Analisis Pengaruh Pertumbuhan Penduduk dan

Indeks Pembangunan Manusia Terhadap Tingkat

Pengangguran Terbuka Provinsi Lampung Tahun
2019-2021
Diana Fitriani (201410081) Ekonomi Syariah
 Table of contents
01
Uji Asumsi 02 03
Klasik Uji Regresi Linear Uji Koefisien
Berganda Determinasi

04 05 06
Uji Signifikansi Kesimpulan Data
 01
Uji Asumsi Klasik
Uji Normalitas Dengan Metode Kolmogorov-Smirnov
Berdasarkan hasil uji normalitas One-Sample Kolmogorov-Smirnov Test
dengan Kolmogorov-Smirnov Unstandardized
menggunakan software SPSS 16.0 Residual
N 45
menunjukkan bahwa Asymp. Sig >
Normal Parametersa Mean .0000000
0,05 atau 0,999 (99,9%) > 0,05
Std. Deviation 1.11193489
yang terdapat dalam One-Sample Most Extreme Absolute .055
Kolmogorov-Smirnov Test yang Differences
Positive .055
berarti model regresi yang Negative -.046
digunakan dalam peneltian ini Kolmogorov-Smirnov Z .370
berdistribusi normal, maka model Asymp. Sig. (2-tailed) .999
a. Test distribution is Normal.
regresi dalam penelitian ini layak
untuk dijadikan penelitian .
 Uji Multikolonieritas
.
Berdasarkan tabel berikut Variabel Pertumbuhan Penduduk (X1) dan Variabel
IPM (X2) adalah 1,498 < 10 dan nilai tolerance value 0,667 > 0,1 maka data
tersebut tidak terjadi multikolinearitas
Coefficientsa
Standardize Collinearity
Unstandardized d Statistics
Coefficients Coefficients
Toleranc
Model B Std. Error Beta t Sig. e VIF
1 (Constant) -11.320 3.453 -3.278 .002
Pertumbuhan 1.4
.578 .520 .155 1.111 .273 .667
Penduduk 98
IPM 1.4
.219 .054 .570 4.074 .000 .667
98
a. Dependent Variable: Pengangguran
 Uji Heteroskedastisitas Dengan Metode Scatterplot
Tidak terjadi gejala heteroskedastisitas
1. Titik-titik data penyebar diatas dan
dibawah atau disekitar angka 0
2. Titik-titik tidak menggumpal hanya diatas
atau dibawah saja.
3. Penyebaran titik-titik data tidak boleh
membentukpola bergelombang melebar
kemudian menyempit dan melebar
kembali
4. Penyebaran titik-titik data tidak berpola
Maka dapat disimpulkan bahwa
data tersebut tidak terdapat gejala
heteroskedastisitas.
 2. Uji Regresi Linear Berganda
Coefficientsa

Unstandardized Standardized
Coefficients Coefficients

Model B Std. Error Beta t Sig.

1 (Constant) -11.320 3.453 -3.278 .002
Prtumbuhan
Penduduk .578 .520 .155 1.111 .273

IPM
.219 .054 .570 4.074 .000

a. Dependent Variable: Pengangguran

 Pada tabel Coefficients di atas dapat dijelaskan tentang persamaan regresi ganda pada penelitian
ini. Adapun rumus persamaan regresi dalam penelitian ini adalah sebagai berikut :
Y= α + β1X1 + β2X2
Y = -11.320 + 0,578 + 0,219
Dari persamaan regresi di atas, maka kesimpulan yang dapat dijelaskan adalah sebagai berikut :
Nilai konstanta (α) sebesar -11,320 nilai ini merupakan konstanta atau keadaan saat variabel Y
belum dipengaruhi variabel lain yaitu variabel pertumbuhan enduduk (X1) dan variabel IPM (X2),
jika variabel independen tidak ada maka variabel pengangguran tidak mengalami perubahan.
β1 (nilai koefisien regresi X1) sebesar 0,578 menunjukkan bahwa variabel pertumbuhan
penduduk mempunyai pengaruh yang positif terhadap tingkat pengangguran yang berarti bahwa
setiap kenaikkan 1 (satu) variabel pertumbuhan penduduk maka akan mempengaruhi
pengangguran sebesar 0,578, dengan asumsi bahwa variabel lain tidak diteliti dalam penelitian ini
β2 (nilai koefisien regresi X2) sebesar 0,219 menunjukkan bahwa variabel IPM mempunyai
pengaruh positif terhadap variabel Y (pengangguran) yang berarti bahwa setiap kenaikkan 1 (satu)
variabel IPM maka akan mempengaruhi pengangguran sebesar 0,219, dengan asumsi bahwa
variabel lain tidak diteliti dalam penelitian ini.
.
 3. Uji Koefisien Determinasi
.
Berdasarkan tabel output SPSS “Model
Summary” di atas, diketahui nilai
koefisien determinasi/R Square adalah Model Summary

0,451 atau sama dengan 45,1%. Angka

tersebut mengandung arti bahwa
variabel Pertumbuhan Penduduk (X1), Mod Adjusted R Std. Error of
el R R Square Square the Estimate
IPM (X2), secara simultan (bersama-
1
sama) berpengaruh terhadap variabel .672a .451 .425 1.13810
Pengangguran (Y) sebesar 45,1%. a. Predictors: (Constant), IPM, Prtumbuhan Penduduk
Sedangkan sisanya (100% - 45,1% =
54,9%) dipengaruhi oleh variabel lain di
luar persamaan regresi ini atau variabel
yang tidak diteliti.
 Hasil Uji Tabel T

Coefficientsa

Standardize
Unstandardized d
Coefficients Coefficients

Model B Std. Error Beta T Sig.

1 (Constant) -11.320 3.453 -3.278 .002
Prtumbuhan
Penduduk .578 .520 .155 1.111 .273

IPM .219 .054 .570 4.074 .000

a. Dependent Variable: Pengangguran
 Pengujian Pertumbuhan penduduk (X1) terhadap pengangguran (Y)
Berdasarkan tabel output SPSS “Coefficients” di atas diketahui nilai Signifikansi (Sig) variabel
Pertumbuhan penduduk adalah sebesar 0,273. Karena nilai Sig. 0,273 (27,3%) > probabilitas 0,05, dan
nilai T hitung 1,111 < 2,024. Maka dapat disimpulkan bahwa H1 ditolak. Artinya tidak ada pengaruh
signifikan secara parsial antara [ertumbuhan penduduk (X1) terhadap pengangguran (Y). Maka tinggi
rendahnya pertumbuhan penduduk di suatu provinsi tidak akan berpengaruh terhadap tingkat
pengangguran di provinsi tersebut.
Pengujian IPM (X2) terhadap Pengangguran (Y)
Berdasarkan tabel output SPSS “Coefficients” di atas diketahui nilai Signifikansi (Sig) variabel IPM adalah
sebesar 0,000. Karena nilai Sig. 0,000 > probabilitas 0,05, dan nilai T hitung 4,074 < t tabel (2,018) maka
dapat disimpulkan bahwa H1diterima. Terdapat pengaruh signifikan secara parsial antara IPM (X2)
terhadap Pengangguran (Y). Hal ini menunjukkan tinggi rendahnya IPM disuatu wilayah akan berpengaruh
terhadap pengangguran diwilayah tersebut.
 Hasil Uji Tabel F

ANOVAb

Sum of
Model Squares Df Mean Square F Sig.
1 Regression 44.725 2 22.362 17.265 .000a
Residual 54.402 42 1.295
Total
99.126 44

a. Predictors: (Constant), IPM, Prtumbuhan Penduduk

b. Dependent Variable: Pengangguran
Berdasarkan tabel output SPSS “Anova” di atas diketahui
nilai Signifikansi (Sig) adalah sebesar 0,000 < 0,05, dan
nilai F hitung (17,265) > (3,214) F tabel maka dapat
disimpulkan bahwa hipotesis diterima atau dengan kata
lain Pertumbuhan Penduduk (X1), dan Indeks
Pembangunan Manusia (X2 secara simultan berpengaruh
signifikan terhadap pengangguran (Y).
 KESIMPULAN
Pertumbuhan penduduk pada penelitian ini tidak berpengaruh signifikan terhadap pengangguran.
Dibuktikan dari hasil Uji T parsial tabel SPSS Coefficients yang memiliki nilai Sig. sebesar 0,273.
Variabel IPM pada penelitian ini berpengaruh signifikan terhadap pengangguran. Dibuktikan dari hasil
Uji T parsial tabel SPSS Coefficients yang memiliki nilai Sig. sebesar 0,000.
Semua variabel bebas yaitu pertumbuhan penduduk dan IPM berpengaruh siginifikan
terhadappengangguran. Hal tersebut dibuktikan pada Uji F simultan tabel output SPSS Anova yang
mana nilai Signifikansi (Sig) adalah sebesar 0,000. Karena 0,000 < 0,05 maka dapat disimpulkan bahwa
pertumbuhan penduduk dan IPM secara simultan berpengaruh signifikan terhadap pengangguran dan
Berdasarkan tabel SPSS Model Summary memiliki nilai R Square sebesar 0,451 % atau sama dengan
45,1%. Angka tersebut mengandung arti bahwa variabel pertumbuhan penduduk dan IPM secara
simultan (bersama-sama) berpengaruh terhadap variabel pengangguran sebesar 45,1%. Sedangkan
sisanya 54,9 % dipengaruhi oleh variabel lain di luar persamaan regresi ini atau variabel yang tidak
diteliti.