75
3. Bank Indonesia yang mengeluarkan laporan Kurs rupiah terhadap dollar Amerika.
4. Bank Indonesia yang menentukan dan mengeluarkan suku bunga SBI. 5. Bank Indonesia juga yang mengumpulkan data Inflasi, Jumlah Uang
Beredar, dan Tingkat Pendapatan Indonesia.
C. Metode Pengumpulan Data
Metode pengumpulan data yang digunakan yaitu dengan menggunakan pengumpulan data sekunder. Data sekunder merupakan sumber data yang
diperoleh peneliti secara tidak langsung melalui media perantara diperoleh dan dicatat oleh pihak lain. Nur Indrianto,1999:147
Data sekunder yang dikumpulkan yaitu berupa literatur ilmiah, buku- buku, internet, dan diktat kuliah yang berhubungan dengan topik penulisan ini.
Hal ini dilakukan untuk mendapatkan dasar-dasar teori yang berkaitan dengan Inflasi, Suku Bunga, Jumlah Uang Beredar, Tingkat Pendapatan, dan Nilai Tukar
Rupiah. Kemudian sumber data berasal dari perpustakaan Bank Indonesia dan situs internet Bank Indonesia. Data yang diambil yaitu mengenai Nilai Tukar
Rupiah, Inflasi, Suku Bunga, Jumlah Uang Beredar, dan Tingkat Pendapatan.
D. Metode Analisis
1. Metode Analisis Linier Berganda Analisis yang digunakan dalam penelitian ini adalah uji regresi
linier berganda. Uji regresi linier berganda ini digunakan untuk mengetahui hubungan atau pengaruh antara tingkat inflasi, suku bunga,
jumlah uang beredar, dan tingkat pendapatan terhadap penentuan nilai
76
tukar Rupiah baik secara simultan maupun parsial. Adapun rumus regresi linier berganda adalah:
Y= a + b
1
X
1
+b
2
X
2
+b
3
X
3
+b
4
X
4
+e Dimana:
Y : Variabel nilai tukar Rupiah
a : Konstanta
X
1
: Variabel Inflasi X
2
: Variabel SBI X
3
: Variabel Uang Beredar X
4
: Variabel Tingkat Pendapatan b
1
-b
4
: Koefisien regresi masing-masing variabel independen
e : error term
2. Uji Asumsi Klasik Pengujian Penyimpangan Asumsi Klasik: a. Uji Normalitas
Uji normalitas ini bertujuan untuk apakah dalam model regresi variabel independen, variabel dependen, maupun kedua-duanya
mempunyai distribusi normal atau tidak. Model regresi yang baik adalah memiliki distribusi data normal atau mendekati normal.
Menurut Imam Ghozali 2006:112, pada prinsipnya normalitas dapat dideteksi dengan melihat penyebaran data titik pada sumbu
77
diagonal grafik atau dengan melihat histogram dari residualnya. Dasar pengambilan keputusan:
1. Jika data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogramnya menunjukkan pola
distribusi normal, maka model regresi memenuhi asumsi normal. 2. Jika data mnyebar jauh dari garis diagonal atau tidak mengikuti
arah garis diagonal atau grafik histogram tidak menunjukkan pola distribusi normal, maka model regresi tidak memenuhi asumsi
normalitas. b. Uji Multikolinearitas
Uji multikolinearitas ini bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas variabel
independen. Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel bebas. Imam Ghozali,2006:91 Untuk
mengetahui ada atau tidaknya multikolinearitas dapat dilihat dari nilai toleransi tolerance dan Variance Inflation Factor VIF.
Tolerance mengukur variabilitas variabel independen yang
terpilih yang tidak dijelaskan oleh variabel independen lainnya. Jadi nilai tolerance yang rendah sama dengan nilai VIF yang tinggi karena
VIF = 1tolerance. Imam Ghozali,2006:92-93 Nilai yang umum dipakai untuk menunjukkan adanya
multikolinearitas didalam regresi adalah: 1. Dilihat dari nilai tolerance dan Variance Inflation Factor VIF,
model regresi yang bebas multikolinearitas mempunyai nilai VIF
78
berkisar pada angka 1 sampai dengan 10 dan mempunyai nilai tolerance mendekati 1.
2. Menganalisis matrik korelasi variabel-variabel bebas, jika antara variabel bebas ada korelasi yang cukup tinggi umumnya diatas
90 maka hal ini diindikasikan adanya multikolinearitas. c. Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linier ada korelasi antara kesalahan pengganggu pada periode
t-1 sebelumnya. Jika ada korelasi, maka dinamakan ada problem autokorelasi. Imam Ghozali,2006:95
Model regresi yang baik adalah regresi yang bebas dari autokorelasi. Salah satu cara yang digunakan untuk mendeteksi ada
atau tidaknya autokorelasi yaitu uji Durbin-Watson DW test. Hipotesis yang akan di uji adalah:
H0 : tidak ada autokorelasi
HA : ada autokorelasi
Pengambilan keputusan ada atau tidaknya autokorelasi adalah sebagai berikut:
1. Bila nilai DW di bawah -2 berarti ada autokorelasi positif. 2. Bila nilai DW di antara -2 sampai +2 tidak ada autokorelasi.
3. Bila nilai DW di atas +2 berarti ada autokorelasi negatif. d. Uji Heterokedastisitas
Uji heterokedastisitas ini bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variasi dari satu pengamatan ke
79
pengamatan lainnya. Model regresi yang baik adalah yang tidak terjadi heterokedastisitas. Imam Ghozali,2006:105
Dalam Bhuono Agung Nugroho 2005:62, heterokedastisitas menguji terjadinya perbedaan variance residual suatu periode
pengamatan ke pengamatan lainnya. Cara memprediksi ada tidaknya heterokedastisitas pada suatu model dapat dilihat dari pola gambar
scatterplot model tersebut. Analisis pada gambar scatterplot yang
menyatakan model
regresi linier
berganda tidak
terdapat heterokedastisitas apabila:
1. Titik-titik data menyebar diatas dan dibawah atau disekitar angka 0. 2. Titik-titik data tidak mengumpul hanya diatas dan dibawah saja.
3. Penyebaran titik-titik data tidak boleh membentuk pola bergelombang melebar kemudian menyempit dan melebar kembali.
4. Penyebaran titik-titik data sebaiknya tidak berpola. 3. Pengujian Hipotesis
a. Uji Signifikan Parameter Individual Parsial Uji t Uji hipotesis yang digunakan adalah uji t, yang bertujuan untuk
mengetahui seberapa jauh pengaruh variabel independen secara parsial dalam menerangkan variabel dependen.
Uji parsial digunakan untuk mengetahui pengaruh masing-masing variabel
independen terhadap
variabel dependen.
Imam Ghozali,2006:128
80
Rumus Uji t:
t =
Jika T
hitung
lebih besar dari T
tabel
atau nilai signifikan T
hitung
a :5 = 0,05. Maka terdapat pengaruh signifikan antara variabel
independen secara parsial terhadap variabel dependen. Kriteria pengujian:
T
hitung
T
tabel
: H ditolak H
1
diterima T
hitung
T
tabel
: H diterima H
1
ditolak b. Uji Pengaruh Simultan
Uji pengaruh simultan digunakan untuk mengetahui apakah variabel
independen secara
bersama-sama atau
simultan mempengaruhi variabel dependen. Imam Ghozali,2006:127
Rumus Uji F:
F=
Atau
F=
Sumber : Stanisluaus S Uyanto,2009:242
Rata-Rata Sampel Pertama - Rata-Rata Sampel Kedua
Standar Error Perbedaan Rata- Rata Kedua Sampel
Between Groups Estimated Variance atau Mean-square
Within Groups Estimated Variance atau Mean-square
Rata-Rata Kuadrat atau S
1 2
Rata-Rata Kuadrat atau S
2 2
81
Uji F ini dilakukan untuk melihat kemaknaan dari hasil model regresi. Bila F
hitung
lebih besar dari F
tabel
, tingkat signifikasinya lebih kecil dari 5 a : 5 = 0,05, maka hal ini menunjukkan bahwa H
ditolak dan H
1
diterima, berarti bahwa variabel independen secara simultan mempunyai pengaruh signifikan terhadap variabel dependen.
Kriteria pengujian: F
hitung
F
tabel
: H ditolak H
1
diterima F
hitung
F
tabel
: H diterima H
1
ditolak c. Uji Koefisien Determinasi R
2
Koefisien determinasi R
2
pada intinya mengukur seberapa jauh kemampuan model menerangkan variasi variabel dependen, maka
perlu diketahui melalui adjusted R square. Nilai koefisien determinasi adalah antara nol dan satu. Nilai R
2
yang kecil berarti kemampuan variabel-variabel independen dalam menjelaskan variabel dependen
amat terbatas. Nilai yang mendekati satu berarti variabel-variabel independen
memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variabel dependen. Imam Ghozali,2006:83
E. Operasional Variabel Penelitian