PENDAHULUAN
1
2
tingginya jenjang pendidikan mampu memperoleh kualitas SDM yang lebih baik
sehinnga menciptakan tenaga kerja yang berkualitas dan mampu bersaing di dunia
kerja.
1.3 Tujuan
1.4 Manfaat
Hasil ini diharapkan dapat memberikan manfaat dalam berbagai hal, antara
lain:
BAB II
KAJIAN TEORI
4
5
barang dan jasa tersebut yang dihitung menggunakan harga pada tahun tertentu
sebagai tahun dasar.
Dalam menghitung tingkat PDRB terdapat metode perhitungan tidak
langsung/alokasi, dimana metode tidak langsung dilakukan dengan menghitung
nilai tambah suatu kelompok ekonomi dengan mengalokasikan nilai tambah
nasional ke dalam masing-masing kelompok kegiatan ekonomi pada tingkat
regional. Sebagai alokator digunakan indikator yang paling besar pengaruhnya
atau erat kaitannya dengan produktivitas kegiatan ekonomi tersebut. Sehingga
untuk dapat mengetahui tingkat perkembangan pendapatan penduduk pada suatu
daerah secara rata-rata dapat digunakan dengan angka PDRB per kapita.
BPS adalah proporsi anak sekolah pada Usia jenjang pendidikan tertentu dalam
kelompok usia yang sesuai dengan jenjang pendidikan tersebut. BPS membagi
kategori menjadi 7-12 tahun, 13 – 15 tahun, 16–18 tahun dan 19 – 24 tahun.
2.2 Hipotesis
1. Ho = Diduga alokasi dana sektor pendidikan tidak berpengaruh terhadap
Angka Partisipasi Sekolah (APS).
H1 = Diduga alokasi dana sektor pendidikan berpengaruh terhadap Angka
Partisipasi Sekolah (APS)..
2. Ho = Diduga Produk Domestik Regional Bruto (PDRB) tidak berpengaruh
terhadap Angka Partisipasi Sekolah (APS).
H2 = Diduga Produk Domestik Regional Bruto (PDRB) berpengaruh
terhadap Angka Partisipasi Sekolah (APS).
3. Ho = Diduga alokasi dana sektor pendidikan dan Produk Domestik
Regional Bruto (PDRB) berpengaruh terhadap Angka Partisipasi Sekolah
(APS).
H3 = Diduga alokasi dana sektor pendidikan dan Produk Domestik
Regional Bruto (PDRB) berpengaruh terhadap Angka Partisipasi Sekolah
(APS).
9
BAB III
METODOLOGI PENELITIAN
9
10
Jenis penelitian yang akan digunakan dalam penelitian ini adalah metode
penelitian deskriptif dan verifikatif. Menurut Sugiyono (2014:53) yang dimaksud
dengan metode analisis deskriptif adalah sebagai berikut :
Tabel 3.1
Operasionalisasi Variabel
Skala
Variabel Konsep Variabel
Ukur
Anggaran pendidikan merupakan biaya atau dana
yang dibutuhkan dalam penyelenggaraan
pendidikan, baik biaya langsung ( direct cost ) dan
Alokasi Dana biaya tidak langsung ( indirect cost ). Biaya
Sektor langsung terdiri dari biaya-biaya yang dikeluarkan Rasio
Pendidikan (X1) untuk keperluan pelaksanaan pengajaran dan
kegiatan belajar siswa berupa pembelian alat-alat
pelajaran, sarana belajar, biaya transportasi, gaji
guru, baik yang dikeluarkan oleh pemerintah
PDRB (X2) Produk Domestik Regional Bruto (PDRB) Rasio
merupakan salah satu indicator yang biasa
digunakan untuk mengukur tingkat keberhasilan
pembanguna ekonomi suatu wilayah/daerah.
Sumber data yang digunakan dalam penelitian ini adalah sumber data
sekunder. Menurut Sugiyono (2013:402) yang dimasksud dengan data sekunder
adalah sumber data yang tidak langsung memberikan data kepada pengumpul
data, misalnya lewat orang lain atau dokumen.
1. Studi kepustakaan
Studi kepustakaan dilakukan untuk memperoleh landasan teori yang
berhubungan dengan masalah yang diteliti, dasar-dasar teoritis ini
diperoleh dari sumber pustaka, literatur, dan jurnal yang berhubungan
dengan yang berkaitan dengan masalah penelitian.
2. Laporan data publikasi
Pengumpulan data yang dilakukan peneliti dengan melihat dan
mencatat data yang bersumber dari data transaksi yang yang
berhubungan dengan variabel yang di teliti.
3.6.2 Sampel
Menurut Sugiyono (2014:116) sampel adalah sebagian dari karakteristik
yang dimiliki oleh populasi. Teknik pengumpulan sampel yang digunaan dalam
penelitian ini yaitu secara Purposive sampling. Menurut Sugiyono (2014:112)
Porposive sampling merupakan teknik penentuan sampel dengan pertimbangan
khusus sehingga layak dijadikan sampel. Kriteria yang akan menjadi sampel
dalam penelitian ini adalah laporan keuangan yang memiliki pencatatan sesuai
dengan variabel yang sedang di teliti.
Bila populasi besar dan peneliti tidak mungkin mempelajari semua yang
ada pada populasi maka peneliti dapat menggunakan sampel yang diambil harus
15
dapat mewakili data dari populasi yang ada. Dalam penelitian ini sampel yang
diambil yaitu pada laporan APBD, PDRB dan APS tahun 2015-2018 kabupaten
Majalengka.
c. Uji Heterokedastisitas
Menurut Ghozali (2014:79) Uji Heteroskedastisitas bertujuan untuk
menguji apakah dalam model regresi terjadi ketidak samaan varience dari
residual pengamatan satu ke pengamatan yang lain berbeda, sedangkan
bila terjadi ketidaknyamanan varience dari residual pengamatan satu ke
pengamamatan yang lain tetap maka disebut homokedastisitas. Pengujian
heteroskedastisitas dilakukan dengan menggunakan uji Glejser
(Gujarati,2003) yang dikutip oleh Imam Ghozali (2014:142). Pada uji
Glejser, nilai residual absolut diregresi dengan variabel independen. Jika
variabel independen signifikan secara statistik mempengaruhi variabel
dependen, maka terdapat indikasi terjadi Heteroskedasitas. Cara lainnya
adalah dengan melihat grafik plot.
Menurut Gozali (2014:80) cara menditeksi ada atau tidaknya
heteroskoditastisitas adalah dengan melihat grafik Plot antara nilai
prediksi variabel terikat (dependen) yaitu ZPRED dengan residualnya
SRESID, dimana sumbu Y adalah yang telah diprediksi dan sumbu X
residual (Y prediksi-Y sesungguhnya) yang telah di standardized. Dasar
analisis heterokedasitas, adalah sebagai berikut :
a) Jika ada pola tertentu, seperti titik yang membentuk pola yang teratur
(bergelombang, melebar kemudian menyempit), maka
mengindikasikan telah terjadi heterokedastisitas.
b) Jika tida ada pola yang jelas, serta titik-titik menyebar di atas dan
bawah angka 0 pada sumbu Y, maka tidak heterokedastisitas.
d. Uji Autokorelasi
Uji auto korelasi bertujuan untuk menguji apakah dalam model model
regresi lincar ada korelasi antara kesalahan pengganggu pada periode t
dengan kesalahan pada periode t-1 (sebelumnya). Dalam regresi berganda
harus memenuhi asumsi nonautokorelasi, jika terjadi autokorelasi maka
dapat dikatakan bahwa koefisien korelasi yang diperoleh kurang akurat.
Menurut Singgih Santoso (2015:241) untuk mendeteksi uji autokorelasi,
secara umum bisa diambil patokan :
18
Y= 𝜶 + 𝜷𝟏𝐗𝟏 + 𝜷𝟐𝐗𝟐+ ∊
KD= R2 x 100 %
Keterangan :
a. KD = Koefisien determinasi
b. R2 = Koefisien korelas
20
a. Menentukan hipotesis
1) H0 : β1=0 : Tidak terdapat pengaruh alokasi dana sector pendidikan
terhadap APS
Ha : β1≠0 : Terdapat pengaruh alokasi dana sector pendidikan terhadap
APS
2) H0 : β2=0 : Tidak terdapat pengaruh PDRB terhadap APS
Ha : β2≠0 : Terdapat pengaruh PDRB terhadap APS
b. Menentukan tingkat signifikansi
Tingkat keyakinan yang digunakan dalam penelitian ini adalah sebesar
95% dengan tarif nyata 5 % (α=0,05). Tingkat signifikansi 0,05 atau 5 %
artinya kemungkinan besar dari hasil penarikan kesimpulan memiliki
probabilitas 95% atau toleransi sebesar 5%.
c. Menentukan thitung dan ttabel
thitung diperoleh dari hasil perhitungan dengan menggunakan SPSS dan ttabel
diperoleh dari tabel distribusi t pada α=5% : 2 = 2,5% (uji 2 sisi).
d. Kriteria Pengujian
21
1. Jika nilai thitung > ttabel atau -thitung < -ttabel maka H0 ditolak dan Hα
diterima. Hal ini berarti bahwa terdapat hubungan yang signifikan
antara variabel alokasi dana sektor pendidikan terhadap APS secara
parsial.
2. Jika thitung < ttabel atau -thitung > -ttabel maka H0 diterima dan Hα ditolak.
Hal ini berarti bahwa tidak terdapat hubungan yang signifikan antara
variabel alokasi dana sektor pendidikan terhadap APS secara parsial.
1) Menentuksn hipotesis
a. H0 : β1 β2 = 0 : Tidak terdapat pengaruh alokasi dana sektor pendidikan
terhadap APS.
b. Ha : β1 β2 ≠ 0 : Terdapat pengaruh alokasi dana sektor pendidikan
terhadap APS.
2) Menentukan tingkat signifikan
Tingkat keyakinan yang digunakan dalam penelitian ini adalah sebesar 5%
(α = 0,05). Tingkat signifikan 0,05 atau 5%, artinya kemungkinan besar
dari hasil penarikan kesimpulan memiliki probabilitas 95% atau toleransi
sebesar α
3) Menentukan Fhitung dan Ftabel
Fhitung diperoleh dari hasil perhitungan dengan menggunakan SPSS dan
Ftabel
Diperoleh dari tabel dengan mengunakan tingkat keyakinan 95%., α = 5%.
4) Kriteria pengujian
22
a. Jika nilai Fhitung > Ftabel atau -Fhitung < -Ftabel, maka H0 ditolak dan Ha
diterima. Hal ini berarti bahwa terdapat hubungan yang signifikan
antara variabel harga pokok penjualan dan penjualan terhadap
profitabilitas.
b. Jika Fhitung < Ftabel atau -Fhitung > -Ftabel, maka H0 diterima dan Ha
ditolak. Hal ini berarti bahwa tidak terdapat hubungan yang signifikan
antara variabel harga pokok penjualan dan penjualan terhadap
profitabilitas.
23
BAB IV
Luas wilayah Kab. Majalengka tercatat 971,72 km2 atau sekitar 2,81
persen dari luas wilayah Prop. Jawa Barat. Sejak Januari 2001, Kab. Majalengka
mempunyai 17 kecamatan dengan 192 desa/kelurahan (183 desa dan 9 kelurahan).
Jarak antara Kecamatan bervariasi, dimana jarak terdekat sepanjang 4 km terdapat
anatara Kec. Sukatani dengan Kec. Plered. Sementara jarak terjauh adalah 60 km
yang terdapat antara kecamatan Bojong dengan Kecamatan Sukasari.
24
VISI
MISI
Tabel 4.1
Tabel 4.2
Tabel 4.3
Tahun Presentase
2015 64,36%
2016 55,9%
2017 70,6%
2018 72,1%
Sumber : BPS Kabupaten Majalengka,2019
A. Uji Normalitas
regresi variabel pengganggu atau residual memiliki distribusi normal. Uji ini
27
berguna untuk tahap awal dalam metode pemilihan analisis data. Jika normal
maka digunakan statistilk parametrik dan jika data tidak normal, maka peneliti
normalitas data kita dapat melihat melalui grafik PP Plots. Suatu data akan
terdistribusi normal jika nilai probabilitas yang diharapkan adalah sama dengan
pengamatan. Di bawah ini adalah hasil pengujian normalitas data dalam bentuk
grafik PP Plots.
Dengan melihat grafik normal plot terlihat titik – titik menyebar disekitar
B. Uji Heterokedastisitas
lain. Model regresi yang baik adalah tidak terjadi heterokedastisitas. (Gozali,
model dapat dilihat dari pola gambar Scatterplot model tersebut. Analisis pada
gambar Scatterplot yang menyatakan model regresi linear berganda jika tidak
a. Titik – titik data menyebar diatas dan dibawah atau disekitar angka 0,
b. Titik – titik data tidak mengumpul hanya diatas atau dibawah saja,
secara acak tidak membentuk sebuah pola tertentu yang jelas dan tersebar baik di
atas maupun dibawah angka nol pada sumbu Y. Maka dapat disimpulkan bahwa
C. Uji Autokorelasi
Uji autokorelasi bertujuan untuk melihat apakah dalam suatu model regresi
linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan
autokorelasi yaitu :
Model Summaryb
Adjusted R Std. Error of the
Model R R Square Square Estimate Durbin-Watson
1 .684a .467 .598 9.31141 1.294
Durbin – Watson (D-W) sebesar 1,294. Angka D-W berada diantara -2 dan 2,
yang mengartikan bahwa angka Durbin – Watson lebih besar dari -2 dan lebih
kecil dari 2. Jadi dapat disimpulkan bahwa tidak ada autokorelasi positif maupun
negatif.
D. Uji Multikolinieritas
independen antara yang satu dengan yang lainnya” (Erlina, 2008:105). Uji
adanya korelasi diantara variabel independen. Model regresi yang baik seharusnya
dapat dilihat yaitu jika nilai Variance Inflation Factor (VIF) tidak lebih dari 10
31
dan nilai Tolerance tidak kurang dari 0,1 maka model dapat dikatakan terbebas
dari multikolinearitas.
Coefficientsa
Collinearity Statistics
Model Tolerance VIF
1 (Constant)
Alokasi Dana Sektor Pendidikan .522 1.916
PDRB .522 1.916
Tabel 4.6 di atas dapat disimpulkan bahwa penelitian ini bebas dari adanya
multikolinearitas. Hal ini dilihat dengan membandingkan nilai Tolerence dan VIF.
Tolerance > 0.10 yaitu 0,522. Jika dilihat dari VIFnya, masing – masing variabel
bebas lebih kecil dari 10 yaitu sebesar 1,916. Dengan demikian dapat disimpulkan
5. Analisis Regresi
Berdasarkan hasil uji asumsi klasik yang telah dilakukan diatas, dapat
disimpulkan bahwa model regresi yang dipakai dalam penelitian ini telah
memenuhi model yang Best Linear Unbiased Estimator (BLUE) dan layak untuk
Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 328.924 282.278 1.165 .452
Alokasi Dana Sektor 79.191 84.838 .943 6.933 .022
Pendidikan
PDRB 2.603 4.429 .594 5.588 .002
Y = a + b1X1 + b2X2 + e
Dimana:
Y = APS
X2 = PDRB
Pada model regresi ini, nilai konstanta yang tercantum adalah sebesar -
328,924 dapat diartikan jika variabel bebas dalam model diasumsikan sama
dengan nol, secara rata – rata variabel diluar pada model dari nilai Y tetap
sebesar 328,924.
Koefisien regresi ini menunjukan bahwa setiap kenaikan Alokasi dana sector
pendidikan sebesar 1, maka perubahan APS yang dilihat dari nilai Y akan
maka perubahan APS yang dilihat dari nilai Y akan bertambah sebesar 2,603
6. Koefisien Determinasi
berganda. Tabel 4.8 merupakan hasil yang diperoleh berdasarkan atas hasil
Model Summary
Adjusted R Std. Error of the
Model R R Square Square Estimate
1 .684a .467 .598 9.31141
Korelasi dapat dikatakan kuat apabila nilai R berada lebih besar dari 0,5 dan
mendekati 1.
Pada tabel 4.8 tersebut, terlihat hasil analisa regresi menunjukan nilai R
sebesar 0,684, menunjukan bahwa hubungan yang kuat antara APS (dependen)
34
dengan Alokasi dana sector pendidikan dan PDRB (variabel independen) yaitu
7. Uji Hipotesis
secara statistik.
Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 328.924 282.278 1.165 .452
Alokasi Dana Sektor 79.191 84.838 .943 6.933 .022
Pendidikan
PDRB 2.603 4.429 .594 5.588 .002
Dibawah ini adalah penjelasan hasil pengujian parsial pada tabel diatas.
35
Nilai signifikansi 0,022 lebih kecil dari 0,05. Variabel alokasi dana sector
pendidikan memiliki t hitung sebesar 6,933. Dengan nilai signifikansi 0,022 <
0,05. Dengan menggunakan tabel t, maka diperoleh t tabel sebesar 2,78. Hal
Nilai signifikansi pada harga jual tersebut adalah 0,02. Menunjukan bahwa
nilai signifikansi untuk uji t parsial tersebut lebih kecil dari 0,05 (0,02 < 0,05).
diperoleh t tabel sebesar 2,78. Jika dibandingkan t hitung (5,588) < t tabel
Pada pengujian simultan atau uji F dilakukan untuk melihat pengaruh dari
ANOVAa
Model Sum of Squares Df Mean Square F Sig.
1 Regression 76.097 2 38.048 26.439 .030b
Residual 86.702 1 86.702
Total 162.799 3
36
Hasil uji F yang terdapat dalam tabel diatas tersebut menunjukan bahwa
nilai F hitung 26,439 dimana tingkat Sig. 0,03 yang lebih kecil dari 0,05. Dengan
menggunakan tabel F maka diperoleh nilai F tabel sebesar 18,51. Hal ini
menunjukan bahwa F hitung 26,439 lebih besar dari F tabel 18,51 (F hitung > F
bebas yaitu alokasi dana sector pendidikan dan PDRB secara simultan
BAB V
5.1 Kesimpulan
5.2 Saran
Adapun saran - saran yang dapat dikemukakan dalam penelitian ini yaitu
sebagai berikut:
LAMPIRAN PENGHITUNGAN
SPSS 25
Regression
Notes
Output Created 22-OCT-2019 11:59:28
Comments
Input Active Dataset DataSet1
Filter <none>
Weight <none>
Split File <none>
N of Rows in Working Data 4
File
Missing Value Handling Definition of Missing User-defined missing values
are treated as missing.
Cases Used Statistics are based on cases
with no missing values for
any variable used.
40
Syntax REGRESSION
/MISSING LISTWISE
/STATISTICS COEFF
OUTS R ANOVA
/CRITERIA=PIN(.05)
POUT(.10)
/NOORIGIN
/DEPENDENT Y
/METHOD=ENTER X1 X2
/RESIDUALS
NORMPROB(ZRESID).
Resources Processor Time 00:00:05.16
Elapsed Time 00:00:13.45
Memory Required 2912 bytes
Additional Memory Required 280 bytes
for Residual Plots
Variables Entered/Removeda
Variables Variables
Model Entered Removed Method
1 PDRB, Alokasi . Enter
Dana Sektor
Pendidikanb
Charts
41
REGRESSION
/MISSING LISTWISE
/STATISTICS COEFF OUTS R ANOVA
/CRITERIA=PIN(.05) POUT(.10)
/NOORIGIN
/DEPENDENT Y
/METHOD=ENTER X1 X2
/SCATTERPLOT=(*SRESID ,*ZPRED).
Regression
Notes
Output Created 22-OCT-2019 12:02:32
Comments
Input Active Dataset DataSet1
Filter <none>
Weight <none>
Split File <none>
N of Rows in Working Data 4
File
42
Variables Entered/Removeda
Variables Variables
Model Entered Removed Method
1 PDRB, Alokasi . Enter
Dana Sektor
Pendidikanb
Residuals Statisticsa
Minimum Maximum Mean Std. Deviation N
43
Charts
44
REGRESSION
/MISSING LISTWISE
45
Notes
Output Created 22-OCT-2019 12:04:31
Comments
Input Active Dataset DataSet1
Filter <none>
Weight <none>
Split File <none>
N of Rows in Working Data 4
File
Missing Value Handling Definition of Missing User-defined missing values
are treated as missing.
Cases Used Statistics are based on cases
with no missing values for
any variable used.
Syntax REGRESSION
/MISSING LISTWISE
/STATISTICS COEFF
OUTS R ANOVA
/CRITERIA=PIN(.05)
POUT(.10)
/NOORIGIN
/DEPENDENT Y
/METHOD=ENTER X1 X2
/RESIDUALS DURBIN.
Resources Processor Time 00:00:00.03
Elapsed Time 00:00:00.05
Memory Required 2912 bytes
Additional Memory Required 0 bytes
for Residual Plots
Variables Entered/Removeda
46
Variables Variables
Model Entered Removed Method
1 PDRB, Alokasi . Enter
Dana Sektor
Pendidikanb
Model Summaryb
Adjusted R Std. Error of the
Model R R Square Square Estimate Durbin-Watson
1 .684a .467 .598 9.31141 1.294
ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression 76.097 2 38.048 26.439 .030b
Residual 86.702 1 86.702
Total 162.799 3
Coefficientsa
47
Standardized
Unstandardized Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 328.924 282.278 1.165 .452
Alokasi Dana Sektor 79.191 84.838 .943 6.933 .022
Pendidikan
PDRB 2.603 4.429 .594 5.588 .002
Regression
48
Notes
Output Created 22-OCT-2019 12:05:55
Comments
Input Active Dataset DataSet1
Filter <none>
Weight <none>
Split File <none>
N of Rows in Working Data 4
File
Missing Value Handling Definition of Missing User-defined missing values
are treated as missing.
Cases Used Statistics are based on cases
with no missing values for
any variable used.
Syntax REGRESSION
/MISSING LISTWISE
/STATISTICS COEFF
OUTS R ANOVA COLLIN
TOL
/CRITERIA=PIN(.05)
POUT(.10)
/NOORIGIN
/DEPENDENT Y
/METHOD=ENTER X1 X2.
Resources Processor Time 00:00:00.02
Elapsed Time 00:00:00.10
Memory Required 2896 bytes
Additional Memory Required 0 bytes
for Residual Plots
Variables Entered/Removeda
49
Variables Variables
Model Entered Removed Method
1 PDRB, Alokasi . Enter
Dana Sektor
Pendidikanb
Model Summary
Adjusted R Std. Error of the
Model R R Square Square Estimate
1 .684a .467 .598 9.31141
ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression 76.097 2 38.048 26.439 .030b
Residual 86.702 1 86.702
Total 162.799 3
Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 328.924 282.278 1.165 .452
Alokasi Dana Sektor 79.191 84.838 .943 6.933 .022
Pendidikan
PDRB 2.603 4.429 .594 5.588 .002
Coefficientsa
50
Collinearity Statistics
Model Tolerance VIF
1 (Constant)
Alokasi Dana Sektor Pendidikan .522 1.916
PDRB .522 1.916
Collinearity Diagnosticsa
Variance Proportions
Alokasi Dana
Sektor
Model Dimension Eigenvalue Condition Index (Constant) Pendidikan PDRB
1 1 2.995 1.000 .00 .00 .00
2 .005 24.900 .01 .00 .59
3 .000 160.661 .99 1.00 .41
REGRESSION
/MISSING LISTWISE
/STATISTICS COEFF OUTS R ANOVA
/CRITERIA=PIN(.05) POUT(.10)
/NOORIGIN
/DEPENDENT Y
/METHOD=ENTER X1 X2.
Regression
Notes
Output Created 22-OCT-2019 12:07:18
Comments
Input Active Dataset DataSet1
Filter <none>
Weight <none>
Split File <none>
N of Rows in Working Data 4
File
Missing Value Handling Definition of Missing User-defined missing values
are treated as missing.
Cases Used Statistics are based on cases
with no missing values for
any variable used.
Syntax REGRESSION
/MISSING LISTWISE
/STATISTICS COEFF
OUTS R ANOVA
/CRITERIA=PIN(.05)
POUT(.10)
/NOORIGIN
/DEPENDENT Y
/METHOD=ENTER X1 X2.
Resources Processor Time 00:00:00.02
Elapsed Time 00:00:00.04
Memory Required 2896 bytes
Additional Memory Required 0 bytes
for Residual Plots
52
Variables Entered/Removeda
Variables Variables
Model Entered Removed Method
1 PDRB, Alokasi . Enter
Dana Sektor
Pendidikanb
Model Summary
Adjusted R Std. Error of the
Model R R Square Square Estimate
1 .684a .467 .598 9.31141
ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression 76.097 2 38.048 26.439 .030b
Residual 86.702 1 86.702
Total 162.799 3
Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 328.924 282.278 1.165 .452
Alokasi Dana Sektor 79.191 84.838 .943 6.933 .022
Pendidikan
PDRB 2.603 4.429 .594 5.588 .002