“ANALISIS REGRESI LINIER BERGANDA”

Untuk Memenuhi Tugas Mata Kuliah Ekonometrika

Diasuh Oleh :
Dr. H. Karim, M.Si.
Taufik Hidayanto, M.Pd.

Oleh :
Asnawati (1610118220003)
Jumiati (1610118220010)
Mizha Nur Zevira (1613021028)

PROGRAM STUDI PENDIDIKAN MATEMATIKA

JURUSAN PENDIDIKAN MATEMATIKA DAN IPA
FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN
UNIVERSITAS LAMBUNG MANGKURAT
OKTOBER 2018
 ANALISIS REGRESI LINIER BERGANDA

Tabel 1.1
Tingkat Inflasi dan Pertumbuhan PDB, PeP, JUB, NTN, dan BBM 1969-2009 (dalam %)
Tahun Inflasi PDB PeP JUB NTN BBM
1969 9,89 6,82 26,92 61,02 0,00 9,12
1970 8,88 7,55 47,61 36,48 15,95 6,27
1971 2,47 7,02 16,38 28,17 9,79 0,00
1972 25,84 7,04 21,41 47,94 0,00 0,00
1973 23,30 8,10 72,95 40,96 0,00 21,07
1974 33,32 7,63 17,46 40,14 0,00 158,93
1975 19,69 4,98 49,07 33,34 0,00 0,00
1976 14,20 6,89 26,86 28,23 0,00 24,55
1977 11,82 8,76 30,61 25,17 0,00 6,83
1978 6,69 6,77 28,00 24,02 50,60 0,00
1979 21,77 7,32 40,41 36,03 0,32 118,86
1980 15,97 9,88 25,57 47,56 -0,04 13,85
1981 7,09 7,93 37,62 29,85 2,75 -5,41
1982 9,69 2,25 12,04 9,79 7,53 -9,37
1983 11,46 4,19 11,74 6,29 43,54 -7,82
1984 8,76 6,98 12,93 13,37 8,05 -13,03
1985 4,31 2,46 21,33 17,75 4,75 7,07
1986 8,83 5,87 9,94 15,57 45,87 -40,96
1987 8,90 4,93 -0,34 8,63 0,55 7,25
1988 5,47 5,78 10,68 13,46 4,91 -5,66
1989 5,97 7,46 25,71 39,76 3,81 29,64
1990 9,53 7,24 12,33 18,42 5,79 29,63
1991 9,52 6,95 20,46 10,59 4,79 -28,61
1992 4,94 6,46 17,74 9,25 3,51 -0,56
1993 9,77 6,50 10,71 27,89 2,33 -25,23
1994 9,24 7,54 4,22 23,28 4,27 18,26
 1995 8,60 8,22 14,74 16,10 4,91 10,96
1996 6,50 7,82 13,25 21,66 3,25 33,35
1997 11,10 4,70 6,58 22,24 95,13 -27,85
1998 77,60 -13,13 26,69 29,17 72,58 -38,43
1999 2,00 0,79 33,47 23,16 -11,71 131,21
2000 9,40 4,92 24,99 30,13 35,43 9,13
2001 12,55 3,64 24,94 9,58 8,39 -32,08
2002 10,03 4,50 16,58 7,99 -14,04 52,20
2003 5,16 4,78 23,81 16,60 -5,31 9,28
2004 6,40 5,03 16,71 13,41 9,75 34,77
2005 17,11 5,69 17,76 11,07 5,81 37,16
2006 6,60 5,50 28,05 28,08 -8,24 4,37
2007 6,59 6,28 14,47 27,63 4,42 47,88
2008 11,06 6,06 26,42 1,20 16,25 -55,28
2009 2,78 4,10 27,96 8,41 -14,16 81,13
Sumber: BPS, BI, IMF, diolah

Diketahui data tingkat inflasi, pertumbuhan PDB, PeP, JUB, NTN, dan BBM di
Indonesia dari tahun 1969-2009 pada tabel diatas.

1. Tentukan persamaan regresi menggunakan SPSS!

2. Jika diketahui pada tahun 2018 pertumbuhan PDB, PeP, JUB, NTN, dan BBM masing-
masing 7%, 50%, 43%, 0,5%, 50%. Berapakah tingkat inflasi pada tahun 2018?
3. Pada tahun 2019 pemerintah memprediksi tingkat inflasi mencapai 5%, dan diketahui
tingkat pertumbuhan PeP, JUB, NTN, dan BBM masing-masing 20%, 2%, 6%, 60%.
Maka berapakah tingkat pertumubuhan PDB yang harus dicapai?

Keterangan:
PDB (Produk Domestik Bruto) nominal, PeP (pengeluaran pemerintah), JUB (Jumlah Uang
Beredar dalam arti sempit, M1), NTN (Nilai Tukar Nominal: kurs Rupiah per USD), dan BBM
(harga minyak internasional).
A. Pernyataan teori atau hipotesis
 Hubungan tingkat inflasi dengan pertumbuhan PDB, pengeluaran pemerintah, jumlah
uang beredar dalam arti sempit, nilai tukar nominal (kurs Rupiah per USD), dan BBM.
 Uji asumsi klasik
- Multikolinieritas menggunakan VIF dan Tolerance.
- Autokorelasi menggunakan Durbin-Watson.
- Heteroskedastisitas menggunakan Scatter Plot ZPRED dan ZRESID.
- Normalitas menggunakan Normal PP-Plot.
 Uji Simultan (Uji F)
Langkah-langkah pengujiannya adalah sebagai berikut :
a. Menentukan Formulasi Hipotesis
H0 : Variabel pertumbuhan PDB (X1), PeP (X2), JUB (X3), NTN (X4), dan BBM
(X5) tidak mempunyai pengaruh yang signifikan secara simultan (bersama)
terhadap variabel tingkat inflasi (Y)
Ha : Variabel pertumbuhan PDB (X1), PeP (X2), JUB (X3), NTN (X4), dan BBM
(X5) mempunyai pengaruh yang signifikan secara simultan (bersama) terhadap
variabel tingkat inflasi (Y)
b. Menentukan derajat kepercayaan 95%
c. Menentukan signifikansi
- Nilai signifikasi (p-value) < 0,05 maka H0 ditolak dan H1 diterima
- Nilai signifikasi (p-value) > 0,05 maka H0 diterima dan H1 ditolak
d. Membuat kesimpulan
- Bila (p-value) < 0,05 maka H0 ditolak dan H1 diterima. Artinya variabel bebas
secara simultan (bersama-sama) mempengaruhi variabel terikat.
- Bila signifikasi (p-value) > 0,05 maka H0 diterima dan H1 ditolak. Artinya
variabel bebas secara simultan (bersama-sama) tidak mempengaruhi variabel
terikat.
 Uji t
a. Menentukan Formulasi Hipotesis
 H0 : Variabel pertumbuhan Xi tidak mempunyai pengaruh yang signifikan secara
simultan (bersama) terhadap variabel tingkat inflasi (Y)
Ha : Variabel pertumbuhan Xi mempunyai pengaruh yang signifikan secara
simultan (bersama) terhadap variabel tingkat inflasi (Y)
b. Menentukan derajat kepercayaan 95%
c. Menentukan signifikansi
- Nilai signifikasi (p-value) < 0,05 maka H0 ditolak dan H1 diterima
- Nilai signifikasi (p-value) > 0,05 maka H0 diterima dan H1 ditolak
d. Membuat kesimpulan
- Bila (p-value) < 0,05 maka H0 ditolak dan H1 diterima. Artinya variabel bebas
secara parsial mempengaruhi variabel terikat.
- Bila signifikasi (p-value) > 0,05 maka H0 diterima dan H1 ditolak. Artinya variabel
bebas secara parsial tidak mempengaruhi variabel terikat.

B. Menyajikan model matematis dari teori tersebut

 Misal :
X1 = Pertumbuhan Produk Domestik Bruto (PDB)
X2 = Pertumbuhan Pengeluaran Pemerintah (PeP)
X3 = Pertumbuhan Jumlah Uang Beredar dalam arti sempit (JUB)
X4 = Nilai Tukar Nomimal (NTN)
X5 = Pertumbuhan harga BBM
Y = Tingkat Inflasi
 Persamaan : 𝑌 = 𝛽1 + 𝛽2 𝑋1 + 𝛽3 𝑋2 + 𝛽4 𝑋3 + 𝛽5 𝑋4 + 𝛽6 𝑋5
 Analisis variabel bebas dan variabel terikat :
Tingkat Inflasi (Y) adalah variabel terikat, dan pertumbuhan PDB (X1), PeP (X2), JUB
(X3), NTN (X4), dan BBM (X5) adalah variabel bebas.

C. Menyajikan model statistika atau model ekonometrika

 Untuk menyajikan hubungan tingkat inflasi dan pertumbuhan PDB (Produk
Domestik Bruto) nominal, PeP (pengeluaran pemerintah), JUB (Jumlah Uang
 Beredar dalam arti sempit, M1), NTN (Nilai Tukar Nominal: kurs Rupiah per USD),
dan BBM (harga minyak internasional) secara tidak eksak, disajikan model
ekonometrika berikut:
𝑌 = 𝛽1 + 𝛽2 𝑋1 + 𝛽3 𝑋2 + 𝛽4 𝑋3 + 𝛽5 𝑋4 + 𝛽6 𝑋5 + 𝑢
 u : unsur galat, peubah acak yang memiliki sebaran peluang tertentu.
 u mewakili faktor-faktor lain yang mempengaruhi belanja negara yang tidak
dinyatakan secara eksplisit dalam model

D. Mengumpulkan data
 Data diperlukan untuk menduga parameter model ekonometrika:
 Mendapatkan nilai parameter dari model 𝛽1, 𝛽2, 𝛽3, 𝛽4 , 𝛽5, 𝛽6

Tabel 1.2
Tahun Y X1 X2 X3 X4 X5
1969 9,89 6,82 26,92 61,02 0,00 9,12
1970 8,88 7,55 47,61 36,48 15,95 6,27
1971 2,47 7,02 16,38 28,17 9,79 0,00
1972 25,84 7,04 21,41 47,94 0,00 0,00
1973 23,30 8,10 72,95 40,96 0,00 21,07
1974 33,32 7,63 17,46 40,14 0,00 158,93
1975 19,69 4,98 49,07 33,34 0,00 0,00
1976 14,20 6,89 26,86 28,23 0,00 24,55
1977 11,82 8,76 30,61 25,17 0,00 6,83
1978 6,69 6,77 28,00 24,02 50,60 0,00
1979 21,77 7,32 40,41 36,03 0,32 118,86
1980 15,97 9,88 25,57 47,56 -0,04 13,85
1981 7,09 7,93 37,62 29,85 2,75 -5,41
1982 9,69 2,25 12,04 9,79 7,53 -9,37
1983 11,46 4,19 11,74 6,29 43,54 -7,82
1984 8,76 6,98 12,93 13,37 8,05 -13,03
 1985 4,31 2,46 21,33 17,75 4,75 7,07
1986 8,83 5,87 9,94 15,57 45,87 -40,96
1987 8,90 4,93 -0,34 8,63 0,55 7,25
1988 5,47 5,78 10,68 13,46 4,91 -5,66
1989 5,97 7,46 25,71 39,76 3,81 29,64
1990 9,53 7,24 12,33 18,42 5,79 29,63
1991 9,52 6,95 20,46 10,59 4,79 -28,61
1992 4,94 6,46 17,74 9,25 3,51 -0,56
1993 9,77 6,50 10,71 27,89 2,33 -25,23
1994 9,24 7,54 4,22 23,28 4,27 18,26
1995 8,60 8,22 14,74 16,10 4,91 10,96
1996 6,50 7,82 13,25 21,66 3,25 33,35
1997 11,10 4,70 6,58 22,24 95,13 -27,85
1998 77,60 -13,13 26,69 29,17 72,58 -38,43
1999 2,00 0,79 33,47 23,16 -11,71 131,21
2000 9,40 4,92 24,99 30,13 35,43 9,13
2001 12,55 3,64 24,94 9,58 8,39 -32,08
2002 10,03 4,50 16,58 7,99 -14,04 52,20
2003 5,16 4,78 23,81 16,60 -5,31 9,28
2004 6,40 5,03 16,71 13,41 9,75 34,77
2005 17,11 5,69 17,76 11,07 5,81 37,16
2006 6,60 5,50 28,05 28,08 -8,24 4,37
2007 6,59 6,28 14,47 27,63 4,42 47,88
2008 11,06 6,06 26,42 1,20 16,25 -55,28
2009 2,78 4,10 27,96 8,41 -14,16 81,13

E. Uji Analisis Regresi Sederhana Dengan Menggunakan SPSS

Adapun langkah – langkah dalam melakukan uji analisis regresi sederhana dengan
menggunakan SPSS adalah sebagai berikut.
a. Buka Aplikasi SPSS, maka akan muncul tampilan seperti berikut ini:
Yang merupakan tampilan loading awal membuka SPSS dan hanya lewat saja, sampai
akhirnya akan muncul dua file SPSS, seperti berikut ini:

Gambar 1.1

Gambar 1.2
 Gambar 1.3
File yang pertama (gambar 1.1 dan 1.2) disebut dengan file DATA dengan judul
*Untitled1[DataSet0], sedangkan file yang kedua disebut dengan file OUTPUT (gambar
1.3) dengan judul *Output1[Document1].
File DATA berfungsi sebagai tempat untuk menginput data (template standar SPSS)
yang terdiri dari dua sheet, Data View dan Variabel View.
Data View untuk menginput data, sedangkan Variabel View untuk memberikan
identitas variabel, seperti: Name, Type, Width, Decimals, Label, Value, Missing, Columns,
Align, Measure dan Role yang dibagi dalam kolom-kolom. Semua identitas penting, hanya
saja, pada pembahasan ini cukup isi kolom Name saja.
File OUTPUT berfungsi sebagai luaran dari hasil olahan data yang telah di-input
pada file DATA dan dieksekusi sesuai dengan keinginan/tujuan pengolahan data.
b. Setelah software SPSS terbuka, copy paste data yang telah disiapkan ke dalam file DATA
sheet Data View, sehingga didapat hasil sebagai berikut: Ingat, pada SPSS tanda decimal
menggunakan titik(.). Jadi, "semua tanda koma diganti menjadi titik".
 Gambar 1.4
c. Setelah data ter-input, maka langkah selanjutnya memberikan identitas pada setiap
variabel.
Seperti apa yang telah direncanakan di awal bahwa: kolom pertama untuk variabel
Inflasi, diberi nama Y. Kolom kedua untuk variabel X1, dan seterusnya. Pindahkan
tampilan ke sheet Variable View, kemudian lakukan penggantian pada kolom Name, Type
Label dan Measure, sesuai dengan rencana, dan diperoleh sebagai berikut:

Gambar 1.5
 Sehingga tampilan pada sheet Data View akan seperti ini:

Gambar 1.6
Sampai disini persiapan data selesai, dan data sudah siap untuk diolah.
d. Estimasi Model Regresi Linier
Estimasi model dilakukan secara sekaligus dengan pengujian asumsi klasik
(multikolinieritas, autokorelasi, heteroskedastisitas dan normalitas). Sehingga output
yang dihasilkan dari pengolahan data dapat digunakan untuk uji asumsi klasik dan uji
kelayakan model. Adapun langkah-langkahnya adalah sebagai berikut:
a) Estimasi regresi linier.
Dengan cara klik Analyze => Regression => Linier

Gambar 2.1
Lalu akan mucul tampilan seperti di bawah ini:

Gambar 2.2
Letakkan Y dalam kotak Dependent. Kemudian, letakkan dalam kotak
Independent(s). Hasil yang diperoleh adalah sebagai berikut:
 Gambar 2.3
Apabila kita klik maka output yang diperoleh hanya dapat di uji kelayakan
modelnya saja, tidak termasuk output untuk uji asumsi klasik. Maka sebaiknya
kotak dialog diatas tidak ditutup sebelum meng-klik tombol-tombol lainnya agar
dapat memunculkan uji asusmsi klasik.
b) Memunculkan output guna menguji Asumsi Klasik.
Uji asumsi klasik setelah disederhanakan ada 4, yaitu multikolinieritas,
autokorelasi, heteroskedastisitas dan normalitas.
1. Multikolinieritas menggunakan VIF dan Tolerance.
2. Autokorelasi menggunakan Durbin-Watson.
3. Heteroskedastisitas menggunakan Scatter Plot ZPRED dan ZRESID.
4. Normalitas menggunakan Normal PP-Plot.
Multikolinieritas dan Autokorelasi ada di tombol Statistics. Klik Statistics,
lalu klik kotak disebelah kiri atau ceklis pada Model Fit, Descriptives dan
Collinearity diagnostics untuk memunculkan hasil uji multikolinieritas, dan klik
kotak disebelah kiri Durbin-Watson untuk memunculkan hasil uji autokorelasi.
Setelah itu klik Continue.
 Gambar 2.4
Heteroskedastisitas dan Normalitas ada di tombol Plots. Klik Plots, lalu
pindahkan *ZPRED ke kotak X: dan pindahkan *ZRESID ke kotak Y: untuk
memunculkan hasil uji heteroskedastisitas, dan klik kotak disebelah kiri atau ceklis
Normal probability plot untuk memunculkan hasil uji normalitas. Setelah itu klik
Continue.

Gambar 2.5
 Setelah semua tombol perintah yang diinginkan di klik, maka untuk
memunculkan semua output, klik OK dengan demikian output yang diinginkan
akan ditampilkan pada file OUTPUT. Sampai disini, estimasi model regresi linier
dan uji asumsi klasik telah selesai.
Tidak ada lagi tahapan mengoperasikan software SPSS. Apabila dikehendaki
hasil output untuk uji asumsi klasik lainnya (misal uji normalitas dengan
Kolmogorov Smirnov, Heteroskedastisitas dengan Uji Glejser atau Uji Park) maka
akan dibahas pada bagian lainnya.
Tahap selanjutnya hanya membahas cara membaca hasil dan
menginterpretasikannya. Jangan lupa menyimpan kedua file (file DATA dan file
OUTPUT) yang telah diperoleh dengan cara me-klik Save pada masing-masing file.
F. Menduga paramater dari model ekonometrika
 Metode statistika yang digunakan untuk pendugaan parameter Analisis Regresi Linier
Berganda.

 Analisis Regresi Linier Berganda yang diterapkan pada tingkat inflasi (Y) dan
pertumbuhan PDB (X1), PeP (X2), JUB (X3), NTN (X4), dan BBM (X5) memiliki
persamaan :
𝑌 = 14,194 − 2,280𝑋1 + 0,074𝑋2 + 0,349𝑋3 + 0,082𝑋4 + 0,009𝑋5
G. Melakukan uji hipotesis
1. Pengujian Asumsi Klasik
Pada tahap ini tidak dilakukan operasionalisasi software SPSS, melainkan
hanya cara membaca uji asumsi klasik dari output SPSS, sebagaimana yang tertampil
pada file OUTPUT.
a. Multikolinieritas.
Hasil uji multikolinieritas, dapat dilihat pada tabel Coefficientsa dua kolom terakhir.

Gambar 3.1
Nilai VIF untuk variabel PDB, PeP, JUB, NTN dan BBM berturut-turut
adalah 1.287, 1.320, 1.387, 1.577 dan 1.329 sedangkan Tolerance-nya 0.777,
0.758, 0.721, 0.634 dan 0.753. Karena nilai VIF dari kelima variabel tidak ada
yang lebih besar dari 10 atau 5 (banyak buku yang menyaratkan tidak lebih dari
10, tapi ada juga yang menyaratkan tidak lebih dari 5) maka dapat dikatakan tidak
terjadi multikolinieritas pada kelima variabel bebas tersebut.
Berdasarkan syarat asumsi klasik regresi linier dengan OLS, maka model
regresi linier yang baik adalah yang terbebas dari adanya multikolinieritas.
Dengan demikian, model di atas telah terbebas dari adanya multikolinieritas.
b. Autokorelasi.
Data yang digunakan untuk mengestimasi model regresi linier merupakan
data sekunder, maka diperlukan adanya uji asumsi terbebas dari autokorelasi.
Hasil uji autokorelasi, dapat dilihat pada tabel Model Summaryb kolom terakhir.
 Gambar 3.2
Nilai Durbin-Watson yang tertera pada output SPSS disebut dengan DW
hitung. Angka ini akan dibandingkan dengan kriteria penerimaan atau penolakan
yang akan dibuat dengan nilai dL dan dU ditentukan berdasarkan jumlah variabel
bebas dalam model regresi (k) dan jumlah sampelnya (n). Nilai dL dan dU dapat
dilihat pada Tabel DW dengan tingkat signifikansi (error) 5% (α = 0,05).
Jumlah variabel bebas : k = 5
Jumlah sampel : n = 41
Tabel Durbin-Watson menunjukkan bahwa nilai dL = 1,2428 dan nilai dU
= 1,7835 sehingga dapat ditentukan kriteria terjadi atau tidaknya autokorelasi
seperti terlihat pada gambar di bawah ini.

0 1,2428 1,7835 2,2165 2,7572 4

Gambar 3.3
Nilai DW hitung sebesar 2,062 lebih besar dari 1,7835 dan lebih kecil dari
2,2165 yang artinya berada pada daerah tidak ada autokorelasi. Sehingga dapat
disimpulkan bahwa dalam model regresi linier tidak terjadi autokorelasi.
c. Heteroskedastisitas
Pengujian heteroskedastisitas dilakukan dengan membuat Scatterplot (alur
sebaran) antara residual dan nilai prediksi dari variabel terikat yang telah
distandarisasi. Hasil uji heteroskedastisitas dapat dilihat pada gambar Scatterplot,
seperti pada gambar di bawah ini:
 Gambar 3.4

Dari gambar di atas terlihat bahwa sebaran titik tidak membentuk suatu
pola/alur tertentu, sehingga dapat disimpulkan tidak terjadi heteroskedastisitas
atau dengan kata lain terjadi homoskedastisitas. Asumsi klasik tentang
heteroskedastisitas dalam model ini terpenuhi, yaitu terbebas dari
heteroskedastisitas.
Uji ini (scatterplot) rentan kesalahan dalam penarikan kesimpulannya. Hal
ini dikarenakan penentuan ada tidaknya pola/alur atas titik-titik yang ada di
gambar sangat bersifat subjektif. Bisa saja sebagian orang mengatakan tidak ada
pola, tapi sebagian lainnya mengatakan ini ada polanya. Tidak ada ukuran yang
pasti kapan suatu scatterplot membentuk pola atau tidak. Keputusan hanya
mengandalkan pengamatan/penglihatan peneliti.
d. Uji Normalitas
Hasil uji normalitas dengan metode grafik dapat dilihat pada gambar berikut ini.
 Pada gambar 1 dapat dilihat bahwa grafik normal probability plot menunjukkan
pola grafik yang normal. Hal ini terlihat dari titik yang menyebar di sekitar grafik
normal dan penyebarannya mengikuti garis diagonal.
2. Uji Koefisien Regresi Linier Berganda
a. Uji Simultan (Uji F)
Hasil uji F pada penelitian dapat dilihat pada tabel berikut ini :

Dari hasil uji F pada penelitian ini, didapatkan nilai F hitung sebesar 10,080
dengan angka signifikansi sebesar 0,000. Dengan tingkat signifikansi 95% (α =
0,05) . Angka signifikansi sebesar 0,000 < 0,005. Atas dasar perbandingan
tersebut, maka H0 ditolak atau berarti variabel pertumbuhan PDB (X1), PeP (X2),
JUB (X3), NTN (X4), dan BBM (X5) mempunyai pengaruh yang signifikansi
secara bersama-sama terhadap variabel pendapatan petani kelapa dengan
persamaan sebagai berikut :
 𝑌 = 14,194 − 2,280𝑋1 + 0,074𝑋2 + 0,349𝑋3 + 0,082𝑋4 + 0,009𝑋5
b. Uji t
Hasil uji t pada penelitian ini dapat dilihat pada tabel berikut ini :

Berdasarkan tabel, maka hasil uji t pada penelitian ini dapat dijelaskan sebagai
berikut :
a) Pertumbuhan PDB
Hipotesis Pertumbuhan PDB adalah :
H0 : Pertumbuhan PDB tidak berpengaruh secara signifikan terhadap tingkat
inflasi
H1 : Pertumbuhan PDB berpengaruh secara signifikan terhadap tingkat
inflasi
Hasil pengujian dengan SPSS diperoleh untuk variabel X1 diperoleh
nilai t hitung = -5,307 dengan tingkat signifikansi 0,000. Dengan
menggunakan batas signifikansi 0,05, nilai signifikansi tersebut lebih kecil
dari taraf 5% yang berarti H0 ditolak dan H1 diterima. Artinya pertumbuhan
PDB berpengaruh secara signifikan terhadap tingkat inflasi.
b) Pertumbuhan PeP
Hipotesis Pertumbuhan PeP adalah :
H0 : Pertumbuhan PeP tidak berpengaruh secara signifikan terhadap tingkat
inflasi
H1 : Pertumbuhan PeP berpengaruh secara signifikan terhadap tingkat inflasi
Hasil pengujian dengan SPSS diperoleh untuk variabel X2 diperoleh
nilai t hitung = 0,651 dengan tingkat signifikansi 0,519. Dengan
 menggunakan batas signifikansi 0,05, nilai signifikansi tersebut lebih besar
dari taraf 5% yang berarti H0 diterima dan H1 ditolak. Artinya pertumbuhan
PeP tidak berpengaruh secara signifikan terhadap tingkat inflasi.
c) Pertumbuhan JUB
Hipotesis Pertumbuhan JUB adalah :
H0 : Pertumbuhan JUB tidak berpengaruh secara signifikan terhadap tingkat
inflasi
H1 : Pertumbuhan JUB berpengaruh secara signifikan terhadap tingkat
inflasi
Hasil pengujian dengan SPSS diperoleh untuk variabel X3 diperoleh
nilai t hitung = 2,939 dengan tingkat signifikansi 0,006. Dengan
menggunakan batas signifikansi 0,05, nilai signifikansi tersebut lebih kecil
dari taraf 5% yang berarti H0 ditolak dan H1 diterima. Artinya pertumbuhan
JUB berpengaruh secara signifikan terhadap tingkat inflasi.
d) Pertumbuhan NTN
Hipotesis Pertumbuhan NTN adalah :
H0 : Pertumbuhan NTN tidak berpengaruh secara signifikan terhadap tingkat
inflasi
H1 : Pertumbuhan NTN berpengaruh secara signifikan terhadap tingkat
inflasi
Hasil pengujian dengan SPSS diperoleh untuk variabel X4 diperoleh
nilai t hitung = 1,091 dengan tingkat signifikansi 0,283. Dengan
menggunakan batas signifikansi 0,05, nilai signifikansi tersebut lebih besar
dari taraf 5% yang berarti H0 diterima dan H1 ditolak. Artinya pertumbuhan
NTN tidak berpengaruh secara signifikan terhadap tingkat inflasi.
e) Pertumbuhan harga BBM
Hipotesis Pertumbuhan harga BBM adalah :
H0 : Pertumbuhan harga BBM tidak berpengaruh secara signifikan terhadap
tingkat inflasi
H1 : Pertumbuhan harga BBM berpengaruh secara signifikan terhadap
tingkat inflasi
 Hasil pengujian dengan SPSS diperoleh untuk variabel X5 diperoleh
nilai t hitung = 0,268 dengan tingkat signifikansi 0,791. Dengan
menggunakan batas signifikansi 0,05, nilai signifikansi tersebut lebih besar
dari taraf 5% yang berarti H0 diterima dan H1 ditolak. Artinya pertumbuhan
harga BBM tidak berpengaruh secara signifikan terhadap tingkat inflasi.
b. Analisis Regresi Linier Berganda
Dari hasil regresi dengan menggunakan program SPSS, maka didapatkan
koefisien regresi yang dapat dilihat pada tabel :

Berdasarkan tabel diatas maka didapatkan persamaan regresi linier berganda

sebagai berikut :
𝑌 = 14,194 − 2,280𝑋1 + 0,074𝑋2 + 0,349𝑋3 + 0,082𝑋4 + 0,009𝑋5
Persamaan diatas dapat dijelaskan sebagai berikut :
a. Jika pertumbuhan PDB naik satu persen, maka tingkat inflasi turun 2,280
persen. Berarti, pertumbuhan PDB berpengaruh negatif terhadap tingkat
inflasi
b. Jika pertumbuhan PeP naik satu persen, maka tingkat inflasi naik 0,074
persen. Berarti, pertumbuhan PeP berpengaruh positif terhadap tingkat
inflasi
c. Jika pertumbuhan JUB naik satu persen, maka tingkat inflasi naik 0,349
persen. Berarti, pertumbuhan JUB berpengaruh positif terhadap tingkat
inflasi
 d. Jika pertumbuhan NTN naik satu persen, maka tingkat inflasi naik 0,082
persen. Berarti, pertumbuhan NTN berpengaruh positif terhadap tingkat
inflasi
e. Jika pertumbuhan harga BBM naik satu persen, maka tingkat inflasi naik
0,009 persen. Berarti, pertumbuhan harga BBM berpengaruh positif
terhadap tingkat inflasi
Sedangkan koefisien determinasi dari persamaan diatas dapat dilihat pada tabel :

Dapat dikatakan bahwa 53,2 % keragaman dari tingkat inflasi dapat dijelaskan
oleh:
𝑌 = 14,194 − 2,280𝑋1 + 0,074𝑋2 + 0,349𝑋3 + 0,082𝑋4 + 0,009𝑋5
H. Melakukan peramalan
2. Jika diketahui pada tahun 2018 pertumbuhan PDB, PeP, JUB, NTN, dan BBM
masing-masing 7%, 30%, 1%, 0,5%, 50%. Berapakah tingkat inflasi pada tahun
2018?
Diketahui: Pada tahun 2018 pertumbuhan PDB, PeP, JUB, NTN, dan BBM masing-
masing 7%, 50%, 43%, 0,5%, 50%
Ditanya : Tingkat inflasi pada tahun 2018 ?
Penyelesaian :
𝑌 = 14,194 − 2,280𝑋1 + 0,074𝑋2 + 0,349𝑋3 + 0,082𝑋4 + 0,009𝑋5
𝑌 = 14,194 − 2,280(7) + 0,074(50) + 0,349(43) + 0,082(0,5) + 0,009(50)
𝑌 = 17,432

Jadi, tingkat inflasi pada tahun 2018 diperkirakan mencapat 17,432 %

I. Menggunakan model untuk kebijakan ekonomi
3. Pada tahun 2019 pemerintah memprediksi tingkat inflasi mencapai 5%, dan diketahui
tingkat pertumbuhan PeP, JUB, NTN, dan BBM masing-masing 20%, 2%, 6%, 60%.
Maka berapakah tingkat pertumbuhan PDB yang harus dicapai?
Diketahui: Tingkat inflasi pada tahun 2019 diperkirakan mencapai 5%.
Tingkat pertumbuhan PeP, JUB, NTN, dan BBM masing-masing 20%,
2%, 6%, 60%
Ditanya: Tingkat pertumbuhan PDB yang harus dicapai?
Penyelesaian:
𝑌 = 14,194 − 2,280𝑋1 + 0,074𝑋2 + 0,349𝑋3 + 0,082𝑋4 + 0,009𝑋5
5 = 14,194 − 2,280𝑋1 + 0,074(20) + 0,349(2) + 0,082(6) + 0,009(60)
5 = 17,404 − 2,280𝑋1
2,280𝑋1 = 12, ,404
𝑋1 = 5,44

Jadi, tingkat pertumbuhan PDB yang harus dicapai pada tahun 2019 adalah 5,44%.
LAMPIRAN :
Output dari Analisis Regresi Linier Berganda