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
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
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 :
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
stdev X j
Component
1 2
Zscore(Posisi_Simpan) .348 .058
Total 11.149 11
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
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
+1 ,32 X inflasi
i