BAB V

TEMUAN EMPIRIS DAN PEMBAHASAN

5.1 Temuan Empiris

Agar tujuan dalam penelitian ini tercapai, maka digunakanlah teknik

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

untuk mengetahui seberapa besar pengaruh variabel independen terhadap variabel

dependen.

5.1.1 Uji Regresi

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

dibentuklah sebuah persamaan regresi linear berganda sebagai berikut:

 Gambar 5.1
Hasil Uji Regresi
Dependent Variable: GDP
Method: Least Squares
Date: 05/12/22 Time: 16:47
Sample: 2006 2020
Included observations: 15

Variable Coefficient Std. Error t-Statistic Prob.  

C -5.782580 3.251021 -1.778697 0.1029

INFLASI -0.289001 0.252457 -1.144754 0.2766
PENGANGGURAN -1.088832 0.384980 -2.828280 0.0164
TO 0.426732 0.118857 3.590283 0.0042

R-squared 0.635835    Mean dependent var 4.910000

Adjusted R-squared 0.536517    S.D. dependent var 2.250594
S.E. of regression 1.532195    Akaike info criterion 3.914459
Sum squared resid 25.82385    Schwarz criterion 4.103272
Log likelihood -25.35844    Hannan-Quinn criter. 3.912447
F-statistic 6.402017    Durbin-Watson stat 1.894258
Prob(F-statistic) 0.009067

Dari tabel yang tertera di atas dapat ditulis persamaan regresi sebagai

berikut:

Y = -5.782580 + -0.289001INF – -1.088832PNGRN + 0.426732TO

Berdasarkan persamaan regresi diatas maka dapat diketahui bahwa nilai

inflasi berpengaruh negative terhadap tingkat pertumbuhan ekonomi di Indonesia.

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

mengalami penurunan sebesar -5.7882%.

 Kemudian variabel pengangguran juga berpengaruh negatif terhadap

tingkat pertumbuhan ekonomi di Indonesia di Indonesia yaitu dengan koefisien

regresi sebesar -1.0888 Hal ini menunjukkan bahwa apabila jumlah uang beredar

mengalami kenaikan sebesar 1% maka tingkat penganguran akan mengalami

penurunan sebesar -1.0888 %.

Variabel selanjutnya yaitu variabel keterbukaan perdagangan yang

memiliki pengaruh positif. Yaitu dengan hasil koefisien sebesar 0.4267. Hal ini

menunjukkan bahwa ketika keterbukaan perdaganggan naik sebesar 1% maka

tingkat pertumbuhan ekonomi juga akan meningkat sebesar 0.4267%.

Nilai konstanta dari hasil uji regresi yaitu sebesar -5.7825 Hasil ini

menunjukkan apabila nilai inflasi, pengangguran dan keterbukaan perdagangan

tidak mengalami perubahan (konstan) maka pertumbuhan ekonomi di Indonesia

akan mengalami penurunan sebesar -5.7825%.

1. Koefisien Determinasi (R2)

Uji R2 atau koefisien determinasi dilakukan dengan tujuan mengetahui

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

2. Uji Signifikansi Simultan (Uji F) (tinggal uji f)

Uji F dilakukan untuk memperhatikan apakah seluruh variabel bebas

secara bersama – sama memberikan pengaruh tehadap variabel terikat. Untuk

mengetahui hasilnya dapat dilihat dengan membandingkan nilai F-hitung dengan

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 ().

Dengan angka tersebut telah menunjukkan arti Ha diterima dan Ho ditolak,

maksudnya variabel independen secara serentak berpengaruh signifikan terhadap

variabel dependen. Dilihat juga dari nilai signifikansinya yaitu 0,0000 < 0,05

berarti variabel bebas secara simultan berpengaruh terhadap variabel dependen.

Uji Signifikansi Pasrsial (Uji t)

Uji t digunakan untuk mengetahui apakah variabel – variabel bebas secara

parsial berpengaruh atau tidak terhadap variabel terikat. Uji ini sering disebut juga

dengan uji individual. Penelitian ini menggunakan derajat kepercayaan sebesar

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

terhadap pertumbuhan ekonomi di Indonesia.

2. Variabel pengangguran memiliki nilai t hitung (-2.828280) < t tabel

(1,795) dengan probabilitas yang dihasilkan yaitu (0,0164) > 0,05, artinya

secara parsial ada pengaruh negatif signifikan dari pengangguran terhadap

pertumbuhan ekonomi di Indonesia.

3. Variabel keterbukaan perdanganggan memiliki nilai t hitung (3.590283) >

t tabel (1,795) dengan probabilitas sebesar (0.0042) < 0,05, artinya secara

parsial ada pengaruh positif dan signifikan dari keterbukaan perdaganggan

terhadap pertumbuhan ekonomi di Indonesia.

5.1.2 Pembahasan

1. Pengaruh Inlasi Terhadap Pertumbuhan Ekonomi di Indonesia

2. Pengaruh Pengangguran Terhadap Petumbuhan Ekonomi di Indonesia

3. Pengaruh Keterbukaan Perdanganggan Terhadap Pertumbuhan Ekonomi

di Indonesia

5.1.3 Uji Asumsi Klasik

Uji asumsi klasik dilakukan dengan tujuan memberikan kepastian bahwa

persamaan regresi yang didapatkan memiliki ketepatan dalam estimasi, konsisten

dan tidak bias.

1. Uji Linearitas (dikit lagi)

Uji linearitas dilakukan guna mengetahui apakah variabel bebas tersebut

linear tidak terhadap variabel terikat. Uji linearitas dalam penelitian ini

menggunakan uji Ramsey Reset Test.

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

diharapkan adalah data berdistribusi normal. Untuk melihat apakah data

terdistribusi normal dapat dilihat dari hasil yang tertera pada Jarque Bera dalam

tabel.
 Gambar 5.1

Hasil Uji Normalitas

Dari hasil uji diatas dapat dilihat bahwa nilai probabilitas Jarque Bera

sebesar 0.686874 > 0,05 maka Ho diterima artinya residual data penelitian

terdistribusi secara normal.

3. Uji Heteroskedastisitas

Uji heteroskedastisitas digunakan untuk mengetahui ada atau tidaknya

penyimpangan asumsi klasik. Heteroskedastisitas adalah adanya

ketidaksamaan varian dari residual untuk semua pengamatan pada model

regresi. Hasil yang diharapkan dari uji ini yaitu tidak terjadinya

heteroskedastisitas atau terjadinya homoskedastisitas. Homoskedastisitas

adalah model regresi yang baik. Dalam penelitian ini metode untuk menguji

heteroskedastisitas yang digunakan adalah Breusch Pagan Godfrey. Untuk

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

Hasil Uji Heteroskedastisitas

Heteroskedasticity Test: White

F-statistic 25.87218    Prob. F(9,5) 0.0011

Obs*R-squared 14.68467    Prob. Chi-Square(9) 0.1000
Scaled explained SS 8.234048    Prob. Chi-Square(9) 0.5107

Dari tabel tersebut terlihat bahwa nilai Prob Chi-Square sebesar 0,1000 >

0,05 disini berarti tidak terjadi masalah heteroskedastisitas.

4. Uji Autokorelasi

Uji autokorelasi bertujuan untuk mengetahui apakah ada terjadi korelasi

antara anggota serangkaian data observasi yang diuraikan menurut waktu (time

series) atau ruang (cross section). Autokorelasi merupakan sebuah keadaan

ketika variabel bebas di periode tertentu berkorelasi dengan variabel bebas di

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

Hasil Uji Autokorelasi

Breusch-Godfrey Serial Correlation LM Test:

F-statistic 0.297690    Prob. F(2,9) 0.7496

Obs*R-squared 0.930728    Prob. Chi-Square(2) 0.6279
 Dari tabel hasil uji autokorelasi di atas dapat dilihat pada bagian Prob Chi-

Square yang bernilai 0,6279 > 0,05. Dengan demikian dikatakan data Ho

diterima dan disimpulkan bahwa tidak terjadi gejala autokorelasi di dalam

model penelitian ini.

5. Uji Multikolinearitas

Uji multikolinearitas adalah hubungan linear yang sempurna antara

beberapa atau semua variabel bebas. Tujuan dari pengujian ini untuk

mengetahui apakah dalam model regresi terdapat korelasi antar variabel. Untuk

hasil yang diharapkan yaitu tidak terjadi multikolinearitas. Hasil uji

multikolinearitas dari penelitian ini yaitu:

Gambar 5.4

Hasil Uji Multikolinearitas

Variance Inflation Factors

Date: 05/25/22 Time: 11:04
Sample: 2006 2020
Included observations: 15

Coefficient Uncentered Centered

Variable Variance VIF VIF

C  10.56914  67.53090  NA

INFLASI  0.063734  13.35276  2.807816
PENGGURAN  0.014127  196.3197  4.655497
TO  0.148210  47.13647  2.198795

Dari tabel di atas terlihat bahwa hasil nilai centred VIF seluruh variabel

bebas yaitu nilai inflasi, jumlah pengangguran dan keterbukaan perdagangan

bernilai kecil dari 10, maka dapat dinyatakan bahwa tidak terdapat masalah

multikolinearitas.
Tinggal uji linearitas,uji t,uji f