Hasil Analisis Regresi Berganda Uji Asumsi Klasik

Jurnal Administrasi Bisnis JAB|Vol. 47 No. 2 Juni 2017| administrasibisnis.studentjournal.ub.ac.id 61 pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1 sebelumnya. Jika terjadi korelasi, maka dinamakan ada masalah autokorelasi. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lain. Hal ini sering ditemukan dalam data time series. Pada penelitian ini, uji autokorelasi dilakukan dengan menggunakan uji Durbin-Watson uji D-W. 4 Uji Multikolinearitas Uji multikolinieritas bertujuan untuk menguji apakah model regresi ditemukan korelasi antara variabel bebasindependen Ghozali, 2016:103. Model regresi yang baik seharusnya tidak terjadi korelasi antara variabel independen. Jika variabel independen saling berkorelasi, maka variabel-variabel ini tidak orthogonal. Variabel ortogonal adalah variabel independen yang nilai korelasi antara sesama variabel independennya sama dengan nol. Untuk mendeteksi ada atau tidaknya multikolinieritas di dalam model regresi adalah sebagai berikut: 1 Melihat dari nilai tolerance, dimana nilai tolerance di atas 0.10 2 Melihat dari nilai Variance Inflation Factor VIF dimana nilai VIF kurang dari 10. Maka tidak terjadi multikolinearitas Ghozali, 2016:104

b. Pengujian Hipotesis

1 Uji F Uji statistik F pada dasarnya digunakan untuk menguji besarnya pengaruh dari seluruh variabel independen secara bersama-sama atau simultan terhadap variabel dependen. 2 Uji t Uji statistik t pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel penjelasindependen secara individu dalam menerangkan variasi variabel dependen Ghozali, 2016:97. 3 Uji Koefisien Determinasi R 2 Koefisien determinasi R 2 merupakan ukuran yang paling sederhana untuk mengukur sejauh mana peran variabel bebas dalam mempengaruhi variabel terikat.

D. HASIL DAN PEMBAHASAN

1. Hasil Analisis Regresi Berganda

Model analisis regresi linier berganda digunakan untuk mengetahui pengaruh rasio inflasi Indonesia relatif terhadap Amerika Serikat X 1 dan rasio suku bunga Indonesia relatif terhadap Amerika Serikat X 2 terhadap perubahan nilai tukar Rupiah Y. Hasil perhitungan koefisien regresi dalam penelitian ini adalah sebagai berikut: Tabel 1. Hasil Model Regresi Linier Berganda Model Unstandardzided Coefficients Standardized Coefficients T Sig. B Std. Error Beta 1 Constant Inflasi Suku_bunga 8.940 -.018 .063 .064 .006 .011 -.248 .501 139.918 -2.784 5.623 0.000 .006 .000 Sumber : Hasil Analisis SPSS, 2017 Berdasarkan pada Tabel 12 didapat persamaan model regresi linier berganda sebagai berikut: Y = 8,940 – 0,018 X 1 + 0,063 X 2 Konstanta pada persamaan menunjukkan a = 8,940 yang berarti bahwa apabila tidak terdapat perubahan variabel rasio inflasi Indonesia relatif terhadap Amerika Serikat dan rasio suku bunga Indonesia relatif terhadap Amerika Serikat X 1 = X 2 = Tetap, maka nilai tukar Rupiah akan meningkat sebesar 8,940 poin. Dengan kata lain, nilai tukar Rupiah akan meningkat 8,940 poin dalam satu bulan tanpa adanya pengaruh dari rasio inflasi dan rasio suku bunga

2. Uji Asumsi Klasik

a Uji Normalitas Gambar 1. Hasil Uji Normalitas Sumber : Hasil Analisis SPSS, 2017 Hasil pengujian tersebut didapat bahwa grafik normal plot memberikan pola yang normal dimana titik-titik menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal. Pengujian ini dapat disimpulkan bahwa asumsi normalitas dapat terpenuhi. Jurnal Administrasi Bisnis JAB|Vol. 47 No. 2 Juni 2017| administrasibisnis.studentjournal.ub.ac.id 62 b Uji Heterokedasitas Gambar 2. Hasil Uji Heterokedasitas Sumber : Hasil Analisis SPSS, 2017 Dari hasil pengujian tersebut didapat bahwa diagram tampilan scatterplot menyebar dan tidak membentuk pola tertentu yang teratur maka tidak terjadi heterokedastisitas, sehingga dapat disimpulkan bahwa variance dari residual mengalami perbedaan yang mempunyai ragam homoskedastisitas. c Uji Autokorelasi Tabel 2. Hasil Uji Autokorelasi Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .463 a .215 .201 .14041 .042 Sumber : Hasil Analisis SPSS, 2017 Berdasarkan batas atas dan batas bawah yang diperoleh dari tabel statistik Durbin-Watson, maka daerah tidak adanya autokorelasi adalah antara Du sampai 4-du, yaitu di antara nilai 1.742 sampai 2.258. Berdasarkan hasil tabel 9 nilai Durbin-Watson diperoleh sebesar 0.042. Hasil pengolahan data ini menunjukkan telah terjadi autokorelasi, karena 0.042 1.742, seharusnya nilai Durbin-Watson 1.742 dan nilai Durbin- Watson 2.258. Tabel 3. Hasil Pengobatan Uji Autokorelasi Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .272 a .074 .066 .02798435 1.895 Sumber : Hasil Analisis SPSS, 2017 Berdasarkan hasil dari pengobatan autokorelasi pada Tabel 4 diperoleh nilai Durbin- Watson sebesar 1.895. Nilai tersebut terletak diantara du d 4 – du, yaitu 1.742 1.895 2.258. Hasil pengobatan autokorelasi menunjukkan bahwa sudah tidak terjadi lagi autokorelasi pada residual hasil regresi d Uji Multikolinieritas Tabel 4. Hasil Uji Multikolinieritas Model Collinearity Statistics Tolerance VIF 1 Constant Inflasi .846 1.182 suku_bunga .846 1.182 Sumber : Hasil Analisis SPSS, 2017 Hasil pengujian diatas didapat bahwa keseluruhan nilai tolerance 0,1 sehingga dapat disimpulkan bahwa tidak terjadi multikolinearitas antar variabel bebas. Berdasarkan hasil pengujian nilai VIF 10, maka dapat disimpukan bahwa dalam pengujian ini tidak terjadi multikolinearitas antar variabel bebas sehingga uji asumsi tidak adanya multikolinieritas dapat terpenuhi. Dengan terpenuhnya seluruh asumsi klasik regresi di atas maka dapat dikatakan model regresi linier berganda yang dilakukan dalam penelitian ini sudah layak atau tepat. Menjadi dapat diambil interprestasi dari hasil analisis regresi berganda yang telah dilakukan.

3. Hasil Pengujian Hipotesis