Sumber Data :
Data LE (angka harapan hidup) bersumber dari publikasi BPS
Data Active, Death, Recover , Positive karena covid -19bersumber dari SATGAS Covid-19
Model dan Variabel
Dimana :
1. LE : Life Expectancy
2. Active : Kasus Orang yang masih sakit karena Covid-19
3. Death : Kasus Meninggal Karena Covid-19
4. Recover : Sembuh dari Positif Covid-19
5. Positive : Kasus Poitif Covid-19, Baik yang Sembuh, Meninggal dan Aktif
Dependent Variable: LE
Method: Least Squares
Date: 05/27/21 Time: 16:15
MENCARI
Sample: 1 34
Included observations: 34 PERSAMAAN
Variable
C
Coefficient
64.04399
Std. Error
6.453749
t-Statistic
9.923534
Prob.
0.0000
MODEL
LN_ACTIVE 2.480855 1.641478 1.511354 0.1415
Fungsi :
LN_DEATH -0.010122 0.825146 -0.012267 0.9903
LN_RECOVER 8.171127 6.505060 1.256119 0.2191
Y = f (X1, X2, X3, X4, )
LN_POSITIVE -9.273248 8.135017 -1.139917 0.2636 LEi = f ( ACTIVEi ,DEATHi, ,RECOVERi, POSITIVEi,)
R-squared 0.352643 Mean dependent var 70.08162
Adjusted R-squared 0.263352 S.D. dependent var 2.524388
Persamaan Regresi
S.E. of regression 2.166636 Akaike info criterion 4.519282
Sum squared resid 136.1351 Schwarz criterion 4.743747
Log likelihood -71.82779 Hannan-Quinn criter. 4.595831
F-statistic 3.949381 Durbin-Watson stat 1.791556
Prob(F-statistic) 0.011165
Interpretasi
•Koefisien / β0 = 64.0439, artinya ketika nilai variabel Active, Death, Recover, Positif
karena Covid-19 sama dengan nol maka Angka Harapan Hidup sebesar 64.043
Tahun
•Jumlah kasus aktif terhadap angka harapan hidup, jika jumlah kasus aktif meningkat
sebesar 1% maka Angka harapan hidup akan meningkat juga sebesar 2.480 Tahun.
•Jumlah kasus meninggal terhadap angka harapan hidup, jika jumlah kasus meninggal
meningkat sebesar 1% maka Angka harapan hidup akan menurun sebesar 0.010
Tahun.
•Jumlah kasus sembuh terhadap angka harapan hidup, jika jumlah kasus sembuh
meningkat sebesar 1% maka Angka harapan hidup akan meningkat juga sebesar
8.171 Tahun.
•Jumlah kasus positif terhadap angka harapan hidup, jika jumlah kasus positif
meningkat sebesar 1% maka Angka harapan hidup akan menurun juga sebesar
9.273 Tahun.
Uji Normalitas
Untuk menentukan data normal atau tidaknya dapat dilakukan dengan 2 kriteria yaitu :
1. Chi square > JB = maka data terdistribusi normal atau Chi square < JB maka data tidak terdistribusi
normal. Diketahui nilai Chi square (43.77297) > JB (0.253053) Artinya berdasarkan kriteria pertama uji normalitas
dikatakan data terdistribusi normal pada model regresi berganda.
2. Prob. JB > Prob. Taraf nyata = maka data terdistribusi normal atau Prob. JB < Prob. Taraf nyata = maka
data tidak terdistribusi normal. Diketahui nilai prob. (0.881151) > (0.05) artinya data terdistribusi normal pada
model regresi berganda.
Multikolinearitas
Variance Inflation Factors
Date: 05/27/21 Time: 16:17
Sample: 1 34
Included observations: 34
C 41.65087 301.6691 NA
LN_ACTIVE 2.694450 1092.508 23.85113
LN_DEATH 0.680866 160.8770 8.465087
LN_RECOVER 42.31580 25319.14 428.9211
LN_POSITIVE 66.17850 41747.25 617.8113
Pada bagian Centered VIF, nilai dari masing-masing variabel bebas < 10, artinya model
regresi terbebas dari multikolinearitas. Sedangkan pada hasil output menyatakan
bahwa Centered VIF > 0.10 artinya data mengandung Multikolinearitas
Multikolinearitas
•Apabila nilai probilitas p-value (Chi-Square) < dari α (5%) maka terdapat Heteroskedastisitas
•Apabila nilai probilitas p-value (Chi-Square) > dari α (5%) maka tidak terdapat
Heteroskedastisitas.
Dan dapat dilihat dari output hasil pengujian di bawah nilai Obs*R-squared 8.800577 dan nilai
Prob.Chi-Square 0.0663 > (0,05) artinya tidak terdapat Heteroskedastisitas.
Autokorelasi
Untuk menguji Autokorelasi dapat dilihat dari nilai Durbin Waston (DW), yaitu jika
nilai DW terletak antara du dan (4 – dU) atau du ≤ DW ≤ (4 – dU) berarti bebas
dari Autokorelasi, sebaliknya jika nilai DW < dL atau DW > (4 – dL) berarti
terdapat Autokorelasi. Nilai dL dan dU dapat dilihat pada tabel Durbin Waston,
yaitu nilai dL ; dU ; α ; n ; (k – 1). Keterangan: n adalah jumlah sampel, k adalah
jumlah variabel, dan α adalah taraf signifikan. Langkah untuk mengetahui adanya
autokorelasi dengan uji nilai Durbin Watson sebagai berikut:
❑Mencari nilai tabel Durbin Watson pada α = 5%; n = 34; k = 4 adalah dL = 1,2078
dan dU = 1.7277. (berdasarkan tabel DW).
❑Hasil pengolahan data regresi (equation) menunjukkan nilai Durbin Watson sebesar
1.7915 dan nilai tersebut berada di antara dU dan (4 – dU) sebagai berikut: DU <
DW < 4-DU atau 1.7277 < 1.79151 < 2.2723 . Maka dapat disimpulkan bahwa
dalam regresi linier tersebut terbebas dari autokorelasi.
Uji t (Pengaruh secara parsial)
Adapun Kriteria Uji t, sebagai berikut:
•Jika nilai t statistik > t tabel atau –t statistik < -t tabel dengan probabilitas < α (0,05) maka H0 ditolak,
artinya secara parsial variabel bebas berpengaruh signifikan terhadap variabel terikat.
•Jika nilai t statistik < t tabel atau –t statistik > -t tabel dengan probabilitas > α (0,05) maka H1 ditolak, artinya
secara parsial variabel bebas tidak berpengaruh secara signifikan terhadap variabel terikat
•T tabel : 2.359562
•Active, t statistik (1.511354) < t tabel (2.359562) dengan nilai probabilitas < α (0.025) maka H1 ditolak, artinya secara
parsial variabel Angka Harapan Hidup tidak berpengaruh signifikan terhadap variabel Active Covid-19 di Indonesia
pada tahun 2020.
•Death, -t statistik (-0.012267) > -t tabel (-2.359562) dengan nilai probabilitas < α (0.025) maka H1 ditolak, artinya
secara parsial variabel Angka Harapan Hidup tidak berpengaruh signifikan terhadap variabel Death karena covid-19
di Indonesia pada tahun 2020.
•Recover, t statistik (1.256119) < t tabel (2.359562) dengan nilai probabilitas < α (0.025) maka H1 ditolak, artinya
secara parsial variabel Angka Harapan Hidup tidak berpengaruh signifikan terhadap variabel Recover dari positif
covid-19 di Indonesia pada tahun 2020.
•Positive, -t statistik (-1.139917) > -t tabel (-2.359562) dengan nilai probabilitas < α (0.025) maka H1 ditolak, artinya
secara parsial variabel Angka Harapan Hidup tidak berpengaruh signifikan terhadap variabel positive covid-19 di
Indonesia pada tahun 2020.
Uji f (Pengaruh secara simultan)
•Jika jumlah kasus aktif meningkat sebesar 1% maka Angka harapan hidup akan meningkat
juga sebesar 2.480 Tahun.
•Jika jumlah kasus meninggal meningkat sebesar 1% maka Angka harapan hidup akan
menurun sebesar 0.010 Tahun.
•Jika jumlah kasus sembuh meningkat sebesar 1% maka Angka harapan hidup akan
meningkat juga sebesar 8.171 Tahun.
•Jika jumlah kasus positif meningkat sebesar 1% maka Angka harapan hidup akan menurun
juga sebesar 9.273 Tahun.