Berikut ini adalah data statistik ekonomi dan keuangan Indonesia Tahun 2018

Diduga IHK dipengaruhi oleh

1. Posisi simpanan masyarakat rupiah dan valas pada Bank Umum dan BPR
(miliar rupiah)
2. Suku bunga tabungan (persen per tahun)
3. Tingkat inflasi bulanan dari 90 kota di Indonesia
4. Uang beredar luas (M2) (miliar rupiah)
Tabel Data Statistik Ekonomi & Keuangan Indonesia Tahun 2018
Posisi Simpanan Suku Bunga Uang Beredar Inflasi IHK
5106501.135 1.37 5351684.67 0.62 132.10
5106678.695 1.35 5351650.33 0.17 132.32
5131185.499 1.33 5395826.04 0.20 132.58
5142351.322 1.31 5409088.81 0.10 132.71
5139625.531 1.37 5435082.93 0.21 132.99
5218578.331 1.29 5534149.83 0.59 133.77
5211074.483 1.28 5507791.75 0.28 134.14
5234204.154 1.27 5529451.81 -0.05 134.07
5317108.049 1.27 5606779.89 -0.18 133.83
5387944.822 1.26 5667512.1 0.28 134.2
5406613.497 1.26 5670975.24 0.27 134.56
5457228.245 1.25 5760046.2 0.62 135.39

Statistik Deskriptif
Statistika Deskriptif adalah metode - metode yang berkaitan dengan
pengumpulan dan penyajian suatu gugus data sehingga memberikan
informasi yang berguna. Dengan statistik deskriptif kita dapat memperoleh
gambaran atau deskripsi variabel-variabel dalam penelitian. Berikut output
statistik deskriptif yang berisi nilai mean, standar deviasi, dan jumlah sampel
dari data statistik ekonomi dan keuangan Indonesia Tahun 2018 dengan
menggunakan software IBM SPSS 24.
Tabel Statistik Deskriptif
Variabel Mean Std. Deviation N
IHK 133.5550 1.00674 12
Posisi_Simpanan 5238257.81400 124725.751300 12
Suku_Bunga 1.3008 .04400 12
Uang_Beredar 5518336.6330 135416.76390 12
Inflasi .2592 .25199 12

Dari tabel statistik deskriptif diatas dapat dilihat bahwa terdapat lima
variabel dan masing-masing jumlah sampel yang digunakan sebanyak 12.
Ke-lima variabel itu terdiri dari empat variabel independent yaitu posisi
simpanan, suku bunga, uang beredar, inflasi, dan satu variabel independent
yaitu IHK. Selain itu dari tabel tersebut dapat diketahui bahwa rata-rata
 variabel IHK sebesar 133.555, rata-rata variabel posisi simpanan sebesar
5238257.814 miliar rupiah, rata-rata suku bunga tabungan sebesar 1.3008
persen per tahun, rata-rata uang beredar luas sebesar 5518336.633 miliar
rupiah, dan rata-rata inflasi bulanan dari 90 kota di Indonesia sebesar 0,2592.
Nilai standar deviasi untuk variabel IHK sebesar 1.00674, artinya data
kurang bervariasi karena nilai standar deviasi kurang dari nilai rata-rata
variabel IHK. Sama halnya dengan variabel IHK, keempat variabel lainnya
yaitu posisi simpanan, suku bunga, uang beredar, dan inflasi memiliki standar
deviasi kurang dari nilai rata-rata, artinya data keempat variabel kurang
bervariasi.
A. Analisis Regresi Linier Berganda
Analisis Regresi bertujuan untuk menentukan pola hubungan antara variable
respons (variable terikat) dengan satu atau lebih variable bebas. Analisis regresi
linear berganda digunakan untuk menganalisis hubungan linear antara dua atau
lebih variabel bebas secara bersama-sama dengan satu variabel terikat .
Disamping itu berfungsi juga untuk memprediksi nilai variable respons dengan
nilai variable bebas tertentu. Model regresi linier berganda melibatkan lebih dari
satu variabel bebas. Modelnya :
Y i= β0 +β 1 X 1i + β2 X 2i +. . .+ β k X ki +ε i
Dimana :
Y = variabel terikat/dependent/respon/output
Xi = variabel bebas/independent/predictor/input ( i = 1, 2, 3, …, k)
0 = intersep
i = parameter/koefisien regresi ( i = 1, 2, 3, …, k)
i = residual yang diasumsikan identik, independen dan berdistribusi normal
atau i ~ IIDN(0, 2)
Model penduganya adalah
Y^ i=b0 +b1 X 1 i +b2 X 2i +. . .+bk X ki
 Model Regresi
Berikut output model regresi dengan menggunakan software IBM SPSS 24.
Tabel Coefficientsa
Unstandardized Standardized Collinearity
Coefficients Coefficients Statistics
Model B Std. Error Beta t Sig. Tolerance VIF
1 (Constant) 114.711 13.577 8.449 .000
Posisi_Simpanan -8.239E-6 .000 -1.021 -1.850 .107 .024 42.398
Suku_Bunga -6.331 4.540 -.277 -1.394 .206 .182 5.480
Uang_Beredar 1.272E-5 .000 1.711 2.854 .025 .020 49.993
Inflasi .251 .376 .063 .668 .525 .810 1.234
a. Dependent Variable: IHK

Dari tabel koefisien diatas didapatkan model regresi sebagai berikut :

 Y =114 ,711−8,239×10−6 Posisi simpanan −6,331 Suku bunga +1,272×10−5 Uang beredar
i i i i
+0, 251 Inflasi+εi
 Pengujian Koefisien Regresi Secara Serentak
Hipotesis :
H0 : β 1=β 2 =β 3 =β 4 =0(Model tidak signifikan )

H1 : Paing sedikit βi ≠0 Model signifikan

Statistik Uji:
Berikut output hasil uji secara serentak dengan menggunakan software IBM
SPSS 24.
Tabel ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression 10.588 4 2.647 33.047 .000b
Residual .561 7 .080
Total 11.149 11
a. Dependent Variable: IHK
b. Predictors: (Constant), Inflasi, Posisi_Simpanan, Suku_Bunga,
Uang_Beredar
Daerah Penolakan:
Tolak H0 jika nilai P-Value (sig) < α (0.05)
Keputusan:
Tolak H0 karena nilai P-Value (sig) < α (0.05) = 0,000 < 0,05
Kesimpulan:
Parameter regresi berpengaruh signifikan secara serentak kedalam model.
Minimal ada satu variabel (posisi simpanan, suku bunga, uang beredar,
inflasi) berpengaruh terhadap IHK.
 Pengujian Koefisien Regresi Secara Individu
Hipotesis :
H0 :
β i=0 tidak signifikan

H1 :
β ≠0 signifikan
i
Statistik Uji:
Berikut output hasil uji secara serentak dengan menggunakan software IBM
SPSS 24.
Tabel Coefficientsa
Unstandardized Standardized Collinearity
Coefficients Coefficients Statistics
Model B Std. Error Beta t Sig. Tolerance VIF
1 (Constant) 114.711 13.577 8.449 .000
Posisi_Simpanan -8.239E-6 .000 -1.021 -1.850 .107 .024 42.398
Suku_Bunga -6.331 4.540 -.277 -1.394 .206 .182 5.480
Uang_Beredar 1.272E-5 .000 1.711 2.854 .025 .020 49.993
Inflasi .251 .376 .063 .668 .525 .810 1.234
a. Dependent Variable: IHK
Daerah Penolakan:
Tolak H0 jika nilai P-Value (sig) < α (0.05)
 Gagal tolak H0 jika nilai P-Value (sig > α (0.05)
Kesimpulan:
Berdasarkan output diatas dapat disimpulkan bahwa:
 Posisi simpanan tidak berpengaruh terhadap IHK karena P-Value (0.107) >
α=5%
 Suku bunga tidak berpengaruh terhadap IHK karena P-Value (0.206) >
α=5%
 Uang beredar berpengaruh terhadap IHK karena P-Value (0.025) < α=5%
 Inflasi tidak berpengaruh terhadap IHK karena P-Value (0.525) > α=5%
 Uji Asumsi
1. Distribusi Normal
Uji normalitas yang dimaksud dalam asumsi klasik pendekatan OLS
adalah (data) residual yang dibentuk model regresi linier terdistribusi normal,
bukan variabel bebas ataupun variabel terikatnya. Pengujian terhadap residual
terdistribusi normal atau tidak dapat menggunakan uji Kolmogorov-smirnov.
Hipotesis :
H0 : Residual berdistribusi Normal
H1 : Residual tidak bersistribusi Normal
Statistik Uji :
Berikut hasil output uji Kolmogorov-smirnov menggunakan software IBM
SPSS 24:
Tabel Uji Kolmogorov-Smirnov
Unstandardized
Residual
N 12
Normal Parametersa,b Mean .0000000
Std. Deviation .22576856
Most Extreme Differences Absolute .220
Positive .145
Negative -.220
Test Statistic .220
Asymp. Sig. (2-tailed) .114c
a. Test distribution is Normal.
b. Calculated from data.
c. Lilliefors Significance Correction.
Tingkat kepercayaan yang digunakan adalah 5%
Daerah Penolakan:
Tolak H0 jika nilai P-Value (Asymp. Sig. (2-tailed)) < α (0.05)
Gagal tolak H0 jika nilai P-Value (Asymp. Sig. (2-tailed)) > α (0.05)
Keputusan:
Gagal tolak H0 karena nilai P-Value (Asymp. Sig. (2-tailed)) > α (0.05) =
0,114 > 0,05
Kesimpulan:
Residual berdistribusi Normal, artinya uji asumsi distribusi normal dalam hal
ini terpenuhi.
 2. Uji Independen
Uji independen bertujuan untuk menguji apakah dalam model regresi
linear terdapat korelasi antara residual pada periode t dengan residual pada
periode sebelumnya. Uji yang digunkan yaitu Durbin-Watson.
Hipotesis :
H0 : Residual independen
H1 : Residual tidak independen
Statistik Uji :
Berikut hasil output uji Durbin-Watson menggunakan software IBM SPSS
24:
Tabel Model Summaryb
Adjusted R Std. Error of the
Model R R Square Square Estimate Durbin-Watson
1 .975a .950 .921 .28302 2.315
a. Predictors: (Constant), Inflasi, Posisi_Simpanan, Suku_Bunga, Uang_Beredar
b. Dependent Variable: IHK

Tingkat kepercayaan yang digunakan adalah 5%

Dengan jumlah sampel = 12 dan banyaknya variabel = 5, maka didapatkan
nilai dU = 0,3796 dan dL =2,5061.
Daerah Penolakan:
Gagal tolak H0 jika nilai dU < D < (4 – dU)
Keputusan:
Gagal tolak H0 jika nilai dU < D < (4 – dU) = 0,3796 < 2.315 < 2,5061
Kesimpulan:
Residual independen, sehingga uji asumsi independen terpenuhi.
3. Uji Identik
Uji ini bertujuan untuk menguji apakah dalam model regresi terjadi atau
terdapat ketidaksamaan varians rersidual dari satu pengamatan ke pengamatan
yang lain. Pemeriksaan asumsi residual homogen dapat dilakukan dengan
menggunakan uji glejser, yaitu dengan meregresikkan absolut residual dengan
indikator / variabel independennya. Jika tidak ada variabel prediktor
berpengaruh terhadap respon maka asumsi identic terpenuhi
Hipotesis :
H0 : Residual identik atau homogen
H1 : Residual tidak identik atau homogen
Statistik Uji :
Berikut hasil output uji glejser menggunakan software IBM SPSS 24:

Tabel Coefficientsa
Unstandardized Standardized Collinearity
Coefficients Coefficients Statistics
Model B Std. Error Beta t Sig. Tolerance VIF
1 (Constant) 114.711 13.577 8.449 .000
 Posisi_Simpanan -8.239E-6 .000 -1.021 -1.850 .107 .024 42.398
Suku_Bunga -6.331 4.540 -.277 -1.394 .206 .182 5.480
Uang_Beredar 1.272E-5 .000 1.711 2.854 .025 .020 49.993
Inflasi .251 .376 .063 .668 .525 .810 1.234
a. Dependent Variable: IHK

Daerah Penolakan:
Tolak H0 jika nilai P-Value (sig) < α (0.05)
Gagal tolak H0 jika nilai P-Value (sig) > α (0.05)
Keputusan:
Gagal tolak H0 karena nilai P-Value (sig) > α (0.05) = 0,107; 0,206;0,525 >
0,05
Kesimpulan:
Dari hasil output uji glejser didapatkan bahwa P-Value ( Sig ) dari tiga
variabel masing-masing indikator > α =5%, sedangakan untuk variabel uang
beredar residual tidak homogeny. Sehingga dalam hal ini diasumsikan bahwa
residual homogen..
B. Deteksi Adanya Kasus Multikolinieritas
Adanya korelasi antar variabel yang cukup tinggi menimbulkan
multikolinearitas yang menyebabkan model persamaan regresi yang diperoleh
kurang layak. Multikolinieritas adalah kondisi terdapatnya hubungan linier atau
korelasi yang tinggi antara masing-masing variabel independent dalam model
regresi. Deteksi adanya kasus multikolinier dapat dilihat pada :

1. Korelasi antara variabel independen yang tinggi dan signifikan

Jika koefisien korelasi diatas 0,85 maka diduga terdapat kasus
multikolinieritas. Berikut hasil output uji korelasi dengan menggunakan
software IBM SPSS.
Tabel Correlations
Posisi_Si Suku_B Uang_Bered
mpanan unga ar Inflasi IHK
Posisi_Simpanan Pearson Correlation 1 -.862** .988** .099 .914**
Sig. (2-tailed) .000 .000 .760 .000
N 12 12 12 12 12
Suku_Bunga Pearson Correlation -.862** 1 -.880** .110 -.895**
Sig. (2-tailed) .000 .000 .734 .000
N 12 12 12 12 12
Uang_Beredar Pearson Correlation .988** -.880** 1 .102 .952**
Sig. (2-tailed) .000 .000 .753 .000
N 12 12 12 12 12
Inflasi Pearson Correlation .099 .110 .102 1 .106
Sig. (2-tailed) .760 .734 .753 .744
N 12 12 12 12 12
IHK Pearson Correlation .914** -.895** .952** .106 1
Sig. (2-tailed) .000 .000 .000 .744
N 12 12 12 12 12
 **. Correlation is significant at the 0.01 level (2-tailed).

Dari tabel korelasi di atas, terdapat korelasi yang tinggi dan signifikan yaitu:
 Antara variabel posisi simpanan dan suku bunga dengan koefisien
korelasi sebesar -0,862
 Antara variabel posisi simpanan dan uang beredar dengan koefisien
korelasi sebesar 0,988
 Antara variabel posisi suku bunga dan uang beredar dengan koefisien
korelasi sebesar -0,880
Sehingga dapat disimpulkan bahwa terdapat multikolinieritas karena nilai
korelasi lebih besar dari 0,85.
2. Nilai VIF dan Tolerance
Jika nilai Tolerance < 0,1 dan VIF > 10 dapat diindikasikan adanya
multikolinearitas.
Tabel Coefficientsa
Unstandardized Standardized
Coefficients Coefficients Collinearity Statistics
Model B Std. Error Beta t Sig. Tolerance VIF
1 (Constant) 114.711 13.577 8.449 .000
Posisi_Simpanan -8.239E-6 .000 -1.021 -1.850 .107 .024 42.398
Suku_Bunga -6.331 4.540 -.277 -1.394 .206 .182 5.480
Uang_Beredar 1.272E-5 .000 1.711 2.854 .025 .020 49.993
Inflasi .251 .376 .063 .668 .525 .810 1.234
a. Dependent Variable: IHK

Dari tabel diatas dapat diketahui bahwa terdapat dua variabel yaitu posisi
simpanan dan uang beredar yang memiliki nilai VIF lebih besar dari 10 yaitu
42,398 dan 49,993, serta memiliki nilai tolerance masing-masing yaitu 0,024
dan 0,020. Sehingga dapat disimpulkan bahwa berdasarkan nilai VIF dan
tolerance terdapat kasus multikolinieritas.
3. Berdasarkan nilai Condition Index (CI) dan Eigenvalue
Jika Condition indek yang bernilai lebih dari 30 dan Eigenvalue kurang
dari 0,01 mengindentifikasikan adanya multikolinieritas.

Collinearity Diagnosticsa
Variance Proportions
Dimensi Condition Posisi_Si Suku_ Uang_B
Model on Eigenvalue Index (Constant) mpanan Bunga eredar Inflasi
1 1 4.596 1.000 .00 .00 .00 .00 .01
2 .402 3.381 .00 .00 .00 .00 .80
3 .002 48.725 .00 .00 .06 .00 .00
4 2.850E-5 401.568 .93 .05 .84 .01 .16
5 5.900E-6 882.577 .07 .95 .10 .99 .02
a. Dependent Variable: IHK

Dari tabel di atas dapat diketahui bahwa terdapat nilai condition index
yang lebih besar dari 30 yaitu pada dimensi 3,4,5 dan nilai eigenvalue yang
kurang dari 0,01 yaitu pada dimensi 3,4,5. Sehingga dilihat dari nilai
condition index dan eigenvalue dapat disimpulkan bahwa terdapat
multikolinieritas.
Karena terdapat kasus multikolinieritas, maka harus diatasi, dengan cara
stepwise dan dengan PCR (Principal Component Regression).
C. Stepwise Dan Dengan PCR (Principal Component Regression)
 Stepwise
ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression 10.103 1 10.103 96.633 .000b
Residual 1.046 10 .105
Total 11.149 11
a. Dependent Variable: IHK
b. Predictors: (Constant), Uang_Beredar
Dari tabel ANOVA diatas didapatkan nilai signifikansi sebesar 0,00. Hal
ini berarti model regresi signifikan, karena nilai signifikansi < α (5%).
Coefficients
Unstandardized Standardized Collinearity
Coefficients Coefficients Statistics
Model B Std. Error Beta t Sig. Tolerance VIF
1 (Constant) 94.501 3.974 23.780 .000
Uang_Beredar 7.077E-6 .000 .952 9.830 .000 1.000 1.000
a. Dependent Variable: IHK

Setelah dilakukan uji stepwise maka sudah tidak terdapat

multikolieneritas karena nilai VIF < 10. Selain itu dapat diketahui bahwa dari
keempat variabel independent hanya terdapat satu variabel saja masuk ke
dalam model, yaitu variabel uang beredar. Hal ini dikarenakan variabel uang
beredar nilai korelasi yang paling tinggi. Selain itu dari uji individu dapat
diketahui bahwa hanya variabel uang beredar yang berpengarh terhadap
variabel IHK. Dari tabel diatas juga didapatkan nilai signifikansi variabel
uang beredar sebesar 0,00. Hal ini berarti variabel uang beredar berpengaruh
secara signifikan terhadap variabel IHK, karena nilai signifikansi < α (5%).
Model Regresi yang terbentuk :
−6
IHK=94 ,501+7 , 7077×10 UangBeredar
Hal ini berarti jika variabel uang beredar naik satu-satuan maka akan
menaikkan IHK sebesar 7,7077x10-6.
Tabel Model Summary
Mo Adjusted R
del R R Square Square Std. Error of the Estimate
1 .952a .906 .897 .32335
a. Predictors: (Constant), Uang_Beredar
 Dari tabel model summary diatas didapatkan nilai R Square sebesar 0,906.
Artinya variabel uang beredar berpengaruh terhadap IHK sebesar
90,6%,sedangkan sisanya 9,4 % dipengaruhi oleh variabel lain yang tidak
masuk dalam model.
 PCR (Principal Component Regression)
Langkah-langkah dari PCR (Principal Component Regression) sebagai
berikut:
Tabel Descriptive Statistics
N Minimum Maximum Mean Std. Deviation
Posisi_Simpanan 12 5106501.135 5457228.245 5238257.81400 124725.751300
Suku_Bunga 12 1.25 1.37 1.3008 .04400
Uang_Beredar 12 5351650.33 5760046.20 5518336.6330 135416.76390
Inflasi 12 -.18 .62 .2592 .25199
Valid N (listwise) 12
1. Melakukan pembakuan terhadap variabel-variabel independent / variabel-
variabel independent distandarkan dengan cara :
X j − X́ j
Z score = i

stdev X j

2. Membangkitkan variabel baru yang saling independent dengan cara

melakukan analisis komponen utama yaitu mencari nilai eigen dan vektor
eigen, menghitung skor komponen utama, menentukan jumlah komponen
utama yang akan digunakan.
Jumlah komponen utama yang digunakan berdasarkan eigen value > 1.
Total Variance Explained
Initial Eigenvalues Extraction Sums of Squared Loadings
Component Total % of Variance Cumulative % Total % o Variance Cumulative %
1 2.823 70.581 70.581 2.823 70.581 70.581
2 1.032 25.796 96.377 1.032 25.796 96.377
3 .134 3.346 99.723
4 .011 .277 100.000
Extraction Method: Principal Component Analysis.
Berdasarkan tabel diatas terdapat dua komponen yang terbentuk.

Component Score Coefficient Matrix

Component

1 2
Zscore(Posisi_Simpan) .348 .058

Zscore(Suku_Bunga) -.332 .174

Zscore(Uang_Beredar) .350 .058

Zscore(Inflasi) .018 .965

Extraction Method: Principal Component Analysis.
Component Scores.

Banyaknya Komponen yang terbentuk berdasarkan eigen value > 1

FAC1_1=0,348Zscore(Posisi Simpan) – 0,332Zscore(Suku Bunga) +
0,350Zscore(Uang Beredar) + 0,018Zscore(Inflasi) (1)
FAC1_2=0,058Zscore(Posisi Simpan) + 0,174Zscore(Suku Bunga) +
0,058Zscore(Uang Beredar) +Z0,965 score(Inflasi) (2)
3. Meregresikan variabel dependen dengan skor komponen yang terbentuk.
ANOVAa

Model Sum of Squares df Mean Square F Sig.

1 Regression 10.103 2 5.052 43.480 .000b

Residual 1.046 9 .116

Total 11.149 11

a. Dependent Variable: IHK

b. Predictors: (Constant), REGR factor score 2 for analysis 1, REGR factor score 1 for
analysis 1
Berdasarkan output anova, diketahui bahwa p_value (Sig.) = 0,001 <
α=5%, sehingga dapat disimpulkan bahwa skor komponen berpengaruh
signifikan secara serentak kedalam model. Minimal ada 1 faktor berpengaruh
terhadap IHK.

Coefficientsa
Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta T Sig.
1 (Constant) 133.555 .098 1357.319 .000
REGR factor score 1 for .957 .103 .950 9.310 .000
analysis 1
REGR factor score 2 for .054 .103 .054 .525 .612
analysis 1
a. Dependent Variable: IHK
Karena setelah diregresikan, Faktor 2 tidak signifikan, maka Faktor 2
dikeluarkan dari model kemudian diregresikan lagi antara variabel dependen
dengan Faktor 1. Hasil yang diperoleh sebagai berikut :

Tabel ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression 10.071 1 10.071 93.453 .000b
Residual 1.078 10 .108
Total 11.149 11
a. Dependent Variable: IHK
b. Predictors: (Constant), REGR factor score 1 for analysis 1
 Dari tabel ANOVA diatas didapatkan nilai signifikansi sebesar 0,00. Hal
ini berarti model regresi signifikan, karena nilai signifikansi < α (5%).
Tabel Coefficientsa
Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 133.555 .095 1409.323 .000
REGR factor score 1 for .957 .099 .950 9.667 .000
analysis 1
a. Dependent Variable: IHK
Model regresi yang terbentuk sebagai berikut :
IHK = 133,555 + 0,957 FAC1_1 (3)
4. Mengembalikan persamaan regresi ke bentuk variabel standar
Dengan mengganti Fac1_1 dengan persamaan (2), maka persamaan (3)
berubah menjadi :
IHK = 133,555 + 0,957 [0,348Zscore(Posisi Simpan) – 0,332Zscore(Suku
Bunga) + 0,350Zscore(Uang Beredar) + 0,018Zscore(Inflasi)]
IHK = 133,555 + 0,333 Zscore(Posisi Simpan) – 0,3177 Zscore(Suku Bunga)
+ 0,335 Zscore(Uang Beredar) + 0,01723 Zscore(Inflasi)
X posisi simpan
− X̄ posisi simpan
X suku bunga
− X̄ suku bunga

Y^ i=133 , 555+0 , 333 i

−0 ,3177 i
+
stdev X posisi stdev X suku
simpan bunga

X uang beredar
− X̄ uang beredar X inf lasii − X̄ inf lasi
0 , 335 i
+0 , 333
stdev X inf lasi stdev X inf lasi
X posisi simpan
−5238257,4 X suku bunga
−1,3008
i i
Y^ i=133 , 555+0 , 333 −0 , 3177 +
124725,751 0 , 44
X uang beredar
−5518336,633 X inf lasi −0 ,2592
0 , 335 i
+ 0 ,333 i

135416,764 0 ,25199
−6
Y^ i=133 , 555+( 2, 699×10 X posisi simpan
−13 , 985 )−(0 . 722 X suku bunga
−0 , 939 )+
i i
−6
( 2 , 474×10 X uang beredar
−13 , 65)+( 1, 32 X inf lasii −0 ,34 )
i

5. Mengembalikan persamaan regresi ke bentuk variabel asal.

Setelah variabel independent dikembalikan ke variabel asal, maka diperoleh
persamaan regresi :
−6
Y^ i=104 , 641+2 , 699×10 X posisi simpan −0 . 722 X suku bunga + 2 , 474×10−6 X uang beredar
i i i

+1 ,32 X inflasi
i

Berdasarkan model regresi diatas dapat disimpulkan bahwa:

• Jika posisi simpan naik satu satuan dan variabel lainnya dianggap konstan
maka IHK akan naik sebesar 2,699x10-6.
 • Jika suku bunga naik satu satuan dan variabel lainnya dianggap konstan
maka IHK akan turun sebesar 0,722.
• Jika uang beredar naik satu satuan dan variabel lainnya dianggap konstan
maka IHK akan naik sebesar 2,474x10-6
• Jika inflasi naik satu satuan dan variabel lainnya dianggap konstan maka
IHK akan naik sebesar 1,32.
Model Summary
Adjusted R Std. Error of the
Model R R Square Square Estimate
1 .950a .903 .894 .32828
a. Predictors: (Constant), REGR factor score 1 for analysis 1
Berdasarkan output diatas nilai R2 terkoreksi / adjusted R square adalah
sebesar 0,894, sehingga dapat diinterpretasikan bahwa variansi keragaman yang
dapat dijelaskan oleh model adalah sebesar 89,4%, yang berarti model sudah baik.

NAMA :PRASDIANITANINGTIYAS JUNITA KUSUMA

NIM : 172400014
MATKUL : EKONOMETRIKA
ANGKATAN : 2017