LAPORAN KERJA PRAKTIK

ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI INDEKS

PEMBANGUNAN MANUSIA DI KALIMANTAN BARAT DENGAN
REGRESI DATA PANEL

FITRIANI HARTATI
NIM H1091151040

PROGRAM STUDI STATISTIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS TANJUNGPURA
PONTIANAK
2018
 LEMBAR PENGESAHAN

ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI

INDEKS PEMBANGUNAN MANUSIA DI KALIMANTAN BARAT
DENGAN REGRESI DATA PANEL

Oleh :

FITRIANI HARTATI
NIM H1091151040

Telah diseminarkan di Jurusan Matematika Fakultas Matematika dan Ilmu

Pengetahuan Alam Universitas Tanjungpura Pontianak.

Pontianak, April 2018

Menyetujui

Pembimbing Kerja Praktek Dosen Pembimbing Kerja Praktek

Evi Tanderi, M.Si Evy Sulistianingsih, M.Sc

NIP 197811272005022002 NIP 198502172008122006

Mengetahui
Ketua Jurusan Matematika FMIPA
Universitas Tanjungpura Pontianak

Drs. Helmi, M.Si

NIP 196410171998021001

ii
 KATA PENGANTAR

Puji syukur kehadirat Tuhan Yang Maha Esa atas segala rahmat dan
hidayahnya, sehingga dapat melaksanakan kerja praktik di kantor Dinas
Pendidikan dan Kebudayaan Provinsi Kalimantan Barat selama satu bulan.
Laporan Kerja Praktik ini disusun dalam rangka memenuhi prasyarat kelengkapan
penilaian dari kerja praktik. Laporan ini berjudul “Analisis Faktor-Faktor yang
Mempengaruhi Indeks Pembangunan Manusia di Kalimantan Barat dengan
Regresi Data Panel“. Laporan ini disusun dalam rangka menyelesaikan seminar
kerja praktik yang telah dilakukan di Dinas Pendidikan dan Kebudayaan Provinsi
Kalimantan Barat.

Laporan kerja praktik ini dapat terselesaikan berkat bantuan dari berbagai
pihak. Oleh karena itu, penulis mengucapkan terima kasih kepada:

1. Kedua Orang tua yang telah mendo’akan dan memberikan semangat serta
motivasi dalam menyelesaikan laporan kerja praktik.
2. Ibu Evy Sulistiyaningsih, M.Sc selaku dosen pembimbing kerja praktik.
3. Ibu Evi Tanderi, S.Pd, M.Si selaku pembimbing lapangan kerja praktik.
4. Semua pihak yang telah membantu dalam penulisan laporan ini yang tidak
dapat disebutkan satu persatu.

Dengan demikian, penulis berharap laporan kerja praktik ini dapat

memberikan kontribusi bagi mahasiswa statistik pada umumnya dan khususnya
bagi mahasiswa program studi Statistik FMIPA Untan. Oleh karena itu, kritik dan
saran yang sifatnya membangun sangat diharapkan untuk kesempurnaan laporan
ini.

Pontianak, April 2018

Penulis

iii
 DAFTAR ISI

LEMBAR PENGESAHAN .................................................................................. ii

KATA PENGANTAR .......................................................................................... iii

DAFTAR ISI ......................................................................................................... iv

BAB I PENDAHULUAN ...................................................................................... 1

1.1 Latar Belakang ............................................................................................. 1

1.2 Rumusan Masalah ........................................................................................ 4
1.3 Batasan Masalah .......................................................................................... 4
1.4 Tujuan Penulisan.......................................................................................... 4
1.5 Tinjauan Pustaka .......................................................................................... 4
1.6 Metodologi Penelitian .................................................................................. 5
BAB II PROFIL INSTANSI ................................................................................ 8

2.1. Visi dan Misi................................................................................................ 8

2.1.1 Visi ............................................................................................................... 8
2.1.2 Misi .............................................................................................................. 9
2.2 Tugas, Fungsi, Landasan Hukum, dan Struktur Organisasi ......................... 9
2.2.1 Tugas............................................................................................................ 9
2.2.2 Fungsi Dinas Pendidikan dan Kebudayaan............................................... 11
2.2.3 Landasan Hukum ...................................................................................... 11
2.2.3 Sususnan Organisasi Dinas Pendidikan dan Kebudayaan Provinsi
Kalimantan Barat ....................................................................................... 14
BAB III LANDASAN TEORI ............................................................................ 15

3.1 Regresi Data Panel ..................................................................................... 15

3.2 Estimasi Model Regresi Data Panel........................................................... 15
3.2.1 Common Effect Model (CEM) ................................................................... 15
3.2.2 Fixed Effect Model (FEM) ........................................................................ 15
3.2.3 Random Effect Model (REM).................................................................... 16
3.3 Pemilihan Model Estimasi Regresi Data Panel ......................................... 16
3.3.1 Uji Chow .................................................................................................... 16

iv
 3.3.2 Uji Hausman .............................................................................................. 17
3.3.3 Uji Lagrange Multiplier (LM) ................................................................... 17
3.4 Uji Hipotesis Model Regresi Data Panel ................................................... 17
3.4.1 Uji F ........................................................................................................... 18
3.4.2 Uji t ............................................................................................................ 18
3.4.3 Koefisien Determinasi................................................................................ 19
3.5 Uji Asumsi Model Regresi Data Panel ...................................................... 19
3.5.1 Uji Normalitas ............................................................................................ 19
3.5.2 Uji Multikolinearitas .................................................................................. 20
3.5.3 Uji Heteroskedastisitas ............................................................................... 20
3.5.4 Uji Autokorelasi ......................................................................................... 21
BAB IV PEMBAHASAN.................................................................................... 22

4.1 Uji Multikolinearitas .................................................................................. 23

4.2 Estimasi Model Regresi Data Panel........................................................... 23
4.2.1 Common Effect Model (CEM) ................................................................... 23
4.2.2 Fixed Effect Model (FEM) ......................................................................... 24
4.2.3 Random Effect Model (REM)..................................................................... 24
4.3 Pemilihan Model Estimasi ......................................................................... 25
4.3.1 Uji Chow .................................................................................................... 25
4.3.2 Uji Haussman............................................................................................. 25
4.3.3 Uji Lagrange Multiplier (LM) ................................................................... 26
4.4 Uji Kelayakan Model ................................................................................. 27
4.4.1 Uji F ( Uji Kecocokan Model) ................................................................... 27
4.4.2 Uji t (Signifikansi Parameter) .................................................................... 28
4.4.3 Koefisien Determinasi ............................................................................... 29
4.5 Uji Asumsi Klasik...................................................................................... 29
4.5.1 Uji Normalitas ............................................................................................ 29
4.5.2 Uji Multikolinearitas .................................................................................. 30
4.5.3 Uji Heterokedastisitas ................................................................................ 31
4.5.4 Uji Autokorelasi......................................................................................... 31
4.6 Interpretasi Model ...................................................................................... 32
4.7 Persamaan Linear ....................................................................................... 32
DAFTAR PUSTAKA .......................................................................................... 34

v
 BAB I
PENDAHULUAN

1.1 Latar Belakang

Universitas Tanjungpura atau disingkat sebagai Untan adalah salah satu
perguruan tinggi negeri di kota Pontianak, Kalimantan Barat. Universitas
Tanjungpura memiliki sembilan fakultas, salah satunya adalah Fakultas
Matematika dan Ilmu pengetahuan Alam (FMIPA). Universitas Tanjungpura
memiliki tujuan untuk menyiapkan mahasiswa atau mahasiswi menjadi anggota
masyarakat yang memiliki kemampuan akademik atau professional yang dapat
menerapkan, mengembangkan dan menciptakan ilmu pengetahuan dan teknologi.
Kemampuan tersebut banyak dibutuhkan oleh dunia usaha, dunia kerja khususnya
antisipasi terhadap era globalisasi yang sedang berlangsung.
Oleh karena itu, dengan adanya Kerja Praktik (KP) ke dunia kerja bertujuan
untuk melatih mahasiswa atau mahasiswi mengintegrasikan diri pada instansi
dengan harapan mahasiswa atau mahasiswi dapat meningkatkan keterampilan dan
menyesuaikan diri kedalam lingkungan kebutuhan dunia kerja yang berkembang
saat ini terutama yang berkaitan dengan ilmu statistika. Kerja Praktik (KP) yang
telah dilaksanakan oleh penulis di Dinas Pendidikan dan Kebudayaan Provinsi
Kalimantan Barat diharapkan mampu mengembangkan potensi dan menambah
wawasan terhadap dunia kerja. Adapun bagian-bagian divisi di Dinas Pendidikan
dan Kebudayaan Provinsi Kalimantan Barat yaitu Kepala Dinas Pendidikan dan
Kebudayaan, Sekretaris, Kepala Bidang Pembinaan Ketenagaan, Kepala Bidang
Pembinaan SMA dan Pendidikan Khusus, Kepala Bidang Pembinaan Sekolah
Menengah Kejuruan dan Kepala Bidang Pembinaan dan Kebudayaan. Untuk
divisi Sekretaris terdiri dari Kepala Sub Bagian Renja dan Monev, Kepala Sub
Bagian Umum dan Aparatur, dan Kepala Sub bagian Keuangan dan Asset. Untuk
divisi Kepala Bidang Pembinaan dan Ketenagaan terdiri Kasi Pembinaan Guru
dan tenaga Kependidikan SMA dan Pendidikan Khusus, Kasi Pembinaan Guru
dan Tenaga Kependidikan SMK, serta Kasi Pembinaan Tenaga Kebudayaan.
1
 2

Untuk divisi Kepala Bidang Pembinaan SMA dan Pendidikan Khusus terdiri dari
Kasi Kelembagaan Sarana dan Prasarana, Kasi Kurikulum dan Penilaian, serta
Kasi Peserta Didik dan Pembangunan Karakter. Untuk Kepala Bidang Pembinaan
Sekolah Menengah Kejuruan terdiri dari Kasi Kelembagaan Sarana dan Prasarana,
Kasi Kurikulum dan Penilaian, serta Kasi Peserta Didik dan Pembangunan
Krakter. Untuk divisi Kepala Bidang Pembinaan dan Kebudayaan terdiri dari Kasi
Bidang kebudayaan, Kasi Adat Istiadat dan Tradisi, Kasi Cagar Budaya dan
Permuseuman.
Laporan Kerja Praktik (KP) merupakan salah satu dari rangkaian mekanisme
dari Kerja Praktik (KP) itu sendiri. Setelah melakukan kegiatan Kerja Praktik
(KP) sesuai waktu yang telah ditentukan, maka peserta Kerja Praktik (KP) harus
menyampaikan hasil dari Kerja Praktik (KP) yang telah dilakukan, baik kepada
instansi tempat pelaksanan Kerja Praktik (KP) maupun kepada pengelola Jurusan
Matematika. Penelitian ini bertujuan untuk mengetahui tingkat kualitas
pendidikan di Indonesia tepatnya di Kalimantan Barat, melalui indeks
pembanguann manusia di Kalimantan Barat dengan regresi data panel .

Salah satu masalah pokok yang dihadapi negara berkembang khususnya

Indonesia dalam pembangunan adalah masalah peningkatan kualitas pendidikan.
Masalah kualitas pendidikan timbul dipengaruhi oleh menurunnya kualitas
pendidikan di Indonesia. Misalnya, menurunnya angka partisipasi sekolah, angka
melek huruf, rata-rata lama sekolah, serta bertambahnya penduduk miskin. Di
Kalimantan Barat khususnya, tingkat kualitas pendidikan masih cukup rendah.
Berdasarkan keseluruhan provinsi di Indonesia, Kalimantan Barat menduduki
peringkat ke 29 dari 34 Provinsi. Hal itu dilihat dari nilai Indeks Pembangunan
Manusia pada tahun 2016 yaitu 65,88%. Berdasarkan Buku Kalimantan Barat
Dalam Angka tahun 2017 memperlihatkan bahwa tingkat Indeks Pembangunan
Manusia di Kalimantan Barat menduduki peringkat terendah atau terakhir di pulau
Kalimantan setelah Kalimantan Timur, Kalimantan Utara, Kalimantan Tengah,
dan Kalimantan Selatan.
 3

Pendidikan sesungguhnya memiliki peran yang sangat penting dalam

kehidupan berbangsa dan bernegara, yakni dalam menciptakan sumber daya
manusia yang berkualitas. Pendidikan merupakan suatu faktor kebutuhan dasar
untuk setiap manusia, karena melalui pendidikan upaya peningkatan kesejahteraan
rakyat dapat diwujudkan. Pendidikan mempengaruhi secara penuh pertumbuhan
ekonomi suatu daerah bahkan negara. Hal ini bukan saja karena pendidikan akan
berpengaruh terhadap kemampuan masyarakat. Pendidikan dapat menjadikan
sumber daya manusia lebih cepat mengerti dan siap dalam menghadapi perubahan
pembanguan suatu daerah atau negara. Semakin tinggi tamatan pendidikan
seseorang, semakin tinggi pula kemampuan kerja atau produktivitas seseorang
dalam bekerja. Peningkatan kualitas sumber daya manusia melalui tamatan
pendidikan diharapkan dapat mengurangi jumlah pengangguran, dengan asumsi
terjadinya lapangan pekerjaan formal.

Melalui pendidikan dapat menciptakan tenaga kerja yang tidak hanya kaya
akan pengetahuan teoritis melainkan juga praktis, penguasaan teknologi, dan
memiliki keahlian khusus. Hal inilah yang kemudian menjadi dasar evaluasi dan
peningkatan pendidikan di setiap negara secara berkesinambungan.

Tingkat kualitas pendidikan antara daerah maupun kabupaten satu dengan

yang lainnya tentu berbeda, serta mengalami perubahan dari waktu ke waktu.
Oleh karena itu pada laporan ini penulis akan mengaplikasikan regresi data panel
untuk pemodelan indeks pembangunan manusia di Kalimantan Barat. Dilihat dari
faktor-faktor yang mempengaruhi indeks pembangunan manusia maka dalam
penulisan laporan ini penulis akan membahas tentang “Analisis Faktor-Faktor
yang mempengaruhi Indeks Pembangunan Manusia di Kalimantan Barat dengan
Regresi Panel”.

Adapun tujuan yang ingin dicapai dalam laporan ini yaitu mendapatkan
model regresi data panel untuk faktor-faktor yang mempengaruhi indeks
pembangunan manusia di Kalimantan Barat tahun 2010 s.d 2016.
 4

1.2 Rumusan Masalah

Dari latar belakang diatas permasalahan yang dibahas dalam laporan ini
adalah faktor-faktor apa saja yang mempengaruhi Indeks Pembangunan Manusia
Kabupaten/ Kota di Kalimantan Barat dengan regresi panel pada tahun 2010 s/d
2016.

1.3 Batasan Masalah

Pada penelitian ini penulis menggunakan analisis regresi panel dalam
memodelkan pengaruh kepadatan penduduk, angka partisipasi murni, serta
persentase angka melek huruf terhadap Indeks Pembangunan Manusia
Kabupaten/Kota di Kalimantan Barat pada tahun 2010 - 2017 menggunakan
bantuan software E-Views dan SPSS.

1.4 Tujuan Penulisan

Tujuan penulisan laporan KP ini adalah menganalisis faktor-faktor apa saja
yang mempengaruhi Indeks Pembangunan Manusia Kabupaten/Kota di
Kalimantan Barat pada tahun 2010-2016.

1.5 Tinjauan Pustaka

Melliana, A. dan Zain, I. (2013) dalam penelitiannya menganalisis tentang
Faktor yang Mempengaruhi Indeks Pembangunan Manusia di Kabupaten/Kota
Provinsi Jawa Timur dengan Menggunakan Regresi Panel. Pada pengestimasian
model digunakan pendekatan fixed effect model (FEM) cross section weight.
Pemodelan IPM dengan fixed effect model (FEM) cross section weight
menghasilkan nilai R2 sebesar 96,67 persen. Hasil penelitian menunjukkan bahwa
terdapat tujuh variabel yang berpengaruh signifikan terhadap IPM antara lain
variabel rasio siswa terhadap guru (X1), angka partisispasi SMP/MTs (X2), jumlah
sarana kesehatan (X3), persentase RT dengan akses air bersih (X4), kepadatan
penduduk (X5), tingkat partisipasi angkatan kerja (X6) dan PDRB perkapita (X7).

Sutikno, B. dan Faruk, A. (2017) dalam penelitiannya menganalisis tentang

Penerapan Regresi Data Panel Komponen Satu Arah untuk Menentukan Faktor-
Faktor yang Mempengaruhi Indeks Pembangunan Manusia. Pada penelitian ini
 5

pengestimasian model menggunakan uji Chow, uji Haussman, dan pemilihan efek
komponen satu arah. Model regresi data panel terbaik dari nilai IPM IPM di
Provinsi Sumatera Selatan mulai dari tahun 2007 hingga 2014 adalah model efek
tetap komponen waktu yang diboboti dengan seemingly unrelated regression
(SUR). Terdapat faktor-faktor yang berpengaruh signifikan terhadap perubahan
nilai IPM di Provinsi Sumatera Selatan mulai tahun 2007 hingga 2104 adalah
banyaknya rumah tangga yang dapat mengakses air bersih, angka partisipasi
Sekolah Menengah Atas (SMA), angka melek huruf, dan tingkat partisipasi
angkatan kerja.

1.6 Metodologi Penelitian

Penelitian ini berupa studi literatur yang dimulai dengan mempelajari
konsep dasar regresi data panel dan studi kasus yang menganalisis pengaruh
kepadatan penduduk, angka pwertisipasi murni, serta persentase angka melek
huruf terhadap indeks pembangunan manusia Kabupaten/Kota di Kalimantan
Barat pada tahun 2010-2016. Dari 14 Kabupaten/Kota di Kalimantan Barat data
yang digunakan sebagai sampel untuk dianalisis pada penelitian laporan KP ini
sebayak 13 sampel. Sebagian data diakses melalui Badan Pusat Statistik
Kalimantan Barat dan Dinas Pendidikan dan Kebudayaan Provinsi Kalimantan
Barat.
Adapun secara singkat metodologi penelitian dapat dijelaskan pada diagram
alir berikut ini:

Mulai

Input Data

Uji Multikolinearitas

tidak
VIF < 10 Membuang variabel
dengan nilai VIF > 10
 6

ya
tidak 𝐹𝐻𝑖𝑡𝑢𝑛𝑔
Membentuk CEM Uji Chow
> 𝐹𝑇𝑎𝑏𝑒𝑙

Uji Lagrange ya
Multiplier (LM) Uji Hausman
Membentuk FEM

𝐿𝑀𝐻𝑖𝑡𝑢𝑛𝑔 ya ya tidak
Membentuk REM 𝑊 ya
> 𝓍2 Membentuk FEM
> 𝓍2

tidak
ya Uji Lagrange
Membentuk CEM Multiplier (LM)

Membentuk FEM tidak 𝐿𝑀𝐻𝑖𝑡𝑢𝑛𝑔

tanpa pembobotan > 𝓍2

ya

A B
 7

A B

Membentuk FEM
Uji Heteroskedastisitas
dengan Cross-Section
Weight

Uji Autokorelasi

Uji Normalitas

Interpretasi Model

Variabel Yang Mempengaruhi PDRB

Selesai
 BAB II
PROFIL INSTANSI

2.1. Visi dan Misi

Rencana Strategi (RENSTRA) merupakan suatu proses yang berorientasi
pada hasil yang ingin dicapai selama kurun waktu 1 s.d 5 tahun dengan
memperhitungkan potensi, peluang dan kendala yang ada atau mungkin terjadi.
Disamping itu RENSTRA juga menurut visi, misi, tujuan, dan sasaran, serta
kebijakan, program yang realitas dengan mengantisispasi perkembangan masa
depan.

Oleh karena itu, dalam mengantisispasi tuntutan kedepan menuju kondisi

yang diinginkan maka Dinas Pendidikan dan Kebudayan Provinsi Kalimantan
Barat menetapkan Rencana Strategis (RENSTRA) sebagai berikut:

2.1.1 Visi
Sebagaimana telah dijelaskahn bahwa Dinas Pendidikan dan Kebudayaan
Provinsi Kalimantan Barat mempunyai 4 (empat) bidang dan satu sekretariat yang
masing-masing mempunyai tugas pokok dan fungsi serta kewenangan yang
berbeda namun pada prinsipnya mempunyai tujuan akhir yang hampir sama.
Dalam rangka menyatukan gerak langkah dan persepsi yang sama dalam
mengemban tugas ke depan, maka penempatan visi merupakan hal yang sangat
fundamental untuk menentukan cara pandang tentang kemana Dinas Pendidikan
dan Kebudayaan Provinsi Kalimantan Barat akan diarahkan dan apa yang akan
dicapai. Dengan mengacu pada Visi dan Misi Gubernur dan Wakil Gubernur
Kalimantan Barat yang yang tertuang dalam RPJM Provinsi Kalimantan Barat
Tahun 2013-2108 maka dirumuskan Visis Dinas Pendidikan dan Kebudayaan
Provinsi Kalimantan Barat, yaitu:

“Terwujudnya Penyelenggaraan Layanan Pendidikan yang Optimal untuk

mencapai Masyarakat Kalimantan Barat yang Cerdas, Berbudaya dan Berdaya
Saing”

8
 9

Visi yang ditetapkan Dinas Pendidikan dan Kebudayaan Provinsi Kalimantan

Barat menunjukkan sebgai lembaga yang mempunyai nilai-nilai utama yang
fundamental yang dapat memberikan motivasi dan arah serta pedoman sebagai
kerangka wawasan ideal sebagai tugas pokok dan fungsi yang akan dilaksanakan
dalam rangka mewujudkan cita-cita masa depan yang diinginkan.

2.1.2 Misi
Misi merupakan suatu pernyataan yang mentapkan tujuan instansi dan
sasaran yang ingin dicapai. Dengan misi yang ditetapkan, diharapkan seluruh
pegawai dan pihak lain yang berkepentingan dapat mengenal Dinas Pendidikan
Provinsi Kalimantan Barat, mengetahui peran dan program-programnya serta hasil
yang akan diperoleh dimasa yang akan datang. Misi juga menjelaskan
sebagaimana organisasi itu ada, apa yang dilakukan serta bagaimana
melakukannya.

Untuk mewujudkan Visi di atas, maka dirumuskan 4 (Empat) Misi sebagai

berikut:

1. Mewujudkan kapasitas sumber daya aparatur yang professional sehingga

dapat memberikan pelayanan yang maksimal.
2. Meningkatkan perluasasn akses, kualitas, keterjangkauan dan tata kelola pada
semua jenis dan jenjang pendidikan.
3. Mewujudkan kesadaran dan kepastian layanan pendidikan pada semua jenis
dan jenjang pendidikan.
4. Mewujudkan pelestarian, pembinaan, pengembangan dan pemanfaatan
kebuadayaan daerah.

2.2 Tugas, Fungsi, Landasan Hukum, dan Struktur Organisasi

2.2.1 Tugas
Sesuai dengan Peraturan Gubernur Kalimantan Barat Nomor 98 Tahun
2016, Dinas Pendidikan dan Kebudayaan Provinsi Kalimantan Barat mempunyai
tugas membantu gubernur dalam melaksanakan urusan pemerintahan yang
menjadi kewenangan daerah dan tugas pembantuan di bidang pendidikan dan
kebudayaan sesuai dengan ketentuan peraturan perundang-undangan. Selanjutnya,
 10

susunan Organisasi Dinas Pendiidkan dan Kebudayaan Provinsi Kalimantan Barat

terdiri dari:

A. Kepala Dinas
Mempunyai tugas memimpin, merumuskan, mengkoordinasikan, membina,
mengarahkan, menyelenggarakan, dan pelaporan kegiatan dinas di bidang
pendidikan dan kebudayaan sesuai dengan ketentuan peraturan perundang-
undangan.
B. Sekretaris
Mempunyai tugas menyiapkan bahan perumusan kebijakan dibidang
rencana kerja, monitoring dan evaluasi, administrasi kepegawaian, umum,
pengelolaan keuangan dan asset, serta bertanggungjawab memimpin pelaksanaan
seluruh kegiatan pelayanan dan administrasi di lingkungan Dinas Pendidikan dan
Kebudayaan.
C. Kepala Bidang Pembinaan Sekolah Menengah Atas dan Pendidikan
Khusus
Mempunyai tugas menyiapkan bahan dan merumuskan kebijakan teknis di
bidang kurikulum dan penilaian, peserta didik dan pembangunan karakter,
kelembagaan, sarana dan prasarana serta bertanggungjawab memimpin sleuruh
kegiatan pelayanan dan administrasi di bidang pembinaan sekolah menengah dan
pendidikan khusus.

D. Kepala Bidang Pembinaan Sekolah Menengah Kejuruan

Mempunyai tugas menyiapkan bahan dan perumusan kebijakan teknis di
bidang kurikulum dan penilaian, peserta didik dan pembangunan karakter,
kelembagaan, sarana dan prasarana serta bertanggung jawab memimpin seluruh
kegiatan pelayanan dan administrasi di bidang pembinaan sekolah menengah
kejuruan bidang Pendidikan Menengah dan Tinggi

E. Kepala Bidang Pembinaan Ketenagaan

Mempunyai tugas menyiapkan bahan dan merumuskan kebijakan teknis di
bidang pembinaan guru dan tenaga kependidikan sekolah menengah atas dan
pendidikan khusus, pembinaan guru dan tenaga kependidikan sekolah menengah
 11

kejuruan dan pembinaan tenaga kebudayaan serta bertanggung jawab memimpin

seluruh kegiatan pelayanan dan administrasi bidang pembinaan ketenagaan.

F. Kepala Bidang Pembinaan Kebudayaan

Mempunyai tugas menyiapkan bahan dan perumusan kebijakan teknis
dibidang kesenian, cagar budaya dan permuseuman, adat istiadat dan tradisi serta
bertanggung jawab memimpin seluruh kegiatan pelayanan dan administrasi
dibidang pembinaan kebudayaan.
2.2.2 Fungsi Dinas Pendidikan dan Kebudayaan
Fungsi Dinas Pendidikan Provinsi Kalimantan Barat sesuai dengan
Peraturan Gubernur Kalimantan Barat Nomor 98 Tahun 2016 mempunyai fungsi :
a. Perumusan program kerja di bidang pendidikan dan kebudayaan;

b. Perumusan kebijakan di bidang pembinaan sekolah menengah atas dan

pendidikan khusus, pembinaan sekolah menengah kejuruan, pembinaan
ketenagaan dan pembinaan kebudayaan;

c. Pelaksanaan kebijakan di bidang pembinaan sekolah menengah atas dan

pendidikan khusus, pembinaan sekolah menengah kejuruan, pembinaan
ketenagaan dan pembinaan kebudayaan;

d. Pengkoordinasian dan pembinaan teknis di bidang pendidikan dan

kebudayaan;

e. Penyelenggaraan urusan pemerintah di bidang pendidikan dan kebudayaan

sesuai dengan ketentuan peraturan perundang-undangan;

f. Pelaksanaan evaluasi dan pelaporan di bidang pendidikan dan kebudayaan;

g. Pelaksanaan administrasi Dinas Pendidikan dan Kebudayaan;

h. Pelaksanaan fungsi lain dan tugas pembantuan yang diberikan oleh

Gubernur di bidang pendidikan dan kebudayaan sesuai dengan ketentuan
peraturan perundang-undangan.

2.2.3 Landasan Hukum

Penyelenggaraan pemerintahan Organisasi Perangkat Daerah Dinas
Pendidikan dan Kebudayaan Provinsi Kalimantan Barat, telah menyelenggarakan
 12

Urusan Wajib Bidang Pendidikan dan Kebudayaan dengan dasar hukum sebagai
berikut :

1. Undang - Undang Nomor 25 Tahun 1956, tentang Pembentukan Otonomi

Daerah Propinsi Kalimantan Barat, Kalimantan Selatan dan Kalimantan
Timur (Lembaran Negara RI Tahun 1956, tambahan Lembaran Negara RI
Nomor 1106);
2. Undang - Undang Nomor 17 Tahun 2003, tentang Keuangan Negara
(Lembaran Negara Republik Indonesia Tahun 2003 Nomor 47, Tambahan
Lembaran Negara RI Nomor 4286);
3. Undang - Undang Nomor 20 Tahun 2003, tentang Sistem Pendidikan
Nasional (Lembaran Negara Tahun 1989, Nomor 78 Tambahan Lembaran
Negara RI Nomor 3839);
4. Undang - Undang Republik Indonesia Nomor 1 Tahun 2004 tentang
Perbendaharaan Negara (Tambahan Lembaran Negara Republik Indoesia
Nomor 4355 Tahun 2004);
5. Undang - Undang Republik Indonesia Nomor 15 Tahun 2004 tentang
Pelaksanaan Pengelolaan dan Tanggung Jawab Keuangan Negara
(Tambahan Lembaran Republik Indonesia Tahun 2004 Nomor 66);
6. Undang - Undang Republik Indonesia Nomor 32 Tahun 2004, tentang
Pemerintahan Daerah, Perubahan Undang - Undang Nomor 22 Tahun 1999
tentang Pemerintahan Daerah (Lembaran Negara Republik Indonesia Tahun
2004 Nomor 125, Tambahan Lembaran Negara Republik Indonesia Nomor
4437);
7. Undang - Undang Nomor 25 Tahun 2004 Tentang Sistem Perencanaan
Pembangunan Nasional;
8. Undang – Undang Nomor 23 Tahun 2014 tentang Pemerintaha Daerah
sebagaimana telah diubah beberapa kali dan terakhir dengan undang-undang
nomor 9 Tahun 2015 tentang Perubahan Kedua atas Undang-Undang
Nomor 23 Tahun 2014 tentang Pemerintah Daerah (Lembaran Negara
Republik Indonesia Tahun 2015 Nomor 58 tambahan Lembaran Negara
Republik Indonesia 5679);
 13

9. Peraturan Pemerintah RI Nomor 108 Tahun 2000 tentang Tatacara

Pertanggungjawaban Kepala Daerah;
10. Peraturan Presiden Republik Indonesia Nomor 54 Tahun 2010 tentang
Pengadaan Barang/Jasa Pemerintah Indonesia;
11. Peraturan Pemerintah RI Nomor : 17 Tahun 2010 tentang penyelenggaraan
Pendidikan Khusus dan Pendidikan Layanan khusus/daerah terpencil dan
terluar;
12. Peraturan Pemerintah Nomor 18 Tahun 2016 tentang Perangkat Daerah;
13. Permendagri Nomer 39 Tahun 2012 Tentang pedoman pemberian hibahdan
bantuan sosial yang bersumber dari APBD bahwa pemerintah daerah dapat
memberikan hibah dan bansos kepada Pemda, pemda lainnya, masyarakat
dan organisasi masyarakat;
14. Peraturan Daerah Provinsi Kalimantan Barat Nomor 8 Tahun 2016 tentang
Pembentukan dan Susunan Oragnisasi Perangkat Daerah Provinsi
Kalimantan Barat Tahun (Lembaran Daerah Provinsi Kalimantan Barat
Nomor 8, Tambahan Lembaran Daerah Provinsi Kalimantan Barat Nomor 6
sebagaimana telah diubah beberapa kali, terakhir dengan Peraturan Daerah
Provinsi Kalimantan Barat Nomor 8 Tahun 2012;
15. Peraturan Gubernur Nomor 98 Tahun 2016 Tentang Kedudukan, Susunan
Organisasi, Tugas dan Fungsi serta Tata Kerja Dinas Pendidikan dan
Kebudayaan Provinsi Kalimantan Barat.
 14

2.2.3 Sususnan Organisasi Dinas Pendidikan dan Kebudayaan Provinsi

Kalimantan Barat

Gambar 1.1. Bagan Struktur Organisasi Dinas Pendidikan dan Kebudayaan

Provinsi Kalimantan Barat Tahun 2017

 BAB III

LANDASAN TEORI

3.1 Regresi Data Panel

Data panel merupakan gabungan amtara cross-section dan time series. Pada
data panel, unit cross-section yang sama diukur selama beberapa periode waktu.
Jadi, dapat dikatakan data panel memiliki dimensi ruang dan waktu. Secara
umum, model regresi panel mempunyai formula sebagai berikut:
𝑌𝑖𝑡 = 𝛼𝑖𝑡 + 𝛽𝑋𝑖𝑡 + 𝑒𝑖𝑡 (3.1)
Dengan 𝑌𝑖𝑡 merupakan variabel terikat, 𝑋𝑖𝑡 merupakan variabel bebas, 𝛼 dan
𝛽 merupakan parameter-parameter regresi, 𝑒 merupakan galat error, serta i
merupakan unit observasi ke-i dan t merupakan waktu ke-t.
3.2 Estimasi Model Regresi Data Panel
Dalam melakukan estimasi dengan model regresi panel terdapat tiga
pendekatan yang sering digunakan. Pendekatan tersebut antara lain Common
Effect Model (CEM), Fixed Effect Model (FEM), dan Random Effect Model
(REM).
3.2.1 Common Effect Model (CEM)
CEM adalah pendugaan yang menggabungkan (pooled) seluruh data time
series dan cross section dan menggunakan pendekatan OLS (Ordinary Least
Square) untuk menduga parameternya (Baltagi, 2005). CEM dinyatakan dalam
model sebagai berikut:
𝑌𝑖𝑡 = 𝛼 + 𝛽𝑋𝑖𝑡 + 𝑒𝑖𝑡 (3.2)
3.2.2 Fixed Effect Model (FEM)
Hsiao (2003) menyatakan pendekatan FEM menetapkan bahwa 𝛼 adalah
kelompok yang spesifik atau berbeda dalam constant term dalam model
regresinya. Formulasi yang biasa dipakai dalam model mengasumsikan bahwa
perbedaan antar unit dapat dilihat dalam perbedaan constant term. FEM disini
mengasumsikan bahwa tidak ada time specific effect dan hanya memfokuskan
pada individual specific effect dengan model sebagai berikut
𝑌𝑖𝑡 = 𝛼𝑖 + 𝛽𝑋𝑖𝑡 + 𝑒𝑖𝑡 (3.3)

15
 16

Indeks 𝑖 pada intersep (𝛼𝑖 ) menunjukkan bahwa intersep dari masing-masing

individu berbeda, namun intersep untuk unit time series tetap atau konstan.
3.2.3 Random Effect Model (REM)
Pendekatan REM melibatakan korelasi antar error terms karena berubahnya
waktu maupun unit observasi.
𝑌𝑖𝑡 = 𝛼𝑖𝑡 + 𝛽𝑋𝑖𝑡 + 𝑒𝑖𝑡 (3.4)
Dengan asumsi 𝛼𝑖𝑡 adalah variabel random dengan rata-rata 𝛼0 sehingga intersep
tiap unit adalah:
𝛼𝑖 = 𝛼0 + 𝜀𝑖 dimana 𝑖 = 1,2, … , 𝑁 (3.5)
Sehingga model (3.4) menjadi:
𝑦𝑖𝑡 = 𝛼0 + 𝛽𝑋𝑖𝑡 + 𝜀𝑖 + 𝑒𝑖𝑡 (3.6)
𝑦𝑖𝑡 = 𝛼0 + 𝛽𝑋𝑖𝑡 + 𝑤𝑖𝑡 (3.7)
Dimana suku error gabungan 𝑤𝑖𝑡 terdiri dari komponen error cross section (𝜀𝑖 )
dan komponen error time series (𝑒𝑖𝑡 ).
3.3 Pemilihan Model Estimasi Regresi Data Panel
Sebelum model diestimasi, maka dilakukan terlebih dahulu uji spesifikasi
model untuk mengetahui model yang akan dipakai apakah CEM, FEM, atau
REM. Terdapat tiga cara untuk pemilihan model estimasi regresi data panel yaitu
Uji Chow, Uji Hausman, dan Uji Lagrange Multiplier (LM).
3.3.1 Uji Chow
Baltagi (2005) menjelaskan uji Chow digunakan untuk memilih salah satu
model pada regresi data panel, yaitu antara FEM dengan CEM. Prosedur
pengujiannya sebagai berikut:
H0 : 𝛼1 = 𝛼2 = ⋯ = 𝛼𝑛 = 0 (efek unit cross section secara keseluruhan
tidak berarti)
H1 : minimal ada satu 𝛼𝑖 ≠ 0, dimana 𝑖 = 1, 2, … , 𝑛 (efek wilayah berarti)
Statistik uji yang digunakan merupakan uji F, yaitu:
(𝑅𝑅𝑆𝑆−𝑈𝑅𝑆𝑆)⁄(𝑛−1)
𝐹= (3.8)
𝑈𝑅𝑆𝑆⁄𝑛𝑇−𝑛−𝐾

Dimana RRSS merupakan jumlah rata-rata residual pada model CEM, URSS
merupakan jumlah rata-rata residual pada model FEM, 𝑛 merupakan jumlah unit
cross section, T merupakan jumlah unit waktu, dan K merupakan jumlah
 17

parameter yang akan diestimasi. Jika nilai Fhitung lebih besar dari F(n-1,nT-n-K) atau p-
value kurang dari taraf signifikan, maka tolak hipotesis awal (H0) sehingga model
yang terpilih adalah model FEM.
3.3.2 Uji Hausman
Uji Hausman digunakan untuk memilih model FEM atau REM. Prosedur
pengujiannya sebagai berikut.
H0 : 𝑐𝑜𝑟𝑟 (𝑋𝑖𝑡 , 𝜀𝑖 ) = 0 (model yang sesuai adalah REM)
H1 : 𝑐𝑜𝑟𝑟 (𝑋𝑖𝑡 , 𝜀𝑖 ) ≠ 0 (model yang sesuai adalah FEM)
Dengan statistik uji sebagai berikut:
′ −1
𝑊 = (𝛽̂𝐹𝐸𝑀 − 𝛽̂𝑅𝐸𝑀 ) [𝑣𝑎𝑟(𝛽̂𝐹𝐸𝑀 ) − 𝑣𝑎𝑟(𝛽̂𝐹𝐸𝑀 )] ((𝛽̂𝐹𝐸𝑀 − 𝛽̂𝑅𝐸𝑀 )) (3.9)

Dengan 𝛽̂𝐹𝐸𝑀 merupakan vektor estimasi slope FEM dan 𝛽̂𝑅𝐸𝑀 merupakan vektor
2
estimasi slope REM. Keputusan menolak H0 jika 𝑊 > 𝑋𝛼,𝐾 maka model yang
tepat adalah FEM, namun jika sebaliknya maka model yang tepat adalah REM.
3.3.3 Uji Lagrange Multiplier (LM)
Apabila hasil dari uji Chow dan uji Hausman menyimpulkan bahwa model
yang tepat adalah FEM, maka berikutnya adalah uji Lagrange Multiplier (LM)
untuk mendeteksi adanya heteroskedastisitas panel pada model FEM dengan
hipotesis sebagai berikut:
H0 : 𝜎𝑖2 = 0
H1 : 𝜎𝑖2 ≠ 0
Dengan statistik uji sebagai berikut:
2 2
𝑛𝑇 ∑𝑛 𝑇 ̅ ]
𝑖=1[∑𝑡=1 𝜀 𝑖𝑡
𝐿𝑀 = 2(𝑇−1) [ ∑𝑛 𝑇 ̅ − 1] (3.10)
𝑖=1 ∑𝑡=1 𝜀 𝑖𝑡

2
Tolak H0 jika 𝐿𝑀 > 𝑋𝛼,𝐾 artinya model FEM memiliki struktur yang
heteroskedastisitas sehingga untuk mengatasinya harus diestimasi dengan metode
cross section weight.

3.4 Uji Hipotesis Model Regresi Data Panel

Uji kecocokan model berguna untuk memeriksa atau menguji apakah
koefisien regresi yang didapat signifikan. Signifikan yang dimaksud adalah suatu
nilai koefisien regresi yang secara statistik tidak sama dengan nol. Jika koefisien
slope sama dengan nol, maka dapat dikatakan bahwa tidak cukup bukti untuk
 18

menyatakan variabel bebas mempunyai pengaruh terhadap variabel terikat. Ada

tiga jenis uji hipotesis terhadap koefisien regresi yang dapat dilakukan, yaitu uji F,
uji t, dan koefisien determinasi.

3.4.1 Uji F
Uji F dilakukan untuk menguji hipotesis koefisien (slope) regresi secara
bersamaan. Dengan demikian, secara umum hipotesisnya dituliskan sebagai
berikut:
H0: 𝛽1 = 𝛽2 = 𝛽3 = ⋯ = 𝛽𝑘 = 0
H1: 𝛽1 ≠ 𝛽2 ≠ 𝛽3 ≠ ⋯ ≠ 𝛽𝑘 ≠ 0 (paling tidak ada satu slope yang ≠ 0)
Dimana 𝑘 merupakan banyaknya variabel bebas. Dengan statistik uji yang
digunakan sebagai berikut:
𝑅 2 ⁄(𝑛+𝐾−1)
𝐹ℎ𝑖𝑡𝑢𝑛𝑔 = (1−𝑅2 )⁄(𝑛𝑇−𝑛−𝐾) (3.11)

Dengan 𝑅 2 merupakan koefisien determinasi. Dimana kriteria uji yang

digunakan H0 ditolak jika 𝐹ℎ𝑖𝑡𝑢𝑛𝑔 > 𝐹(𝛼,𝑛+𝐾−1,𝑛𝑇−𝑛−𝐾) , berarti hubungan antara
semua variabel bebas dan variabel terikat berpengaruh signifikan.

3.4.2 Uji t
Uji t dilakukan untuk menguji koefisien regresi, termasuk intercept secara
individu. Adapun prosedur pengujiannya sebagai berikut:
H0: 𝛽𝑗 = 0
H1: 𝛽𝑗 ≠ 0
Dimana 𝑗 = 0,1,2, … , 𝑘, dengan 𝑘 merupakan koefisien slope. Dari hipotesis akan
dilakukan pengujian terhadap 𝛽𝑗 (koefisien regresi populasi) apakah sama dengan
nol yang berarti variabel bebas tidak mempunyai pengaruh signifikan terhadap
variabel terikat, atau tidak sama dengan nol yang berarti variabel bebas
mempunyai pengaruh signifikan terhadap variabel terikat.
Untuk regresi sederhana yang mempunyai dua koefisien regresi (intercept dan
sebuah slope), berikut adalah hipotesis untuk intercept:
H0: 𝛽0 = 0
 19

H1: 𝛽0 ≠ 0
Dan berikut adalah hipotesis untuk slope:
H0: 𝛽1 = 0
H1: 𝛽1 ≠ 0
Dengan statistik uji yang digunakan sebagai berikut:
𝑏 −𝛽
𝑗 𝑗
𝑡 = 𝑠.𝑒(𝑏 (3.12)
)
𝑗

Karena 𝑏𝑗 akan diuji apakah sama dengan nol, maka nilai 𝛽𝑗 dalam persamaan
harus diganti dengan nol. Maka formula uji t menjadi
𝑏
𝑡 = 𝑠.𝑒(𝑏𝑗 (3.13)
𝑗)

𝑏
Keputusan menolak H0 jika |𝑡| = 𝑠.𝑒(𝑏𝑗 ) > 2.
𝑗

3.4.3 Koefisien Determinasi

Koefisien determinasi (𝑅 2 ) adalah suatu ukuran yang sangat penting dalam
regresi, karena dapat menginformasikan baik atau tidaknya model regresi yang
terestimasi. Dengan kata lain angka tersebut dapat mengukur seberapa dekatkah
garis regresi yang terestimasi dengan data sesungguhnya.
Nilai koefisien determinasi mencerminkan seberapa besar variasi dari variabel
terikat dapat dijelaskan oleh variabel bebas. Bila nilai koefisien determinasi sama
dengan nol (𝑅 2 = 0), maka variasi dari variabel terikat tidak dapat dijelaskan oleh
variabel bebas sama sekali. Sementara bila nilai koefisien determinasi sama
dengan satu 𝑅 2 = 1), maka semua pengamatan berada tepat pada garis regresi.
Dengan demikian, baik atau tidaknya suatu persamaan regresi ditentukan oleh
koefisien determinasinya yang mempunyai nilai antara nol dan satu.

3.5 Uji Asumsi Model Regresi Data Panel

Uji asumsi klasik mencakup uji normalitas, uji multikolinearitas, uji
heterokedastisitas, dan uji autokorelasi.
3.5.1 Uji Normalitas
Uji normalitas berguna untuk membuktikan data dari sampel yang dimiliki
berasal dari populasi berdistribusi normal atau data populasi yang dimiliki
 20

berdistribusi normal. Banyak jenis uji statistik normalitas yang dapat digunakan
diantaranya Kolmogorov Smirnov, Lilliefors, Chi-Square, Shapiro Wilk. Adapun
hipotesis pengujian untuk uji normalitas adalah sebagai berikut:
H0: residual berdistribusi normal
H1: residual tidak berdistribusi normal
Dengan statistik uji:
𝑆𝑘 2 (𝐾−3)2
𝐽𝐵 = 𝑁 [ + ] (3.14)
6 24

Dengan 𝑆𝑘 merupakan skewness (kemiringan) dan 𝐾 merupakan kurtosis

2
(peruncingan). Kriteria pengujian, H0 ditolak jika 𝐽𝐵 > 𝑋(𝛼,2) , maka residual tidak
berdistribusi normal.
3.5.2 Uji Multikolinearitas
Uji Multikolinearitas digunakan untuk menguji suatu model apakah terjadi
hubungan yang sempurna atau hamper sempurna antara variabel bebas, sehingga
sulit untuk memisahkan pengaruh antara variabel-variabel itu secara individu
terhadap variabel terikat. Pengujian ini untuk mengetahui apakah antar variabel
bebas dalam persamaan regresi tersebut tidak saling berkorelasi. Prosedur
pengujiannya sebagai berikut:
H0: tidak ada multikolinearitas
H1: ada multikolinearitas
Dengan statistik uji:
1
𝑉𝐼𝐹 = (1−𝑅 2) (3.15)
1

Kriteria pengujian untuk mendeteksi terjadinya multikolinearitas adalah jika nilai

𝑉𝐼𝐹 > 10, maka ada multikolinearitas.
3.5.3 Uji Heteroskedastisitas
Heteroskedastisitas merupakan variansi dari error model regresi tidak
konstan atau variansi antar error yang satu dengan error yang lain berbeda.
Dengan prosedur pengujiannya adalah sebagai berikut:
H0: tidak ada gejala heteroskedastisitas
H1: ada gejala heteroskedastisitas
Dengan statistik uji
 21

2 2
𝑛𝑇 ∑𝑛 𝑇 ̅ ]
𝑖=1[∑𝑡=1 𝜀 𝑖𝑡
𝐿𝑀 = 2(𝑇−1) [ ∑𝑛 𝑇 ̅ − 1] (3.16)
𝑖=1 ∑𝑡=1 𝜀 𝑖𝑡

2
Tolak H0 jika 𝐿𝑀 > 𝑋𝛼,𝐾 artinya terjadi gejala heteroskedastisitas.

3.5.4 Uji Autokorelasi

Autokorelasi adalah terjadinya korelasi antara satu variabel error dengan
variabel error yang lain. Untuk mendeteksi adanya autokorelasi dalam model
regresi linear berganda dapat digunakan metode Durbin-Watson. Prosedur
pengujian yang digunakan adalah sebagai berikut:
H0: tidak ada autokorelasi
H1: ada autokorelasi
Dengan statistik uji sebagai berikut:
∑(𝑒𝑡 −𝑒𝑡−1 )2
𝑑= ∑ 𝑒𝑡 2
(3.17)

Kriteria pengujian untuk medeteksi adanya autokorelasi dalam model regresi

linear berganda adalah jika nilai 𝑑 < −2 maka ada autokorelasi positif, jika −2 ≤
𝑑 ≤ 2 maka tidak ada autokorelasi, dan jika nilai 𝑑 > 2 maka ada autokorelasi
negatif.
 BAB IV

PEMBAHASAN

Pada penulisan ini data yang digunakan adalah data Indeks pembangunan
Manusia (IPM) Kabupaten/Kota di Kalimantan Barat pada tahun 2010-2016. Data
tersebut merupakan data sekunder yang diperoleh dari website resmi Badan Pusat
Statistik Kalimantan Barat dan juag sebagian data diperoleh dari kantor Dinas
Pendidikan dan Kebudayaan Provinsi Kalimantan Barat. Adapun variabel yang
digunakan yaitu Indeks Pembangunan Manusia (Y), kepadatan penduduk (X1),
angka partisipasi murni (X2), dan persentase angka melek huruf (X3). Data yang
dijadikan sampel analisis dalam penulisan laporan KP ini yaitu data dari
Kabupaten Sambas, Kabupaten Bengkayang, Kabupaten Landak, Kabupaten
Mempawah, Kabupaten Sanggau, Kabupaten Ketapang, Kabupaten Sintang,
kabupaten Kapuas Hulu, Kabupaten Sekadau, Kabupaten Melawi, Kabupaten
Kubu Raya, Kota Pontianak dan Kota Singkawang. Penjelasan tentang variabel-
variabel yang digunakan adalah sebagai berikut:

1. Indeks Pembangunan Manusia (Y) di 13 Kabupaten/Kota di Kalimantan

Barat adalah ukuran ringkas rata-rata capaian/keberhasilan dimensi utama
pembangunan manusia yaitu: umur panjang dan hidup sehat, mempunyai
pengetahuan, dan memiliki standar hidup yang layak. Satuan yang
digunakan adalah persentase.
2. Kepadatan Penduduk (X1) di 13 Kabupaten/Kota di Kalimantan Barat
adalah rasio banyaknya penduduk perkilometer persegi. Satuan yang
digunakan adalah jiwa.
3. Persentase Angka Melek Huruf (X2) di 13 Kabupaten/Kota di Kalimantan
Barat adalah tingkat atau kemampuan membaca dan menulis. Angka Melek
Huruf dihitung dari persentase populasi dewasa yang membaca dan menulis.
Pada laporan ini data yang digunakan yaitu persentase Angka Melek Huruf
untuk jenjang SMP/MTs. Satuan yang digunkan adalah persentase.

22
 23

4.1 Uji Multikolinearitas

Untuk melihat data terjadi multikoliniearitas atau tidak terjadi
multikoliniearitas dapat dilihat nilai VIF. Jika nilai VIF lebih besar daripada 10
maka terjadi multikoliniearitas, dan sebaliknya jika nilai VIF lebih kecil daripada
10 maka tidak terjadi multikoliniearitas. Berikut output uji multikolinieritas:
Tabel 4.1 Uji Multikolinearitas

Dari tabel 4.1 diatas dapat dilihat tiap variabel nilai VIF lebih kecil dari 10.
Dapat disimpulkan bahwa variabel tersebut tidak terjadi multikolinearitas.

4.2 Estimasi Model Regresi Data Panel

Terdapat tiga model untuk mengestimasi model regresi data panel yaitu
Common Effect Model (CEM), Fixed Effect Model (FEM) dan Random Effect
Model (REM).

4.2.1 Common Effect Model (CEM)

Hasil CEM terhadap data Indeks Pembangunan Manusia Kalimantan Barat
adalah sebagai berikut :
Tabel 4.2 Common Effect Model (CEM)

Variable Coefficient Std. Error t-Statistic Prob.

C 57.38473 1.664159 34.48272 0.0000

X1? -0.002369 0.003490 -0.678951 0.5001
X2? 0.087053 0.027132 3.208445 0.0023

Dari tabel 4.3 diperoleh bahwa model pada Common Effect Model (CEM) untuk
masing-masing Kabupaten/Kota sebagai berikut :
IPM = 57.38473 - 0.002369 X1 + 0.087053 X2
 24

4.2.2 Fixed Effect Model (FEM)

Hasil FEM terhadap data IPM Kalimantan Barat adalah sebagai berikut :
Tabel 4.3 Fixed Effect Model (FEM)

Variable Coefficient Std. Error t-Statistic Prob.

C 52.10357 2.252620 23.13020 0.0000

X1? 0.159175 0.045804 3.475153 0.0011
X2? 0.050043 0.026505 1.888072 0.0653
Fixed Effects (Cross)
_A—C 2.251967
_B—C 1.843042
_C—C 2.183091
_D—C -23.34542
_E—C 1.547379
_F—C 5.278645
_G—C 4.307474
_H—C 5.933818

Dari tabel 4.3 diperoleh model pada Fixed Effect Model (FEM) untuk
masing-masing Kabupaten/Kota adalah sebagai berikut ;
IPM = 52.10357 + 0.159175 X1 + 0.050043 X2

4.2.3 Random Effect Model (REM)

Hasil REM terhadap data IPM Kalimantan Barat adalah sebagai berikut :
Tabel 4.4 Random Effect Model (REM)

Variable Coefficient Std. Error t-Statistic Prob.

C 57.49581 1.504352 38.21966 0.0000

X1? -0.002147 0.003589 -0.598272 0.5522
X2? 0.085036 0.024458 3.476781 0.0010
Random Effects (Cross)
_A—C -0.038067
_B—C 0.263319
_C—C 0.099463
_D—C -0.070530
_E—C -0.123930
_F—C 0.041616
_G—C -0.109834
_H—C -0.062037
 25

Dari tabel 4.4 diperoleh model pada Random Effect Mode (REM) untuk
masing-masing Kabupaten/Kota sebagai berikut :

𝐼𝑃𝑀 = 57.49581 − 0.002147 𝑋1 + 0.085036 𝑋2

4.3 Pemilihan Model Estimasi

4.3.1 Uji Chow
Untuk menentukan model yang dipilih antara Common Effect Model (CEM)
atau Fixed Effect Models (FEM) maka menggunakan uji Chow sebagai berikut:

H0 : α1 = α2 = … = αn = 0 (CEM)
H1 : Minimal ada satu αi ≠ 0 (FEM)

Hasil uji Chow sebagai berikut :

Tabel 4.5 Uji Chow

Effects Test Statistic d.f. Prob.

Cross-section F 2.938000 (7,46) 0.0125

Cross-section Chi-square 20.694940 7 0.0042

Berdasarkan tabel 4.5 diperoleh nilai prob. Cross-section chi-square sebesar

0.0125. Dengan taraf signifikansi α sebesar 0.05 (5%) maka H0 ditolak karena
nilai prob < α. Dapat disimpulkan bahwa diantara CEM dan FEM, model yang
terbaik untuk digunakan adalah FEM.

4.3.2 Uji Haussman

Untuk menentukan model yang dipilih antara Fixed Effect Model (FEM)
atau Random Effect Models (REM) maka menggunakan uji Hausman sebagai
berikut:

H0 : Corr (𝑋𝑖𝑡 , 𝜀𝑖𝑡 ) = 0 (REM)

H1 : Corr (𝑋𝑖𝑡 , 𝜀𝑖𝑡 ) ≠ 0 (FEM)
 26

Hasil uji Haussman sebagai berikut :

Tabel 4.6 Uji Hausman

Chi-Sq.
Test Summary Statistic Chi-Sq. d.f. Prob.

Cross-section random 13.554276 2 0.0011

Berdasarkan tabel 4.6 diperoleh nilai prob. Cross-section random sebesar

13.554276. Dengan taraf signifikansi α sebesar 0.05 (5%) maka H0 ditolak karena
nilai prob < α. Dapat disimpulkan bahwa diantara FEM dan REM, model yang
terbaik untuk digunakan adalah FEM.

4.3.3 Uji Lagrange Multiplier (LM)

Karena pada uji Chow dan uji Hausman model yang dipilih adalah FEM .
Selanjutnya uji LM dilakukan untuk melihat FEM terjadi heteroskedastisitas atau
tidak terjadi heteroskedastisitas sebagai berikut :

a. Hipotesis uji
H0 : Memiliki struktur heterokedastisitas pada model FEM
H1 : Tidak memiliki struktur heterokedastisitas pada model FEM
b. Taraf signifikansi
chi-square tabel dengan db = 2 dan α=5% yakni 5.992
c. Daerah kritik
H0 ditolak jika LMhitung < chi-square tabel
d. Statistik uji
Hasil dari uji Lagrange Multiplier (LM) adalah sebagai berikut

2 2
𝑁𝑇 ∑𝑛 𝑇 ̅ ]
𝑖=1[∑𝑡=1 𝜀 𝑖𝑡
𝐿𝑀 = 2(𝑇−1) [ ∑𝑛 𝑇 ̅ − 1]
𝑖=1 ∑𝑡=1 𝜀 𝑖𝑡

2
𝑁𝑇 𝑇 2 ∑ 𝜀̅𝑖𝑡 2
= 2(𝑇−1) [ ∑ 𝜀𝑖𝑡 2
− 1]
 27

2
8×7 72 × 35372656803195.70
= 2(7−1) [ − 1]
326268098919516.00

2
1.7326𝐸 + 15
= 4.667 [ − 1]
3.26268𝐸 + 14

= 0.9795

e. Kesimpulan
Dari hasil uji LM tersebut didapat sebesar 0.9795 sedangkan nilai chi-
square tabel dengan derajat bebas adalah 2 dan α sebesar 0.05 (5%)
adalah 5.992 . Dari hipotesis dapat disimpulkan bahwa H0 diterima
karena LMhitung < chi-square yaitu 0.9795 < 5.992 yang berarti FEM
tidak terjadi heteroskedastisitas.

4.4 Uji Kelayakan Model

Untuk melihat kelayakan terhadap variabel-variabel yang akan digunakan
pada model FEM sebagai model terbaik berikut dilakukan beberapa uji yaitu :

4.4.1 Uji F ( Uji Kecocokan Model)

Uji kecocokan model bertujuan untuk melihat model FEM yang digunakan
cocok atau tidak. Dengan hipotesis uji sebagai berikut :

H0 : fungsi dari model tersebut non-linier atau model tidak cocok

H1 : fungsi dari model tersebut linier atau model cocok.
Hasil uji F untuk model FEM sebagai berikut :

Effects Specification

Cross-section fixed (dummy variables)

R-squared 0.428941 Mean dependent var 62.51464

Adjusted R-squared 0.317212 S.D. dependent var 1.550029
S.E. of regression 1.280804 Akaike info criterion 3.493286
Sum squared resid 75.46112 Schwarz criterion 3.854956
Log likelihood -87.81200 Hannan-Quinn criter. 3.633504
F-statistic 3.839120 Durbin-Watson stat 0.723160
Prob(F-statistic) 0.001110

Tabel 4.7 Uji F

 28

Dari tabel 3.8 diperoleh Prob(F-statistic) sebesar 0.001 dan dengan α

sebesar 0.05 (5%) maka nilai prob < α (0.05). Sehingga dapat disimpulkan model
tersebut memiliki fungsi linier atau model cocok.

4.4.2 Uji t (Signifikansi Parameter)

Uji signifikansi parameter bertujuan untuk melihat variabel-variabel pada
model FEM yang digunakan signifikan atau tidak dalam model tersebut. Dengan
hipotesis uji sebagai berikut :

H0 : Koefisien parameter tidak signifikan

H1 : Koefisien parameter signifikan
Hasil uji t untuk model FEM sebagai berikut :

Tabel 4.8 Uji t

Variable Coefficient Std. Error t-Statistic Prob.

C 52.10357 2.252620 23.13020 0.0000

X1? 0.159175 0.045804 3.475153 0.0011
X2? 0.050043 0.026505 1.888072 0.0653
Fixed Effects (Cross)
_A--C 2.251967
_B--C 1.843042
_C--C 2.183091
_D--C -23.34542
_E--C 1.547379
_F--C 5.278645
_G--C 4.307474
_H--C 5.933818

Dari tabel 4.8 diperoleh nilai prob yakni koefisien konstanta sebesar 0.000, X1
sebesar 0.011, X2 sebesar 0.065, serta nilai α sebesar 5% adalah 0.05 maka dapat
disimpulkan bahwa koefisen dari X1 berpengaruh secara signifikan terhadap
model karena nilai prob < α. Sedangkan koefisien X2 tidak berpengaruh secara
signifikan terhadap model karena nilai prob > α. Sehingga variabel yang tidak
berpengaruh secara signifikan terhadap model akan dihilangkan.
 29

4.4.3 Koefisien Determinasi

Koefisien determinasi digunakan untuk melihat seberapa berpengaruh
variabel bebas terhadap variabel terikat pada model FEM tersebut. Berikut hasil
yang diperoleh:

Tabel 4.9 Koefisien Determinasi

Effects Specification

Cross-section fixed (dummy variables)

R-squared 0.428941 Mean dependent var 62.51464

Adjusted R-squared 0.317212 S.D. dependent var 1.550029
S.E. of regression 1.280804 Akaike info criterion 3.493286
Sum squared resid 75.46112 Schwarz criterion 3.854956
Log likelihood -87.81200 Hannan-Quinn criter. 3.633504
F-statistic 3.839120 Durbin-Watson stat 0.723160
Prob(F-statistic) 0.001110

Dari tabel 3.11 diperoleh nilai R-squared sebesar 0.4289 atau sama dengan
42.89%. Hal ini dapat diartikan bahwa 42.89% dapat dijelaskan oleh variabel
independen X1 , sedangkan sisanya 57.11% dijelaskan oleh faktor lain.

4.5 Uji Asumsi Klasik

Model regresi data panel yang terbaik adalah FEM akan dilakukan uji
asumsi klasik sebagai berikut:
4.5.1 Uji Normalitas
Uji normalitas dilakukan bertujuan untuk melihat data berdistribusi normal
dengan hipotesis uji sebagai berikut:
H0 : Data berdistribusi normal
H1 : Data tidak berdistribusi normal
Berikut hasil uji normalitas pada FEM:
Tabel 4.10 Uji Normalitas FEM

One-Sample Kolmogorov-Smirnov Test

 30

Standardized
Residual

N 56
Normal Parametersa,b Mean .0000000
Std. Deviation .98164982
Most Extreme Differences Absolute .084
Positive .084
Negative -.063
Kolmogorov-Smirnov Z .629
Asymp. Sig. (2-tailed) .823

a. Test distribution is Normal.

b. Calculated from data.

Berdasarkan tabel 3.12 diperoleh nilai sig sebesar 0.823 > α sebesar 5%=
0.05 sehingga H0 diterima. Dapat disimpulkan bahwa data variabel Indeks
Pembangunan Manusia dan variabel X1 berdistribusi normal.
4.5.2 Uji Multikolinearitas
Uji multikolinearitas dilakukan bertujuan untuk melihat adanya hubungan
antar variabel dengan hipotesis uji sebagai berikut :
H0 : Data tidak terjadi multikolinearitas
H1 : Data terjadi multikolinearitas
Berikut hasil uji multikolinearitas pada FEM:
Tabel 3.13 Uji Multikolinearitas FEM

Coefficientsa

Model Unstandardized Standardized Collinearity

Coefficients Coefficients Statistics

B Std. Error Beta t Sig. Tolerance VIF

1 (Constant) 7.634E-15 .134 .000 1.000

Zscore: Kepadatan -.115 .135 -.115 -.847 .401 1.000 1.000

penduduk

a. Dependent Variable: Zscore: IPM

Dari tabel 3.13 didapat nilai VIF lebih besar daripada 10 yang berarti
variabel X1 dan tidak terjadi multikoliniearitas.
 31

4.5.3 Uji Heterokedastisitas

Uji heteroskedastisitas adalah uji yang digunakan untuk menilai apakah ada
ketidaksamaan varian dari residual untuk semua pengamatan pada model regresi
linear. Untuk mendeteksi heteroskedastisitas dari model FEM dapat dilakukan
dengan menggunakan uji Breusch-Pagan.

H0: Tidak ada heteroskedastisitas

H1: Ada heteroskedastisitas
Berikut hasil uji heterokedastisitas pada FEM:
Tabel 4.11 Uji Heterokedastisitas FEM
Berdasarkan tabel 4.13 diperoleh nilai prob dengan uji Breusch-Pagan sebesar
0.3029 < α sebesar 5%= 0.05. Sehingga dapat dikatakan bahwa H0 diterima yang
berarti pada variabel tidak terjadi heteroskedastisitas.

4.5.4 Uji Autokorelasi

Uji autokorelasi digunakan untuk mengetahui ada atau tidaknya
penyimpangan asumsi klasik autokorelasi yaitu korelasi yang terjadi antara
residual pada satu pengamatan dengan pengamatan lain pada model regresi. Untuk
mendeteksi autokorelasi dilakukan uji Durbin-Watson. Pasangan hipotesis untuk
uji Durbin-Watson adalah sebagai berikut:

H0 : Data tidak terjadi autokorelasi

H1 : Data terjadi autokorelasi
Berikut hasil uji autokorelasi pada FEM:
Tabel 4.12 Uji Autokorelasi FEM

Effects Specification

Cross-section fixed (dummy variables)

R-squared 0.428941 Mean dependent var 62.51464

Adjusted R-squared 0.317212 S.D. dependent var 1.550029
S.E. of regression 1.280804 Akaike info criterion 3.493286
Sum squared resid 75.46112 Schwarz criterion 3.854956
Log likelihood -87.81200 Hannan-Quinn criter. 3.633504
F-statistic 3.839120 Durbin-Watson stat 0.723160
Prob(F-statistic) 0.001110

Dari tabel 3.15

diperoleh nilai
Durbin-Watson
sebesar 0.662.
 32

Dari tabel 3.15 diperoleh nilai Durbin-Watson sebesar 0.723. karena nilai
Durbin-Watson masih terletak diantara -2 ≤ DW ≤ 2 maka dapat disimpulkan
bahwa variabel pada FEM tidak terjadi autokorelasi.
4.6 Interpretasi Model
Dari hasil analisis yang telah dilakukan dapat disimpulkan bahwa model
yang cocok untuk menganalisis pengaruh faktor-faktor terhadap Indeks
Pembangunan Manusia Kabupaten/Kota di Kalimantan Barat adalah dengan
menggunakan Fixed Effect Model (FEM). Adapun model FEM sebagai berikut:

𝐼𝑃𝑀 = 52.10357 + 0.159175 𝑋1

Berdasarkan model pada persamaan diatas dapat dijelaskan bahwa setiap
kenaikan 1 kepadatan penduduk, maka akan meningkatkan IPM sebesar 0.159175
persen.

4.7 Persamaan Linear

Dari hasil analisis dengan menggunakan Fixed Effect Models (FEM) dapat
diketahui persamaan linier dari data Indeks Pembangunan Manusia di Kalimantan
Barat adalah sebagai berikut :
Tabel Persamaan Linear

Kota/Kabupaten αit C X1
Sambas 2.25196 52.10356 0.15917
Bengkayang 1.84304 52.10356 0.15917
landak 2.18309 52.10356 0.15917
Mempawah -23.34541 52.10356 0.15917
Sanggau 1.54737 52.10356 0.15917
Ketapang 5.27864 52.10356 0.15917
Sintang 4.30747 52.10356 0.15917
Kapuas Hulu 5.93381 52.10356 0.15917
33
 34

DAFTAR PUSTAKA
35