commit to user
60 Tingkat kurs tukar rupiah terendah terjadi pada bulan April 2006
sebesar Rp 8775 dan tertinggi sebesar Rp 12151 dan besar rata-rata tingkat kurs tukar rupiah sebesar Rp 9635,6833
Jumlah uang beredar terkecil sebanyak 1014376 miliar rupiah pada Februari 2005 dan jumlah uang beredar terbanyak sebesar 2141384 miliar
rupiah pada Desember 2009 dengan rata-rata 1500728 miliar rupiah. Pertumbuhan Indeks Produksi Industri terendah adalah -14,90 pada
November 2005 dan tertinggi 6,94 pada Maret 2007.
B. PENGOLAHAN DATA
1. Uji Normalitas Data
Uji yang digunakan untuk melihat normalitas data yaitu uji Kolmogorov-Smirnov. Jika signifikansi hitung lebih besar dari
0,05, maka data dinyatakan berdistribusi normal. Hasil pengujian normalitas dengan menggunakan uji Kolmogorov
dapat ditunjukan pada tabel dibawah ini
TABELl IV.3 Hasil Uji Kolmogorov-Smirnov
Tests of Normality
,152 60
,002 ,813
60 ,000
Unstandardized Residual Statistic
df Sig.
Statistic df
Sig. Kolmogorov-Smirnov
a
Shapiro-Wilk
Lilliefors Significance Correction a.
Kriteria pengujian Apabila angka signifikansi 0,05 maka data berdistribusi normal
commit to user
61 Apabila angka signifikansi 0,05 maka data tidak berdistribusi
normal Dari tabel diatas diketahui bahwa data tidak berdistribusi
normal karena memiliki nilai signifikansi hanya 0,002. Untuk mengatasi hal tersebut dilakukan transformasi data dengan
mengetahui bentuk grafik histogramnya terlebih dahulu.
GAMBAR IV.1 Histogram
Berdasarkan bentuk grafik histogramnya menunjukan bentuk subtansial positif skewness sehingga data ditransformasikan
ke dalam bentuk LN setelah diubah dalam bentuk LN kemudian diuji kembali dengan uji Kolmogorov-Smirnov.
commit to user
62 Hasil pengujian sebagai berikut :
TABEL IV.4 Hasil Uji Kolmogorov-Smirnov
Berdasarkan tabel di atas dapat disimpulkan bahwa kini data telah berdistribusi normal. Dengan nilai sebesar 0.200.
2. Uji Asumsi Klasik
1 Uji Multikolinearitas
Untuk mengetahui ada tidaknya multikolinearitas dengan menggunakan nilai tolerance dan VIF. Apabila nilai dari VIF
kurang dari 10 dan nilai tolerance lebih dari 0,1 maka dapat dikatakan bahwa model yang digunakan dalam model
terbebas dari multikolinearitas.
Tests of Normality
Kolmogorov-Smirnov
a
Shapiro-Wilk Statistic
df Sig.
Statistic df
Sig. Unstandardized Residual
.091 60
.200 .933
60 .003
a. Lilliefors Significance Correction . This is a lower bound of the true significance.
commit to user
63
TABEL IV.5 Hasil Uji Multikolinearitas
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity
Statistics B
Std. Error Beta
Tolerance VIF
1 Constant
29.507 4.163
7.087 .000
Ln_Inflasi -.175
.110 -.230
-1.589 .118
.268 3.738
Ln_Sbi .057
.286 .028
.200 .843
.275 3.642
Ln_kurs -3.863
.468 -.722
-8.253 .000
.731 1.368
Ln_jub 1.050
.178 .576
5.904 .000
.586 1.705
Ln_growthpi .005
.070 .006
.078 .938
.961 1.040
a. Dependent Variable: Ln_harga
Dari perhitungan diketahui bahwa nilai tolerance untuk semua variabel independent bernilai lebih besar dari 0,1 dan
nilai VIF Variance Inflation Factor kurang dari 10 maka dapat disimpulkan bahwa semua model regresi ini tidak
terdapat gejala multikolinearitas
2 Uji Autokorelasi
Pengujian ini dilakukan untuk mengetahui ada tidaknya hubungan antar unsure gangguan pada observasi dengan
unsure gangguan pada observasi lain. Pengujian ini dengan
menggunakan Durbin-Watson.
commit to user
64 Jika nilai DW-test terletak diantara dU dan 4 – dU maka
tidak terjadi autokorelasi
Jika kurang dari dl maka ada autokorelasi
Jika 4-dl DW4 maka ada autokorelasi
Hasil pengujian sebagai berikut:
TABEL IV.6 Hasil Uji Autokorelasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .836
a
.698 .670
.22801 .398
a. Predictors: Constant, Ln_growthpi, Ln_kurs, Ln_Inflasi, Ln_jub, Ln_Sbi b. Dependent Variable: Ln_harga
Dari hasil diatas diketahui nilai sebesar 0,398 yang terletak diantara 0 dan dl. Sehingga dapat disimpulkan terjadi
ada autokorelasi. Oleh karena itu perlu dilakukan pengobatan terhadap autokorelasi.
TABEL IV.7 Hasil Uji Autokorelasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .636
a
.405 .349
.11644 1.781
a. Predictors: Constant, LnGrowthpi, LnJub, LnKurs, LnInflasi, LnSbi b. Dependent Variable: LnHarga
commit to user
65 Kurang dari 1,408 dl Ada autokorelasi
1,408-1,767 dl-du Tanpa kesimpulan 1,767-2,233du sampai 4-du tidak ada autokorelasi
2,233-2,592 4-du sampai 4-dl tanpa kesimpulan Lebih dari 2,592 4-dl ada autokorelasi
Karena DW sebesar 1,781 maka dapat disimpulkan bahwa
tidak terjadi
autokorelasi setelah
dilakukan pengobatan.
3 Uji Heteroskedastisitas
Heteroskedastisitas adalah
situasi dimana
terjadi penyebaran titik data populasi yang berbeda pada regresi. Uji
heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu
pengamatan ke pengamatan yang lain Ghozali, 2006 Heteroskedastisitas dapat dilihat dari pola pada scatterplot.
Penyebaran titik yang acak mengindikasikan tidak adanya heteroskedastisitas.
commit to user
66
GAMBAR IV.2 Scatterplot
4 Uji Normalitas Residual
Uji Normalitas Residual bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual
memiliki distribusi normal. Untuk menguji normalitas residual adalah menggunakan uji statistik non-parametrik
Kolmogorov-Smirnov.
TABEL IV.8
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 59
Normal Parameters
a
Mean .0000000
Std. Deviation .11130696
Most Extreme Differences
Absolute .152
Positive .113
Negative -.152
Kolmogorov-Smirnov Z 1.164
Asymp. Sig. 2-tailed .133
a. Test distribution is Normal.
commit to user
67 Nilai Kolmogorov-Smirnov sebesar 1,164 dan tidak
signifikan pada 0,05 karena p=0,133 dari 0,05 Jadi Ho diterima bahwa residual berdistibusi secara
normal. Jadi secara keseluruhan dapat disimpulkan bahwa model regresi yang memenuhi syarat uji asumsi klasik adalah
dalam bentuk LN.
C. PENGUJIAN HIPOTESIS 1
