METODE PENELITIAN
Belanja langsung, Belanja tidak langsung dan jumlah penduduk (X) terhadap
variable terikat yaitu Struktur Ekonomi Primer (Y). Dalam penelitian ini untuk
Eviews.9
meliputi: belanja pegawai, belanja barang dan jasa, serta belanja modal
yang ada pada APBD Provinsi Bengkulu periode tahun 2010- 2020,
keuangan, dan belanja tidak terduga yang ada pada APBD Provinsi
lebih dan atau mereka yang berdomisili kurang dari enam bulan tetapi
satuan persen.
Jenis data yang digunakan pada penelitian ini adalah data sekunder.
Adapun data yang akan digunakan dalam penelitian ini yaitu data PDRB, belanja
langsung, belanja tidak langsung dan jumlah penduduk. Sementara sumber data
yang dibutuhkan dalam penelitian ini diperoleh dari data publikasi dan laporan
hal atau variabel yang berupa catatan, transkrip, buku, surat kabar, majalah,
prasasti, notulen rapat, lenger, agenda dan sebagainya (suharsimi, 2006). Adapun
cara yang dipakai dalam memperoleh data dalam metode dokumentasi pada
regresi data panel. Dimana data panel adalah sebuah data gabungan antara data
time series dengan data cross section. Unit cross section dalam penelitian
Bengkulu. Sementara itu, data time series yang digunakan adalah 11 (sebelas)
tahun terakhir, dari tahun 2010-2020. Sehingga total unit observasi data panel
Y= a + β1 X1 + β2 X2 + β3 X3 +e
Keterangan:
a = Konstanta
X1 = LN Belanja Langsung
X3 = LN Jumlah Penduduk
e = Standard eror
1.5.2 Pemilihan Model Estimasi Data Panel
Dalam regresi data panel terdapat tiga model yang digunakan. Model yang
digunakan dalam regresi data panel, yaitu common effect model (OLS pooled),
fixed effect model (LSDV), dan random effect model (Gujarati, 2013).
dimana menggabungkan seluruh data time series dan data cross section, setelah
itu akan dilakukan estimasi model dengan menggunakan Ordinary Least Square
(OLS). Dalam model ini menganggap bahwa intersep dan slope pada setiap
variabel sama untuk setiap obyek observasi. Jadi dapat dikatakan, bahwa hasil
regresi ini dianggap berlaku untuk semua tempat dan pada semua waktu.
fixed effect maka perlu menggunakan teknik variabel dummy untuk menangkap
perbedaan intersep antar individu. Dalam model fixed effect memberikan asumsi
bahwa koefisien regresi (slope) tetap baik antar individu dan antar waktu.
terdapat variabel gangguan yang mana nilainya berbeda antar individu. Model
random effect hampir memilki kesamaan dengan model common effect tetapi pada
random effect ditambah nilai residu. Maka pada model random effect dapat
diasumsikan bahwa intersep ataupun slope adalah sama baik antar waktu ataupun
Dalam menentukan sebuah model yang tepat yang akan digunakan pada
penelitian ini, maka harus dilakukan beberapa pengujian yang dilakukan sebagai
berikut:
mana yang sesuai antara common effect model atau fixed effect model yang paling
tepat untuk digunakan dalam mengestimasi data panel. Adapun hipotesis dalam
apakah hipotesis diterima atau ditolak, yaitu apabila nilai dari Probabilitas < 0,05
maka Ha diterima, artinya model yang akan dipilih adalah fixed effect model.
Namun sebaliknya, bila nilai Probabilitas > 0,05 maka H0 diterima, artinya model
yang akan dipilih adalah common effect model. Jika model yang dipilih yaitu fixed
effect model maka harus dilakukan pengujian lagi, yaitu Uji Hausman untuk
mengetahui model mana yang terbaik untuk digunakan nanti apakah fixed effect
digunakan apakah fixed effect model atau random effect model. Adapun hipotesis
apakah hipotesis diterima atau ditolak, yaitu apabila nilai Probabilitas < 0,05
maka Ha diterima, artinya model yang akan dipilih adalah fixed effect. Namun
sebaliknya, bila nilai Probabilitas > 0,05 maka H0 diterima, artinya model yang
akan dipilih adalah random effect. Jika model yang dipilih adalah random effect,
maka kita harus melakukan pengujian lagi dengan uji Lagrange Multiplier.
Sebaliknya, jika model yang dipilih adalah fixed effect maka uji Lagrange
digunakan apakah common effect model atau random effect model yang paling
apakah hipotesis diterima atau ditolak, yaitu apabila nilai dari Probabilitas < 0,05
maka Ha diterima, artinya model yang akan dipilih adalah random effect model.
Namun jika nilai Probabilitas > 0,05 maka H0 diterima, artinya model yang akan
regresi variabel bebas terhadap variabel terikat, maka perlu dilakukan pengujian
variasi variabel terikat (Y) yang mampu dijelaskan oleh variabel bebas (X1, X2,
dan X3). Jika pada nilai R2 mendekati 1 atau = 1, maka varian variabel struktur
langsung, belanja tidak langsung dan jumlah penduduk dengan kata lain garis
regresi mampu menjelaskan 100% variasi pada variabel terikat (Y). Sebaliknya
jika nilai R2 = 0, maka dapat dikatakan bahwa variasi variable struktur ekonomi
primer tidak mampu dijelaskan sama sekali oleh variabel belanja langsung,
2) Uji F Statistik
Uji F adalah pengujian yang dilakukan guna untuk melihat pengaruh dari
variabel bebas (X1, X2, dan X3) secara keseluruhan atau secara simultan terhadap
H0 : β1 = β2 = β3 = 0
Ha : β1 ≠ β2 ≠ β3 ≠ 0
Dalam menentukan hipotesis mana yang dapat diterima dan ditolak, maka
penentuan hipotesis dapat kita lakukan dengan cara membandingkan nilai F hitung
dengan Ftabel, atau juga bisa dengan cara membandingkan nilai probabilitas dengan
nilai α. Jika Fhitung > Ftabel atau nilai Probabilitas < 0,05, maka Ha diterima, artinya
bahwa terdapat pengaruh secara simultan dari variabel bebas (X1, X2, dan X3)
terhadap variabel terikat (Y). Namun, jika Fhitung < Ftabel atau nilai Probabilitas >
0,05, maka H0 diterima, artinya bahwa tidak terdapat pengaruh secara simultan
dari variabel bebas (X1, X2, dan X3) terhadap variabel terikat (Y).
3) Uji t Statistik
Uji t adalah pengujian yang dilakukan secara parsial atau secara mandiri
pada masing-masing variabel bebas terhadap variabel terikat. Dimana dalam uji t
ini dimaksudkan untuk mengetahui sejauh mana pengaruh dari suatu variabel
Hipotesis 1 :
H0 : β1 ≥ 0 (Belanja langsung berpengaruh negatif dan signifikan terhadap
Hipotesis 2 :
Hipotesis 3 :
probabilitas dengan nilai signifikansi (α = 0,05). Jika nilai Probabilitas < 0,05,
maka Ha diterima, artinya terdapat pengaruh secara parsial antara variabel bebas
terhadap variabel terikat (Y). Namun apabila nilai Probabilitas > 0,05, maka H0
diterima, artinya tidak terdapat pengaruh secara parsial antara variabel bebas