Regresi Linier Berganda

Variables Entered/Removeda
Model Variables Variables Method
Entered Removed
Kurs, IHSG, . Enter
1 Emas, Inflasi,
Uangb
a. Dependent Variable: BI
b. All requested variables entered.

Model Summary
Model R R Square Adjusted R Std. Error of
Square the Estimate
1 .826a .682 .629 .34672
a. Predictors: (Constant), Kurs, IHSG, Emas, Inflasi, Uang

ANOVAa
Model Sum of df Mean Square F Sig.
Squares
Regression 7.746 5 1.549 12.887 .000b
1 Residual 3.606 30 .120
Total 11.352 35
a. Dependent Variable: BI
b. Predictors: (Constant), Kurs, IHSG, Emas, Inflasi, Uang

Coefficientsa
Model Unstandardized Standardized t Sig.
Coefficients Coefficients
B Std. Error Beta
1 (Constant) 8.381 2.599 3.225 .003
IHSG .000 .000 -.512 -2.355 .025
Inflasi .279 .086 .712 3.264 .003
Uang -4.327E-008 .000 -.023 -.080 .937
 Emas -.002 .001 -.315 -2.469 .019
Kurs 1.518E-005 .000 .015 .101 .920
a. Dependent Variable: BI

Uang beredar karena nilai t hitung -0.080 < nilai t tabel 1.697261, atau karena nilai sig.
Variabel uang beredar 0,937 > 0.05, maka dapat disimpulkan variabel uang beredar tidak
berpengaruh secara signifikan terhadap BI rate.

Emas, karena nilai t hitung -2.469 < nilai t tabel 1.697261, atau karena nilai sig. Variabel
emas 0.019 < 0.05 dan arah koefisien negatif maka disimpulkan variabel emas memiliki
pengaruh negatif terhadap BI rate.

Kurs, karena nilai t hitung 0.101 < nilai t tabel 1.697261, atau karena nilai sig. Variabel
kurs 0.920 > 0.05, maka dapat disimpulkan variabel kurs tidak berpengaruh secara signifikan
terhadap BI rate.

Uji Normalitas

Descriptive Statistics
N Skewness Kurtosis
Statistic Statistic Std. Statistic Std.
Error Error
Standardized 36 .717 .393 2.723 .768
Residual
Valid N (listwise) 36

Setelah koefisien skewness dan koefisien kurtosis diketahui, selanjutnya melakukan standarisasi
dengan perhitungan sebagai berikut:

S−0 0.717
Zskew = = = 1.756
√6 / N √6 /36
S−0 0.717
Zkurt = = = 0.878
√24 / N √24 / 36
Kesimpulannya, karena nilai standarisasi skewness 1.756 dan nilai standarisasi kurtosis 0.878
lebih besar dari 0.05 maka nilai residual terstandarisasi terdistribusi secara normal.
Analisis:
a. Output Histogram
Berdasarkan tampilan histogram terlihat bahwa kurva dependent dan regression
standardized residual membentuk gambar seperti lonceng. Oleh karena itu berdasarkan
uji normalitas, analisis regresi layak digunakan meskipun terdapat kemiringan.
b. Normal P-P Plot Regression Standardized
Berdasarkn tampilan Normal P-P Plot Regression Standardized terlihat bahwa titik-titik
menyebar di sekitar garis diagonal. Oleh karena itu berdasarkan uji normalitas, analisis
regresi layak di gunkan meskipun terdapat sdikit plot yang menyimpang dari garis
diagonal.
Uji Multikolinieritas

Model Summaryb
Model R R Square Adjusted R Std. Error of
Square the Estimate
1 .826a .682 .629 .34672
a. Predictors: (Constant), Kurs, IHSG, Emas, Inflasi, Uang
b. Dependent Variable: BI

ANOVAa
Model Sum of df Mean Square F Sig.
Squares
Regression 7.746 5 1.549 12.887 .000b
1 Residual 3.606 30 .120
Total 11.352 35
a. Dependent Variable: BI
b. Predictors: (Constant), Kurs, IHSG, Emas, Inflasi, Uang

Coefficientsa
Model Unstandardized Standardize t Sig. Collinearity
Coefficients d Statistics
Coefficient
s
B Std. Error Beta Tolerance VIF
(Constant) 8.381 2.599 3.225 .003
IHSG .000 .000 -.512 -2.355 .025 .224 4.468
Inflasi .279 .086 .712 3.264 .003 .223 4.494
1
Uang -4.327E-008 .000 -.023 -.080 .937 .127 7.887
Emas -.002 .001 -.315 -2.469 .019 .650 1.538
Kurs 1.518E-005 .000 .015 .101 .920 .512 1.953
a. Dependent Variable: BI
Collinearity Diagnosticsa
Mode Dimensi Eigenvalu Condition Variance Proportions
l on e Index (Constant) IHSG Inflasi Uang Emas Kurs
1 5.795 1.000 .00 .00 .00 .00 .00 .00
2 .186 5.576 .00 .00 .22 .00 .00 .00
3 .015 19.730 .00 .07 .12 .06 .00 .01
1
4 .002 50.158 .00 .90 .00 .46 .05 .01
5 .002 62.075 .03 .00 .33 .18 .94 .05
6 .000 140.595 .96 .03 .32 .29 .01 .93
a. Dependent Variable: BI

1. Model summary
a. Analisis R. Square.
R atau multiple R = 0,826
R atau multiple R menunjukan korelasi antara variable bebas dengan variabel terikatnya
adalah sebesar 0,826. Dalam hal ini karena regresi linear berganda dimana variabel
bebasnya ada lima, maka dapat dikatakan bahwa korelasi antara IHSG, Inflasi, Uang
yang beredar, emas, kurs, dengan BI rate sebesar 0,826.
b. R square = 0,682
R square atau koefisien determinasi sebesar 0,682
berarti bahwa variasi BI rate dapat dijelaskan oleh variasi IHSG, Inflasi, Uang yang
beredar, emas, kurs, sebesar 68,2 persen atau variabel IHSG, Inflasi, Uang yang beredar,
emas, kurs, mempengaruhi BI rate sebesar 68,2 persen. Koefisien determinasi sebesar
0,964 merupakan kudrat dari multiple R ( 0,826 x 0,826 = 0,682 ).
c. Adjusted R square = 0,629
Adjusted R square merupakan koefisien determinasi sebesar 0,629 berarti bahwa variasi
BI rate dapat dijelaskan oleh variasi IHSG, Inflasi, Uang yang beredar, emas, kurs
sebesar 62,9 persen atau variabel IHSG, Inflasi, Uang yang beredar, emas, kurs
mempengaruhi BI rate sebesar 62,9 persen. Koefisien adjusted sebesar 0,629
diperoleh dari perhitungan:
P(1−R)
R2Adj = R2-
N −P−1
5(1−0,682)
R2Adj = 0,682 - = 0,629
36−5−1
 d. Analisis Standar Error.
Standar Error pada Model Summarry menunjukkan angka estimasi sebesar 0,34672. Hal
ini menunjukkan bahwa tingkat pengaruh pada masing-masing indikator cukup signifikan
dan saling mempengaruhi satu sama lainnya.
2. Model Anova
a. Berdasarkan output ANOVA terkihat bahwa nilai F statistik sebesar 12.887 dengan
signifikasi besar 0,000. Hal ini menunjukan bahwa uji F menolak hipotesis nol.
b. Pada Mean Square menunjukkan angka regresi sebesar 1.549. hal ini menunjukkan bahwa
setiap indikator memiliki hubungan regresi yang saling meningkat, sebab angka regresi
lebih besar dari angka residu (1,549 > 0,120) dengan angka derajat signifikan sebesar
0.0%. indikator dengan menunjukkan pengaruh hipotesis nol dengan angka statistik. Pada
tabel di atas, pada Uji ANOVA, uji kolenaritas menunjukkan index sebesar 5.576, 19.730,
50.158, 62.075 dan 140.595
3. Coefficients
Dalam tabel coefficients Standar Error pada indikator pendapatan menunjukkan angka 0.823
dan indikator kekayaan sebesar 0.081. Artinya, indikator pendapatan lebih berpengaruh
dibandingkan indikator kekayaan, sebab angka standar error pendapatan lebih besar dari
indikator kekayaan (0.823 > 0.081). Terlihat bahwa nilai T statistik pendapatan sebesar 1,144
dan t statistik kekayaan sebesar -5,26 dengan signifikan pendapatan sebesar 0,290, sementara
tingkat signifikan kekayaan 0,615, hal ini menunjukan bahwa uji t variabel pendapatan dan
variabel. Jika nilai VIF kurang dari 10, atau nilai tolerance lebih dari 0,01 maka dapat
disimpulkan tidak terjadi multikolinieritas. Sedangkan pada tabel cefficients diatas dapat
dilihat bahwa nilai VIF >10, yaitu 482,128 dan nilai tolerance <0,01 yaitu 0,002, maka dapat
disimpulkan bahawa telah terjadi multikolinieritas pada data diatas.
4. Collinearity Diagnostics
Pada tabel collinearity diagnostics sebagai hasil uji regresi linier dapat diperhatikan pada
nilai Eigenvalue dan Condition Index. Jika eigenvalue lebih dari 0,01 atau condition index
kurang dari 30 maka dapat disimpulkan bahwa gejala multikoliniearitas tidak terjadi di dalam
model regresi. Dalam perhitungan SPSS di atas nilai eigenvalue 0,000 < 0,01 dan condition
index 166,245 dimana lebih dari 30. Maka dapat disimpulkan bahwa terjadi gejala
multikolinieritas dalam model regresi. Jadi berdasarkan pengujian data diatas, dapat dilihat
bahwa nilai tolerance yaitu 0,002 dan nilai VIF 482,128, dimana nilai tolerance lebih kecil
dari 0,10, dan nilai VIF lebih besar dari 10,00, dapat disimpulkan bahawa
data diatas terjadi multikoliniearitas.