analisis regresi linear berganda atau sering disebut dengan Ordinary Least Square
(OLS). Teknik analisis regresi linear berganda adalah satu persamaan yang
melibatkan dua buah variabel atau lebih. Regresi linear berganda ini digunakan
dependen.
Sesuai dengan model regresi yag dijelaskan sebelumnya di bab tiga bahwa
penelitian ini menggunakan tiga faktor yang diduga dapat memegaruhi inflasi di
Indonesia yakni nilai tukar, jumlah uang beredar dan suku bunga SBI.
Berdasarkan hasil olah data dengan alat analisis berupa Eviews8 , maka dapat
Dari tabel yang tertera di atas dapat ditulis persamaan regresi sebagai
berikut:
Hal ini terlihat dari hasil koefisien regresi sebesar -5.7882. Hal ini berarti ketika
nilai inflasi naik sebesar 1% maka tingkat pertumbuhan ekonomi juga akan
regresi sebesar -1.0888 Hal ini menunjukkan bahwa apabila jumlah uang beredar
memiliki pengaruh positif. Yaitu dengan hasil koefisien sebesar 0.4267. Hal ini
Nilai konstanta dari hasil uji regresi yaitu sebesar -5.7825 Hasil ini
sejauh mana hubungan variabel bebas (X) terhadap variabel terikat (Y). Nilai R2
ini berkisar antara 0 sampai dengan 1. Apabila hasil dari R 2 bernilai 1 berarti
pengaruh variabel bebas terhadap variabel terikat yaitu sebesar 100% baik
pengaruh yang menaikkan atau menurunkan variabel terikat. Namun jika nilai R 2
bernilai 0 maka variabel bebas tidak ada berpengaruh kepada variabel terikatnya.
Dari hasil regresi terlihat besar pengaruh variabel bebas terhadap variabel
terikat adalah 0.6358, ini memiliki arti bahwa inflasi (X1), pengangguran (X2)
dan keterbukaan perdagangan (X3) mampu menjelaskan perubahan yang terjadi
pada laju pertumbuhan ekonomi di Indonesia sebesar 63,58% dan sisanya 36,42%
dijelaskan oleh faktor lain yang tidak masuk dalam penelitian ini sehingga R
Square (R2 ) dengan nilai 63,58% ini dapat dinyatakan bahwa model valid
nilai F-tabel. Nilai F tabel dengan kepercayaan sebesar 95% atau α = 0,05 yaitu
sebesar , dimana cara untuk menentukannya yaitu dengan menghitung df1 = k-1
dan df2 = n-k. Sehingga F hitung yaitu sebesar (6.402017) > F tabel sebesar ().
variabel dependen. Dilihat juga dari nilai signifikansinya yaitu 0,0000 < 0,05
parsial berpengaruh atau tidak terhadap variabel terikat. Uji ini sering disebut juga
95% atau α = 0,05. Untuk mengetahui hasilnya dapat dilakukan dengan cara
membandingkan nilai t-hitung setiap variabel bebas dengan nilai t-tabel pada df=
(n-k), dimana n = jumlah data dan k = jumlah seluruh variabel. Sehingga T tabel
dalam penelitian ini diperoleh sebesar 1,795. Sehingga analisis untuk uji t sebagai
berikut:
1. Variabel nilai inflasi memiliki nilai t hitung (-1.144754) < t tabel (1,795)
dengan probabilitas yang dihasilkan sebesar (0.2766) < 0,05, ini berarti
secara parsial ada pengaruh negatif dan tidak signifikan dari inflasi
(1,795) dengan probabilitas yang dihasilkan yaitu (0,0164) > 0,05, artinya
t tabel (1,795) dengan probabilitas sebesar (0.0042) < 0,05, artinya secara
5.1.2 Pembahasan
di Indonesia
linear tidak terhadap variabel terikat. Uji linearitas dalam penelitian ini
Gambar
Hasil Uji Linearitas
Ramsey RESET Test
Equation: UNTITLED
Specification: GDP C INFLASI PENGGURAN TO
Omitted Variables: Squares of fitted values
Value df Probability
t-statistic 1.144754 11 0.2766
F-statistic 1.310461 (1, 11) 0.2766
Likelihood ratio 1.688312 1 0.1938
Dari tabel diatas terlihat hasil uji linearitas, yaitu yang ditunjukkan pada
kolom probability pada bagian baris F-statistik yang bernilai sebesar 0,2766 >
0,05. Dapat disimpulkan bahwa variabel bebas linear terhadap variabel terikat.
2. Uji Normalitas
Uji normalitas digunakan untuk menguji apakah nilai residual yang telah
distandarisasi pada model regresi berdistribusi normal atau tidak. Model yang
terdistribusi normal dapat dilihat dari hasil yang tertera pada Jarque Bera dalam
tabel.
Gambar 5.1
Dari hasil uji diatas dapat dilihat bahwa nilai probabilitas Jarque Bera
sebesar 0.686874 > 0,05 maka Ho diterima artinya residual data penelitian
3. Uji Heteroskedastisitas
regresi. Hasil yang diharapkan dari uji ini yaitu tidak terjadinya
adalah model regresi yang baik. Dalam penelitian ini metode untuk menguji
melihat apakah terdapat heteroskedastisitas atau tidak maka dilihat dari hasil
Prob Chi-Square yang nilainya harus besar dari 0,05. Berikut hasil dari uji
heteroskedastisitas:
Gambar 5.2
Dari tabel tersebut terlihat bahwa nilai Prob Chi-Square sebesar 0,1000 >
4. Uji Autokorelasi
antara anggota serangkaian data observasi yang diuraikan menurut waktu (time
perioode lain, dalam penelitian ini hasil yang diharapkan yaitu tidak adanya
terjadi autokorelasi. Hasil uji autokorelasi dalam penelitian ini yaitu sebagai
berikut:
Gambar 5.3
Square yang bernilai 0,6279 > 0,05. Dengan demikian dikatakan data Ho
5. Uji Multikolinearitas
beberapa atau semua variabel bebas. Tujuan dari pengujian ini untuk
mengetahui apakah dalam model regresi terdapat korelasi antar variabel. Untuk
Gambar 5.4
Dari tabel di atas terlihat bahwa hasil nilai centred VIF seluruh variabel
bernilai kecil dari 10, maka dapat dinyatakan bahwa tidak terdapat masalah
multikolinearitas.
Tinggal uji linearitas,uji t,uji f