LAPORAN

Analisis Regresi Linear Berganda

“Pengaruh Kurs Terhadap Investasi,Inflasi Dan Suku Bunga”

Makalah ini dibuat untuk memenuhi tugas mata kuliah ekonometrika

Dosen Pengampu : Hanna Hilyati Aulia,M.Si

Disusun Oleh :

WULAN INDRIANA SARI

NPM. 2103012043

ESY D

JURUSAN EKONOMI SYARIAH

FAKULTAS EKONOMI DAN BISNIS ISLAM

INSTITUT AGAMA ISLAM NEGERI METRO

T.A 2022/2023
 KATA PENGANTAR

Syukur alhamdulillah kami panjatkan atas kehadirat Allah SWT yang telah melimpahkan
rahmat dan karunianya, sehingga kami dapat menyelesaikan penelitian ini guna memenuhi
tugas untuk mata kuliah ekonometrika dengan permasalahan yang di angkat tentang analisis “
pengaruh Investasi,Inflasi Dan Suku BungaTerhadap kurs”

Tidak lupa kami ucapkan terimakasih kepada ibu Hanna Hilyati Aulia selaku dosen
pengampu mata kuliah ekonometrika. Kami juga mengucapkan banyak terimakasih kepada
teman-teman yang telah membantu mengumpulkan data-data dalam laporan ini.

Kami menyadari bahwa dalam pembuatan laporan ini masih jauh dari kata sempurna di
karenakan terbatasnya pengalaman dan pengetahuan yang kami miliki. Oleh karena itu, kami
mengharapkan segala bentuk saran dan kritik yang membangun dari teman-teman. Dan yang
terakhir kami berharap semoga laporan ini dapat memberikan manfaat bagi kita semua.

Metro, 14 Oktober 2022

Penulis
 A. Pendahuluan

Latar Belakang

Lingkungan ekonomi makro merupakan lingkungan yang mempengaruhi operasi

perusahaan sehari-hari. Kemampuan pemilik modal (investor) dalam memahami dan
meramalkankondisi ekonomi makro di masa datang akan sangat berguna dalam pembuatan
keputusan penanam modal (investasi) yang menguntungkan untuk itu, seorang pemilik modal
harusmempertimbangkan beberapa indikator ekonomi makro yang dapat membantu dalam
membuat keputusan untuk menginvestasikan modalnya. Indikator ekonomi makro yang
seringkali dihubungkan dengan pasar modal adalah fluktuasi tingkat bunga, inflasi, kurs (nilai
tukar), serta Menggunakan Analisis Regresi”. Tujuan daripenelitian ini adalah Untuk
mengetahui pengaruh tingkat suku bunga, inflasi dan kurs.

Rumusan Masalah

1. Bagaimana subtitusi data pada interpretasi uji asumsi klasik?

2. Bagaimana subtitusi data pada interpretasi persamaan regresi?
3. Bagaimana subtitusi data pada uji spesifikasi model ( uji F )?
4. Bagaimana subtitusi data pada uji persial ( uji T )?

TujuanMasalah
1.1 Mengetahui dan memahami hasildari uji asumsi klasik terhadap beberapa
variabel

2.1 Mengetahui dan memahami uji persamaan regresi linier berganda terhadap
beberapa variabel
3.1 Mengetahui dan memahami uji f terhadap beberapa variabel
4.1 Mengetahui dan memahami uji t terhadap beberapa variabel
 Teori

Analisis regresi merupakan suatu metode atau teknik analisis hipotesis penelitian untuk
menguji ada tidaknya pengaruh antara variabel satu dengan variabel lain yang dinyatakan dalam
bentuk persamaan matematik (regresi). Analisis regresi linear multiples atau berganda berfungsi
untuk mencari pengaruh dari dua atau lebih variabel independent (variabel bebas atau X)
terhadap variabel dependent (variabel terikat atau Y).

Dengan demikian, secara sederhana dapat dikatakan bahwa, apabila kita ingin
mengetahui ada tidaknya pengaruh satu variabel X terhadap variabel Y maka digunakan analisis
regresi sederhana. Sementara apabila kita ingin mengetahui pengaruh dua variabel X atau lebih
terhadap variabel Y maka digunakan analisis regresi linear ganda (multiples).

Namun sebelum melakukan analisis regresi multiples atau regresi linear berganda untuk
uji hipotesis penelitian, maka ada beberapa asumsi atau persyaratan yang harus terpenuhi dalam
model regresi. Persyaratan atau asumsi ini dibuktikan melalui serangkaian uji asumsi klasik
mencakup:
1. Uji normalitas, dimana asumsi yang harus terpenuhi adalah model regresi berdistribusi
normal.
2. Uji linearitas, dimana hubungan yang terbentuk antara variabel independent dengan
variabel dependent secara parsial adalah linear.
3. Uji multikolinearitas, dimana model regresi yang baik adalah tidak terjadi gejala
multikolinearitas.
4. Uji heteroskedastisitas, dalam model regresi tidak terjadi gejala heteroskedastisitas.
5. Uji autokorelasi (khusus untuk data time series), persyaratan yang harus terpenuhi adalah
tidak terjadi autokorelasi.

Metode
1. Uji normalitas(Kolmogorov Smirnov)
a. Buka program SPSS, klik Variable View. Selanjutnya, pada bagian Name
dan label tulis saja nama variabel dari x dan y, pada Decimals ubah semua
menjadi angka 0. Abaikan yang lainnya yang ada di layar.
 b. Setelah itu, klik Data View, lalu masukkan angka dari variabel x dan y
yang sudah dipersiapkan.
c. Setelah data di masukan, maka dalam uji ini kita akan memunculkan nilai
unstandardized residual ( RES_1) terlebih dahulu dengan cara klik menu
Analyze, kemudian klik regression lalu pilih linear
d. Muncul kotak dialog dengan nama "Linear Regression", selanjutnya
masukkan variabel Y ke Dependent: lalu masukkan variabel X ke kotak
Independent(s), kemudian klik Save
e. Maka mucul lagi kotak dialog dengan nama "Linear Regression: Save",
pada bagian "Residuals", centang (v) Unstandardized (abaikan kolom dan
pilihan yang lain). Selanjutnya, klik Continue lalu klik Ok
f. Abaikan saja output yang muncul dari program SPSS. Perhatikan pada
tampilan Data View yang terdapat pada lembar awal spss, maka akan
muncul variabel baru dengan nama RES_1 di kolom.
g. Langkah selanjutnya untuk melakukan uji normalitas kolmogorov-
smirnov, pilih menu Analyze, lalu pilih Nonparametric Tests, klik Legacy
Dialogs,kemudian pilih submenu 1-Sample K-S...
h. Muncul kotak dialog lagi dengan nama "One Sample Kolmogorov-
Smirnov Test". Selanjutnya, masukkan variabel Unstandardized Residuals
ke kotak Test Variable List: pada "Test Distribution" lalu aktifkan atau
centang (v)pilihan Normal yang berada di sebelah bawah kiri tabel
i. Langkah terkahir yakni klik Ok untuk mengakhiri perintah. Selanjutnya,
lihat tampilan tabel output yang muncul di SPSS "One-Sample
Kolmogorov Smirnov Test", maka tinggal di interpretasikan supaya
maknanya lebih jelas lagi.

2. Uji linearitas
a. Buka program SPSS, klik Variable View. Selanjutnya, pada bagian Name
dan label tulis saja nama variabel dari x dan y, pada Decimals ubah semua
menjadi angka 0. Abaikan yang lainnya yang ada di layar.
 b. Setelah itu, klik Data View, lalu masukkan angka dari variabel x dan y
yang sudah dipersiapkan.
c. Selanjutnya, dari menu utama spss pilih Analyze lalu klik Compare Means
dan pilih Means
d. Muncul kotak dengan nama "Means". Kemudian,masukkan variabel X ke
kotak Independent List: dan variabel Y ke kotak Dependent List:
e. Selanjutnya, klik Options, pada bagian “Statistics for First Layer” pilih
Test of Linearityyang berada di bawah sebelah kiri kemudianklik Continue
f. Lalu klik ok dan akan muncul output spss cukup lihat pada bagian Anova
Table

Catatan: uji ini dilakukan untuk semua variabel bebas (x) terhadap
variabel tak bebas (y)
3. Uji multikolinearitas
a. Buka program SPSS, klik Variable View. Selanjutnya, pada bagian Name
dan label tulis saja nama variabel dari x dan y, pada Decimals ubah semua
menjadi angka 0. Abaikan yang lainnya yang ada di layar.
b. Setelah itu, klik Data View, lalu masukkan angka dari variabel x dan y
yang sudah dipersiapkan.
c. Selanjutnya pada menu spss pilih menu Analyzekemudian klik
Regression,lalu pilih Linear
d. Muncul kotak baru dengan nama "Linear Regression", selanjutnya
masukkan variabel X1,X2dan X3 pada kotak Independent(s): lalu
masukkan variabel Y pada kotak dependent, kemudia pada bagian
"Method" pilih Enter, lalu klik Statistics...
e. Dilayar akan muncul tampilan dialog "LinearRegression: Statistics".
Aktifkan pilihan dengan caramecentang (v) pada Covariance matrix,
Collinierity Diagnostics, Estimates dan Model fit. Abaikan pilihan lain
atau biarkan tetap defauld kemudian klik Continue
f. Terakhir klik oke lalu muncul output spss dengan judul Regression. Cukup
lihat tabel output Coefficients
4. Uji heteroskedasitas ( Glejser )
a. Buka program SPSS, klik Variable View. Selanjutnya, pada bagian Name
dan label tulis saja nama variabel dari x dan y, pada Decimals ubah semua
menjadi angka 0. Abaikan yang lainnya yang ada di layar.
b. Setelah itu, klik Data View, lalu masukkan angka dari variabel x dan y
yang sudah dipersiapkan.
c. Setelah data di masukan, maka dalam uji ini kita akan memunculkan nilai
unstandardized residual ( RES_1) terlebih dahulu dengan cara klik menu
Analyze, kemudian klik regression lalu pilih linear
d. Muncul kotak dialog dengan nama "Linear Regression", selanjutnya
masukkan variabel Y ke Dependent: lalu masukkan variabel X ke kotak
Independent(s), kemudian klik Save
e. Maka mucul lagi kotak dialog dengan nama "Linear Regression: Save",
pada bagian "Residuals", centang (v) Unstandardized (abaikan kolom dan
pilihan yang lain). Selanjutnya, klik Continue lalu klik Ok
f. Abaikan saja output yang muncul dari program SPSS. Perhatikan pada
tampilan Data View yang terdapat pada lembar awal spss, maka akan
muncul variabel baru dengan nama RES_1 di kolom.
g. Kemudian kita akan membuat variabel Abs_RES yang akan kita gunakan
dalam uji glejser ini. Caranya, dari menu utama SPSS pilih Transform,
lalu klik Compute Variable....
h. Maka muncul dialog "Compute Variable" selanjutnya pada kotak "Target
Variable" tuliskan Abs_RES lalu pada kotak "NumericExpression"
ketikkan ABS(RES_1).
i. Kemudian klik ok dan abaikan saja output yang muncul lihat saja pada
bagian data view maka muncul variabel baru dengan nama Abs_RES.
j. Selanjuntya kita akan melakukan uji glejser untuk persamaan regresi X1,
X2 dan X3 terhadap variabel Absolute residual atau Abs_RES. Caranya
dari menu utama SPSS pilih Analyze, kemudian pilih Regression, laluklik
Linear...
 k. Muncul kotak dialog dengan nama 'LinearRegression", selanjutnya
keluarkan variabel Y yang terdapat pada kolom Dependent: lalu ganti
dengan variabel Abs_RES, kemudian klik Save..
l. Mucul kotak dengan nama “Linear Regression: Save”, selanjutnya pada
bagian "Residuals",hilangkan tanda centang (v) pada Unstandardized
(abaikan pilihan yang lain), laluklik Continue...
m. Lalu klik Oke

5. Uji autokorelasi ( Durbin Watson )

a. Buka program SPSS, klik Variable View. Selanjutnya, pada bagian Name
dan label tulis saja nama variabel dari x dan y, pada Decimals ubah semua
menjadi angka 0. Abaikan yang lainnya yang ada di layar.
b. Setelah itu, klik Data View, lalu masukkan angka dari variabel x dan y
yang sudah dipersiapkan.
c. Selanjutnya pada menu spss pilih menu Analyzekemudian klik
Regression, lalu pilih Linear.
d. Muncul kotak baru dengan nama "Linear Regression", selanjutnya
masukkan variabel X1,X2dan X3 pada kotak Independent(s): lalu
masukkan variabel Y pada kotak dependent, lalu klik Statistics...
e. Muncul kotak dengan nama “ Linear Regression: statistic” pada bagian ini
cetang (v) pada Durbin-Watson, Estimates, dan Model fit. Kemudian
Continue
f. Langkah terakhir klik Oke. Maka akan muncul output spss, dalam hal ini
yang perlu kita perhatikan adalah tabel dengan judul “Model Summary”

6. Uji regresi berganda

a. Buka program SPSS, klik Variable View. Selanjutnya, pada bagian Name
dan label tulis saja nama variabel dari x dan y, pada Decimals ubah semua
menjadi angka 0. Abaikan yang lainnya yang ada di layar.
b. Setelah itu, klik Data View, lalu masukkan angka dari variabel x dan y
yang sudah dipersiapkan.
 c. Selanjutnya dari menu SPSS, pilih Analyze – Regression – Linear
d. Muncul kotak dialog dengan nama "Linear Regression", masukkan
variabel X1, X2 dan X3 ke kotak Independent(s), masukkan variabel Y
pada kotak Dependent, pada bagian Method pilih Enter, selanjutnya
klikStatistics.
e. Pada bagian "Linear Regression: Statistics", berikan tanda centang pada
Estimates dan Model fit kemudian klik Continue
f. Langkah terakhir klik Oke maka akan muncul output SPSS

Pembahasan

Interpretasi Hasil Analisis Regresi Dengan SPSS

A. Interpretasi Uji Asumsi Klasik

1) Uji normalitas( Kolmogorov Smirnov)

Normalitas data perlu/penting dilakukan karena jika data yang digunakan tidak berdistribusi
normal, maka model regresi linear tidak dapat digunakan. Jadi harus NORMAL.

Uji normalitas bertujuan untuk menguji apakah data yang digunakan dalam penelitian
berdistribusi normal atau tidak. Metode pengujian normalitas dengan kolmogorov smirnov
dilakukan dengan cara membandingkan distribusi data (yang akan di uji normalitasnya) dengan
distribusi normal. Pada praktikum ini, uji normalitas kolmogorov smirnov dilakukan dengan
bantuan program SPSS. Kriteria pengujian uji normalitas: Jika nilai Asymp.sig lebih besar dari
0,05 maka data penelitian berdistribusi normal, Sebaliknya Jika nilai Asymp.sig lebih kecil dari
0,05 maka data penelitian berdistribusi tidak normal
 One-Sample Kolmogorov-Smirnov Test

Unstandardized
Residual

N 20

Normal Parametersa,b Mean .0000000

Std. Deviation 1.22700406

Most Extreme Differences Absolute .154

Positive .099

Negative -.154

Test Statistic .154

Asymp. Sig. (2-tailed) .200c,d

a. Test distribution is Normal.

b. Calculated from data.

c. Lilliefors Significance Correction.

d. This is a lower bound of the true significance.

Berdasarkan uji normalitas kolmogorov smirnov dengan program SPSS, diketahui bahwa
nilai signifikansi Asymp.Sig. (2-tailed) sebesar 0,2 , lebih besar dari 0,05. Dengan demikian,
dapat disimpulkan bahwa data berdistribusi (normal). Artinya, persyaratan normalitas dalam
model sudah terpenuhi.

2) Uji linieritas(x1 thd Y, x2 thd Y, dst)

Linieritas variabel perlu/penting untuk dipastikan agar pola hubungan kedua variabel
independen dan dependen akan membentuk satu garis lurus. Beberapa pendapat muncul terkait
perlu tidaknya kita menguji asumsi linearitas ini terlebih dahulu sebelum melakukan uji
hipotesis. Pendapat ini wajar saja, karena memang uji hipotesis, dengan korelasi pearson
misalnya, mendasarkan hubungannya harus linear, jadi ketika hasil korelasi signifikan, sudah
dipastikan asumsi linearitas juga terpenuhi. Jadi menguji asumsi linearitas di awal adalah sesuatu
yang mubazir.
 Uji linieritas bertujuan untuk mengetahui apakah dua variable atau lebih yang di uji
hubungan yang linier atau tidak secara signifikan, uji ini biasanya digunakan sebagai persyarat
dalam analisis korelasi atau regresi linier.

Metode pengujian linieritas dilakukan dengan cara scatter plot graph dan fungsi compare
means. Pada menu, klik Analyze, Compare Means, Means. Isikan Y kekotak Dependent List dan
Isikan X kekotak Independen List. Klik Options dan centang Test of Linearity.

Pada praktikum ini, uji linieritas dilakukan dengan bantuan program SPSS dengan uji mean.
Kriteria pengujian uji linieritas: Jika nilai Deviation from linearity sig. >0,05, maka ada hubungan
yang linier secara signifikan antara variable independent dengan variabel dependent, jika nilai
deviation from linearity sig < 0,05 maka tidak ada hubungan yang linier secara signifikan antara
variable independent dengan variable dependent.

Untuk variabel (X1) Investasi

ANOVA Table

Sum of Mean
Squares df Square F Sig.

Kurs * Between (Combined) 31.250 16 1.953 1.302 .471

Investasi Groups
Linearity .240 1 .240 .160 .716

Deviation from 31.010 15 2.067 1.378 .448

Linearity

Within Groups 4.500 3 1.500

Total 35.750 19

Berdasarkan uji linieritas dengan program SPSS, diketahui bahwa nilai deviation from
linearity Sig adalah 0,448 lebih besar dari 0,05 maka kedua variabel terdapat hubungan linier.
Maka dapat disimpulkan bahwa ada hubungan linear secara signifkan antara variabel
investasi(X1) dengan variabel Nilai kurs (y).
Untuk variabel (X2) Inflasi

ANOVA Table

Sum of Mean
Squares df Square F Sig.

Kurs * Between (Combined) 35.250 15 2.350 18.800 .006

Inflasi Groups
Linearity 1.672 1 1.672 13.373 .022

Deviation from 33.578 14 2.398 19.188 .006

Linearity

Within Groups .500 4 .125

Total 35.750 19

Berdasarkan uji linieritas dengan program SPSS, diketahui bahwa nilai deviation from
linearity Sig adalah 0,006 Lebih kecil dari 0,05. Maka kedua variabel tidak terdapat hubungan
linier. Sebaliknya, tidak linier. Maka dapat disimpulkan bahwa tidak ada hubungan linear secara
signifkan antara variabel inflasi (X2) dengan variabel kurs(Y).

Untuk variabel (X3) Suku Bunga

ANOVA Table

Sum of Mean
Squares df Square F Sig.

Kurs * Between (Combined) 24.583 12 2.049 1.284 .383

Sukubunga Groups
Linearity 7.122 1 7.122 4.465 .072

Deviation from 17.461 11 1.587 .995 .523

Linearity

Within Groups 11.167 7 1.595

Total 35.750 19
Berdasarkan uji linieritas dengan program SPSS, diketahui bahwa nilai deviation from linearity
Sig adalah 0,523 Lebih besar dari 0,05. Maka kedua variabel terdapat hubungan linier.
Sebaliknya, tidak linier. Maka dapat disimpulkan bahwa ada hubungan linear secara signifkan
antara variabel SukuBunga (X3) dengan variabel kurs (Y).

Dapat disimpulkan bahwa 2 variabel dari uji linieritas diatas telah memenuhi syarat
linieritas, sedangkan satu variabelnya tidak memenuhi syarat linieritas.

3) Uji Multikolinieritas

Multikolinieritas adalah bagian dari uji asumsi klasik (normalitas dan heteroskedastisitas)
dalam analisis regresi linear berganda. Tujuan digunakannya uji multikolinearitas dalam
penelitian adalah untuk menguji apakah model regresi ditemukan adanya korelasi (hubungan
kuat) antar variabel bebas atau variabel independent. Model regresi yang baik seharusnya tidak
terjadi korelasi diantara variabel bebas atau tidak terjadi gejala multikolinearitas.

Uji multikolinieritas bertujuan Untuk mendeteksi ada tidaknya gejala multikolinearitas

dalam model regresi, maka dapat dilakukan dengan beberapa cara, yaitu:
1. Melihat nilai korelasi antar variabel independent.
2. Melihat nilai condition index dan eigenvalue.
3. Melihat nilai tolerance dan variance inflating factor (VIF)

Metode pengujian multikolinieritas dapat dilakukan dengan melihat nilai toleransi dan nilai
Variance Inflation Factor (VIF). Hipotesis yang dilakukan dalam uji multikolinearitas adalah

H0 : VIF <10 artinya tidak terdapat Multikolinearitas.

Ha : VIF > 10 artinya terdapat Multikolinearitas

Pada praktikum ini, uji multikolinieritas dilakukan dengan bantuan program SPSS dengan
Tolerance and VIF.

Kriteria pengujian uji multikolinieritas: Jika nilaiVIF < 10 atau nilai Tolerance > 0,01, maka
dinyatakan tidak terjadi multikolinearitas. Jika nilai VIF > 10 atau nilai Tolerance < 0,01, maka
dinyatakan terjadi multikolinearitas maka tidak terjadi multikolinieritas.
 Coefficientsa

Unstandardized Standardized
Coefficients Coefficients Collinearity Statistics

Model B Std. Error Beta t Sig. Tolerance VIF

1 (Constant) 2.183 1.238 1.764 .097

Investasi .000 .003 .025 .107 .916 .925 1.081

Inflasi .002 .033 .012 .048 .962 .762 1.312

Sukubunga .036 .021 .446 1.744 .100 .764 1.310

a. Dependent Variable: Kurs

Berdasarkan uji multikolinieritas dengan program SPSS, diketahui bahwa nilai tingkat suku
bunga VIF: 1.310< 10 atau nilai Tolerance: 0.764> 0.01.

Kemudian untuk nilai investasi dengan nilai VIF: 1.081< 10 atau nilai Tolerance: 0.925>
0.01.

Kemudian untuk nilai inflasi dengan nilai VIF: 1.312< 10 atau nilai Tolerance: 0.762> 0.01.

Kemudian untuk nilai sukubunga dengan nilai VIF: 1.310< 10 atau nilai Tolerance: 0.764>
0.01.

Sehingga dapat disimpulkan bahwa ketiga variabel menunjukan bahwa tidak terjadi
multikolinieritas. Artinya, persyaratan tidak ada multikolinieritas dalam model sudah
terpenuhi.

4) Uji Heteroskedastisitas

Heteroskedastisitas yaitu keadaan dimana terjadinya ketidaksamaan varian dari error

untuk semua pengamatan setiap variabel bebas pada model regresi.

Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi
ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Dalam
 pengamatan ini untuk mendeteksi keberadaan heteroskedastisitas dapat dilakukan dengan
cara uji Harvey.

Pengujian heteroskedastisitas dapat dilakukan dengan menggunakan :Grafik Scatterplot atau

dari nilai prediksi variabe lterikat yaitu SRESID dengan residual error yaitu ZPRED.

Pada praktikum ini, uji Heteroskedastisitas dilakukan dengan bantuan program SPSS dengan
uji Glejser.

Kriteria pengujian uji Heteroskedastisitas: Jika nilai hasil signifikansi lebih besar dari 0,05,
maka tidak terjadi Heteroskedastisitas. Sebaliknya, Jika nilai hasil signifikansi lebih kecil
dari 0,05 , maka terjadi Heteroskedastisitas.

Coefficientsa

Unstandardized Standardized
Coefficients Coefficients Collinearity Statistics

Model B Std. Error Beta T Sig. Tolerance VIF

1 (Constant) 1.334 .676 1.973 .066

Investasi -.001 .002 -.144 -.578 .571 .925 1.081

Inflasi -.017 .018 -.261 -.952 .355 .762 1.312

Sukubunga .010 .011 .233 .851 .407 .764 1.310

a. Dependent Variable: Abs_RES

Berdasarkan uji Heteroskedastisitas dengan program SPSS, diketahui bahwa nilai

signifikansi (Sig.) untuk variabel X1 adalah 0.571, nilai signifikansi (Sig.) variabel X2 adalah
0.335, dan nilai signifikansi (Sig.) varibael X3 adalah 0.407. karena nilai signifikansi dari ketiga
variabel lebih besar dari 0.05 maka sesuai dengan dasar pengambilan keputusan uji Glejser,
dapat disimpulkan bahwa tidak terjadi gejala Heteroskedastisitas.
 5) Uji Auto korelasi (dengan Durbin-Waston)

Auto korelasi adalah sebuah teks yang di gunakan untuk mendeteksi terjadinya auto korelasi
pada nilai residual ( prediction errors ) dari sebuah nilai analisis regresi

Uji auto korelasi bertujuan untuk menguji apakah dalam regresi linier ada korelasi antar
kesalahan pengganggu (residual) pada periode t dengan kesalahan pada periode t-1(sebelumnya)

Metode pengujian auto korelasi dapat di lakukan durbin-watson

Pada praktikum ini, uji auto korelasi dilakukan dengan bantuan program SPSS dengan uji
durbin-waston.

Kriteria pengujian uji auto korelasi : Jika nilai 0

Metode pengujian yangsering di gunakan dalam penelitian skripsi kuantitatif adalah dengan
uji durbin waston(uji DW) dengan ketentuan atau dasar pengambilan keputusan sebagai berikut:
a) Jika d (durbin waston) lebih kecil dari Dl atau lebih besar dari (4-dl) maka hipotesis nol
di tolak, yang berarti terdapat auto korelasi.
b) jika d (durbin waston) terletak antara dudan (4 –du), maka hipotesis nol di terima, yang
berarti tidak ada korelasi
c) jika d (durbin watson) terletak antara dl dan du atau di antara (4-du) dan (4-dl), maka
tidak menghasilkan kesimpulan yang pasti

Model Summaryb

Adjusted R Std. Error of the

Model R R Square Square Estimate Durbin-Watson

1 .447a .200 .050 1.337 1.188

a. Predictors: (Constant), Sukubunga, Investasi, Inflasi

b. Dependent Variable: Kurs

Berdasarkan hasil output SPSS diperoleh nilai DB= 1.188. kemudian, akan ditentukan
nilai DB tabel. Berikut tabel DB
Nilai Durbin Wastonuntuk n=20 danvariabelbebassebanyak 3 dengantabel Durbin Waston,
diperoleh

dL=0.997 dan dU=1.676. diketahui 4-dU = 2.324 dan 4-dL=3.003.

Kesimpulanya jika dU= 1.676 < dari d=1.188< dari 4-dU=1.676 artinya tidak ada
kesimpulan untuk hipotesis nol.
 B. Interpretasi Persamaan Regresi

Coefficientsa

Standardized
Unstandardized Coefficients Coefficients

Model B Std. Error Beta t Sig.

1 (Constant) 2.183 1.238 1.764 .097

Investasi .000 .003 .025 .107 .916

Inflasi .002 .033 .012 .048 .962

Suku bunga .036 .021 .446 1.744 .100

a. Dependent Variable: Kurs

Berdasarkan output regresi linier dengan program SPSS diperoleh hasil sebagai berikut:

PersamaanRegresi: 𝑌̂ = 2.183 + 0.000 – 0.002 – 0,36

Nilai Koefisien Interpretasi

β0 = 2.183 Apabila kurs,investasi dan inflasi sebesar 0, maka suku bunga
akan sebesar 2.183
β1= 0.000 Dengan asumsi investasi dan inflasi bernilai tetap( tidak berubah
ubah) maka apabila kurs ditambah 1 orang akan meningkat suku
bunga sebesar 0.000
β2 = -0.002 Dengan asumsi kurs dan inflasi bernilai tetap( tidak berubah ubah)
maka apabila investasi dinaikan 1 akan mengurangi suku bunga
sebesar 0,002
β3 = -0.36 Dengan asumsi kurs dan investasi bernilai tetap ( tidak berubah
ubah) maka apabila inflasi dinaikan 1 satuan dapat mengurangi
suku bunga sebesar 0,36.
 Model Summary

Adjusted R Std. Error of the

Model R R Square Square Estimate

1 .447a .200 .050 1.337

a. Predictors: (Constant), Suku bunga, Investasi, Inflasi

Koefisien Determinasi: 0.200 ( 20.0% ) artinya bahwa kemampuan variabel independen dalam

penelitian ini mempengaruhi variabel sebesar 20.0%, sedangkan sisanya sebesar 80% (1-0,200)

di jelaskan oleh variabel lain selain variabel independen dalam penelitian.

Koefisien Korelasi: 0.44 artinya bahwa variabel independent dan variabel dependent memiliki

hubungan yang kuat dan searah. Dimana jika variabel independent tinggi maka variabel

dependent akan ikut tinggi pula.

Tabel Ringkasan Analisis Regresi Berganda

Variabel Koefisien Regresi thitung Sig

Constant 2.183
X1 0.000 0.107 0.916
X2 0.002 0.048 0.962
X3 -0.036 1.744 0.100

Fhitung = 1.332 0.299

R Square = 0.200
 C. Uji Spesifikasi Model (Uji F)

ANOVAa

Model Sum of Squares Df Mean Square F Sig.

1 Regression 7.145 3 2.382 1.332 .299b

Residual 28.605 16 1.788

Total 35.750 19

a. Dependent Variable: Kurs

b. Predictors: (Constant), Suku bunga, Investasi, Inflasi

a) Menentukan Hipotesis

a) H0 :  = 0; variabel X1, X2 dan X3 berpengaruh secara signifikan terhadap Y

b) H1 :   0; variabel X1, X2 dan X3 tidak berpengaruh secara signifikan terhadap Y

b) Menentukan tingkat signifikansi (  ) Tingkat signifikansi,  yang sering digunakan adalah

 = 5% ( = 0,05)

c) Menentukan daerah penolakan H0 (daerah kritis) Bentuk pengujian dua arah, sehingga

menggunakan uji-t dua arah :dengan p-value (signifikansi)

 Jika p-value>0,05 maka H0 akan diterima H1 ditolak.

 Jika p-value<0,05 maka H0 akan ditolak H1 diterima.

d) Menghitung nilai p-value dari program SPSS P-value (signifikansi) = 1.332

e) Kriteria Pengujian Karena nilai p-value= 1.332 lebih dari 0,05=, maka H0 di terima.

f) Kesimpulan hasil uji signifikansi. Variabel X1, X2 dan X3 berpengaruh signifikan nyata

terhadap Y
 D. Uji parsial (uji T)
Coefficientsa

Standardized
Unstandardized Coefficients Coefficients

Model B Std. Error Beta t Sig.

1 (Constant) 2.183 1.238 1.764 .097

Investasi .000 .003 .025 .107 .916

Inflasi .002 .033 .012 .048 .962

Suku bunga .036 .021 .446 1.744 .100

a. Dependent Variable: Kurs

a. Menentukan Hipotesis
a. H1 : Variabel X1 memiliki pengaruh terhadap Y
b. H2 : Variabel X2 memiliki pengaruh terhadap Y
c. H3 : Variabel X3 memiliki pengaruh terhadap Y

b. Menentukan tingkat signifikansi ( α )

Tingkat signifikansi,α yang sering digunakan adalah α = 5% (α = 0.05)

c. Menentukan daerah penolakan H0 (daerah kritis) Bentuk pengujian dua arah, sehingga
menggunakan uji-t dua arah :
Dengan p-value (signifikansi)
a. Jika p-value<0,05 berarti H0 bernilai benar (sama untuk H1)
b. Jika p-value>0,05 maka H0 bernilai salah (sama untuk H1)

d. Menghitung nilai p-value dari program SPSS

P-value(signifikansi)= 0,097

e. Kriteria Pengujian
a. Jika nilai signifikansi (Sig). < probabilitas 0,05 maka ada pengaruh
variabel bebas (x) terhadap variabel terikat (y) atau hipotesisi di terima
b. Jika nilai signifikansi (Sig). > probabilitas 0,05 maka tidak ada pengaruh
variabel bebas (x) terhadap variabel terikat (y) atau hipotesis di tolak
6. Kesimpulan Hasil Uji Signifikansi.

a. Karena nilai p-value (signifikansi) untuk X1= 0.916 lebih besar dari 0,05= α, maka X1
tidak ada pengaruh terhadap Y

b. Karena nilai p-value (signifikansi) untuk X2= 0.962 lebih besar dari 0,05= α, maka X2
tidak ada pengaruh terhadap Y

c. Karena nilai p-value (signifikansi) untuk X3= 0.100 lebih besar dari 0,05= α, maka suku
bunga tidak ada pengaruh terhadap kurs.