur ekonomi dimasa lalu, keadaan
yang sedang berjalan maupun kemungkinan-kemungkinan dimasa yang akan datang.
1.4.
Hasil yang Diharapkan
Permasalahan tersebut tentu saja tidak mudah
dijawab. Akan tetapi dengan adanya data
statistik
PDRB barangkali kita agak terbantu dalam melakukan perencanaan maupun evaluasi pembangunan
ekonomi, sebab paling tidak dengan data PDRB kita dapat memperoleh gambaran
mengenai :
1. Tingkat
kemakmuran suatu daerah melalui besarnya pendapatan per kapita.
2. Potensi
suatu daerah dengan melihat struktur perekonomian yang ada.
3. Pembangunan
ekonomi dapat meningkatkan pendapatan masyarakat secara mantap.
4. mengusahakan
agar pendapatan tersebut dapat terdistribusdikan secara adil di antara warga
masyarakat.
BAB II
TINJAUAN PUSTAKA
2.1. Metode Pengambilan Sampel
Metode
penarikan contoh (sampel) yang digunakan dalam survei ini adalah Purposive
Sampling, dengan terlebih dahulu menentukan jumlah perusahaan pada
masing-masing sektor kegiatan ekonomi. Salah satu keuntungan penggunaan metode Purposive
Sampling ini adalah dapat dilakukan pemilihan responden yang didasarkan
atas prioritas usaha yang cukup dominan dalam menyumbangkan nilai tambah (Value
Added) terhadap perekonomian regional Kabupaten Cianjur, sehingga relatif
dapat lebih menggambarkan kondisi yang sesungguhnya.
Asumsi dasar yang dipakai dalam Purposive Sampling ini
adalah setiap karakteristik dari elemen sampel mempunyai sifat homogenitas, hal
ini karena dikelompokkan berdasarkan sektor/kegiatan usaha dan skala usaha
sehingga setiap sektor usaha tersebut mempunyai ciri-ciri khusus.
Sumber
: BPS Kab. Cianjur
2. 2. PDRB dalam Siklus Kegiatan Ekonomi
Kegiatan ekonomi secara garis besarnya dapat
dikelompokkan kedalam kegiatan
memproduksi dan kegiatan
mengkonsumsi barang dan jasa. Unit-unit produksi memproduksi
barang dan jasa, dan dari
kegiatan memproduksi ini timbul pendapatan yang diterima oleh
faktor-faktor produksi yang
telah dimiliki oleh berbagai golongan dalam masyarakat,
sehingga dari pendapatan ini
masyarakat akan membeli barang dan jasa baik untuk keperluan
konsumsi maupun investasi.
Dengan demikian, maka nilai produk akhir dari barang dan
jasa yang diproduksi
(product) akan sama dengan
pendapatan yang diterima oleh golongan-golongan dalam
masyarakat (income), dan
akan sama pula dengan jumlah pengeluaran oleh berbagai golongan
dalam masyarakat
(expenditure).
Karena itu maka Regional Product (Produk Regional),
Regional Income (Pendapatan
Regional), dan Regional
Expenditure (Pengeluaran Regional), sebenarnya sama. Hanya cara melihatnya saja
yang berbeda :
1.
Kalau ditinjau dari segi produksi, Produk Regional adalah merupakan
jumlah nilai produk akhir atau nilai tambah dari barang dan jasa yang
dihasilkan oleh unit-unit produksi yang dimiliki oleh penduduk wilayah itu
dalam jangka waktu tertentu.
2.
Atau kalau ditinjau
dari segi pendapatan, Pendapatan Regional adalah merupakan jumlah pendapatan
atau balas jasa yang diterima oleh faktor poroduksi yang dimiliki oleh penduduk
wilayah itu yang ikut serta dalam proses produksi dalam jangka waktu tertentu.
3.
Atau apabila ditinjau dari segi pengeluaran, Pengeluaran Regional
adalah merupakan jumlah pengeluaran konsumsi rumahtangga dan lembaga swasta
yang tidak mencari untung, konsumsi pemerintah, pembentukan modal tetap perubahan
stok dan ekspor neto suatu daerah dalam jangka waktu tertentu.
Sumber : BPS Kab. Jombang
2. 3. Mengoperasikan Data
Angka-angka yang akan diambil,
contohnya seperti PDRB yang sedang kita bahas ini ke dalam aplikasi SPSS dengan
menentukan terlebih dahulu X1, X2, Y. contoh dari data
yang didapat yaitu nilai rapot terhadap jenis kelamin (sex) dan nilai harian 1.
1. Cara menganalisis regresi linier berganda dengan SPSS
17.0
Analisis regresi digunakan untuk
memprediksi pengaruh variabel bebas terhadap variabel terikat. Analisis regresi
juga dapat dilakukan untuk mengetahui kelinieritas variabel terikat dengan
varibel bebasnya, selain itu juga dapat menunjukkan ada atau tidaknya data yang
outlier atau data yang ekstrim.
Analisis regresi linear berganda
terdiri dari satu variabel dependen dan dua atau lebih variabel
independen. Misalnya dalam suatu kegiatan penelitian ingin diketahui
apakah variabel X (Sex dan Nilai harian 1) berpengaruh terhadap variabel Y
(nilai rapot). Data penelitian adalah sebagai berikut:
|
Nama
|
Sex
|
Nilai
harian 1
|
Nilai
Rapot
|
|
IDM01
IDM02 IDM03 IDM04 IDM05 IDM06 IDM07 IDM08 IDM09 IDM10 IDM11 IDM12 IDM13 IDM14 IDM15 |
1
2 1 1 1 2 2 1 1 2 2 1 1 2 1 |
50
61 80 76 40 73 86 77 59 56 66 80 72 95 83 |
68
86 78 80 76 74 70 80 76 85 60 69 89 90 88 |
Keterangan sex: 1=laki-laki,
2=perempuan
2. Cara membaca Output tersebut adalah, sebagai berikut :
1. Deskriptif statistik
Dari
output tersebut dapat dilihat rata-rata nilai rapot dari 15 siswa adalah 77,93
dengan standar deviasi 8,779 sedangkan rata-rata nilai harian 1 adalah 70,27
dengan standar deviasi 14,786
2. Korelasi
Dari
tabel dapat dilihat bahwa besar hubungan antara variabel nilai rapot dengan sex
adalah -0,042 hal ini menunjukan hubungan negatif. Besar hubungan nilai harian
1 dengan nilai rapot adalah 0,238 yang berarti ada hubungan positif, makin
besar nilai harian 1 maka makin tinggi pula nilai rapot.
3. Variabel masuk dan keluar
Dari
tabel diatas menunjukan variabel yang dimasukan adalah nilai harian 1 dan sex,
sedangkan variabel yang dikeluarkan tidak ada (Variables Removed tidak ada).
4.Model sisaan
Pada
tabel diatas angka R Square adalah 0,063 yaitu hasil kuadrat dari koefisien
korelasi (0,250 x 0,250 = 0,063). Standar Error of the Estimate adalah 9,181,
perhatikan pada analisis deskriptif statitik bahwa standar deviasi nilai rapot
adalah 8,779 yang jauh lebih kecil dari dari standar error, oleh karena lebih
besar daripada standar deviasi nilai rapot maka model regresi tidak bagus dalam
bertindak sebagai predictor nilai rapot.
5. Anova
Hipotesis:
Ho: B1=B2=0
Ha: ada Bi yang tidak nol
Pengambilan keputusan:
Jika F hitung <= T tabel atau probabilitas >= 0,05 maka Ho diterima
Jika F hitung > T tabel atau probabilitas < 0,05 maka Ho ditolak
Ho: B1=B2=0
Ha: ada Bi yang tidak nol
Pengambilan keputusan:
Jika F hitung <= T tabel atau probabilitas >= 0,05 maka Ho diterima
Jika F hitung > T tabel atau probabilitas < 0,05 maka Ho ditolak
Dari tabel
diatas dapat dilihat nilai F hitung yaitu 0,401, sedangkan nilai F tabel dapat
diperoleh dengan menggunakan tabel F dengan derajat bebas (df) Residual (sisa)
yaitu 12 sebagai df penyebut dan df Regression (perlakuan) yaitu 2 sebagai df
pembilang dengan tarap siginifikan 0,05, sehingga diperoleh nilai F tabel yaitu
3,89. Karena F hitung (0,401) < F tebel (3,89) maka Ho diterima.
Berdasarkan nilai Signifikan, terlihat pada kolom sig yaitu 0,679 itu berarti probabilitas 0,679 lebih dari daripada 0,05 maka Ho diterima.
Kesimpulan:
Tidak ada koefisien yang tidak nol atau koefisien berarti, maka model regresi tidak dapat dipakai untuk memprediksi nilai rapot.
Berdasarkan nilai Signifikan, terlihat pada kolom sig yaitu 0,679 itu berarti probabilitas 0,679 lebih dari daripada 0,05 maka Ho diterima.
Kesimpulan:
Tidak ada koefisien yang tidak nol atau koefisien berarti, maka model regresi tidak dapat dipakai untuk memprediksi nilai rapot.
6. Koefisien
Hipotesis:
Ho: Bi=0
Ha: ada Bi yang tidak nol , i=1 atau 2
Pengambilan keputusan:
Jika T hitung <= T tabel atau probabilitas >= 0,05 maka Ho diterima
Jika T hitung > T tabel atau probabilitas < 0,05 maka Ho ditolak
* Constant: Berdasarkan tabel diatas, dapat dilihat bahwa nilai T hitung untuk Constant yaitu 5,360, pada T tabel dengan db 12 dan taraf signifikan 0,05 diperoleh 1,782, karena T hitung > T tabel maka Ho ditolak. sedangkan sig pada tabel B adalah 0,000 yang berarti probabilitas 0,000, karena probabilitas kurang dari 0,05 maka ditolak. Berarti bermakna dan diramalkan tidak melalui titik (0,0).
** Sex: Berdasarkan tabel diatas, dapat dilihat bahwa nilai T hitung untuk Sex yaitu -0,277, pada T tabel dengan db 12 dan taraf signifikan 0,05 diperoleh 1,782, karena T hitung < T tabel maka Ho diterima. sedangkan sig pada tabel B adalah 0,786 yang berarti probabilitas 0,786, karena probabilitas kurang dari 0,05 maka diterima. artinya B tidak berarti.
*** Harian 1: Berdasarkan tabel diatas, dapat dilihat bahwa nilai T hitung untuk Harian 1 yaitu 0,882, pada T tabel dengan db 12 dan taraf signifikan 0,05 diperoleh 1,782, karena T hitung < T tabel maka Ho diterima. sedangkan sig pada tabel B adalah 0,786 yang berarti probabilitas 0,395, karena probabilitas kurang dari 0,05 maka diterima. artinya B tidak berarti
Ho: Bi=0
Ha: ada Bi yang tidak nol , i=1 atau 2
Pengambilan keputusan:
Jika T hitung <= T tabel atau probabilitas >= 0,05 maka Ho diterima
Jika T hitung > T tabel atau probabilitas < 0,05 maka Ho ditolak
* Constant: Berdasarkan tabel diatas, dapat dilihat bahwa nilai T hitung untuk Constant yaitu 5,360, pada T tabel dengan db 12 dan taraf signifikan 0,05 diperoleh 1,782, karena T hitung > T tabel maka Ho ditolak. sedangkan sig pada tabel B adalah 0,000 yang berarti probabilitas 0,000, karena probabilitas kurang dari 0,05 maka ditolak. Berarti bermakna dan diramalkan tidak melalui titik (0,0).
** Sex: Berdasarkan tabel diatas, dapat dilihat bahwa nilai T hitung untuk Sex yaitu -0,277, pada T tabel dengan db 12 dan taraf signifikan 0,05 diperoleh 1,782, karena T hitung < T tabel maka Ho diterima. sedangkan sig pada tabel B adalah 0,786 yang berarti probabilitas 0,786, karena probabilitas kurang dari 0,05 maka diterima. artinya B tidak berarti.
*** Harian 1: Berdasarkan tabel diatas, dapat dilihat bahwa nilai T hitung untuk Harian 1 yaitu 0,882, pada T tabel dengan db 12 dan taraf signifikan 0,05 diperoleh 1,782, karena T hitung < T tabel maka Ho diterima. sedangkan sig pada tabel B adalah 0,786 yang berarti probabilitas 0,395, karena probabilitas kurang dari 0,05 maka diterima. artinya B tidak berarti
Berdasarkan
analisis diatas maka dapat dibuat model regresi dugaannya yaitu:
Y = 69,429
Y = 69,429
Dari tabel
diatas merupakan ringkasan yang meliputi nilai minimum dan maksimum, mean dan
standar deviasi dari predicted value (nilai yang diprediksi) dan statistic
residu.
7. Kelinieran
Jika
residual berasal dari distribusi normal, maka nilai-nilai sebaran data akan
terletak sekitar garis lurus, terlihat bahwa sebaran data pada gambar diatas
tersebar hampir semua tidak pada sumbu normal, maka dapat dikatakan bahwa
pernyataan normalitas tidak dapat dipenuhi.
Sumber :
http://idmatgokil.wordpress.com/2011/01/09/cara-menganalisis-regresi-linier-berganda-dengan-spss-17-0/
2.
4. Penutup
PDRB kita atas dasar berlaku saat
ini telah mencapai Rp 14,1 Triyun. Artinya, dibanding tahun sebelumnya telah
tumbuh 6,12 %, dengan inflasi ( harga produsen ) sebesar 5,83 %. Capaian ini sebenarnya
merupakan kebangkitan jika dibandingkan tahun sebelumnya yang mencatat laju pertumbuhan
sebesar 5,28%, dengan inflasi sebesar 5,21 %. Tetapi kita patut bersyukur bahwa
angka-angka ini menunjukkan bahwa perekonomian kita cukup tahan goncangan.
Tentu, kita tak boleh puas diri,
masih banyak yang harus dibenahi, terutama kemiskinan dan pengangguran. Hal itu
juga berarti tuntutan untuk lebih kreatif, dan tuntutan untuk memberdayakan
generasi muda di lini-lini produksi yang strategis, agar produk-produk kita mampu
bersaing terus menerus.
Sumber : BPS Kab.
Cianjur
BAB III
POTRET PERKEMBANGAN
KABUPATEN KOTAWARINGIN TIMUR
3.1.
Geografis
GAMBAR 1
Peta Kabupaten Kotawaringin Timur
Di Pulau Kalimantan
Kabupaten Kotawaringin
Timur adalah salah satu dari 14 kabupaten/kota yang ada di Provinsi di Kalimantan
Tengah. Kabupaten ini berIbukota di Sampit. Luas wilayah kabupaten ini adalah
16.496 km atau 10,74% dari keseluruhan luas Provinsi Kalimantan Tengah yang
terdiri dari 15 kecamatan, 153 desa/17 kelurahan.
Kabupaten ini terletak
di antara terletak di antara 111°0’50” - 113°0’46” BT dan 0°23’14”- 3°32’54”
LS, dengan batas-batas wilayah : Sebelah utara berbatasan dengan Provinsi
Kalimantan Barat, sebelah selatan adalah Laut Jawa, sebelah barat berbatasan
dengan Kabupaten Seruyan, dan sebelah timur adalah Kabupaten Katingan.
3.2. Pemerintahan
Menurut
laporan Radermacher, kepala daerah Sampit (Kotawaringin Timur) pada tahun 1780
adalah Kyai Ingabei Sudi Ratu. Pada tanggal 13 Agustus 1787, wilayah Sampit
(Kabupaten Kotawaringin Timur) sudah diserahkan Sultan Tahmidullah II kepada VOC Belanda, kemudian daerah
ini berkembang menjadi sebuah Distrik yaitu Distrik Sampit. Penguasa
selanjutnya adalah Kiai ngabei Djaija Kesuma (1834), Djoeragan Brahim (1847),
Kiai Oeda Mengala, dan Haji Abdol Rachman (1850), Tiedke - penguasa Eropa
(1859). Menurut Staatsblad van Nederlandisch Indië tahun 1849, wilayah ini
termasuk dalam zuid-ooster-afdeeling berdasarkan Bêsluit van den Minister
van Staat, Gouverneur-Generaal van Nederlandsch-Indie, pada 27 Agustus
1849, No. 8 Pada tanggal 1 Mei 1859 pembukaan pelabuhan di Sampit. Pada 12
Agustus 1862, status pemerintahan sipil diberlakukan untuk daerah Sampit.
Saat
ini Kabupaten Kotawaringin Timur mempunyai 17 kecamatan, yaitu:
- Teluk Sampit (pemekaran dari kecamatan Mentaya Hilir Selatan)
- Bukit Santuei (pemekaran dari kecamatan Mentaya Hulu)
- Telawang (pemekaran dari kecamatan Kota Besi)
- Mentaya Hilir Selatan
- Mentaya Hilir Utara
- Pulau Hanaut
- Mentawa Baru Ketapang
- Baamang
- Seranau
- Kota Besi
- Cempaga
- Cempaga Hulu
- Parenggean
- Mentaya Hulu
- Antang Kalang
- Telaga Antang (pemekaran dari kecamatan Antang Kalang)
- Tualan Hulu (pemekaran dari kecamatan Parenggean)
3.3. Topografi
Wilayah Kabupaten
Kotawaringin Timur memiliki topografi yang bervariasi, pada ketinggian antara
0-60 meter di atas permukaan laut. Sebagian besar merupakan dataran rendah yang
meliputi bagian selatan sampai bagian tengah memanjang dari timur ke barat,
sedangkan bagian utara merupakan dataran tinggi yang berbukit. Jenis tanah
yang mendominasi wilayah ini adalah tanah jenis podsolik
merah kuning, walaupun ada beberapa bagian juga
ditemui jenis tanah lainnya seperti aluvial,
organosol,
litosol
dan lain-lain.
3.4. Iklim
Iklim merupakan salah satu pendukung dalam
keberhasilan produksi, unsur-unsur iklim tersebut antara lain curah hujan,
suhu
dan kelembaban. Suhu rata-rata bulanan di
Kabupaten Kotawaringin Timur diperkirakan berkisar antara 27 °C –
35 °C. Curah hujan per bulan di Sampit pada tahun (2007) berkisar antara 12 mm (bulan
September) hingga 790 mm (April). Bulan-bulan kering di Sampit berkisar antara
Juni hingga Oktober.
3.5. Hidrologi
Kabupaten Kotawaringin Timur dialiri oleh satu sungai besar
dan lima buah cabang sungai yang selama ini hanya dimanfaatkan sebagai
prasarana perhubungan dan sebagian kecil untuk pertanian.
Sungai besar yang terdapat di
Kotawaringin Timur yang panjang dan dapat dilayari adalah sebagai berikut :
Tabel 2
Data Sungai
Di Kabupaten
Kotawaringin
|
No
|
Nama sungai
|
Panjang
(Km) |
Dapat dilayari
(Km) |
Kedalaman
rata2 (m) |
Lebar rata2
(m) |
|
1.
|
Mentaya
|
400
|
270
|
6
|
400
|
|
2.
|
Cempaga
|
42
|
|||
|
3.
|
Sampit
|
46
|
|||
|
4.
|
Tualan
|
48
|
|||
|
5.
|
Kuayan
|
18
|
|||
|
6.
|
Kalang
|
21
|
|||
|
7.
|
Seranau
|
20
|
|||
3.6. Penduduk
Pada 2010 data penduduk Kabupaten
Kotawaringin Timur ± 373.842 jiwa, terdiri dari :
·
Laki-laki
= 197.213 jiwa.
·
Perempuan
= 176.629 jiwa.
Adapun
jumlah penduduk per kecamatan di Kabupaten Kotawaringin Timur adalah:
Tabel
3
Data
Kecamatan
Kabupaten
Kotawaringin
|
No
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
|
Kecamatan
|
|
|
Teluk Sampit
|
8.929
|
|
|
Mentaya Hilir Selatan
|
20.803
|
|
|
Mentaya Hilir Utara
|
15.774
|
|
|
Pulau Hanaut
|
15.442
|
|
|
Mentawa Baru Ketapang
|
76.616
|
|
|
Baamang
|
51.430
|
|
|
Seranau
|
9.582
|
|
|
Kota Besi
|
15.011
|
|
|
Cempaga
|
19.119
|
|
|
Cempaga Hulu
|
22.725
|
|
|
Parenggean
|
35.706
|
|
|
Mentaya Hulu
|
28.554
|
|
|
Antang Kalang
|
28.753
|
|
|
Bukit Santuai
|
8.040
|
|
|
Telawang
|
16.863
|
|
|
Jumlah:
|
373.842
|
Catatan:
Tidak termasuk kecamatan Telaga Antang dan Tualan Hulu
3.7.
Pendidikan
Penduduk laki-laki di Kalimantan
Tengah seperti di derah lain memiliki kemampuan baca tulis lebih tinggi di
banding dengan perempuannya. Secara umum penduduk di perkotaan Kalimantan
Tengah mempunyai kemampuan baca tulis yang lebih baik dibandingkan penduduk
perdesaan, seperti di Kabupaten Kotawaringin Timur.
Peningkatan penduduk yang bersekolah
selama tahun 2009-2011 merupakan keberhasilan dalam upaya memperluas pelayanan
pendidikan. Dari rata-rata lama sekolah terlihat bahwa pelaksanaan program
wajib belajar 9 tahun yang dicanangkan pemerintah baru berjalan sekitar 8
tahun.
Pada jenjang pendidikan SD/MI di
Provinsi Kalimantan Tengah untuk tahun ajaran 2011/2012 seorang guru rata -
rata mengajar 12 murid. Untuk jenjang pendidikan SLTP/MTs rata-rata seorang
guru mengajar 11 murid dan jenjang SLTA/MA beban seorang guru hanya mengajar 15
murid. Kemampuan daya tampung sekolah tingkat SD/MI di Kalimantan Tengah
mencapai 119 murid, SLTP/MTs 141 murid dan SLTA/MA 287 murid.
3.8.
Ekonomi
Pertumbuhan
ekonomi Kabupaten Kotawaringin Timur, Kalimantan Tengah, ditargetkan mencapai 6
hingga 7 persen pada 2010, yang akan dicapai dengan menyiapkan lima strategi.
"Pemkab Kotim menyiapkan lima strategi untuk mencapai target tersebut,
yang meliputi percepatan pembangunan infrastruktur, peningkatan investasi,
pemantapan bidang pertanian, perkebunan dan perikanan, peningkatan kualitas
pendidikan dan pelayanan kesehatan serta yang terakhir adalah peningkatan
kinerja di lingkungan pemerintahan," kata Sekretaris Daerah Kotawaringin
Timur HM Fahrudin di Sampit.
Dikatakannya,
sebetulnya strategi yang diterapkan Pemkab Kotawaringan Timur tidak jauh
berbeda dengan strategi tahun sebelumnya, namun 2010 ada beberapa program yang
perlu lebih dimantapkan terutama untuk bidang pendidikan dan kesehatan. Menurut
Fahrudin, target pertumbuhan ekonomi Kotawaringin Timur dari tahun ke tahun
terus mengalami kenaikan, pada 2009 pertumbuhan ekonomi kabupaten itu sebesar
6,49 persen. Kalau dilihat dari besaran target, katanya, pertumbuhan ekonomi
Kotawaringin Timur cukup besar dan menggembirakan sebab pertumbuhan ekonomi
secara nasional dipatok sebesar 5 hingga 7 persen. "Kelima strategi itu
kami harap dapat berjalan sesuai rencana, sehingga target pertumbuhan ekonomi
yang telah ditetapkan dapat tercapai dengan baik," katanya.
Untuk menjalankan strategi yang pertama yakni
percepatan pembangunan infrastruktur, ke depan Pemkab tidak akan memfokuskan
pembangunan infrastruktur di wilayah perkotaan tapi juga ke daerah pelosok.
"Dengan terbangunnya akses jalan dari desa ke desa dan ke kota diharapkan membuka
isolasi daerah pelosok sehingga dapat berdampak pada peningkatan perekonomian
wilayah pedesaan," terangnya.
Stategi kedua
peningkatan investasi adalah Pemkab akan membuka kesempatan kerja dan
meningkatkan ekspor bahan-bahan unggulan. Selama ini nilai investasi
Kotawaringin Timur terus mengalami peningkatan. Investasi di Kotawaringin Timur
belum dapat dimaksimalkan sebab masih terkendala belum disahkannya rencana tata
ruang wilayah provinsi (RTRWP) Kalteng, padahal pengesahan RTRWP Kalteng menjadi
rujukan dalam pengembangan investasi di daerah itu."Tertundanya pengesahan
RTRWP Kalteng juga berdampak pada pengesahan rencana tata ruang wilayah
kabupaten (RTRWK) Kotawaringin Timur," kata Fahrudin.
Lebih lanjut Fahrudin
mengatakan, strategi ketiga adalah pemantapan bidang pertanian, perkebunan dan
perikanan, khusus untuk bidang pertanian dan perkebunan akan mendapatkan
kucuran dana dari pemerintah pusat sebesar Rp10 miliar pada 2010.
Penerapan strategi ke
empat yakni peningkatan kualitas pendidikan dan pelayanan kesehatan sedikit
mengalami hambatan karena bidang pendidikan dan kesehatan untuk 2010 tidak lagi
mendapat kucuran dana dari pemerintah pusat. Meski demikian Pemkab tetap
berusaha semaksimal mungkin agar program di kedua bidang ini dapat berjalan.
Strategi kelima adalah
Pemkab lebih meningkatkan kinerja para penyelenggara pemerintahan melalui
pelatihan dan bimbingan teknis.
3.9. Data Inflasi 2010
Indeks
Harga Konsumen dan Laju Inflasi di Sampit Tahun 2010 [2007=100]
Tabel
4
IHK terhadap Inflasi
Kabupaten
Kotawaringin
|
Bulan
|
Indeks Harga Konsumen
|
Laju Inflasi
|
|
1. Januari
|
116,20
|
0,41
|
|
2. Februari
|
117,32
|
0,96
|
|
3. Maret
|
117,60
|
0,24
|
|
4. April
|
117,38
|
-0,19
|
|
5. Mei
|
118,86
|
1,26
|
|
6. Juni
|
119,98
|
0,94
|
|
7. Juli
|
121,90
|
1,60
|
|
8. Agustus
|
122,37
|
0,39
|
|
9. September
|
123,16
|
0,65
|
|
10. Oktober
|
124,40
|
1,01
|
|
11. November
|
125,25
|
0,68
|
|
12. Desember
|
126,75
|
1,20
|
|
Tahun 2010
|
9,53
|
|
BAB IV
PENGUMPULAN
DATA DAN HASIL PENGOLAHAN DATA
A.
Pengumpulan
Data
4. A.1. Variabel Penelitian
Y :
Produk Domestik Regional Bruto Perkapita (rupiah)
X1 : Produk Domestik Regional Bruto ADH Berlaku (juta
rupiah)
X2 : Jumlah Penduduk Pertengahan Tahun (jiwa)
4.
A. 2. Data Penelitian
Tabel
5
Laju Pertumbuhan Beberapa Agregat Pendapatan
Atas Dasar Harga Berlaku Menurut Lapangan Usaha
2006-2010
|
U R A I A N
|
ATAS DASAR HARGA BERLAKU
|
||||
|
2006
|
2007
|
2008
|
2009*)
|
2010**)
|
|
|
1. Produk Domestik Regional Bruto ADH Berlaku (Juta Rupiah) (x1)
|
4.552.879,55
|
5.110.767,47
|
5.944.500,75
|
6.723.984,49
|
7.847.019,63
|
|
2. Jumlah Penduduk Pertengahan Tahun (Jiwa)(x2)
|
344.040
|
351.626
|
359.288
|
367.023
|
374.175
|
|
3. Produk Domestik Regional Bruto Perkapita (Juta Rupiah)(y)
|
13.233.576,18
|
14.534.668,84
|
16.545.224,86
|
18.320.335,48
|
20.971.523,03
|
Sumber : BPS Kabupaten Kotawaringin Timur, Kalimantan Tengah
4.
A. 3. Analisis Data
A.
Analisis
Regresi Linier Ganda
Analisis regresi linier berganda adalah hubungan secara
linear antara dua atau lebih variabel independen (X1, X2,….Xn)
dengan variabel dependen (Y). Analisis ini untuk mengetahui arah hubungan
antara variabel independen dengan variabel dependen apakah masing-masing
variabel independen berhubungan positif atau negatif dan untuk memprediksi nilai
dari variabel dependen apabila nilai variabel independen mengalami kenaikan
atau penurunan. Data yang digunakan biasanya berskala interval atau rasio.
Persamaan
regresi linear berganda sebagai berikut:
Y’ = a + b1X1+
b2X2+…..+ bnXn
Keterangan:
Y’ = Variabel dependen (nilai yang diprediksikan)
X1
dan X2 = Variabel independen
a = Konstanta (nilai Y’ apabila X1, X2…..Xn
= 0)
b b = Koefisien regresi (nilai peningkatan ataupun
penurunan)
Tabel 6
Hasil
Analisis Regresi Linear Berganda
Coefficientsa
|
Model
|
Unstandardized Coefficients
|
Standardized Coefficients
|
t
|
Sig.
|
||
|
B
|
Std. Error
|
Beta
|
||||
|
1
|
(Constant)
|
2205029.779
|
3196786.701
|
|
.690
|
.562
|
|
PRODUK DOMESTIK REGIONAL BRUTO
ADH BERLAKU
|
2.338
|
.096
|
.996
|
24.295
|
.002
|
|
|
JUMLAH PENDUDUK PERTENGAHAN
TAHUN
|
1.123
|
10.501
|
.004
|
.107
|
.925
|
|
Tabel 7
|
Casewise Diagnosticsa
|
||||
|
Case Number
|
Std. Residual
|
PDRB PER KAPITA
|
Predicted Value
|
Residual
|
|
1
|
-.097
|
13233576
|
13236624.98
|
-3048.803
|
|
2
|
-.472
|
14534669
|
14549576.50
|
-14907.656
|
|
3
|
1.193
|
16545225
|
16507586.27
|
37638.589
|
|
4
|
-.586
|
18320335
|
18338833.42
|
-18497.941
|
|
5
|
-.038
|
20971523
|
20972707.22
|
-1184.190
|
|
a. Dependent Variable: PDRB PER
KAPITA
|
||||
Persamaan
regresinya sebagai berikut:
Y’
= a + b1X1+ b2X2
Y’ =
2205029,779 + 2,338X1 + 1,123X2
Keterangan:
Y’ = PDRB per kapita (rupiah)
a = konstanta
b1,b2 = koefisien regresi
X1
= PDRB ADH berlaku (juta rupiah)
X2
= Jumlah penduduk pertengahan
tahun (jiwa)
Persamaan regresi di atas dapat
dijelaskan sebagai berikut :
- Konstanta sebesar
2205029,779; artinya jika PDRB ADH berlaku (X1) dan jumlah penduduk
pertengahan tahun (X2) nilainya adalah 0, maka PDRB per kapita (Y’)
nilainya adalah Rp 2205029,779.
- Koefisien
regresi variabel PDRB ADH berlaku (X1) sebesar 2,338; artinya jika variabel
independen lain nilainya tetap dan PDRB ADH berlaku mengalami kenaikan 1%, maka
PDRB per kapita (Y’) akan mengalami kenaikan sebesar Rp 2, 338. Koefisien
bernilai positif artinya terjadi hubungan positif antara PDRB ADH berlaku
dengan PDRB per kapita, semakin naik PDRB ADH berlaku maka semakin meningkat
PDRB per kapita.
- Koefisien
regresi variabel jumlah penduduk pertengahan tahun (X2) sebesar 1,123;
artinya jika variabel independen lain nilainya tetap dan jumlah penduduk
mengalami kenaikan 1%, maka PDRB per kapita (Y’) akan mengalami peningkatan
sebesar Rp 1,123. Koefisien bernilai positif artinya terjadi hubungan positif
antara jumlah penduduk pertengahan tahun dengan PDRB per kapita, semakin naik
jumlah penduduk pertengahan tahun maka semakin meningkat PDRB per kapita.
Nilai PDRB per kapita (Y’) dapat
dilihat pada tabel Casewise Diagnostics (kolom Predicted Value). Sedangkan
Residual (unstandardized residual) adalah selisih antara nilai PDRB per kapita
dengan Predicted Value, dan Std.
Residual (standardized residual) adalah nilai residual yang telah
terstandarisasi (nilai semakin mendekati 0 maka model regresi semakin baik
dalam melakukan prediksi, sebaliknya semakin menjauhi 0 atau lebih dari 1 atau
-1 maka semakin tidak baik model regresi dalam melakukan prediksi).
Gambar 2
Grafik Standard
Residual
B. Analisis Korelasi Ganda (R)
Analisis ini digunakan untuk
mengetahui hubungan antara dua atau lebih variabel independen (X1, X2,…Xn)
terhadap variabel dependen (Y) secara serentak. Koefisien ini menunjukkan
seberapa besar hubungan yang terjadi antara variabel independen (X1,
X2,……Xn) secara serentak terhadap variabel dependen (Y).
nilai R berkisar antara 0 sampai 1, nilai semakin mendekati 1 berarti hubungan
yang terjadi semakin kuat, sebaliknya nilai semakin mendekati 0 maka hubungan
yang terjadi semakin lemah.
Menurut
Sugiyono (2007) pedoman untuk memberikan interpretasi koefisien korelasi
sebagai berikut:
0,00
- 0,199 = sangat rendah
0,20 - 0,399 =
rendah
0,40 - 0,599 =
sedang
0,60
- 0,799 = kuat
0,80 - 1,000 =
sangat kuat
Dari hasil
analisis regresi, lihat pada output moddel summary dan disajikan sebagai
berikut:
Tabel
8
Hasil Analisis Korelasi Ganda
|
Model Summaryb
|
|||||
|
Model
|
R
|
R Square
|
Adjusted R Square
|
Std. Error of the Estimate
|
Durbin-Watson
|
|
1
|
1.000a
|
1.000
|
1.000
|
31557.66896
|
3.190
|
|
a. Predictors: (Constant),
JUMLAH PENDUDUK PERTENGAHAN TAHUN, PDRB ADH BERLAKU
|
|||||
|
|
|||||
Berdasarkan tabel di atas diperoleh
angka R sebesar 1. Hal ini menunjukkan bahwa terjadi hubungan yang
sangat kuat antara PDRB ADH berlaku dan jumlah penduduk pertengahan tahun
terhadap PDRB per kapita.
C.
Analisis Determinasi (R2)
Analisis
determinasi dalam regresi linear berganda digunakan untuk mengetahui prosentase
sumbangan pengaruh variabel independen (X1, X2,……Xn)
secara serentak terhadap variabel dependen (Y). Koefisien ini menunjukkan
seberapa besar prosentase variasi variabel independen yang digunakan dalam
model mampu menjelaskan variasi variabel dependen. R2 sama dengan 0,
maka tidak ada sedikitpun prosentase sumbangan pengaruh yang diberikan variabel
independen terhadap variabel dependen, atau variasi variabel independen yang
digunakan dalam model tidak menjelaskan sedikitpun variasi variabel dependen.
Sebaliknya R2 sama dengan 1, maka prosentase sumbangan pengaruh yang
diberikan variabel independen terhadap variabel dependen adalah sempurna, atau
variasi variabel independen yang digunakan dalam model menjelaskan 100% variasi
variabel dependen.
Dari hasil analisis regresi, lihat pada
output moddel summary dan disajikan sebagai berikut :
Tabel
9
Hasil Analisis Determinasi
|
Model Summaryb
|
|||||
|
Model
|
R
|
R Square
|
Adjusted R Square
|
Std. Error of the Estimate
|
Durbin-Watson
|
|
1
|
1.000a
|
1.000
|
1.000
|
31557.66896
|
3.190
|
|
a. Predictors: (Constant),
JUMLAH PENDUDUK PERTENGAHAN TAHUN, PDRB ADH BERLAKU
|
|||||
Berdasarkan tabel di atas diperoleh angka R2 (R Square)
sebesar 1 atau (100%). Hal ini menunjukkan bahwa prosentase sumbangan pengaruh
variabel independen (PDRB ADH berlaku dan jumlah penduduk pertengahan tahun)
terhadap variabel dependen (PDRB per kapita) sebesar 100%. Atau variasi
variabel independen yang digunakan dalam model (PDRB ADH berlaku dan jumlah
penduduk pertengahan tahun) mampu menjelaskan sebesar 100% variasi variabel
dependen (PDRB per kapita).
Adjusted R Square adalah nilai R Square yang telah
disesuaikan, nilai ini selalu lebih kecil dari R Square dan angka ini bisa
memiliki harga negatif. Menurut Santoso (2001)
bahwa
untuk regresi dengan lebih dari dua variabel bebas digunakan Adjusted R2
sebagai koefisien determinasi. Jadi nilai R Square diabaikan dalam hal ini.
Standard Error of the Estimate
adalah suatu ukuran banyaknya kesalahan model regresi dalam memprediksikan
nilai Y. Dari hasil regresi di dapat nilai 31557,66896 atau Rp.31557,66896
(satuan nilai PDRB per kapita), hal ini berarti banyaknya kesalahan dalam
prediksi nilai PDRB per kapita sebesar Rp.31557,66896. Sebagai pedoman jika
Standard error of the estimate kurang dari standar deviasi Y, maka model
regresi semakin baik dalam memprediksi nilai Y.
B.
Hasil Pengelolaan Data
4. B. 1. Regression (Regresi)
a)
Uji Koefisien Regresi
Secara Bersama-sama (Uji F)
Uji ini
digunakan untuk mengetahui apakah variabel independen (X1,X2….Xn)
secara bersama-sama berpengaruh secara signifikan terhadap variabel dependen
(Y). Atau untuk mengetahui apakah model regresi dapat digunakan untuk
memprediksi variabel dependen atau tidak. Signifikan berarti hubungan yang
terjadi dapat berlaku untuk populasi (dapat digeneralisasikan).
Dari hasil
output analisis regresi dapat diketahui nilai F seperti pada tabel 2 berikut
ini:
Tabel 10
Hasil Uji
F
|
ANOVAa
|
||||||||
|
Model
|
Sum of Squares
|
df
|
Mean Square
|
F
|
Sig.
|
|||
|
1
|
Regression
|
37595893952970.670
|
2
|
18797946976485.336
|
18875.592
|
.000b
|
||
|
Residual
|
1991772940.918
|
2
|
995886470.459
|
|
|
|||
|
Total
|
37597885725911.586
|
4
|
|
|
|
|||
|
a. Dependent Variable: PRODUK
DOMESTIK REGIONAL BRUTO PER KAPITA
|
||||||||
|
b. Predictors: (Constant),
JUMLAH PENDUDUK PERTENGAHAN TAHUN, PRODUK DOMESTIK REGIONAL BRUTO ADH BERLAKU
|
||||||||
Tahap-tahap
untuk melakukan uji F adalah sebagai berikut :
1. Merumuskan
Hipotesis
Ho : Tidak ada pengaruh
secara signifikan antara PDRB ADH berlaku dan jumlah penduduk pertengahan tahun
secara bersama-sama terhadap PDRB per kapita.
Ha : Ada pengaruh
secara signifikan antara PDRB ADH berlaku dan jumlah penduduk pertengahan tahun
secara bersama-sama terhadap PDRB per kapita.
.
2. Menentukan
tingkat signifikansi
Tingkat signifikansi menggunakan a = 5% (signifikansi 5% atau 0,05
adalah ukuran standar yang sering digunakan dalam penelitian)
3. Menentukan
F hitung
Berdasarkan tabel
diperoleh F hitung sebesar 18875,592
4.
Menentukan F tabel
Dengan menggunakan tingkat keyakinan
95%, a = 5%, df
1 (jumlah variabel–1) = 2, dan df 2 (n-k-1)
atau 5-2-1 = 2 (n adalah jumlah kasus dan k adalah jumlah variabel independen),
hasil diperoleh untuk F tabel sebesar 19 (Lihat pada lampiran) atau dapat
dicari di Ms Excel dengan cara pada cell kosong ketik =finv(0.05,2,2) lalu
enter.
5. Kriteria pengujian
- Ho diterima bila F hitung < F tabel
- Ho ditolak bila F hitung > F tabel
6. Membandingkan
F hitung dengan F tabel.
Nilai F
hitung > F tabel (18875,592 > 19), maka Ho ditolak.
7. Kesimpulan
Karena F hitung
> F tabel (18875,592 > 19), maka Ho ditolak, artinya ada pengaruh secara
signifikan antara PDRB ADH berlaku dan jumlah penduduk pertengahan tahun
secara bersama-sama terhadap PDRB per kapita. Jadi dari kasus ini dapat
disimpulkan bahwa PDRB ADH berlaku dan jumlah penduduk pertengahan tahun secara
bersama-sama berpengaruh terhadap PDRB per kapita di kabupaten Kotawaringin
Timur, Kalimantan Tengah.
b)
Uji Koefisien Regresi
Secara Parsial (Uji t)
Uji ini digunakan untuk mengetahui
apakah dalam model regresi variabel independen (X1, X2,…..Xn)
secara parsial berpengaruh signifikan terhadap variabel dependen (Y).
Dari hasil analisis regresi output
dapat disajikan sebagai berikut :
Tabel 11
Hasil Uji t
Coefficientsa
|
Model
|
Unstandardized Coefficients
|
Standardized Coefficients
|
t
|
Sig.
|
||
|
B
|
Std. Error
|
Beta
|
||||
|
1
|
(Constant)
|
2205029.779
|
3196786.701
|
|
.690
|
.562
|
|
PRODUK DOMESTIK REGIONAL BRUTO
ADH BERLAKU
|
2.338
|
.096
|
.996
|
24.295
|
.002
|
|
|
JUMLAH PENDUDUK PERTENGAHAN
TAHUN
|
1.123
|
10.501
|
.004
|
.107
|
.925
|
|
Langkah-langkah
pengujian sebagai berikut:
Pengujian
koefisien regresi variabel PDRB ADH berlaku
a.
Menentukan
Hipotesis
Ho : Secara parsial tidak ada pengaruh
signifikan antara PDRB ADH berlaku dengan PDRB per kapita.
Ha : Secara parsial ada pengaruh signifikan
antara PDRB ADH berlaku dengan PDRB per kapita.
b.
Menentukan
tingkat signifikansi
Tingkat signifikansi menggunakan a = 5%
c.
Menentukan
t hitung
Berdasarkan tabel diperoleh t hitung sebesar 24,295
d. Menentukan t tabel
Tabel
distribusi t dicari pada a = 5% : 2 = 2,5% (uji 2 sisi) dengan
derajat kebebasan (df) n-k-1 atau 5-2-1
= 2 (n adalah jumlah kasus dan k adalah jumlah variabel independen). Dengan
pengujian 2 sisi (signifikansi = 0,025)
hasil diperoleh untuk t tabel sebesar 4,302653 (Lihat pada lampiran) atau dapat
dicari di Ms Excel dengan cara pada cell kosong ketik =tinv(0.05,2) lalu enter.
e.
Kriteria
Pengujian
Ho diterima jika t hitung < t table
Ho ditolak jika t hitung > t table
f.
Membandingkan
t hitung dengan t tabel
Nilai t
hitung > t tabel (24,295 > 4,302653) maka Ho ditolak.
g. Kesimpulan
Oleh
karena nilai t hitung > t tabel (24,295 > 4,302653) maka Ho ditolak,
artinya secara parsial ada pengaruh signifikan antara PDRB ADH berlaku dengan
PDRB per kapita. Jadi dari kasus ini dapat disimpulkan bahwa secara parsial
PDRB ADH berlaku berpengaruh terhadap
PDRB per kapita.
Pengujian koefisien
regresi variabel Jumlah penduduk
1. Menentukan Hipotesis
Ho
: Secara parsial tidak ada pengaruh signifikan antara jumlah penduduk pertengahan tahun dengan PDRB per kapita.
Ha
: Secara parsial ada pengaruh signifikan antara jumlah penduduk pertengahan tahun dengan PDRB per kapita.
2. Menentukan tingkat signifikansi
Tingkat signifikansi menggunakan a = 5%.
3. Menentukan t hitung
Berdasarkan tabel
diperoleh t hitung sebesar 0,107.
4. Menentukan t table
Tabel
distribusi t dicari pada a = 5% : 2 = 2,5% (uji 2 sisi) dengan
derajat kebebasan (df) n-k-1 atau 5-2-1
= 2 (n adalah jumlah kasus dan k adalah jumlah variabel independen). Dengan
pengujian 2 sisi (signifikansi = 0,025) hasil diperoleh untuk t tabel sebesar
4,302653.
5. Kriteria Pengujian
Ho
diterima jika t hitung < t table
Ho
ditolak jika t hitung > t table
6. Membandingkan t hitung dengan t
tabel
Nilai t hitung < t tabel (0,107
< 4,302653 ) maka Ho diterima
7. Kesimpulan
Oleh karena nilai t hitung < t tabel (0,107 <
4,302653) maka Ho diterima, artinya secara parsial tidak ada pengaruh
signifikan antara jumlah penduduk pertengahan tahun dengan PDRB per kapita.
Jadi dari kasus ini dapat disimpulkan bahwa secara parsial jumlah penduduk
pertengahan tahun berpengaruh negatif terhadap PDRB per kapita.
5.
Uji
Asumsi Klasik
1. Uji
Normalitas
Tabel 12
|
Descriptive Statistics
|
|||||||||
|
|
N
|
Minimum
|
Maximum
|
Mean
|
Std. Deviation
|
Skewness
|
Kurtosis
|
||
|
Statistic
|
Statistic
|
Statistic
|
Statistic
|
Statistic
|
Statistic
|
Std. Error
|
Statistic
|
Std. Error
|
|
|
Unstandardized Residual
|
5
|
-18497.94085
|
37638.58947
|
0E-7
|
22314.64172303
|
1.637
|
.913
|
2.957
|
2.000
|
|
Valid N (listwise)
|
5
|
|
|
|
|
|
|
|
|
Terlihat bahwa rasio skewnes = 1.637/0,913 = 1,792;
sedang rasio kurtosis = 2,957/2,000 = 1,478. Karen rasio skewnes dan rasio
kurtosis berada di antara -2 hingga +2, maka dapat disimpulkan bahwa distribusi
data adalah normal.
2.
Uji
Autokorelasi
Hipotesis yang
diuji adalah :
Ho : p = 0 (baca
: hipotesis nonya adalah tidak ada autokorelasi)
Ha : p ≠ 0 (baca
: hipotesis alternatifnya adalah ada autokorelasi)
Tabel
15
|
Model Summaryb
|
|||||
|
Model
|
R
|
R Square
|
Adjusted R Square
|
Std. Error of the Estimate
|
Durbin-Watson
|
|
1
|
1.000a
|
1.000
|
1.000
|
31557.66896
|
3.190
|
|
a. Predictors: (Constant),
JUMLAH PENDUDUK PERTENGAHAN TAHUN, PDRB ADH BERLAKU
|
|||||
|
b. Dependent Variable: PDRB PER
KAPITA
|
|||||
3.
Uji Multikolinieritas
1. Uji VIF
Tabel 16
|
Coefficientsa
|
||||||||
|
Model
|
Unstandardized Coefficients
|
Standardized Coefficients
|
t
|
Sig.
|
Collinearity Statistics
|
|||
|
B
|
Std. Error
|
Beta
|
Tolerance
|
VIF
|
||||
|
1
|
(Constant)
|
2205029.779
|
3196786.701
|
|
.690
|
.562
|
|
|
|
PDRB ADH BERLAKU
|
2.338
|
.096
|
.996
|
24.295
|
.002
|
.016
|
63.405
|
|
|
JUMLAH PENDUDUK PERTENGAHAN
TAHUN
|
1.123
|
10.501
|
.004
|
.107
|
.925
|
.016
|
63.405
|
|
|
a. Dependent Variable: PDRB PER
KAPITA
|
||||||||
Dapat dilihat bahwa seluruh variabel
penjelas memiliki nilai VIF lebih besar 10 maka dapat disimpulkan bahwa model
regresi ini memiliki masalah Multikolinearitas.
2.
Uji Korelasi (Partial Correlations)
Tabel 17
|
Correlations
|
||||
|
Control Variables
|
PDRB ADH BERLAKU
|
JUMLAH PENDUDUK PERTENGAHAN TAHUN
|
||
|
PDRB PER KAPITA
|
PDRB ADH BERLAKU
|
Correlation
|
1.000
|
-.018
|
|
Significance (2-tailed)
|
.
|
.982
|
||
|
df
|
0
|
2
|
||
|
JUMLAH PENDUDUK PERTENGAHAN
TAHUN
|
Correlation
|
-.018
|
1.000
|
|
|
Significance (2-tailed)
|
.982
|
.
|
||
|
df
|
2
|
0
|
||
Dari seluruh significance (2-tailed)
di atas, dapat disimpulkan kedua variabel penjelas terbebas dari masalah
Multikolinearitas, karena nilai significance (2-tailed) lebih besar dari 0,05
(∂= 5%). Apabila nilai significance (2-tailed) lebih kecil dari 0,05 (∂= 5%),
maka diindikasi memiliki gejala Multikolinearitas yang serius.
4.
Uji Heteroskedastisitas
Tabel 18
|
Coefficientsa
|
||||||
|
Model
|
Unstandardized Coefficients
|
Standardized Coefficients
|
t
|
Sig.
|
||
|
B
|
Std. Error
|
Beta
|
||||
|
1
|
(Constant)
|
-1.400E-009
|
3196786.701
|
|
.000
|
1.000
|
|
PDRB ADH BERLAKU
|
.000
|
.096
|
.000
|
.000
|
1.000
|
|
|
JUMLAH PENDUDUK PERTENGAHAN
TAHUN
|
.000
|
10.501
|
.000
|
.000
|
1.000
|
|
|
a. Dependent Variable: abresid
|
||||||
Nilai
t-statistik dari seluruh variabel penjelas tidak ada yang signifikan secara statistik,
sehingga dapat disimpulkan bahwa model ini tidak mengalami masalah Heteroskedastisitas.
BAB V
KESIMPULAN
·
Pengaruh X1 dan X2 terhadap Y
|
Coefficientsa
|
t
|
Sig.
|
|
Constans
|
.690
|
.562
|
|
PDRB ADH Berlaku
|
24.295
|
.002
|
|
Jumlah Penduduk
Pertengahan Tahun
|
.107
|
.925
|
Dari penghitungan dan uji asumsi yang telah
dilakukan pada data Produk Domestik Regional Bruto atas dasar harga berlaku (X1)
dan jumlah penduduk pertengahan tahun (X2) terhadap Produk Domestik
Regional Bruto per kapita (Y) di Kabupaten Kotawaringin Timur, didapat variabel
(X1
dan X2) yang lebih berpengaruh yaitu Produk
Domestik Regional Bruto atas dasar harga berlaku (X1).
Daftar Pustaka :
1
Situs resmi BPS Kab. Kotawaringin Timur,
Kalimantan Tengah
dengan-spss-17-0/
4 http://kotimkab.bps.go.id/index.php?module=&id_kategori=5
7
Situs
resmi BPS Kabupaten Cianjur
8
Situs
resmi BPS Kabupaten Jombang
9
Situs
resmi BPS Kora Medan
Tidak ada komentar:
Posting Komentar