1. PENDAHULUAN
Masalah tingkat pengangguran merupakan Analisis Regresi Data Panel
masalah tahunan dalam pembangunan ekonomi di Data Panel merupakan gabungan dari data rutun
Provinsi Sulawesi Utara. Dalam menyelesaikan waktu (time series) dan data silang (cross section).
masalah pengangguran yang ada di Provinsi Sulawesi Data runtun waktu biasanya meliputi satu objek tetapi
Utara, maka pemerintah daerah sebagai perpanjang meliputi beberapa periode (bisa harian, bulanan atau
tangan dari pemerintah pusat juga harus mengambil tahunan) [2].
bagian dalam menyelesaikan masalah pengangguran Model regresi data panel dinyatakan dalam bentuk
yang ada. Berdasarkan data Badan Pusat Statistik, persamaan sebagai berikut [3]:
tingkat pengangguran yang ada di Provinsi Sulawesi 𝐾
Utara setiap tahunnya cukup besar, yakni lebih besar 𝑌𝑖𝑡 = 𝛽0𝑖𝑡 + ∑ 𝛽𝑘𝑖𝑡 𝑋𝑘𝑖𝑡 + 𝜀𝑖𝑡 (1)
dari tingkat pengangguran nasional maupun provinsi- 𝑘=1
𝜀𝑖𝑡 ∶ Galat atau komponen error pada unit cross section 𝐻1 : minimal ada satu 𝛼𝑖 ≠ 0; 𝑖 = 1,2, … , 𝑛 (Fixed Effect
ke-i dan time series ke-t Model)
𝑖 = 1,2, … , 𝑁 𝑖 = 1,2,3, … 𝑁
𝑡 = 1,2, … , 𝑇
Uji Hausman
𝑘 = 1,2, … , 𝐾
Uji Hausman digunakan untuk memilih antara
𝑁 ∶ Banyaknya unit cross section FEM dan REM [8]. Rumusan hipotesisnya adalah
𝑇 ∶ Banyaknya data time series sebagai berikut:
𝐾 ∶ Banyaknya variabel independen 𝐻0 : 𝐶𝑜𝑛 𝑋𝑖𝑡 , 𝜀𝑖 = 0 (Fixed Effect Model)
𝐻1 : 𝐶𝑜𝑛 𝑋𝑖𝑡 , 𝜀𝑖 ≠ 0 (Random effect Model)
Struktur Umum Model
struktur model dibagi menjadi 3, yaitu Pooled Uji Langrange Multiplier
Regression, Fixed Effect dan Random Effect [4]. Uji Lagrange Multiplier merupakan uji
signifikansi Random Effect Model yang dilakukan
Common Effect Model (CEM) untuk menentukan apakah model dengan pendekatan
Random Effect Model lebih baik digunakan dari pada
Common Effect Model merupakan pendugaan yang
model Common Effect Model [6].
menggabungkan seluruh data time series dan cross 𝐻0 ∶ 𝜎𝜇 2 = 0 (CEM atau efek dari individu tidak berarti
section dan menggunakan pendekatan Ordinary Least
dalam model)
Square (OLS) untuk menduga parameternya. Metode
𝐻1 ∶ 𝜎𝜇 2 ≠ 0 (REM atau efek dari individu berarti dalam
OLS merupakan salah satu metode popular untuk
model)
menduga nilai parameter dalam persamaan regresi
linear [5]. Uji Asumsi Klasik Regresi data Panel
Persamaan model CEM secara umum dituliskan sebagai Uji Normalitas
berikut. Uji normalitas merupakan pengujian yang
dilakukan untuk memastikan bahwa residual mengikuti
𝐾
pola distribusi normal [9]. Salah satu cara untuk
𝑌𝑖𝑡 = 𝛽0 + ∑ 𝛽𝑘 𝑋𝑘𝑖𝑡 + 𝜀𝑖𝑡 (2) melihat normalitas residual ialah dengan menggunakan
𝑘=1
metode Jarque-Bera (JB). Apabila nilai JB lebih kecil
dari 2, maka data berdistribusi normal atau p-value >
Fixed Effect Model (FEM) taraf signifikan).
Model fixed effect merupakan struktur model yang Hipotesis:
memperhatikan adanya keberagaman dari variabel 𝐻0 ∶ Residual berdistribusi normal
independen menurut individu. Model FEM dengan efek
𝐻1 ∶ Residual tidak berdistribusi normal
tetap adalah satu objek memiliki nilai konstan yang Statistik uji:
tetap besarnya untuk berbagai periode waktu dengan
koefisien regresinya yang besarnya tetap dari waktu ke
waktu (time invariant) [6]. 𝑆𝑘 2 (𝐾 − 3)2
𝐽𝐵 = 𝑁 [ + ] (5)
Secara umum, FEM dapat dituliskan sebagai 6 24
berikut [7]:
𝐾 Uji Multikolinearitas
𝑌𝑖𝑡 = 𝛽0𝑖 + ∑ 𝛽𝑘 𝑋𝑘𝑖𝑡 + 𝜀𝑖𝑡 (3) Uji Multikolinearitas digunakan untuk mengetahui
𝑘=1 ada atau tidaknya korelasi antar variabel independen
dalam model regresi. Model regresi yang baik adalah
Random Effect Model yang tidak mengandung multikolinearitas. Mendeteksi
Model yang mengestimasi data panel dimana multikolinearitas dapat melihat nilai tolerance dan
varian inflation factor (VIF) sebagai tolak ukur. Apabila
variabel gangguan mungkin saling berhubungan antar
nilai tolerance ≤ 0,10 dan nilai VIF ≥ 10 maka dapat
waktu dan individu. Perbedaan karakteristik individu disimpulkan bahwa dalam penelitian tersebut terdapat
dan waktu diakomodasikan pada galat dari model [7]. multinoklineartas menurut [10].
Persamaan REM diformulasikan sebagai berikut : Cara mendeteksi adanya multikolineritas dilakukan
𝐾 dengan uji Variance Inflation Factor (VIF) yang
𝑌𝑖𝑡 = 𝛽0𝑖𝑡 + ∑ 𝛽𝑘 𝑋𝑘𝑖𝑡 + 𝜀𝑖𝑡 ; 𝜀𝑖𝑡 = 𝑢𝑖 + 𝑣𝑡 + 𝑤𝑖𝑡 (4) dihitung dengan rumus sebagai berikut:
𝑘=1 1
𝑉𝐼𝐹 = (6)
(1 − 𝑅𝑘 2 )
Uji Spesifikasi Model
Berdasarkan uraian alternatif struktur umum Uji Heteroskedastisitas
model, maka diperlukan metode penentuan model yang Heteroskedastisitas adalah pengujian yang
paling tepat diantara ketiga model diatas. Beberapa bertujuan untuk menguji apakah variance residual yang
tahapan yang dapat digunakan dalam memilih model ada disekitar persamaan regresi tidak sama untuk
yang paling sesuai adalah sebagai berikut : seluruh nilai variabelnya [9].
Hipotesis:
Uji Chow 𝐻0 ∶ 𝜎𝑖2 = 𝜎 2 (variansi galat tetap atau
Memilih antara Cammon Effect Model (CEM) homoskedastisitas)
dan Fixed Effect Model (FEM) dengan menggunakan 𝐻1 ∶ minimal ada satu 𝜎𝑖2 ≠ 𝜎 2 (variansi galat berubah-
uji Chow dengan hipotesis sebagai berikut: ubah atau heteroskedastisitas); 𝑖 = 1,2, … , 𝑁
𝐻0 : 𝛼1 = 𝛼2 = 𝛼3 = ⋯ = 𝛼𝑁 = 𝛼 (Common Effect Statistik uji yang digunakan merupakan uji LM yang
Model) mengikuti distribusi chi-squared, yaitu:
33
Sintia Rondonuwu, Jantje D.Prang, Marline S. Paendong
d’Cartesian: Jurnal Matematika dan Aplikasi, Vol. 11, No. 1, (Maret, 2022): 32-37
𝑇 𝜎𝑖2
𝑁 2 4. Melakukan uji signifikansi parameter regresi data
𝐿𝑀 = ∑ [ 2 − 1] (7) panel yang meliputi Uji Serentak (Uji F), Uji parsial
2 𝜎
𝑖=1 (Uji t), dan Uji Determinasi (𝑅2 )
𝑏𝑗 C 1.101421 0.5471
𝑡= (9)
𝑠. 𝑒(𝑏𝑗 ) 𝑋1 0.451110 0.0365
𝑋2 -0.419006 0.0002
Uji Koefisien Determinasi (Uji R²)
𝑋3 0.526659 0.0004
Koefisien determinasi adalah proporsi dari variasi
total pada variabel terikat yang mampu dijelaskan oleh
variabel bebas [9]. 2. Fixed Effect Model (FEM)
Koefisien determinasi, yang dinotasikan dengan 𝑅 2 , Hasil analisis pada Tabel 2 dapat dituliskan
sebagai suatu ukuran yang menginformasikan baik atau persamaan regresi, sebagai berikut :
tidaknya model regresi yang terestimasi. Nilai 𝑅 2 ini 𝑦𝑖𝑡 = −22.71217 + 2.855146𝑋1𝑖𝑡 − 0.531903𝑋2𝑖𝑡
mencerminkan seberapa besar variasi dari variabel + 0.330439𝑋3𝑖𝑡
dependen 𝑌 dapat diterangkan oleh variabel Berdasarkan hasil analisis pada model CEM, terdapat
independen X yang mempunyai nilai antara nol sampai variabel independen yang secara statistik tidak
satu. Semakin tinggi angka tersebut maka semakin baik signifikan ( 𝑝 > 0,05 ) yaitu pada X1 (Jumlah
model yang dibuat [11]. Penduduk), X2 (Upah Minimum) dan X3 (PDRB). Nilai
Koefisien determinasi 𝑅2 sebesar 0.751306 yang
2. METODE PENELITIAN menunjukkan bahwa jumlah penduduk, upah
minimum, PDRB bisa menjelaskan tingkat
Jenis dan Sumber data pengangguran sebesar 75,1306%.
Data yang digunakan adalah data sekunder yang Tabel 2. Hasil Regresi Data Panel Model FEM
diunduh dari laman resmi Badan Pusat Statistik Variabel Koefisien P-value
Provinsi Sulawesi Utara. Variabel yang digunakan C -22.71217 0.3985
dalam penelitian ini adalah data tingkat pengangguran,
𝑋1 2.855146 0.2623
jumlah penduduk, upah minimum, dan PDRB pada
rentang periode 2010-2019. 𝑋2 -0.531903 0.3120
𝑋3 0.330439 0.7769
Metode Penelitian
Metode yang digunakan adalah metode Studi 3. Random Effect Model (REM)
Pustaka. Metode ini dilakukan dengan mengumpulkan Hasil analisis pada Tabel 3 dapat dituliskan
referensi-referensi berupa buku, jurnal maupun persamaan regresi, sebagai berikut :
sumber-sumber lainnya seperti internet. 𝑦𝑖𝑡 = 1.026995 + 0.465673𝑋1𝑖𝑡 − 0.416086𝑋2𝑖𝑡
+ 0.517306𝑋3𝑖𝑡
Tahapan Penelitian Berdasarkan hasil analisis pada model REM, terdapat
1. Mengestimasi model Cammon Effect, model Fixed variabel independen yang secara statistik tidak
Effect dan model Random Effect. signifikan ( > 0,05 ) yaitu pada X1 (Jumlah Penduduk).
2. Menentukan model terbaik melalui Uji Chow, uji Koefisien determinasi 𝑅 2 sebesar 0.571918 yang
Langrange Multiplier dan uji Hausman. menunjukkan bahwa jumlah penduduk, upah
3. Melakukan uji asumsi klasik regresi data panel
34
Analisis Faktor-Faktor yang Mempengaruhi Tingkat Pengangguran di Provinsi Sulawesi Utara
Menggunakan Metode Regresi Data Panel
d’Cartesian: Jurnal Matematika dan Aplikasi, Vol. 11, No. 1, (Maret, 2022): 32-37
minimum, PDRB bisa menjelaskan tingkat membandingkan antara model REM dan CEM mana
pengangguran sebesar 57,1918%. yang terbaik untuk digunakan.
Tabel 3. Hasil Regresi Data Panel Model REM Tabel 6. Hasil Uji Langrange Multiplier
Variabel Koefisien P-value Uji Pengaruh Cross-section Both
C 1.026995 0.6195 Breusch-Pagan 0.1512 0.1110
𝑋1 0.465673 0.1058 Hipotesis :
𝑋2 -0.416086 0.0004 H0 : Terima CEM 𝑝 > 0,05
𝑋3 0.517306 0.0084 H1 : Terima REM 𝑝 < 0,05
Dari Tabel 6 bisa dilihat bahwa nilai dari 𝑝 > 0,05, hal
Pemilihan Estimasi Model Regresi Data Panel ini menunjukkan bahwa untuk mengestimasi data
Pemilihan model estimasi regresi data panel pada panel, model CEM yang tepat digunakan dibandingkan
penelitian ini terdapat di lakukan dengan menggunakan dengan model REM jika dilihat dari syarat hipotesis uji
Uji chow, Uji Hausman, dan uji langrange multiplier. langrange multiplier.
35
Sintia Rondonuwu, Jantje D.Prang, Marline S. Paendong
d’Cartesian: Jurnal Matematika dan Aplikasi, Vol. 11, No. 1, (Maret, 2022): 32-37
tidak menimbulkan masalah besar ini menyiratkan Jumlah Penduduk (X1), Upah Minimum (X2), dan
bahwa kita dapat menggunakan prosedur parametrik Produk Domestik Regional Bruto (PDRB).
bahkan ketika data tidak terdistribusi secara normal. Tabel 10. Hasil Uji F
Jika kita memiliki sampel yang terdiri dari ratusan
pengamatan, kita dapat mengabaikan distribusi data
(Ghasemi dan Zahediasl, 2012)
60
Series: Standardized Residuals
50
Sample 2010 2019
Observations 150 Uji Signifikan (Uji t)
40 Mean
Median
3.07e-15
0.032965
1. Pengaruh Jumlah Penduduk
30
Maximum
Minimum
2.314931
-2.027026 Dari hasil analisis uji t pada tabel di atas, diperoleh nilai
Std. Dev. 0.463838
20 Skewness
Kurtosis
0.033543
10.08465
𝑡ℎ𝑖𝑡𝑢𝑛𝑔 pada variabel X1 sebesar 2.2110638 dan nilai
10
Jarque-Bera 313.7302 probabilitas p-value = 0,0365, nilai 𝑝 < 0,05 sehingga
Probability 0.000000
0
-2.0 -1.5 -1.0 -0.5 0.0 0.5 1.0 1.5 2.0 2.5
terima H1 yang berarti secara pengujian parsial uji t
Gambar 1. Hasil Uji Normalitas Jumlah penduduk berpengaruh signifikan terhadap
tingkat pengangguran. Semakin tinggi jumlah
Uji Multikolinearitas
penduduk maka tingkat pengangguran juga akan
Dari hasil uji multikolinearitas pada tabel 8
dapat dilihat bahwa nilai dari Variance Inflation Faktor meningkat.
(VIF) pada ketiga variabel independen (VIF ≤ 10) yang 2. Upah Minimum
berarti tidak terjadi masalah multikolinearitas pada Dari hasil analisis uji t pada tabel di atas, diperoleh nilai
model regresi data panel. 𝑡ℎ𝑖𝑡𝑢𝑛𝑔 pada variabel X2 sebesar -3.845878 dan nilai
Tabel 8. Hasil Uji Multikolinearitas
probabilitas p-value = 0,0002, nilai 𝑝 < 0,05 sehingga
Variabel Contered VIF
terima H1 yang berarti secara pengujian parsial uji t
C NA
upah minimum berpengaruh signifikan terhadap
X1 6.385886
tingkat pengangguran. Kenaikan upah minimum akan
X2 1.097706 menurunkan tingkat pengangguran.
X3 6.547149 3. Produk Domestik Regional Bruto (PDRB)
Dari hasil analisis uji t pada Tabel 11, diperoleh nilai
Uji Heteroskedastisitas 𝑡ℎ𝑖𝑡𝑢𝑛𝑔 pada variabel X3 sebesar 3.639359 dan nilai
Dari hasil uji heteroskedastisitas pada tabel 3, dapat
probabilitas p-value = 0,0004, nilai 𝑝 < 0,05 sehingga
dilihat nilai p-value variabel X1 (Jumlah Penduduk) ,
terima H1 yang berarti secara pengujian parsial uji t
X2 (Upah Minimum), dan X3 (PDRB) menunjukan
PDRB berpengaruh signifikan terhadap tingkat
nilai lebih besar dari tingkat alpha 0.05, maka tolak X1
pengangguran. Semakin tinggi jumlah PDRB maka
terima H0 dapat disimpulkan bahwa data ini terbebas
tingkat pengangguran juga akan meningkat.
dari masalah heteroskedastisitas.
Tabel 11. Hasil Uji Parsial (Uji t)
Tabel 9. Hasil Uji Heteroskedastisitas Variabel Coefficient Std. Error t-Statistic Prob
C 1.101421 1.825162 0.603465 0.5471
X1 0.451110 0.213731 2.110638 0.0365
X2 -0.419006 0.108950 -3.845878 0.0002
X3 0.526659 0.144712 3.639359 0.0004
36
Analisis Faktor-Faktor yang Mempengaruhi Tingkat Pengangguran di Provinsi Sulawesi Utara
Menggunakan Metode Regresi Data Panel
d’Cartesian: Jurnal Matematika dan Aplikasi, Vol. 11, No. 1, (Maret, 2022): 32-37
REFERENSI
[1] Poyoh. A. Kapantow. G. H. M. & Mandey. J. R.
2017. Faktor-Faktor yang Mempengaruhi Tingkat
Pengangguran di Provinsi Sulawesi utara. Jurnal
Agribisnis Sosio Ekonomi Unsrat. (1)A: 55-56.
[2] Badan Pusat Statistika. 2020. Indeks Harga
Konsumen Kota Manado Tahun 2020. Sulut: BPS.
[3] Jaya, I. G. N. M., & N. Sunengsih. 2009. Kajian
Analisis Regresi dengan Data Panel. Prosiding
Seminar Nasional Penelitian. Yogyakarta:
Universitas Negeri Yogyakarta.
[4] Greene, W. H. 2002. Econometric Analysis. Edisi
Ke-5. Macmillan Publishing Company, New York.
[5] Baltagi, B. H. 2005. Econometrics Analysis of
Panel Data (3rd ed). Chicester, England: John
Wiley & Sons.
[6] Widarjono, 2007. Ekonometrika Teori dan
Aplikasi untuk Ekonomi dan Bisnis. Ekonisia FE
Universitas Islam Indonesia, Yogyakarta.
[7] Gujarati, D. N. 2004. Basic Econometrics (4th ed).
New York: The McGraw-Hill Companies.
[8] Gujarati Ltd. D. N. 2003. Basic Econometric. New:
McGraw-Hill Company
[9] Lind, A. D, William G. M. & Samuel A. W. 2014.
Teknik-Teknik Statistika dalam Bisnis dan
Ekonomi, Edisi 15, buku 1. Salemba Empat,
Jakarta.
[10] Ghozali, I. 2011. Aplikasi Analisis Multivariate
dengan Program SPSS, Bada Penerbit UNDIP,
Semarang.
37