Analisis Linier Berganda Konstanta a = 2,129 , ini menunjukkan harga constant, dimana jika variabel Koefisien X = -0,024 , ini berarti bahwa variabel Inflasi X berpengaruh negatif Pembahasan

4.2 Analisis Linier Berganda

Analisis linier berganda dilakukan dengan bantuan SPSS 16.0 dengan tujuan untuk mengetahui seberapa besar pengaruh variabel Inflasi Xterhadap variabel terikat yaitu Pengangguran Y. Tabel 4.2 Analisis Linier Berganda Sumber: Hasil Penelitian, 2016 data diolah Berdasarkan Tabel 4.2 dari hasil estimasi yang di uji, maka persamaan analisis regresi linier berganda dalam penelitian ini adalah: Y = 2,129 + -0,024 X 1 Berdasarkan persamaan tersebut dapat digambarkan sebagai berikut : Unstandardized Coefficients Standardized Coefficients T Sig. B Std. Error Beta 1 Constant 2.129 1.273 1.672 X -.024 .414 -.009 -.058 .954 a. Dependent Variable: Y Universitas Sumatera Utara

a. Konstanta a = 2,129 , ini menunjukkan harga constant, dimana jika variabel

Inflasi X = 0, maka Pengangguran = 2,129 naik sebesar 2,129 persen

b. Koefisien X = -0,024 , ini berarti bahwa variabel Inflasi X berpengaruh negatif

terhadap Pengangguran, atau dengan kata lain jika Inflasi X meningkat sebesar satu- satuan, maka Pengangguran akan berkurang sebesar 0,024. Koefesien bernilai negatif artinya terjadi hubungan negatif antara variabel Inflasi dengan Pengangguran, semakin meningkatInflasi maka akan semakin menurun Pengangguran. 4.3 Uji Hipotesis 4.3.1 Uji Signifikan Parsial Uji-t Pengujian ini dilakukan untuk mengetahui seberapa jauh pengaruh suatu variabel bebas secara parsial individual terhadap variasi variabel terikat. Kriteria pengujiannya adalah : Ho : b1 = 0, artinya secara parsial tidak terdapat pengaruh yang positif dansignifikan dari variabel bebas terhadap variabel terikat. Ho : b1 ≠ 0, artinya secara parsial terdapa t pengaruh yang positif dan signifikan dari variabel bebas terhadap variabel terikat. Kriteria pengambilan keputusan adalah: Ho diterima jika t hitung t tabel pada α= 5 Universitas Sumatera Utara Ho ditolak jika t hitung t tabel pada α= 5 Hasil pengujian adalah : Tingkat kesal ahan α = 5 dan derajat kebebasan df = n-k n = jumlah sampel, n = 40 k = jumlah variabel yang digunakan, k = 2 Derajat kebebasan degree of freedom df =n-k = 40 - 2 = 38 Uji-t yang dilakukan adalah uji satu arah, maka t tabel yang digunakan adalah t 0,05 38 = 1,686 Tabel 4.3 Hasil Uji Signifikan Parsial Uji-t Sumber: Hasil Penelitian, 2016 data diolah Coefficients a Model Unstandardized Coefficients Standardized Coefficients T Sig. B Std. Error Beta 1 Constant 2.129 1.273 1.672 .103 X -.024 .414 -.009 -.058 .954 a. Dependent Variable: Y Universitas Sumatera Utara Berdasarkan Tabel 4.3 dapat dilihat bahwa: 1. Variabel Inflasi X Nilai t hitung variabel Inflasi adalah -0,058 dan nilai t tabel 1,686 maka t hitung t tabel -0,058 1,686 sehingga dapat disimpulkan bahwa variabel Inflasi berpengaruh negatif dan tidak signifikan 0,95 0,05 secara parsial terhadap pengangguran. Artinya, jika variabel inflasi ditingkatkan sebesar satu satuan, maka pengangguran akan menurun sebesar -0,024.

4.3.2 Pengujian Koefesien Determinasi R

2 Pengujian koefisien determinasi R² digunakan untuk mengukur proporsi atau persentase kemampuan model dalam menerangkan variabel terikat.Koefisien determinasi berkisar antara nol sampai satu 0 ≤ R² ≥ 1. Jika R² semakin besar mendekati satu, maka dapat dikatakan bahwa pengaruh variabel bebas X adalah besar terhadap variabel terikat Y. Hal ini berarti model yang digunakan semakin kuat untuk menerangkan pengaruh variabel bebas terhadap variabel terikat dan demikian sebaliknya. Universitas Sumatera Utara Tabel 4.5 Hasil Uji Koefesien Determinasi R 2 Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate 1 .009 a .000 .026 1.49034 a. Predictors: Constant, X b. Dependent Variable: Y Sumber: Hasil Penelitian, 2016 data diolah Berdasarkan Tabel 4.5 dapat dilihat bahwa : 1. R = 0,009 berarti hubungan antara variabel inflasi X, terhadap pengangguran Y sebesar 0,9. Artinya hubungannya sangat lemah. 2. Nilai Adjusted R Square sebesar 0,026 berarti variabel pengangguran Y dapat dijelaskan oleh variabel inflasi X sebesar 2,6. 3. Standard Error of Estimated Standar Deviasi artinya mengukur variasi dari nilai yang diprediksi. Dalam penelitian ini standar deviasinya sebesar1.49034.Semakin kecil standar deviasi berarti model semakin baik. Universitas Sumatera Utara

4.4 Pembahasan

Menurut Sukirno “inflasi merupakan suatu proses kenaikan harga-harga yang berlaku dalam suatu perekonomian”. Didasarkan atas parah tidaknya inflasi tersebut, inflasi dibedakan menjadi beberapa macam, yaitu : a. Inflasi ringan dibawah 10 setahun b. Inflasi sedang antara 10 - 30 setahun c. Inflasi berat antara 30 - 100 setahun d. Hiper inflasi diatas 100 setahun Menurut Sukirno Pengangguran adalah suatu keadaan dimana seseorang yang tergolong dalam angkatan kerja ingin mendapatkan pekerjaan tetapi belum dapat memperolehnya. Faktor–faktor yang menyebabkan terjadinya pengangguran adalah : a.Besarnya angkatan kerja tidak seimbang dengan kesempatan kerja. b.Struktur Lapangan Kerja tidak seimbang c.Kebutuhan jumlah dan jenis tenaga terdidik dan penyediaan tenaga terdidik tidak seimbang. d.Meningkatnya peranan dan aspirasi angkatan kerja wanita dalam seluruh struktur angkatan kerja Indonesia e.Penyediaan dan pemanfaatan tenaga kerja antar daerah tidak seimbang. Universitas Sumatera Utara Hasil penelitian menunjukkan bahwa variabel inflasi memiliki pengaruh yang negatif dan tidak signifikan terhadap pengangguran.Hal ini dibuktikan dengan nilai koefisien regresi yang bernilai negatif -0,024dan nilai t hitung -0,058 yang lebih kecil dari nilai t tabel 1,686 dengan tingkat signifikansi 0,954. Artinya jika inflasi ditingkatkan sebesar satu-satuan, maka pengangguran juga akan mengalami penurunan sebesar -0,024. Dari nilai R dapat diketahui bahwa hubungan inflasi dan pengangguran sangat lemah, yaitu hanya 0,9 . Berarti dikota Medan inflasi tidak begitu berhubungan dengan pengangguran Dari nilai Adjusted R Square dapat diketahui bahwa pengangguran hanya dapat dijelaskan oleh inflasi sebesar 2,6. Hal ini berarti inflasi tidak begitu berpengaruh terhadap pengangguran dikota Medan. .Dari uji yang telah peneliti lakukan dapat diketahui bahwa teori kurva Philips tidak bisa diterapkan di Kota Medan, karena inflasi tidak berpengaruh signifikan terhadap pengangguran dikota Medan. Universitas Sumatera Utara

BAB V KESIMPULAN DAN SARAN

5.1 Kesimpulan

1. Dari hasil analisis estimasi regresi berganda 0.945 0.005 membuktikan bahwa tingkat inflasi adanya pengaruh ngatif dan tidak signifikan terhadap pengangguran. Dengan hasil estimasi tersebut membuktikan bahwa curva Philips tidak bisa diterapkan di kota Medan dari tahun 2005 – 2014. 2. Dari hasil estimasi uji t didapat -0,058 1,686 membuktikan bahwa adanya hubungan negatif dan tidak signifikan tingkat inflasi terhadap pengangguran. Dengan hasil tersebut menunjukkan bahwa tidak adanya hubungan timbal balik tingkat inflasi terhadap pengangguran di kota Medan. 3. Pada hasil analisis koefisien determinasi didapat nilai Adjusted R Square sebesar 0,026 berarti 2,6 variabel tingkat pengangguran Y dapat dijelaskan oleh variabel tingkat inflasi X . Sedangkan sisanya 97,4 dapat dijelaskan oleh variabel-variabel lain yang tidak diteliti dalam penelitian ini Universitas Sumatera Utara