Professional Documents
Culture Documents
0
= Konstanta regresi
1
,
2
,
3
= Koefisien regresi
Dm = Variabel Dummy (krisis Ekonomi)
e
= Kesalahan pengganggu
36
3.2.2. Pemilihan Model Regresi.
Pemilihan model regresi ini menggunakan uji Mackinnon, White and
Davidson (MWD) yang bertujuan untuk menentukan apakah model yang
akan di gunakan berbentuk linier atau log linier.
Persamaan matematis untuk model regresi linier dan regresi log linier
adalah sebagai berikut :
Linier Y =
o
+
1
X
1
+
2
X
2
+
3
X
3
+ Dm X
4
+e
Log Linier lnY =
o
+
1
X
1
lnX
1
+
2
lnX
2
+
3
lnX
3
+ Dm lnX
4
+e
Untuk melakukan uji MWD ini kita asumsikan bahwa
Ho : Y adalah fungsi linier dari variabel independen X (model linier)
H1 : Y adalah fungsi log linier dari varibel independen X (model log linier)
Adapun prosedur metode MWD adalah sebagai berikut :
1. Estimasi model linier dan dapatkan nilai prediksinya (fitted value) dan
selanjutnya dinamai F
1
.
2. Estimasi model log linier dan dapatkan nilai prediksinya, dan
selanjutnya dinamai F
2
.
3. Dapatkan nilai Z
1
= ln F
1
-F
2
dan Z
2
= antilog F
2
-F
1
4. Estimasi persamaan berikut ini :
Y =
o
+
1
X
1
+
2
X
2
+
3
X
3
+ Dm X
4
+e
Jika Z
1
signifikan secara statistik melalui uji t maka kita menolak hipotesis
nul dan model yang tepat untuk digunakan adalah model log linier dan
sebaliknya jika tidak signifikan maka kita menerima hipotesis nul dan
model yang tepat digunakan adalah model linier
37
5. Estimasi persamaan berikut :
Y =
0
+
1
ln
x
1
+
2
lnx
2
+ 3 lnx
3
+ Dm lnx
4
+
5
z
2
+ e
Jika Z
2
signifikan secara statistik malalui uji t maka kita menolak hipotesis
alternatif dan model yang tepat untuk digunakan adalah model log linier
dan sebaliknya jika tidak signifikan maka kita menerima hipotesis alternatif
dan model yang tepat untuk digunakan adalah model linier. (Agus
Widarjono, 2005).
3.2.2. Uji Statistik
Selanjutnya untuk mengetahui keakuratan data maka perlu dilakukan
beberapa pengujian : (Gujarati, 2003)
a. Uji t Statistik
Uji t statistik melihat hubungan atau pengaruh antara variabel
independen secara individual terhadap variabel dependen.
1. Hipotesis yang digunakan :
a. Jika Hipotesis positif
Ho : i _ 0
Ha : i > 0
b. Jika Hipotesis negatif
Ho : i _ 0
Ha : i < 0
38
2. Pengujian satu sisi
Jika T tabel _ t hitung, Ho diterima berarti variabel
independen secara individual tidak berpengaruh secara
signifikan terhadap variabel dependen.
Jika T tabel < t hitung, Ho ditolak berarti variabel
independen secara individu berpengaruh secara signifikan
terhadap variabel dependen.
b. Uji F statistik
Pengujian ini kan memperlihatkan hubungan atau pengaruh
antara variabel independen secara bersama-sama terhadap
variabel dependen, yaitu dengan cara sebagai berikut :
Ho : i = 0, maka variabel independen secara bersama-sama
tidak mempengaruhi variabel independen.
Ha : i 0, maka variabel independen secara bersama-sama
mempengaruhi variabel dependen.
Hasil pengujian adalah :
Ho diterima ( tidak signifikan ) jika F hitung < F tabel
df = (n1 = k-1), ( n2 = n k)
Ho ditolak ( signifikan ) jika F hitung > F tabel
df = (n1 = k-1), ( n2 = n k)
Dimana : K : Jumlah variabel
N : Jumlah pengamatan
39
c. Koefisien Determinasi (R
2
)
R
2
menjelaskan seberapa besar persentasi total variasi variabel
dependen yang dijelaskan oleh model, semakin besar R
2
semakin besar pengaruh model dalam menjelaskan variabel
dependen.
Nilai R
2
berkisar antara 0 sampai 1, suatu R
2
sebesar 1 berarti
ada kecocokan sempurna, sedangkan yang bernilai 0 berarti
tidak ada hubungan antara variabel tak bebas dengan variabel
yang menjelaskan.
3.3. Pengujian asumsi klasik
Pengujian ini digunakan untuk melihat apakah model yang diteliti
akan mengalami penyimpangan asumsi klasik atau tidak, maka pengadaan
pemeriksaan terhadap penyimpangan asumsi klasik tersebut harus
dilakukan:
a. Autokorelasi
Adalah keadaan dimana faktor-faktor pengganggu yang satu
dengan yang lain saling berhubungan, pengujian terhadap
gejala autokorelasi dapat dilakukan dengan uji Durbin-
Watson (DW), yaitu dengan cara membandingkan antara DW
statistik ( d ) dengan d
L
dan d
U
, jika DW statistik berada
diantara d
U
dan 4- d
U
maka tidak ada autokorelasi.
40
Gambar 3.1
Daerah Autokorelasi
Kriteria Pengambilan Keputusan :
auto-
korelasi
positif
Daerah
keragu-raguan
Tidak ada
autokorelasi
Daerah
keragu-raguan
auto-
korelasi
negatif
Penentuan ada tidaknya autokorelasi dapat dilihat dengan
jelas dalam gambar 3.1 berikut ini :
Tabel 3.1 Uji Statistik Durbin-Watson
Nilai Statistik Hasil
0<d<dl Menolak hipotesis nul; ada autokorelasi positif
dlddu Daerah keragu-raguan; tidak ada keputusan
dud4-du Menerima hipotesis nul; tidak ada autokorelasi
positif/negatif
4-dud4-dl Daerah keragu-raguan; tidak ada keputusan
4-dld4 Menolak hipotesis nul; ada autokorelasi negatif
Agus Widarjono, 2005)
Atau dengan cara lain untuk mendeteksi adanya autokorelasi
dalam model bisa dilakukan menggunakan uji LM atau
Lagrange Multiplier. Salah satu cara untuk menghilangkan
pengaruh autokorelasi tersebut adalah dengan memasukkan
lag variabel dependen kedalam model regresi. Misalnya pada
model regresi :
Y = a + b
1
X
1
+ b
2
X
2
+b
3
X
3
+ DmX
4
+e
4 4-dl du 0 4-du dl
41
yang diyakini terdapat autokorelasi, untuk menghilangkan
pengaruh autokorelasi dalam model regresi tersebut dapat
dilakukan dengan memasukkan lag variabel dependen (Y) ke
dalam model sehingga model regresi tersebut menjadi:
Y = a + b
1
X
1
+ b
2
X
2
+ b
3
X
3
+ DmX
4
+b
5
Y
(t-1)
(Gujarati , 2003)
b. Multikolinearitas
Adalah hubungan yang terjadi diantara variabel-variabel
independen, pengujian terhadap gejala multikolinearitas
dapat dilakukan dengan membandingkan koefisien
determinasi parsial, (r
2
) dengan koefisien determinasi
majemuk (R
2
) regreasi awal atau yang disebut dengan
metode Klein rule of Thumbs. Jika r
2
< R
2
maka tidak ada
multikolineraitas.
( Gujarati, 2003).
c. Heteroskedastisitas
Heteroskedastisitas adalah keadaan dimana faktor gangguan
tidak memiliki varian yang sama. Pengujian terhadap gejala
heteroskedastisitas dapat dilakukan dengan melakukan
White Test, yaitu dengan cara meregresi residual kuadrat (
Ui
2
) dengan variabel bebas, variabel bebas kuadrat dan
perkalian variabel bebas. Dapatkan nilai R
2
untuk
42
menghitung 2, di mana 2 = Obs*R square (Gujarati,
2003).
Uji White Test
Uji Hipotesis untuk menentukan ada tidaknya
heterokedastisitas.
Ho : p
1
= p
2
= ....= p
q
= 0 , Tidak ada heterokedastisitas
Ha : p
1
= p
2
=....= p
q
= 0 , Ada heterokedastisitas
Perbandingan antara Obs*R square ( 2
hitung
)dengan 2
tabel
, yang menunjukkan bahwa Obs*R square ( 2
-hitung
)<
2
tabel
, berarti Ho tidak dapat ditolak. Dari hasil uji White
Test tersebut dapat disimpulkan bahwa tidak ada
heterokedastisitas. Sedangkan jika nilai Obs*R square ( 2
-hitung
) > 2
tabel
, berarti Ho dapat ditolak. Dari hasil uji
White Test tersebut dapat disimpulkan bahwa ada
heterokedastisitas
43
BAB IV
ANALISIS DAN PEMBAHASAN
4.1. Analisis Hasil Regresi dan Pengujian Hipotesis
4.1.1. Pemilihan Model Regresi
Pemilihan model regresi ini menggunakan uji Mackinnon, White
and Davidson (MWD) yang bertujuan untuk menentukan apakah model
yang akan di gunakan berbentuk linier atau log linier.
Persamaan matematis untuk model regresi linier dan regresi log
linier adalah sebagai berikut :
Linier Y =
o
+
1
X
1
+
2
X
2
+
3
X
3
+
4
X
4
+ e
Log Linier lnY =
o
+
1
X
1
lnX
1
+
2
lnX
2
+
3
lnX
3
+
4
lnX
4
+ e
Untuk melakukan uji MWD ini kita asumsikan bahwa
Ho : Y adalah fungsi linier dari variabel independen X (model linier)
H1 : Y adalah fungsi log linier dari varibel independen X (model log
linier)
Adapun prosedur metode MWD adalah sebagai berikut :
6. Estimasi model linier dan dapatkan nilai prediksinya (fitted value)
dan selanjutnya dinamai F
1
.
7. Estimasi model log linier dan dapatkan nilai prediksinya, dan
selanjutnya dinamai F
2
.
8. Dapatkan nilai Z
1
= ln F
1
-F
2
dan Z
2
= antilog F
2
-F
1
44
9. Estimasi persamaan berikut ini :
Y =
o
+
1
X
1
+
2
X
2
+
3
X
3
+
4
X
4
+
5
Z
1 +
e
Jika Z
1
signifikan secara statistik melalui uji t maka kita menolak
hipotesis nul dan model yang tepat untuk digunakan adalah model log
linier dan sebaliknya jika tidak signifikan maka kita menerima hipotesis
nul dan model yang tepat digunakan adalah model linier
10. Estimasi persamaan berikut :
Y =
0
+
1
ln
x
1
+
2
lnx
2
+
3
lnx
3
+
4
lnx
4
+
4
z
2
+ e
Jika Z
2
signifikan secara statistik malalui uji t maka kita menolak
hipotesis alternatif dan model yang tepat untuk digunakan adalah model
log linier dan sebaliknya jika tidak signifikan maka kita menerima
hipotesis alternatif dan model yang tepat untuk digunakan adalah model
linier.
Adapun aplikasi metode MWD dalam kasus regresi Faktor
Faktor yang mempengaruhi Investasi di Indonesia periode 1985 sampai
dengan 2004 dimana Pendapatan Domestik Bruto, Tenaga Kerja,
Infrastruktur dan variabel dummy yang digunakan adalah kondisi sebelum
dan sesudah krisis moneter merupakan varabel independen, sehingga kita
mempunyai persamaan sebagai berikut :
Linier Y =
o
+
1
X1 +
2
X
2
+
3
X
3
+
4
X
4
+ e
Log Linier lnY =
o
+
1
X
1
lnX
1
+
2
lnX
2
+
3
lnX
3
+
4
lnX
4
+ e
Y = PMDN ; X1 = PDB ; X2 = Jumlah tenaga kerja, X3 = Infrastruktur ;
45
X4 = Variabel Dummy; dan e adalah residual masing-masing model
regresi.
Hasil estimasi masing-masing model adalah sebagai berikut:
o Hasil regresi linier
\ ~ -2392,1 - 0,000896 X
1
- 0,005034 X
2
- 0,20864 X
3
- 52488,36 X
4
t-hitung ~ ,-2,985969, ,-0,302583, ,0,005034, ,-0,651216, ,-3,160962,
R
2
~ 0,633166
o Hasil regresi log-linier
\ ~-146,0944 - 0.21928 lnX1 - 6,223639 lnX2 - 3,18922 lnX3 - 1,11303 lnX4
t-hitung ~ ,-3,881384, ,0.91244, ,2,050543, ,1,523555, ,-3.339502,
R
2
= 0,826622
Untuk memutuskan bentuk model dengan metode MWD kita
harus menjalankan langkah nomor 1 sampai 3. Adapun langkah ke 4
metode MWD yakni melakukan regresi sebagaimana persamaan yang
terdapat pada prosedur di atas yang menghasilkan informasi persamaan
regresi sebagai berikut :
Y = -202521.9 - 0.002119 X
1
+ 0,005658 X
2
- 0,572414 X
3
- 47774.72 X
4
- 47905.49 Z
1
t-hitung ~ ,-0.59155, ,-0.400339, ,3.02515, ,-0.19930, ,-1.9952,
,-0.63498,
Prob ~ ,0,4613, ,0,6954, ,0,0098, ,0,4843, ,0,0985, ,0,5365,
R
2
~ 0,630829
46
Nilai Probabilitas koefisien Z
1
pada persamaan diatas adalah
0,5365. Dengan demikian variabel Z
1
tidak signifikan secara statistik.
Sehingga hipotesis nul yang menyatakan bahwa model fungsi regresi
yang benar adalah bentuk linear diterima. Sedangkan hasil regresi pada
langkah 5 mempunyai persamaan sebagai berikut:
lnY = - 140,1949 + 0,225839 lnX
1
+ 5,671004lnX
2
+ 3,508275 lnX
3
- 1,084480lnX
4
- 7,86E-06Z
2
t-hitung ~ ,-3,496469, ,0,916044, ,1,3141, ,1,56511, ,-3,114612, ,-0,53545,
Prob ~ ,0,0036, ,0,352, ,0,1053, ,0,132, ,0,006, ,0,5993,
R
2
~ 0,830128
Nilai Probabilitas koefisien Z
2
pada persamaan diatas adalah
0,5993. Dengan demikian variabel Z
2
tidak signifikan secara statistik.
Sehingga hipotesis nul yang menyatakan bahwa model fungsi regresi
yang benar adalah bentuk log linear diterima. Hasil kedua regresi
menunjukan bahwa model fungsi linier maupun log linear bisa digunakan
untuk menjelaskan tentang Faktor Faktor yang Mempengaruhi Investasi
Di Indonesia.
Hasil estimasi dari uji MWD dapat dilihat dibawah ini:
Tabel 4.1
Hasil Uji MWD
Variabel Nilai Statistik t Nilai Tabel t (=5%) Probabilitas
Z1 -0.634987 1,812 0.5365
Z2 -0.875739 1,812 0.3950
Sumber: Data diolah dengan Eviews (lampiran)
47
4.1.2. Hasil Regresi
Analisis hasil regresi ini menggunakan alat bantu yaitu program
komputer Eviews. Hasil regresi log linier berganda yang di dapat adalah
sebagai berikut :
Tabel 4.2
Hasil Regresi Loglinear
Dependent Variable: LOG(Y)
Method: Least Squares
Date: 01/25/08 Time: 10:44
Sample: 1985 2004
Included observations: 20
Variable Coefficient Std. Error t-Statistic Prob.
LOG(X1) 0.219287 0.240329 0.912447 0.3760
LOG(X2) 6.223639 3.035118 2.050543 0.0582
LOG(X3) 3.189227 2.093280 1.523555 0.1484
DM -1.117303 0.334572 -3.339502 0.0045
C -146.0944 37.63977 -3.881384 0.0015
R-squared 0.826622 Mean dependent var 10.45224
Adjusted R-squared 0.780388 S.D. dependent var 0.950961
S.E. of regression 0.445647 Akaike info criterion 1.433737
Sum squared resid 2.979014 Schwarz criterion 1.682670
Log likelihood -9.337372 F-statistic 17.87907
Durbin-Watson stat 1.329218 Prob(F-statistic) 0.000014
4.1.3. Koefisien Determinasi (R
2
)
Perhitungan yang dilakukan untuk mengukur proporsi atau
prosentase dari variasi total variabel dependen yang mampu dijelaskan
oleh model regresi. R
2
dalam regresi sebesar 0.826622. Ini berarti variabel
Penanaman Modal Dalam Negeri di Indonesia dapat dijelaskan oleh PDB,
Tenaga Kerja dan Infrastruktur serta variabel dummy krisis ekonomi
sebesar 82.66 persen sisanya dijelaskan oleh variabel lain di luar model.
48
4.1.4. Pengujian t-Statistik
Uji t-statistik digunakan untuk mengetahui hubungan antara
masing-masing variabel independen terhadap variabel dependen.
Pengujian t-statistik dilakukan dengan cara membandingkan antara t-
hitung dengan t-tabel. (Gujarati, 2003)
t-tabel = { u ; df ( n-k ) }
t-hitung =
) (bi Se
bi
=
Keterangan :
u = Level of significance, atau probabilitas menolak hipotesis yang
benar.
n = Jumlah sampel yang diteliti.
K = Jumlah variabel independen termasuk konstanta.
Se = Standar error.
Uji t-statistik yang dilakukan menggunakan uji satu sisi (one tail
test), dengan u = 5 %.
Jika t-tabel < t-hitung berarti Ho ditolak atau variabel Xi
berpengaruh signifikan terhadap variabel dependen, tetapi jika t-tabel _ t-
hitung berarti Ho diterima atau variabel Xi tidak berpengaruh terhadap
variabel dependen.
49
Tabel 4.3
Hasil Uji T-Statistik
Variabel Koefisien t-hitung t-tabel Keterangan
X1
0.219287 0.912447
1,753 Tidak signifikan
X2
6.223639 2.050543
1,753 Signifikan
X3
3.189227 1.523555
1,753 Tidak Signifikan
Dm
-1.117303 -3.339502
1,753 Signifikan
Sumber: Data diolah dengan Eviews (lampiran)
1. Uji t-Statistik terhadap parameter Variabel PDB riil (
1
)
Hipotesis pengaruh variabel PDB riil terhadap variabel
Penanaman Modal Dalam Negeri Di Indonesia yang digunakan adalah :
Ho :
1
< 0 , berarti variabel PDB riil tidak berpengaruh terhadap
variabel Penanaman Modal Dalam Negeri.
Ha :
1
> 0, berarti variabel PDB riil berpengaruh positip terhadap
variabel Penanaman Modal Dalam Negeri.
Hasil perhitungan yang didapat adalah t-hitung X
1
= 0.912447
sedangkan t-tabel = 1,753 ( df ( n-k ) 20-5 = 15 , = 0,05 ), sehingga
t-hitung > t-tabel
(0.912447 < 1.753). Perbandingan antara t-hitung dengan t-tabel, yang
menunjukkan bahwa t-hitung < t-tabel, Ho diterima sehingga dapat
50
disimpulkan bahwa variabel PDB riil positif dan tidak signifikan terhadap
Penanaman Modal Dalam Negeri.
Gambar 4.1
Kurva Uji t Parameter Variabel Produk domestic Bruto
2. Uji t-Statistik terhadap parameter Variabel Tenaga Kerja (
2
)
Hipotesis pengaruh variabel Tenaga Kerja terhadap variabel
Penanaman Modal Dalam Negri Di Indonesia yang digunakan adalah :
Ho :
1
< 0 , berarti variabel Tenaga Kerja tidak berpengaruh terhadap
variabel Penanaman Modal Dalam Negeri..
Ha :
1
> 0, berarti variabel Tenaga Kerja berpengaruh positif terhadap
variabel Penanaman Modal Dalam Negeri..
Hasil perhitungan yang didapat adalah t-hitung X
2
= 2.050543
sedangkan t-tabel = 1,753 ( df ( n-k ) 20-5 = 15 , = 0,05 ), sehingga t-
hitung > t-tabel (2.050543 > 1,753 ). Perbandingan antara t-hitung dengan
t-tabel, yang menunjukkan bahwa t-hitung > t-tabel, Ho ditolak sehingga
1,753
Daerah
Ho ditolak
Daerah
Ho diterima
0.912447
51
dapat disimpulkan bahwa variabel Tenaga Kerja berpengaruh positif dan
signifikan terhadap Penanaman Modal Dalam Negeri.
Gambar 4.2
Kurva Uji t Parameter Variabel Tenaga Kerja
3. Uji t-Statistik terhadap parameter Variabel Infrastruktur (
3
)
Hipotesis pengaruh variabel inflasi terhadap variabel Penanaman
Modal Dalam Negri Di Indonesia yang digunakan adalah :
Ho :
3
< 0 , berarti variabel Infrastruktur tidak berpengaruh terhadap
variabel Penanaman Modal Dalam Negeri.
Ha :
3
> 0, berarti variabel Infrastruktur berpengaruh positif terhadap
variabel Penanaman Modal Dalam Negeri.
Hasil perhitungan yang didapat adalah t-hitung X
3
= 1.523555
sedangkan t-tabel = 1,753 ( df ( n-k ) = 15 , = 0,05 ), sehingga t-hitung
< t-tabel (1.523555 < 1,753 ). Perbandingan antara t-hitung dengan t-
tabel, yang menunjukkan bahwa t-hitung < t-tabel, Ho diterima sehingga
1,753
2.050543
Daerah
Ho ditolak
Daerah
Ho diterima
52
dapat disimpulkan bahwa variabel Infrastruktur positif dan tidak
signifikan terhadap Penanaman Modal Dalam Negeri.
Gambar 4.3
Kurva Uji t variabel Infrastruktur
4. Uji t-Statistik terhadap parameter Variabel dummy krisis ekonomi (Dm)
Hipotesis pengaruh variabel dummy krisis ekonomi terhadap
variabel Penanaman Modal Dalam Negeri di Indonesia yang digunakan
adalah :
Ho :
4
_ 0 , berarti variabel dummy krisis ekonomi tidak berpengaruh
terhadap variabel Penanaman Modal Dalam Negeri.
Ha :
4
< 0, berarti variabel dummy krisis ekonomi berpengaruh negatif
terhadap variabel Penanaman Modal Dalam Negeri.
Hasil perhitungan yang didapat adalah t-hitung X
4
= -3.339502
sedangkan t-tabel = -1,753 ( df ( n-k ) = 15 , = 0,05 ), sehingga t-
hitung > t-tabel
Daerah
Ho ditolak
1,753
Daerah
Ho diterima
1.523555
53
(-3.339502 > -1,753 ). Perbandingan antara t-hitung dengan t-tabel, yang
menunjukkan bahwa t-hitung > t-tabel, Ho ditolak sehingga dapat
disimpulkan bahwa variabel dummy krisis ekonomi berpengaruh
negatif dan signifikan terhadap Penanaman Modal Dalam Negeri.
Gambar 4.4
Kurva Uji t Parameter Variabel Dummy
4.1.5. Pengujian F-Statistik
Uji F-statistik digunakan untuk mengetahui hubungan antara
variabel independen secara bersama-sama terhadap variabel dependen.
Pengujian F-statistik ini dilakukan dengan cara membandingkan antara
F-hitung dengan F-tabel. (Damodar Gujarati, 2003)
F-hitung =
) /( ) 1 (
) /(
2
2
k n R
I k R
F-tabel = ( : k-1, n-k ) = 5 %, ( 5-1= 4 ; 20-5 =15 )
Jika F-tabel < F-hitung berarti Ho ditolak atau variabel
independen secara bersama-sama berpengaruh signifikan terhadap
Daerah
Ho diterima
- 1,753
- 3.339502
54
variabel independen, tetapi jika F-tabel _ F-hitung berarti Ho diterima
atau variabel independen secara bersama-sama tidak berpengaruh
signifikan terhadap variabel dependen.
Hipotesis yang digunakan adalah :
Ho :
1
=
2
=
3
= 0, berarti variabel independen secara
keseluruhan tidak berpengaruh terhadap variabel independen.
Ha :
1
=
2
=
3
= 0, berarti variabel independen secara
keseluruhan berpengaruh terhadap variabel independen.
Hasil perhitungan yang didapat adalah F-hitung = 17.87907
sedangkan F-tabel = 3,06 (u = 0,05 ; 4 ; 15), sehingga F-hitung > F-
tabel (17.87907 > 3,06). Perbandingan antara F-hitung dengan F-tabel
yang menunjukkan bahwa F-hitung > F-tabel, menandakan bahwa
variabel independen secara bersama-sama berpengaruh signifikan
terhadap variabel dependen, sehingga bahwa variabel PDB riil (X1),
Tenaga Kerja (X2) dan Infrastruktur (X3) serta variabel dummy krisis
ekonomi (Dm) secara bersama-sama berpengaruh signifikan terhadap
Penanaman Modal Dalam Negeri di Indonesia.
4.2. Pengujian Asumsi Klasik
Pengujian asumsi klasik ini meliputi 3 macam pengujian, yaitu
pengujian multikolinieritas, autokorelasi dan heteroskedastisitas.
55
4.2.1. Multikolinieritas.
Multikolinieritas adalah hubungan yang terjadi diantara variabel-
variabel independen atau variabel independen yang satu fungsi dari
variabel independen yang lain.
Pengujian terhadap gejala multikolinieritas dapat dilakukan
dengan membandingkan koefisien determinasi parsial (r
2
) dengan
koefisien determinasi majemuk (R
2
), jika r
2
lebih kecil dari R
2
maka
tidak ada multikolinieritas.
Tabel 4.4
Hasil Pengujian Mulitkolinearitas
LOG(Y) LOG(X1) LOG(X2) LOG(X3) DM
LOG(Y)
1.000000 0.899125 -0.590526 0.175954 0.727249
LOG(X1)
0.899125 1.000000 -0.563601 0.054222 0.617674
LOG(X2)
-0.590526 -0.563601 1.000000 0.308542 -0.127670
LOG(X3)
0.175954 0.054222 0.308542 1.000000 0.250008
DM
0.727249 0.617674 -0.127670 0.250008 1.000000
Sumber: Data diolah dengan Eviews (lampiran)
Dari uji miltikolinearitas tersebut diatas menunjukkan bahwa
apabila hasilnya < 0.85 yang berarti bahwa volume impor tidak terdapat
adanya penyakit asumsi klasik (multikolinearitas).
Meskipun ada 1 (Log X1) variabel yang terkena
multikolinieritas, hasil regresi Log Linier pada penelitian ini masih
termasukkategori BLUE (Best Linier Unbiase Estimation) karena
untukmemperoleh estimator yang BLUE tidak mensyaratkan asumsi
56
tidak adanya korelasi antar variabel independen (Agus Widarjono,
2005: 139)
4.2.2. Autokorelasi.
Untuk mengetahui ada atau tidaknya autokorelasi digunakan uji
serial correlation LM test dengan menggunakan lag 1 yang hasilnya
dapat dilihat pada tampilan dibawah ini.
Dari uji autokorelasi tersebut diatas menunjukan bahwa
ditemukan nilai X-hitung = 3.019884< X-tabel = 3.84146 dengan df =
1 dan u = 0.05, dengan demikian hasil uji dengan menggunakan uji
serial correlation LM test tidak terdapat adanya penyakit asumsi klasik
(autokorelasi)
Tabel 4.5
Uji LM
Breusch-Godfrey Serial Correlation LM Test:
F-statistic 2.326546
Probability
0.158167
Obs*R-squared 3.019884
Probability
0.082249
4.2.3. Heteroskedastisitas
Heteroskedastisitas adalah keadaan dimana faktor gangguan
tidak memiliki varian yang sama. Pengujian terhadap gejala
heteroskedastisitas dapat dilakukan dengan melakukan White Test, yaitu
dengan cara meregresi residual kuadrat ( Ui
2
) dengan variabel bebas,
57
variabel bebas kuadrat dan perkalian variabel bebas. Dapatkan nilai R
2
untuk menghitung 2, di mana 2 = Obs*R square ( Gujarati, 2003 ).
Uji White Test
Uji Hipotesis untuk menetukan ada tidaknya heterokedastisitas.
Ho : p
1
= p
2
= ....= p
q
= 0 , Tidak ada heterokedastisitas
Ha : p
1
= p
2
=....= p
q
= 0 , Ada heterokedastisitas
Hasil perhitungan yang didapat adalah Obs*R square ( 2
-hitung
)
= 6.084865 sedangkan 2
-tabel
= 14.0671 ( df = 7 , = 0,05 ), sehingga
2
-hitung
< 2
tabel
(6.084865 < 14.0671). Perbandingan antara 2
-hitung
dengan 2
tabel
, yang menunjukkan bahwa 2
-hitung
< 2
tabel
, berarti Ho
tidak dapat ditolak. Dari hasil uji White Test tersebut dapat disimpulkan
bahwa tidak ada heterokedastisitas
Tabel 4.6
Hasil Uji White Test
White Heteroskedasticity Test:
F-statistic 0.947448 Probability 0.495214
Obs*R-squared 6.084865 Probability 0.413751
58
4.3. Interpretasi Ekonomi
4.3.1. Produk Domestik Bruto (PDB riil)
Hasil regresi yang di dapat bahwa Produk Domestik Bruto
(PDB) riil tidak berpengaruh terhadap Penanaman Modal Dalam
Negeri (PMDN) di Indonesia. Hal tersebut disababkan kondisi sosial
politik dan keamanan Indonesia yang belum stabil pasca krisis
moneter yang melanda Indonesia mulai awal tahun 1997. kondisi
tersebut menyebabkan investor enggan untuk berinvestasi mereka
lebih memulih untuk berinvestasi dalam bentuk deposito apalagi
pada pada tahun 1997 tingkat suku bunga deposito di indonesia
mengalami kenaikan yang sangat tinggi. Hal tersebut bias dilihat
dari tahun sebelum terjadinya krisis yaitu sebesar rata-rata 12% per
tahun meningkat menjadi 44% pada tahun 1997.
4.3.2. Jumlah Tenaga Kerja
Hasil regresi yang di dapat bahwa jumlah tenaga kerja (JTK)
berpengaruh terhadap Penanaman Modal Dalam Negeri (PMDN) di
Indonesia. Itu berarti kenaikan tenaga kerja akan menaikkan
Penanaman Modal Dalam Negeri (PMDN) di Indonesia, begitu juga
sebaliknya.
Hasil regresi menunjukkan nilai koefisien TK adalah
6,223639. Hal ini dapat diartikan bahwa setiap kenaikan 1% tenaga
kerja, variabel lain tidak berubah (ceteris paribus) mengakibatkan
Penanaman Modal Dalam Negeri (PMDN) di Indonesia naik sebesar
59
6,223639 %. Hal ini sesuai dengan hipotesa yang diajukan dalam
penelitian ini, dimana tenaga kerja dan Penanaman Modal Dalam
Negeri mempunyai pengaruh positif. Jadi adanya kenaikan jumlah
tenaga kerja akan berpengaruh terhadap Penanaman Modal Dalam
Negeri (PMDN) di Indonesia. Tenaga kerja merupakan salah satu
faktor penting dalam berproduksi. Adanya peningkatan jumlah
tenaga kerja akan meningkatkan kapasitas produksi. Oleh karena itu
hal yang harus dilakukan adalah meningkatkan kualitas tenaga kerja
dengan mengembangkan sistem keterpaduan antara dunia
pendidikan, pelatihan keterampilan yang sepadan dengan kebutuhan
pasar tenaga kerja, perkembangan pembangunan dan teknologi.
4.3.3. Infrastruktur
Hasil regresi yang di dapat bahwa Infrastruktur tidak
berpengaruh terhadap Penanaman Modal Dalam Negeri (PMDN) di
Indonesia. Hal tersebut juga disebabkan karena faktor sosial politik
dan keamanan di indonesia yang tidak kondusif pasca krisis
moneter, dan juga dapat dilihat dari segi kondisi kualitas jalan yang
masih belum memadai.
4.3.4. Variabel Dummy (Krisis Ekonomi)
Hasil regresi yang di dapat bahwa krisis ekonomi (dm)
berpengaruh terhadap penanaman modal dalam negeri di Indonesia.
Hal ini sesuai dengan hipotesa yang diajukan dalam penelitian ini,
dimana krisis ekonomi dan penanaman modal dalam negeri
60
mempunyai pengaruh negatif. Jadi adanya krisis ekonomi akan
berpengaruh terhadap penanaman modal dalam negeri di Indonesia.
Krisis ekonomi yang terjadi pertengahan 97 dan puncaknya
pada tahun 1998 telah memberikan pengaruh yang luas kepada
perekonomian. Dampak krisis ekonomi terhadap perekonomian
ditandai dengan pertumbuhan yang negatif, tingginya tingkat inflasi
dan tingginya tingkat pengganguran serta berpengaruh negatif
terhadap penanaman modal dalam negeri di Indonesia. Adanya
krisis ekonomi tersebut menciptakan adanya kelesuan usaha.
Sehingga para investor enggan untuyk berinvestasi hal tersebut
dikarenakan ketakutan para investor akan kondisi stabilitas politik
dan keamanan indonesia yang masih belum stabil yang di akibatkan
oleh krisis ekonomi yang melanda indonesia.
61
BAB V
KESIMPULAN DAN IMPLIKASI
5.1. Kesimpulan
Berdasarkan penelitian dan analisis yang telah dilakukan
mengenai penanaman modal dalam negeri maka dapat disimpulkan
sebagai berikut:
1. Produk domestik bruto, Jumlah Tenaga Kerja, Infrastruktur dan
variable dummy secara serempak mempunyai pengaruh terhadap
penanaman modal dalam negeri di Indonesia.
2. Hasil pengujian secara individual terhadap faktor - faktor yang
mempengaruhi Penanaman Modal Dalam Negeri di Indonesia
dapat disimpulkan sebagai berikut:
a. Hasil pengujian menunjukkan bahwa PDB tidak berpengaruh
terhadap penanaman modal dalam negeri di Indonesia. Hal
tesebut di sebabkan oleh kondisi sosial politik dan keamanan
Indonesia yang belum stabil paska krisis monener yang
melanda Indonesia pada tahun 1997.
b. Hasil pengujian menunjukkan bahwa jumlah tenaga kerja
berpengaruh terhadap terhadap Penanaman Modal Dalam
Negeri (PMDN) di Indonesia. Jadi adanya kenaikan jumlah
tenaga kerja akan berpengaruh terhadap Penanaman Modal
Dalam Negeri (PMDN) di Indonesia. Tenaga kerja
62
merupakan salah satu faktor penting dalam berproduksi.
Adanya peningkatan jumlah tenaga kerja akan meningkatkan
kapasitas produksi. Oleh karena itu hal yang harus dilakukan
adalah meningkatkan kualitas tenaga kerja dengan
mengembangkan sistem keterpaduan antara dunia
pendidikan, pelatihan keterampilan yang sepadan dengan
kebutuhan pasar tenaga kerja, perkembangan pembangunan
dan teknologi.
c. Hasil pengujian menunjukkan bahwa Infrastruktur (Jumlah
Panjang Jalan) tidak berpengaruh terhadap penanaman
modal dalam negeri di Indonesia. Hal tesebut di sebabkan
oleh kondisi sosial politik dan keamanan Indonesia yang
tidak kondusif paska krisis moneter yang melanda Indonesia
pada tahun 1997 dan juga kondisi kualitas jalan yang kurang
memadai.
d. Hasil pengujian menunjukkan bahwa krisis ekonomi (Dm)
mempunyai pengaruh negatif terhadap terhadap Penanaman
Modal Dalam Negeri (PMDN) di Indonesia. Jadi adanya
krisis ekonomi akan berpengaruh terhadap Penanaman
Modal Dalam Negeri (PMDN) di Indonesia.
63
5.2. Implikasi
Kesimpulan hasil penelitian diatas memberi implikasi sebagai berikut
1. Sebagai indikator tingkat pertumbuhan ekonomi. PDB tetap perlu
ditingkatkan untuk meningkatkan penanaman Modal Dalam
Negeri dalam tingkat yang wajar karena dengan laju Penanaman
Modal Dalam Negeri yang wajar, sektor riil akan tetap bergairah
dan memberikan peluang-peluang peningkatan mutu kesejartaan
masyarakat, dan perlu di perhatikan juga dari tingkat sosial politik
dan keamanan di Indonesia yang belum stabil yang
mengakibatkan para investor dalam negeri berpikir dua kali untuk
menanamkan investasinya di indonesia.
2. Jumlah Tenaga kerja berpengaruh terhadap Penanaman Modal
Dalam Negeri di Indonesia. Hal ini dikarenakan Tenaga keja
merupakan salah satu faktor yang penting dalam sebuah produksi.
Peningkatan kualitas tenaga kerja akan meningkatkan daya saing
dalam meningkatkan kapasitas produksi. Oleh karena itu
sebaiknya pemerintah menyediakan pengembangan sistem terpadu
seperti dunia pendidikan, pelatihan keterampilan yang sepadan
dengan kebutuhan pasar tenaga kerja.
3. Infrastruktur tidak berpengaruh terhadapa Penanaman Modal
Dalam Negeri di Indonesia. Hal ini dikarenakan oleh kondisi dari
kualitas jalan itu sendiri yang kurang memadai. Sebagai prasarana
transportasi yang penting untuk mempelancar kegiatan
perekonomian, tersedianya jalan yang berkualitas akan
64
meningkatkan usaha pembangunan khususnya dalam upaya
memudahkan lalulintas barang dari satu daerah ke daerah lain. Di
sini sebaiknya pembangunan kembali Infrastruktur sangat penting
bagi Penanaman Modal Dalam Negeri. Dengan Infrastruktur yang
memadai, efisiensi yang dicapai oleh dunia usaha akan semakin
besar dan investasi yang didapat semakin meningkat.
4. Untuk mengendalikan laju Penanaman Modal Dalam Negeri,
pemerintah harus memperkuat struktur perekonomiannya sehingga
tidak rentan terhadap goncangan. Selain itu pemerintah juga harus
meningkatkan kestabilan sosial politik dan keamanan karena laju
inflasi sangat rentan terhadap hal ini.
65
DAFTAR PUSTAKA
Andriani, Gita, Model Kredit Investasi Pada Sektor Industri Oleh Bank-bank
Pemerintah Tahun 19981-1997,Skripsi,Fakultas Ekonomi, Universitas
Islam Indonesia, 2001
Arief, Sritua, Metodologi Penelitian Ekonomi, Jakarta : UI PRESS, 1993.
Badan Pusat Statistik, Indikator Ekonomi Indonesia, Berbagai edisi, 1984-2005.
, , Statistik Ekonomi Indonesia, Berbagai edisi, 1984-2005.
BI, Statistik Keuangan Indonesia,Berbagai Edisi, 1984-2006.
Gujarati, Damodar,Ekonometrika Dasar, Terjemahan, Cetakan Ketiga, Erlangga
Jakarta,1993
Hakim, Abdul, Ekonomi Pembangunan, UII Press, Yogyakarta, 2001.
Jati ,Kuntjoro , Ekonomi Politik di Asia Pasifik, Jakarta, Erlangga,1995
Jogiyanto, Teori Portofolio dan Analisis Investasi. Edisi ketiga.
Yogyakarta : BPFE UGM, 2003.
Prawatyo Aditya,Factor-faktor yang Mempengaruhi Investasi Swasta di
Indonesia,Skripsi, Fakultas Ekonomi, Universitas Islam Indonesia,1996
Rahardjo, Dawam, Tren Ekonomi 2000 Antara Optimisme dan Pesimisme,
Bernas, 31 oktober 2000.
Sagi, Soeharto, Ekonomi Indonesia, Gagasan, Pemikiran dan Polemik,
IQRA,Bandung,1982
Sumarno, Heri, Manajemen Pemasaran Internasional, Jakarta, Salemba
Empat,2000.
Widarjono,Agus, Ekonometrika, edisi 2, Ekonisia, yogyakarta, 2005
66
67
Lampiran 1 : Data Penelitian
TAHUN Y X1 X2 X3 X4
1985 3830.3 660496.5 62.457.138 207.363 0
1986 4126 742061.4 68.338.187 224.211 0
1987 11404 777416.2 70.402.443 227.344 0
1988 15681 824234.8 72.816.834 254.934 0
1989 21907 886405.2 73.908.204 271.176 0
1990 59878.4 949837.8 75.850.580 288.727 0
1991 41084.8 1015854 76.423.179 319.370 0
1992 29341.7 1081472 78.518.372 325.441 0
1993 39450.4 1151729 79.200.542 344.892 0
1994 53289.1 1238569 80.110.060 356.878 0
1995 69853 1340379 85.701.813 327.227 0
1996 100715 1445173 87.049.756 336.377 0
1997 119873 1513094 87.672.449 341.467 0
1998 60749.3 1314474 88.816.859 355.363 1
1999 53550 1324873 89.837.730 355.951 1
2000 93327.7 1389770 90.807.417 355.951 1
2001 58816 1442985 91.647.166 361.782 1
2002 25307.6 1506124 90.784.917 368.362 1
2003 50092.1 1579559 93.722.036 370.516 1
2004 34140.4 1660579 94.948.118 372.929 1
Sumber : Badan Pusat Statistik
Dimana :
Y = Penanaman Modal Dalam Negeri (Miliar Rp)
X1 = Produk Domestik Bruto (Miliar Rp)
X2 = Jumlah Tenaga Kerja (Ribu Jiwa)
X3 = Infrastuktur (Jumlah Panjang Jalan) (Km)
X4 = Variabel Dummy
X4 = 0 ( Sebelum Krisis Ekonomi)
X4 = 1 ( Sesudah Krisis Ekonomi)
68
Lampiran 2 : Uji MWD linier
Dependent Variable: Y
Method: Least Squares
Date: 01/25/08 Time: 10:56
Sample(adjusted): 1986 2004
Included observations: 19 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
C -202521.9 266772.8 -0.759155 0.4613
X1 -0.002119 0.005292 -0.400339 0.6954
X2 0.005658 0.001870 3.025175 0.0098
X3 -0.572414 0.795098 -0.719930 0.4843
DM -47774.72 26840.45 -1.779952 0.0985
Z1 -47905.49 75443.32 -0.634987 0.5365
R-squared 0.630829 Mean dependent var 49609.82
Adjusted R-squared 0.488841 S.D. dependent var 30801.28
S.E. of regression 22021.50 Akaike info criterion 23.08952
Sum squared resid 6.30E+09 Schwarz criterion 23.38776
Log likelihood -213.3504 F-statistic 4.442814
Durbin-Watson stat 1.125399 Prob(F-statistic) 0.014002
Lampiran 3 : Uji MWD Log Linier
Dependent Variable: LOG(Y)
Method: Least Squares
Date: 01/25/08 Time: 13:24
Sample: 1985 2004
Included observations: 20
Variable Coefficient Std. Error t-Statistic Prob.
LOG(X1) 0.225839 0.246537 0.916044 0.3752
LOG(X2) 5.671004 3.275252 1.731471 0.1053
LOG(X3) 3.508275 2.225341 1.576511 0.1372
DM -1.084480 0.348191 -3.114612 0.0076
Z2 -7.86E-06 1.46E-05 -0.537545 0.5993
C -140.1949 40.09615 -3.496469 0.0036
R-squared 0.830128 Mean dependent var 10.45224
Adjusted R-squared 0.769460 S.D. dependent var 0.950961
S.E. of regression 0.456600 Akaike info criterion 1.513308
Sum squared resid 2.918772 Schwarz criterion 1.812027
Log likelihood -9.133076 F-statistic 13.68303
Durbin-Watson stat 1.417128 Prob(F-statistic) 0.000057
69
Lampiran 4 : Uji Regresi Linier
Dependent Variable: Y
Method: Least Squares
Date: 01/25/08 Time: 15:45
Sample: 1985 2004
Included observations: 20
Variable Coefficient Std. Error t-Statistic Prob.
X1 -0.000896 0.002963 -0.302583 0.7664
X2 0.005034 0.001755 2.867851 0.0117
X3 -0.208647 0.320396 -0.651216 0.5248
DM -52488.36 16605.19 -3.160962 0.0065
C -277392.1 92898.51 -2.985969 0.0092
R-squared 0.633166 Mean dependent var 47320.85
Adjusted R-squared 0.535344 S.D. dependent var 31679.25
S.E. of regression 21594.38 Akaike info criterion 23.01057
Sum squared resid 6.99E+09 Schwarz criterion 23.25950
Log likelihood -225.1057 F-statistic 6.472612
Durbin-Watson stat 1.204980 Prob(F-statistic) 0.003112
Lampiran 5 : Uji Regresi Log Linier
Dependent Variable: LOG(Y)
Method: Least Squares
Date: 01/25/08 Time: 15:44
Sample: 1985 2004
Included observations: 20
Variable Coefficient Std. Error t-Statistic Prob.
LOG(X1) 0.219287 0.240329 0.912447 0.3760
LOG(X2) 6.223639 3.035118 2.050543 0.0582
LOG(X3) 3.189227 2.093280 1.523555 0.1484
DM -1.117303 0.334572 -3.339502 0.0045
C -146.0944 37.63977 -3.881384 0.0015
R-squared 0.826622 Mean dependent var 10.45224
Adjusted R-squared 0.780388 S.D. dependent var 0.950961
S.E. of regression 0.445647 Akaike info criterion 1.433737
Sum squared resid 2.979014 Schwarz criterion 1.682670
Log likelihood -9.337372 F-statistic 17.87907
Durbin-Watson stat 1.329218 Prob(F-statistic) 0.000014
70
Lampiran 6 : Uji LM
Breusch-Godfrey Serial Correlation LM Test:
F-statistic 1.299283 Probability 0.273471
Obs*R-squared 1.698489 Probability 0.192486
Test Equation:
Dependent Variable: RESID
Method: Least Squares
Date: 01/25/08 Time: 11:55
Presample missing value lagged residuals set to zero.
Variable Coefficient Std. Error t-Statistic Prob.
LOG(X1) 0.069672 0.245691 0.283576 0.7809
LOG(X2) 0.540443 3.042456 0.177634 0.8616
LOG(X3) -0.000402 2.072704 -0.000194 0.9998
DM -0.100220 0.342752 -0.292397 0.7743
C -10.83725 38.46337 -0.281755 0.7823
RESID(-1) 0.349163 0.306321 1.139861 0.2735
R-squared 0.084924 Mean dependent var -8.51E-15
Adjusted R-squared -0.241888 S.D. dependent var 0.395967
S.E. of regression 0.441266 Akaike info criterion 1.444989
Sum squared resid 2.726023 Schwarz criterion 1.743708
Log likelihood -8.449885 F-statistic 0.259857
Durbin-Watson stat 1.977400 Prob(F-statistic) 0.927610
71
Lampiran 7 : Uji white
White Heteroskedasticity Test:
F-statistic 0.947448 Probability 0.495214
Obs*R-squared 6.084865 Probability 0.413751
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 01/25/08 Time: 12:00
Sample: 1985 2004
Included observations: 20
Variable Coefficient Std. Error t-Statistic Prob.
C 606.1926 1266.426 0.478664 0.6401
LOG(X1) -10.38367 23.50763 -0.441715 0.6660
(LOG(X1))^2 0.350199 0.786798 0.445094 0.6636
LOG(X2) 1.174011 3.482024 0.337163 0.7414
LOG(X3) -87.56965 183.3798 -0.477532 0.6409
(LOG(X3))^2 3.480131 7.264280 0.479074 0.6398
DM 0.090786 0.324930 0.279401 0.7843
R-squared 0.304243 Mean dependent var 0.148951
Adjusted R-squared -0.016875 S.D. dependent var 0.188842
S.E. of regression 0.190429 Akaike info criterion -0.209856
Sum squared resid 0.471423 Schwarz criterion 0.138651
Log likelihood 9.098557 F-statistic 0.947448
Durbin-Watson stat 3.228565 Prob(F-statistic) 0.495214