METODELOGI PENELITIAN
Dengan ketiga macam model estimasi dalam analisis regrisi data panel, perlu
dilakukan pemilihan atau penentuan model yaitu dengan cara uji chow dan uji hausman
untuk menentukan model mana yang akan dipakai.
1. Uji Chow
Uji chow digunakan untuk mengetahui lebih baik menggunakan Common effect
model (CEM) atau Fixed effect model (FEM) dalam melakukan teknik analisi regresi data
panel. Hasil dalam uji ini menggunakan Fixed effect model (FEM) jika nilai prbabilitas chi-
square kurang dari taraf signifikansi 5% dan menggunakan Common effect model (CEM)
jika jika nilai prbabilitas chi-square lebih dari taraf signifikansi 5%. Setelah melakukan uji
chou selanjutnya dilakukan uji hausman.
2. Uji Hausman
Uji hausman digunakan untuk mengetahui lebih baik menggunakan Random effect
model (REM) atau Fixed effect model (FEM) dalam melakukan teknik analisi regresi data
panel. Hasil dalam uji ini menggunakan Fixed effect model (FEM) jika nilai prbabilitas chi-
square kurang dari taraf signifikansi 5% dan menggunakan Random effect model (REM)
jika jika nilai prbabilitas chi-square lebih dari taraf signifikansi 5%.
3. Uji Lagrange Multiplier (LM)
Uji LM merupakan uji untuk menentukan model yang terbaik dari Randon effect
model (REM) atau common effect model (CEM). Pengujian Ketika hasil uji LM ditemukan
bahwa nilai P-value dari hasil estimasi kurang dari 5%, maka model yang dipakai dalam
data panel adalah REM, dan sebaliknya ketika hasil dari estimasi menunjukan bahwa nilai
p-value lebih besar dari 5%, maka model yang terbaik digunakan dalam regresi data panel
adalah common effect model.
C. Uji Asumsi Klasik
Terdapat beberapa pengujian dalam uji asumsi klasik sebagai berikut :
1. Uji Normalitas
Pengujian normalitas dilakukan untuk mengetahui dari model ekonometrika, variabel
dependen dan independen berdistribusi normal atau tidak. Adapun ketentuan uji
normalitas sebagai berikut :
Jika P-value > 5% maka dapat disimpulkan bahwa model ekonometrika
berdistribusi normal.
Sebaliknya jika P < 5% maka dapat disimpulkan bahwa model ekonometrika tidak
berdistribusi normal.
16
Series: Standardized Residuals
14 Sample 2017 2021
Observations 175
12
10 Mean 1.74e-17
Median 0.015225
8
Maximum 0.536556
6 Minimum -0.436312
Std. Dev. 0.158431
4
Skewness -0.130638
2 Kurtosis 3.075862
0 Jarque-Bera 0.539731
-0.375 -0.250 -0.125 0.000 0.125 0.250 0.375 0.500
Probability 0.763482
Dapat dilihat dari gambar hasil uji normalitas diatas dapat diketahui bahwa
model ekonometrika yang digunakan baik variabet terikat yaitu tingkat pengangguran
dan variabel bebas yang meliputi ; upah minimum, PDRB, dan IPM dapat diketahui
bahwa hasil uji menunnjukan Nilai P-value > 5% yaitu sebesar 0,76, senhingga dapat
disimpulkan bahwa model ekonometrika terdistribusi normal.
2. Uji Multikolinearitas
Uji Multiolinearitas dilakukan untuk mengetahui apakah terdapat kolerasi
antara variabel bebas. Dalam pengujian ini melihat nilai koefisien kolerasi dari variabel
bebas. Jika nilai koefisien kolerasi lebih kecil dari 0,85, maka dapat diartikan tidak
terjadi multikolinearitas antar variabel beas. Sebaliknya, jika nilai koefisien kolerasi
lebih besar dari 0,85, maka dapat diartikan terjadi multikolinearitas antar variabel.
Hasil uji multikolinearitas dapat dilihat pada tabel berikut :
Dapat dilihat dari Tabel hasil uji multikolinearitas diatas tidak terdapat nilai
kolerasi yang tinggi antar variabel bebas atau tidak melebihi 0,85. Maka dapat
dikatakan bahwa tidak terdapat multikolinearitas antar variabel bebas.
3. Uji Heteroskedastisitas
Uji heteroskedastisitas merupakan uji untuk menganalisa apakah variansi dari
error bersifat konstan atau berubah ubah. Ketika nilai probabilitas variabel bebas lebih
besar dari 5%, maka dapat diartikan bahwa variabel bebas dalam model terbebas dari
heterokedastisitas. Sebaliknya ketika nilai probabilitas variabel bebas kurang dari 5%,
maka dapat diartikan bahwa variabel bebas dalam model terjadi heterokedastisitas.
Berdasarkan Tabel uji chou diatas, kedua nilai probabilitas Cross section F dan chi
square yang lebih kecil dari Alpa 0,05, jadi menunjukkan model yang terbaik digunakan
adalah dengan menggunakan fixed effect model. Maka pengujian data berlanjut ke uji
hausman.
2. Uji Hausman
Uji hausman dilakukan untuk membandingkan atau memilih model mana yang
terbaik antara fixed effect model dan random effect model. Pengambilan keputusan dengan
melihat nilai probabilitas (p) untuk Cross-section random. Jika nilai p > 0,05 maka model
yang terpilih adalah Random Effect Model. Tetapi jika p < 0,05 maka model yang dipilih
adalah Fixed Effect Model. Berikut hasil uji hasuman :
Tabel. Hasil Uji Hausman
Correlated Random Effects - Hausman Test
Equation: Untitled
Test cross-section random effects
Berdasarkan Tabel uji hausman diatas, nilai probabilitas Cross section random
yang lebih kecil dari Alpa 0,05 sehingga menunjukkan bahwa model yang terbaik
digunakan adalah dengan menggunakan metode fixed effect Model.
Berdasarkan hasil uji chow dan uji hausman model yang terbaik digunakan adalah
Fixed effect model, maka dapat diartikan bahwa model CEM dan REM dalam regresi
data panel penelitian ini tidak terpilih dalam model terbaik. Sehingga uji LM untuk
menetukan model yang terbaik dari CEM atau REM tidak perlu dilakukan.Penelitian
berlanjut pada hasil output akhir dengan model fixed effect model.
Effects Specification
Secara Simultan
Dapat dilihat dari Pob(F-statistic) memiliki nilai 0,00 < 0,05 yang artinya dapat
disimpulkan terdapat pengaruh terhadap TPT.