41
2005 6.912,25
104,50 136,86 5.277,88
- 2006
7.171,32 106,90
145,89 5.254,74 23,14
2007 8.271,39
109,70 155,50 5.835,19
580,45 2008
7.595,65 113,40
113,86 7.564,96 1.729,78
2009 8.474,90
117,10 117,03 8.479,97
915,01 2010
9.190,52 106,20
125,17 7.797,66 682,31
2011 9.250,61
110,20 129,91 7.847,10
49,44 2012
10.077,57 109,80
135,49 8.166,78 319,68
2013 10.934,35
111,70 146,84 8.317,67
150,89 2014
10.271,64 115,20
119,00 9.943,64 1.625,97
2015 10.117,95
117,60 122,99 9.674,53
269,10 Sumber: Hasil Olahan Penulis dari www.bps.go.id
Berdasarkan tabel di atas, terlihat bahwa nilai tukar riil Rupiah di Indonesia tahun 2007, 2008, 2009, 2011, 2012, 2013 dan tahun 2014 meningkat.
Akan tetapi, nilai tukar riil Rupiah tahun 2006, 2010 dan tahun 2015 menurun.
4.1.5. Statistik Deskriptif
Statistik deskriptif untuk mengetahui nilai maximum, minimum, mean rata-rata dan standard deviation variabel penelitian. Statistik deskriptif disajikan
pada tabel berikut: Tabel 4.5
Descriptive Statistics N
Minimum Maximum
Mean Std. Deviation
X1 11
32.774,19 125.931,00 80.031,02 30.956,68
X2 11
38,79 48,85
43,67 3,06
X3 11
97,82 165,07
121,35 23,59
Y 11
5.254,74 9.943,64
7.650,92 1.596,46
Valid N listwise 11
Sumber: Output SPSS, Diolah Peneliti 2016 Berdasarkan tabel di atas, diketahui time series sebanyak 11 tahun dengan
penjelasan deskriptif variabel penelitian, sebagai berikut:
Universitas Sumatera Utara
42
1. Cadangan devisa Indonesia terendah sebesar US 32.774,19 milyar, tertinggi
sebesar US 125.931,00 milyar, rata-rata mean sebesar US 80.031,02 milyar dengan standar deviasi US 30.956,68 milyar.
2. Pendalaman sektor keuangan financial deepening terendah sebesar 38,79,
tertinggi sebesar 48,85, rata-rata mean sebesar 43,67 dengan standar deviasi 3,06.
3. Gejolak nilai tukar perdagangan terendah sebesar 97,82, tertinggi sebesar
165,07, rata-rata mean sebesar 121,35 dengan standar deviasi 23,59. 4.
Nilai tukar riil Rupiah real exchange rate terendah Rp 5.254,74US, tertinggi sebesar Rp 9.943,64US, rata-rata mean sebesar Rp 7.650,92US
dengan standar deviasi Rp 1.596,46US.
4.1.6. Hasil Uji Asumsi Klasik 4.1.6.1. Hasil Uji Normalitas
Uji normalitas dilakukan dengan menggunakan grafik histogram, normal probability plot dan uji Kolmogorov-Smirnov. Dasar pengambilan keputusan
normalitas dengan menggunakan grafit probability plot adalah: a.
Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal menunjukkan pola berditribusi normal, maka model regresi memenuhi asumsi
normalitas. b.
Jika data menyebar jauh dari garis diagonal dan atau tidak mengikuti arah garis diagonal, tidak menunjukkan pola berdistribusi normal, maka model
regresi tidak memenuhi asumsi normalitas.
Universitas Sumatera Utara
43
Pada uji Kolmogorov-Smirnov, apabila nilai signifikansi lebih besar dari 0,05, maka data residual berdistribusi normal. Sebaliknya, jika nilai signifikansi
lebih kecil dari 0,05, maka data residual tidak berdistribusi normal. Berdasarkan print output SPSS, diperoleh hasil uji normalitas, seperti pada tabel berikut:
Tabel 4.6 Hasil Uji Normalitas
Unstandardized Predicted Value
N 11
Normal Parametersa,b Mean
7.650,92 Std. Deviation
1.543,09 Most Extreme Differences
Absolute 0,222
Positive 0,150
Negative -0,222
Kolmogorov-Smirnov Z 0,735
Asymp. Sig. 2-tailed 0,652
a Test distribution is Normal. b Calculated from data.
Sumber: Output SPSS, Diolah Peneliti 2016
Dari Tabel 4.6, diketahui nilai Kolmogorov-Sminorv K-S sebesar 0,735 dengan tingkat signifikan 0,652 lebih besar dari 0,05. Artinya, variabel penelitian
terdistribusi normal, karena tingkat signifikan 0,652 0,05. Normalitas dapat dideteksi melalui pengamatan histogram seperti yang
disajikan pada gambar berikut:
Universitas Sumatera Utara
44
Regression Standardized Residual
2 1
-1 -2
F re
q u
e n
c y
3
2
1
Histogram Dependent Variable: Y
Mean =2.91E-15 Std. Dev. =0.837
N =11
Gambar 4.1. Histogram Sumber: Output SPSS, Diolah Peneliti 2016
Dari gambar di atas setelah moderating terlihat bahwa grafik histogram memberikan pola distribusi yang normal. Dilihat dari gambar 4.2, terlihat bahwa
data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal menunjukkan pola distribusi normal. Dengan demikian, model regresi memenuhi
asumsi normalitas.
Universitas Sumatera Utara
45
Observed Cum Prob
1.0 0.8
0.6 0.4
0.2 0.0
E x
p e
c te
d C
u m
P ro
b
1.0 0.8
0.6 0.4
0.2 0.0
Normal P-P Plot of Regression Standardized Residual Dependent Variable: Y
Gambar 4.4. Normal P-P Plot of Regression Standartized Residual
Sumber: Output SPSS, Diolah Peneliti 2016 4.1.6.2. Hasil Uji Multikolinieritas
Uji multikolinearitas bertujuan untuk menguji apakah dalam suatu model regresi terdapat korelasi antar variabel independen cadangan devisa, pendalaman
sektor keuangan dan gejolak nilai tukar perdagangan. Pengujian multikolinearitas dilakukan dengan melihat VIF antar variabel independen. Nilai cut-off yang
umum dipakai untuk menunjukkan adanya multikoloniearitas adalah Tolerance 1 sedangkan Variance Inflation Factor VIF 10. Jika VIF menunjukkan angka
10 dan nilai tolerance 1, hal ini berarti terdapat gejala multikolinearitas. Sebaliknya, jika nilai VIF 10 dan nilai tolerance 1, berarti tidak terdapat
multikolinieritas. Berdasarkan print output SPSS, diperoleh hasil uji multikolinearitas seperti pada tabel berikut:
Universitas Sumatera Utara
46
Tabel 4.7 Hasil Uji Multikolinearitas
Collinearity Statistics Tolerance
VIF X1
0,475 2,103
X2 0,906
1,104 X3
0,446 2,244
Sumber: Output SPSS, Diolah Peneliti 2016 Dari tabel di atas, terlihat bahwa nilai tolerance untuk variabel cadangan
devisa X
1
sebesar 0,475 dengan nilai VIF Variance Inflation Factor sebesar 2,103. Nilai tolerance untuk variabel pendalaman sektor keuangan X
2
sebesar 0,906 dengan nilai VIF sebesar 1,104. Nilai tolerance untuk variabel gejolak nilai
tukar perdagangan X
3
sebesar 0,446 dengan nilai VIF sebesar 2,244. Hasil uji multikolinieritas menunjukkan bahwa rata-rata nilai VIF 10 dan nilai tolerance
1. Artinya, variabel independen tidak mengalami multikolinieritas.
4.1.6.3. Hasil Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah terdapat korelasi antara kesalahan pengganggu pada suatu periode dengan kesalahan pengganggu periode
sebelumnya dalam model regresi. Dari print output SPSS, diperoleh hasil uji autokorelasi seperti pada tabel berikut:
Tabel 4.8 Hasil Uji Autokorelasi
Model Durbin-Watson
1 2,133
Sumber: Output SPSS, Diolah Peneliti 2016 Dari tabel di atas, diketahui nilai Durbin Watson Test sebesar 2,133.
Artinya, variabel dependen tidak terjadi autokorelasi.
Universitas Sumatera Utara
47
4.1.6.4. Hasil Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan
yang lain. Uji ini dapat dilakukan dengan melihat grafik plot antara nilai prediksi variabel terikat dependend yaitu Zpred dengan residualnya Sresid. Jika ada pola
tertentu seperti titik-titik yang ada membentuk pola tertentu yang teratur bergelombang, melebar dan menyempit, maka mengindikasikan telah terjadi
heteroskedastisitas. Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu, maka tidak terjadi heterokedastisitas.
Berdasarkan print output SPSS, diperoleh hasil uji heteroskedastisitas seperti pada gambar berikut:
Regression Studentized Residual
2 1
-1 -2
R eg
re ss
io n
S ta
n d
ar d
iz ed
P re
d ic
te d
V al
u e
2 1
-1 -2
Scatterplot Dependent Variable: Y
Gambar 4.3. Scatterplot Sumber: Output SPSS, Diolah Peneliti 2016
Dari gambar tersebut di atas, terlihat bahwa titik-titik menyebar di atas dan di bawah, tidak mengumpul, penyebaran titik-titik data tidak membentuk pola
Universitas Sumatera Utara
48
bergelombang melembar kemudian menyempit dan melebar kembali. Artinya, tidak terjadi heteroskedastisitas.
4.2. Analisis Regresi Linear Berganda
Analisis regresi linear berganda berguna untuk mengetahui besar pengaruh variabel bebas cadangan devisa, pendalaman sektor keuangan dan gejolak nilai
tukar perdagangan terhadap variabel terikat nilai tukar riil Rupiah. Berdasarkan print output SPSS, diperoleh persamaan regresi linear berganda dan uji t, sebagai
berikut: Tabel 4.9
Persamaan Regresi Linear Berganda
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. B
Std. Error Beta
1 Constant
2.056,679 3131,537
0,657 0,532
X1 0,030
0,007 0,581
4,132 0,004
X2 139,290
53,200 0,267
2,618 0,034
X3 -23,782
9,826 -0,351
-2,420 0,046
a Dependent Variable: Y Sumber: Output SPSS, Diolah Peneliti 2016
Dari tabel di atas, diperoleh persamaan regresi linear berganda adalah: Y = 2.056,679 + 0,030X
1
+ 139,290X
2
– 23,782X
3
Dari persamaan regresi linear berganda tersebut, masing-masing variabel independen dapat diinterpretasikan pengaruhnya terhadap nilai tukar riil Rupiah,
sebagai berikut: 1.
Nilai konstanta a sebesar 2.056,679 menyatakan bahwa jika variabel independen konstan atau bernilai nol, maka nilai tukar riil Rupiah akan naik
sebesar Rp 2.056,679US.
Universitas Sumatera Utara
49
2. Nilai koefisien cadangan devisa X
1
sebesar 0,030. Hal ini menunjukkan bahwa jika variabel cadangan devisa bertambah US 1 juta, maka nilai tukar
riil rupiah akan meningkat sebesar Rp 0,030US. 3.
Nilai koefisien pendalaman sektor keuangan X
2
sebesar 139,290. Hal ini menunjukkan bahwa jika variabel pendalaman sektor keuangan bertambah
1, maka nilai tukar riil rupiah akan meningkat sebesar Rp 139,290US. 4.
Nilai koefisien gejolak nilai tukar perdagangan X
3
sebesar 23,782. Hal ini menunjukkan bahwa jika variabel gejolak nilai tukar perdagangan turun 1,
maka nilai tukar riil rupiah akan meningkat sebesar Rp 23,782US. 4.3. Pengujian Hipotesis
4.3.1. Uji Signifikansi Parsial t-test
Uji t digunakan untuk menguji pengaruh variabel independen secara parsial terhadap variabel variabel dependen. Variabel independen dikatakan
memiliki pengaruh signifikan terhadap variabel dependen apabila variabel dependen tersebut memiliki nilai signifikansi sig di bawah 0,05. Hasil uji t,
disajikan sebagai berikut: Tabel 4.10
Hasil Uji t
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. B
Std. Error Beta
1 Constant
2.056,679 3131,537
0,657 0,532
X1 0,030
0,007 0,581
4,132 0,004
X2 139,290
53,200 0,267
2,618 0,034
X3 -23,782
9,826 -0,351
-2,420 0,046
a Dependent Variable: Y Sumber: Output SPSS, Diolah Peneliti 2016
Universitas Sumatera Utara
50
Dari tabel 4.10, dapat diinterpretasikan hasil uji t, sebagai berikut: 1.
Untuk variabel cadangan devisa nilai t
hitung
4,132 t
tabel
2,262 dengan tingkat signifikansi sig sebesar 0,004 0,05, sehingga H
ditolak dan H
a
diterima. Hal ini menunjukkan bahwa cadangan devisa berpengaruh signifikan secara parsial terhadap stabilisasi nilai tukar riil Rupiah di Indonesia.
2. Untuk variabel pendalaman sektor keuangan nilai t
hitung
2,618 t
tabel
2,262 dengan tingkat signifikansi sig sebesar 0,034 0,05, sehingga H
ditolak dan H
a
diterima. Hal ini menunjukkan bahwa pendalaman sektor keuangan berpengaruh signifikan secara parsial terhadap stabilisasi nilai tukar riil
Rupiah di Indonesia. 3.
Untuk variabel gejolak nilai tukar perdagangan nilai t
hitung
-2,420 t
tabel
2,262 dengan tingkat signifikansi sig sebesar 0,046 0,05, sehingga H ditolak dan H
a
diterima. Hal ini menunjukkan bahwa gejolak nilai tukar perdagangan berpengaruh signifikan secara parsial terhadap stabilisasi nilai
tukar riil Rupiah di Indonesia.
4.3.2. Uji Signifikansi Simultan F-test
