BAB 2 LANDASAN TEORI 2.1 Konsep dan Definisi - Analisis Pengaruh Sektor Pertanian Dan Sektor Industri Pengolahan Terhadap Indeks Perkembangan PDRB Kabupaten Aceh Selatan

Full text

(1)

BAB 2

LANDASAN TEORI

2.1 Konsep dan Definisi

Pendapatan Regional adalah tingkat (besarnya) pendapatan masyarakat pada wilayah

analisis. Tingkat pendapatan dapat diukur dari total pendapatan wilayah maupun

pendapatan rata-rata masyarakat pada wilayah tersebut. Dalam menghitung

pendapatan regional hanya dipakai konsep Domestik, yang berarti seluruh nilai

tambah yang ditimbulkan oleh berbagai sektor/lapangan usaha yang melakukan

kegiatan usahanya disuatu wilayah/region (baik kabupaten maupun provinsi) dihitung

dan dimasukkan ke produk wilayah tersebut tanpa memperhatikan kepemilikan

faktor-faktor produksi tersebut, dengan kata lain PDRB menunjukkan gambaran ‘Product

Originated’.

2.1.1 Metode Penghitungan PDRB Atas Dasar Harga Berlaku

PDRB atas dasar harga berlaku dapat dihitung melalui 2 metode yaitu, Metode

Langsung dan Metode tidak Langsung. Yang dimaksud dengan metode langsung

(2)

dan dapat memperlihatkan karakteristik sosial ekonomi setiap daerah. Sedangkan

metode tidak langsung adalah metode penghitungan dengan cara alokasi dengan

memakai berbagai macam indikator produksi/indikator lainnya yang cocok sebagai

alokator. Metode langsung dapat dilakukan dengan menggunakan 3 macam

pendekatan yaitu, Pendekatan Produksi, Pendekatan Pendapatan, Pendekatan

Pengeluaran.

2.2 Metode Analisis

Metode analisis yang digunakan adalah regresi berganda dengan menggunakan

metode kuadrat terkecil (Least square method). Analisis regresi (Regression analysis)

merupakan suatu teknik untuk membangun persamaan dan menggunakan tersebut

untuk membuat pikiran (Prediction). Analisis regresi didefinisikan sebagai metode

statistika yang digunakan untuk menentukan kemungkinan bentuk hubungan antara

variabel-variabel, dengan tujuan pokok dalam penggunaan metode ini adalah untuk

meramalkan atau memperkirakan nilai dari variabel lain yang belum diketahui.

2.3 Persamaan Regresi

Sifat hubungan antar variabel dalam persamaan regresi merupakan hubungan sebab

akibat (causal relationship). Oleh karena itu, sebelum menggunakan persamaan

regresi dalam menjelaskan hubungan antara dua atau lebih variabel, maka perlu

diyakini terlebih dahulu bahwa secara teoritis atau perkiraan sebelumnya, dua atau

(3)

Variabel yang nilainya akan mempengaruhi nilai variabel lain disebut dengan

variabel bebas (independent variable), sedangkan variabel yang nilainya dipengaruhi

oleh nilai lain disebut variabel tergantung (dependent variable).

2.3.1 Persamaan regresi linier sederhana

Regresi sederhana bertujuan mempelajari hubungan linier antara dua variabel.

Variabel ini dibedakan atas variabel bebas (X) dan variabel tak bebas (Y). Bentuk

persamaan regresi linier sederhana dinyatakan dalam:

X

Sedangkan model penduganya adalah

X

Keterangan :

Ŷ = Variabel tak bebas (dependent variable)

X = Variabel bebas (independent variable

= Parameter Intersep ( penduga α / titik potong kurva terhadap sumbu Y

b = kemiringan (slope/penduga β) kurva linier

(4)

dan

b

Jika koefisien b terlebih dahulu dihitung, maka koefisien dapat dihitung dengan

rumus :

b

dengan dan masing-masing rata-rata untuk variabel-variabel X dan Y.

2.3.2Persamaan regresi linier berganda

Dalam banyak kasus variabel terikat tidak hanya dipengaruhi oleh satu variabel bebas.

Untuk menguji atau melakukan estimasi dari satu permasalahan yang terdiri dari lebih

dari satu variabel bebas tidak bias dengan regresi sederhana. Alat analisis yang

digunakan adalah regresi berganda. Regresi berganda adalah analisis regresi yang

menjelaskan hubungan antara variabel tak bebas dengan faktor-faktor yang

mempengaruhi lebih dari satu variabel bebas.

Untuk model dengan tiga variabel berarti k = 3, satu variabel tak bebas Y dan dua

variabel babas X1 dan X2.Secara umum model populasi regresi berganda ditulis

sebagai berikut :

(5)

Keterangan :

Ŷ = Variabel tak bebas (dependent variable) atau nilai estimasi Y

= Variabel bebas (independent variable) X1 dan X2.

= Parameter Intersep ( penduga α / titik potong kurva terhadap sumbuY

b1b2 = Slope (parameter koefisien regresi Variabel bebas X1 dan X2

εi = Pengamatan ke-i variabel kesalahan

Bentuk data yang akan diolah adalah sebagai berikut :

Tabel 2.1 Bentuk Umum Data Observasi

Nomor

Observasi

Respon (Yi) Variabel Bebas

1 …

2 …

. . . . … .

. . . . … .

. . . . … .

N

Persamaan regresi dari suatu data observasi dapat dibuat dengan menentukan

(6)

Nilai , b1 dan b2 yang telah didapat kemudian disubstitusikan kedalam

persamaan regresi.

Kemudian dari persamaan regresi tersebut memungkinkan adanya suatu

kekeliruan yang dapat diukur dengan rumus sebagai berikut :

=

Keterangan :

= nilai data sebenarnya

= nilai taksiran

2.4 Uji Regresi Linier Berganda

Uji regresi linier ganda perlu dilakukan karena untuk mengetahui apakah sekelompok

variabel bebas secara bersamaan mempunyai pengaruh terhadap variabel tak bebas.

Dalam pengujian persamaan regresi terutama menguji hipotesis tentang parameter

koefisien regresi secara keseluruhan melibatkan intercept serta k buah variabel.

Pengujian hipotesis dalam regresi linier berganda perlu dilakukan agar tidak

terjadi kasalahan penarikan kesimpulan.Pengujian hipotesis tersebut dapat dilakukan

(7)

2.4.1 Uji F (Simultan)

Langkah-langkah dalam pengujian hipotesis adalah sebagai berikut :

1. Menentukan formulasi hipotesis

H0 : b1 = b2= … =bn = 0 (X1, X2,…,Xk tidak mempengruhi Y)

H1 : b1,b2, ≠ 0 (minimal ada satu parameter koefisien regresi tidak sama dengan nol atau mempengaruhi Y)

2. Menentukan taraf nyata α dan nilai Ftabel dengan derajat kebebasan v1= k dan v2= n-k-1.

3. Menentukan kriteria pengujian

H0 diterima bila Fhitung≤ Ftabel H1 ditolak bila Fhitung > Ftabel

4. Menentukan nilai statistik F dengan rumus:

F

hitung =

JK(Reg)dan JK(Res)masing-masing didapat dari rumus berikut :

Keterangan :

k = jumlah variabel bebas

(n-k-1) = derajat kebebasan

JK(Reg) = jumlah kuadrat regresi

JK(Res) = jumlah kuadrat residu

(8)

2.4.2 Uji t (Parsial)

Langkah-langkah dalam pengujian hipotesis parsial adalah sebagai berikut :

1. Menentukan formula hipotesis

H0 :bn = 0 (Xn tak mempengaruhi Y)

H1 :bn≠ 0 (Xn mempengaruhi Y)

2. Menentukan taraf nyata dan nilai ttabel dengan derajat kebebasan t(1-1/2α); n-k-1

3. Menentukan kriteria pengujian

H0 diterima bila thitung ≤ ttabel H1 ditolak bila thitung > ttabel

4. Menentukan nilai thitung

t

hitung=

dan

Keterangan :

= Kesalahan standarkoefisien regresi

= Koefisien korelasi antara variabel 1 dan 2

5. Membuat kesimpulan apakah H0 diterima atau ditolak.

2.5 Koefisien Determinasi

Koefisien determinasi adalah nilai statistik yang dapat digunakan untuk mengetahui

(9)

persentase variasi nilai variabel tak bebas yang dapat dijelaskan oleh persamaan

regresi yang dihasilkan. Dihitung dengan rumus:

Keterangan :

JKreg = Jumlah kuadrat regresi

Harga yang diperoleh sesuai dengan variansi yang dijelaskan

masing-masing variabel yang tinggal dalam regresi.Hal ini mengakibatkan variansi yang

dijelaskan penduga yang disebabkan oleh variabel yang berpengaruh saja (yang

bersifat nyata).

2.6 Analisa Korelasi (Correlation)

Analisa korelasi dilakukan untuk mengetahui hubungan antara dua variabel (bivariate

correlation) atau lebih dari dua variabel (multivariate correlation) dalam suatu

penelitian. Untuk menentukan seberapa besar hubungan antar variabel tersebut, dapat

dihitung dengan menggunakan rumus koefisien korelasi antara X dan Y adalah :

(10)

ryx = Koefisien korelasi antara variabel Y dan X

Xi = Koefisien variabel bebas Xi

Yi = Koefisien variabel terikat Yi

Besarnya nilai koefisien korelasi (r) selalu terletak antara -1 dan 1, sehingga

nila i r tersebut dapat ditulis : . Jika r = +1, maka terdapat korelasi positif

sempurna antara variabel X dan Y artinya jika nilai variabel X tinggi, maka nilai

variabel Y akan tinggi pula. Sebaliknya jika r = -1, maka terdapat korelasi negatip

sempurna antara variabel X dan Y artinya jika nilai variabel X tinggi, maka nilai

variabel Y rendah. Sedangkan jika r = 0, berarti tidak ada korelasi antara variabel X

dan Y. Interpretasi harga r akan disajikan dalam tabel berikut :

Tabel 2.2 : Interpretasi Koefisien Korelasi Nilai r

Gambar

Tabel 2.1 Bentuk Umum Data Observasi
Tabel 2 1 Bentuk Umum Data Observasi . View in document p.5
Tabel 2.2 : Interpretasi Koefisien Korelasi Nilai r
Tabel 2 2 Interpretasi Koefisien Korelasi Nilai r . View in document p.10

Referensi

Memperbarui...

Download now (10 pages)