Laporan 4 Analisis Regresi Terapan
BAB I
PENDAHULUAN
1.1 Definisi
Analisis Regresi merupakan alat analisis yang termasuk ke dalam statistika
parametrik. Dengan demikian, untuk menggunakan regresi, harus melakukan
pengujian asumsi terlebih dahulu. Asumsi yang harus terpenuhi, yaitu:
1. Kenormalan Sisaan
2. Tidak ada autokorelasi atau sisaan saling bebas
3. Homoscedasticity atau kehomogenan ragam sisaan
4. Tidak ada multikoleniearitas (untuk analisis regresi berganda)
1. Kenormalan Sisaan
Asusmsi bahwa sisaan menyebar normal tidak terlalu penting dalam
pendugaan parameter regresi dan pemisahan total keragaman. Penduga dengan
metode kuadrat terkecil tetap merupakan penduga takbias terbaik apabila asumsi
lain terpenuhi. Kenormalan hanya diperlukan pada waktu pengujian hipotesis
dan penyusunan selang kepercayaan bagi parameter. Secara umum, pengaruh
ketidaknormalan sisaan terhadap pengujian dan penyusunan selang kepercayaan
adalah bahwa taraf nyata yang berkaitan dengan dua hal tersebut tidak lagi sesuai
dengan yang ditentukan. (Rawlings, Pantula dan Dickey, 1998)
2. Kebebasan Sisaan
Sisaan yang berkolerasi mungkin disebabkan karena beberapa hal. Sisaan
dari pengamatan pada waktu tertentu cenderung unutk berkorelasi dengan sisaan
yang berdekatan. Misalkan saja pada pengamatan pertumbuhan tanaman atau
hewan, sisaan yang didapatkan akan cenderung saling berkorelasi. Pengaruh
adanya sisaan yang saling berkorelasi ini adalah berkurangnya presisi penduga
metode kuadrat terkecil, serupa dengan pengaruh ketidakhomogenan ragam.
Secara eksploratif, plot sisaan yang dapat dipergunakan untuk memeriksa asumsi
ini adalah plot antara sisaan dengan urutan sisaan tersebut. Apabila sisaan saling
bebas, maka plot tersebut tidak akan memiliki pola apapun.
1
2
3. Kehomogenan Ragam
Asumsi
kehomogenan
atau
kesamaan
ragam
(homoscedasticity)
memainkan peranan yang sangat penting di dalam pendugaan dengan metode
kuadrat terkecil. Asumsi ini berimplikasi bahwa setiap pengamatan pada peubah
respon mengandung informasi yang sama penting. Konsekuensinya, semua
pengamatan di dalam metode kuadrat terkecil mendapatkan bobot yang sama
besar. Dengan kata lain, ketidakhomogenan ragam (heteroscedasticity)
mengakibatkan beberapa pengamatan mengandung informasi yang lebih
dibandingkan yang lain.
4. Multikolinieritas
Pengujian Multikolinieritas juga sering disebut uji independensi. Pengujian
ini akan melihat apakah antara sesama penjelas memiliki hubungan yang besar
atau tidak. Jika hubungan antara sesama penjelas (variabel dependen) kuat, maka
antara penjelas tersebut tidak saling bebas.
Untuk mendeteksi adanya masalah multikolinear dapat dilakukan dengan
eksplorasi hubungan antar peubah penjelas, baik lewat plot pencaran maupun
korelasi antar peubah penjelas. Cara lain dapat dilakukan dengan menghitung
nilai VIF atau Variance Inflation Factor. Nilai VIF ini mengukur seberapa
besar ragam dari dugaan koefisien regresi akan meningkat apabila antar peubah
penjelas terdapat masalah multikolinier
1.2 Studi Kasus
Kasus yang harus diselesaikan dalam praktikum Analisis Regresi Terapan
dengan menggunakan program SPSS yaitu:
Periode
PMA
(Miliar Rp)
2003-Q1
2003-Q2
2003-Q3
2003-Q4
2004-Q1
2561,20
1974,30
1836,10
4835,60
1563,00
Variabel
G
CPI
(Miliar Rp)
(%)
26378,80
28901,00
30758,40
35365,90
29670,84
7,82
7,25
6,37
4,84
5,72
EX
ER
(Ribu US$) (IDR/US$)
148537,00
154776,20
147345,70
148857,40
151536,74
8389,00
8465,00
8908,00
8285,00
9415,00
3
2004-Q2
2004-Q3
2004-Q4
2005-Q1
2005-Q2
2005-Q3
2005-Q4
2006-Q1
2006-Q2
2006-Q3
2006-Q4
2007-Q1
2007-Q2
2007-Q3
2007-Q4
2008-Q1
2008-Q2
2008-Q3
2008-Q4
2009-Q1
2009-Q2
2009-Q3
2246,10
4814,70
2053,50
4282,30
2645,20
4735,20
2370,60
2916,60
3608,20
4586,10
6059,70
11135,50
6382,10
9046,00
7105,50
6382,10
2498,80
3416,50
1055,80
2586,40
2645,60
2836,20
30871,24
29090,80
35503,88
26823,27
28813,63
34640,96
44347,70
30202,70
37102,47
35237,25
45314,16
31021,72
37537,80
38522,13
39145,81
40547,53
46227,97
42816,55
53787,28
38332,31
47428,13
47183,12
6,71
6,27
6,41
7,76
8,41
7,65
17,79
16,9
15,51
14,87
6,36
6,02
6,25
6,51
6,73
7,64
10,12
11,96
11,5
8,56
5,67
3,76
162529,87
182514,04
184040,31
184892,62
191189,89
204876,24
212717,25
206730,13
212898,23
221837,24
224553,53
226790,85
234934,47
238286,76
263606,10
255181,79
244656,60
263976,50
207385,20
219101,70
223004,30
241885,30
9387,00
9170,00
9480,00
9290,00
10310,00
9075,00
9830,00
9713,00
9300,00
9235,00
9118,00
9020,00
9054,00
9137,00
9419,00
9217,00
9225,00
9378,00
10950,00
11575,00
10225,00
9681,00
Keterangan:
PMA
= Penanaman Modal Asing
G
= Pengeluaran Investasi Pemerintah
CPI
= Tingkat inflasi
EX
= Ekspor migas dan non migas
ER
= Nilai tukar rupiah terhadap dollar Amerika ( IDR / US $)
Dari data pada laporan ketiga, selesaikan permasalahan-permasalahan berikut:
1. Lakukan analisis apa yang sesuai dengan data yang ada!
2. Dapatkan model yang sesuai untuk kasus di atas. Apakah model telah
memenuhi asumsi? Jelaskan!
3. Jelaskan faktor apa yang paling berpengaruh pada penanaman modal asing di
Indonesia?
Berdasarkan model yang telah anda peroleh, lakukan interpretasi dan kesimpulan!
BAB II
DESKRIPSI KERJA
Dalam praktikum Analisis Regresi Terapan modul ketiga ini akan dijelaskan
deskripsi atau langkah-langkah kerja sesuai dengan studi kasus yang ada. Praktikan
akan menggunakan SPSS untuk mengerjakan data tersebut. Adapun langkahlangkahnya sebagai berikut :
1.1 Mengoperasikan SPSS dengan dengan menjalankan kursor pada lambang Start
All Programs IBM SPSS Statistics 21 atau praktikan dapat langsung
memilihnya pada dekstop.
1.2 Memasukan variable data pada variable view sesuai dengan data yang
diketahui. Seperti gambar berikut:
Gambar 2.1 Memasukan data, pada variable view
1.3 Praktikan memasukan nilai data pada data view dan harus sesuai dengan tabel
data yang sudah diketahui. Seperti gambar berikut:
Gambar 2.2 Memasukan nilai data
4
5
1.4 Praktikan melakukan uji regresi dengan memilih analyze pada menu bar
kemudian memilih regression linier, kemudian mengatur variable
dependent dan independent. Dan akan muncul tampilan seperti gambar berikut:
Gambar 2.3 Mengatur variabel dependent dan independent
1.5 Kemudian lanjutan dari pengaturan diatas, praktikan memilih Statistics. Dan
akan muncul tampilan seperti gambar berikut:
Gambar 2.4 Mengatur statistics pada linier regression
1.6 Praktikan mengatur Plots dengan memasukan variabel *SRESID ke dalam
kotak Y dan *ZPRED ke dalam kotak X seperti gambar berikut:
Gambar 2.5 Mengatur Plots pada linier regression
6
1.7 Praktikan mengatur Save dengan memilih Unstandardized pada Residuals
seperti gambar berikut:
Gambar 2.6 Mengatur Save pada linier regression
1.8 Praktikan mengatur Options dengan menggunakan tingkat signifikansi 5%
seperti gambar berikut:
Gambar 2.7 Mengatur Options pada linier regression
1.9 Untuk asusmsi normalitas praktikan menggunakan Analyze; Descriptive
Statistics; Explore. Seperti gambar berikut:
Gambar 2.8 Menggunakan pilihan explore
7
2.0 Kemudian praktikan memindahkan Unstandardized Residual [RES_3] pada
Dependent List. Seperti gambar berikut:
Gambar 2.9 Mengatur Dependent, Factor dan Display
2.1 Menggunakan Normality plots with tests dengan mencentangnya pada menu
options. Seperti gambar berikut:
Gambar 2.10 Mencentang normality plots with tests
BAB III
PEMBAHASAN
Pada pembahasan ini praktikan menjelaskan hasil output dari masing-masing
data yang praktikan kerjakan berdasarkan studi kasus yang ada. Pembahasan akan
di jabarkan oleh praktikan sebagai berikut :
Tabel 3.1 Output SPSS ANOVA (Uji Overall)
ANOVAa
Model
1
Sum of Squares
df
Mean Square
Regression
90130470.013
4
22532617.503
Residual
59734042.899
22
2715183.768
149864512.912
26
Total
F
8.299
Sig.
.000b
Hasil di atas digunakan untuk uji overall. Dari uji ANOVA atau F-test,
diperoleh bahwa nilai F-hitung adalah 8.299 dengan tingkat signifikansi sebesar
0,000.
Jika ingin menguji hipotesis seperti berikut:
a. Hipotesis
H0: β1 = β2 = β3 = β4 = 0
(Model tidak sesuai)
H1: Minimal terdapat satu βi ≠ 0, i =1,2,3,4.
(Model sesuai)
b. Tingkat signifikansi
α= 0,05.
c. Daerah kritis
Jika sig. < tingkat signifikansi α= 0,05, tolak H0
d. Statistik uji
Sig. = 0,000.
e. Keputusan
0,000 < 0,05
Sig. < tingkat signifikansi α= 0,05 , (Tolak H0)
f. Kesimpulan
Dengan tingkat signifikansi 0,05, diperoleh kesimpulan menunjukkan bahwa
model sesuai.
8
9
Tabel 3.2 Output SPSS tabel Coefficients (Uji Parsial)
Coefficientsa
Model
Unstandardized Coefficients
Standardized
t
Sig.
Coefficients
B
(Constant)
Beta
9189.203
4422.740
-.146
.061
CPI
-176.338
EX
ER
G
1
Std. Error
2.078
.050
-.444
-2.404
.025
89.555
-.275
-1.969
.062
.059
.012
.888
5.052
.000
-1.101
.515
-.325
-2.138
.044
Tabel 3.3 Keputusan Uji Hipotesis (Uji Parsial)
Model
Konstanta
Hipotesis
H0 : β0 = 0
H1 : β0 ≠ 0
H0 : β1 = 0
G
H1 : β1 ≠ 0
CPI
EX
ER
H0 : β2 = 0
H1 : β2 ≠ 0
H0 : β3 = 0
H1 : β3 ≠ 0
H0 : β4 = 0
H1 : β4 ≠ 0
P-value
Tanda
α
Keputusan
0,05
=
0,05
Tolak H0
0,025
<
0,05
Tolak H0
0,062
>
0,05
Gagal tolak H0
0,000
<
0,05
Tolak H0
0,044
<
0,05
Tolak H0
Dari tabel keputusan uji hipotesis tersebut, terdapat satu keputusan uji yang
gagal tolak H0, yaitu pada CPI (tingkat inflasi) bahwa tingkat inflasi tidak terlalu
berpengaruh terhadap besarnya penanaman modal asing (PMA). Sehingga
praktikan akan melakukan pengulangan uji yaitu dengan cara mengeluarkan
variabel tingkat inflasi (CPI) pada model dengan demikian dihasilkan model seperti
tabel berikut :
10
Tabel 3.4 PMA Tanpa Tingkat Inflasi (CPI)
Coefficientsa
Model
Unstandardized
Standardized
Coefficients
Coefficients
B
Std. Error
t
Sig.
95.0% Confidence Interval for B
Beta
Lower
Upper Bound
Bound
(Constant)
1
9964.253
4672.604
-.139
.064
EX
.055
ER
-1.300
G
2.132
.044
298.235
19630.271
-.424
-2.170
.041
-.272
-.006
.012
.840
4.549
.000
.030
.080
.536
-.384
-2.425
.024
-2.408
-.191
Dari tabel tersebut praktikan dapat memisalkan penanaman modal asing
(PMA) sebagai Y dan faktor-faktor yang mempengaruhi penanaman modal asing
sebagai Xi, yaitu X1 sebagai pengeluaran investasi pemerintah (G), X2 sebagai
ekspor migas dan non migas (EX) dan X3 sebagai nilai tukar rupiah terhadap dollar
Amerika (ER).
Dengan demikian dapat dituliskan pengujian hipotesisnya secara satu persatu
sebagai berikut :
1) Pengujian hipotesis terhadap β0 (Konstanta/Intersep)
a. Hipotesis
H0 : β0 = 0
(semua nilai Y dapat dijelaskan oleh X)
H1 : β0 ≠ 0
(ada nilai Y yang tidak dapat dijelaskan oleh X)
b. Tingkat signifikansi
α = 0,05
c. Daerah kritis
Sig. < α (Tolak H0)
d. Statistik Uji
Sig. = 0,044
e. Keputusan
0,044 < 0,05
Sig. < α (Tolak H0)
11
f. Kesimpulan
Dengan menggunakan tingkat kepercayaan 95% data yang ada menolak H0
(nilai Sig < α) yang berarti bahwa ada nilai Y yang tidak dapat dijelaskan
oleh nilai X.
2) Pengujian hipotesis terhadap β1 (mengetahui pengaruh pengeluaran investasi
pemerintah terhadap besarnya penanaman modal asing)
a. Hipotesis
H0 : β1 = 0
( X1 tidak berpengaruh terhadap Y)
H1 : β1 ≠ 0
( X1 berpengaruh terhadap Y)
b. Tingkat signifikansi
α = 0,05
c. Daerah kritis
Sig. < α (Tolak H0)
d. Statistik Uji
Sig. = 0,041
e. Keputusan
0,041 < 0,05
Sig. < α (Tolak H0)
f. Kesimpulan
Dengan menggunakan tingkat kepercayaan 95% data yang ada menolak H0
(nilai Sig < α) yang berarti bahwa nilai besarnya pengeluaran investasi
pemerintah berpengaruh terhadap penanaman modal asing
3) Pengujian hipotesis terhadap β2 (mengetahui pengaruh nilai tukar rupiah
terhadap penanaman modal asing)
a. Hipotesis
H0 : β3 = 0
( X3 tidak berpengaruh terhadap Y)
H1 : β3 ≠ 0
( X3 berpengaruh terhadap Y)
b. Tingkat signifikansi
α = 0,05
c. Daerah kritis
Sig. < α (Tolak H0)
12
d. Statistik Uji
Sig. = 0,000
e. Keputusan
0,000 < 0,05
Sig. < α (Tolak H0)
f. Kesimpulan
Dengan menggunakan tingkat kepercayaan 95% data yang ada menolak H0
(nilai Sig < α) yang berarti bahwa besarnya ekspor migas dan non migas
berpengaruh terhadap penanaman modal asing.
4)
Pengujian hipotesis terhadap β3 (mengetahui pengaruh ekspor migas dan non
migas terhadap penanaman modal asing)
a. Hipotesis
H0 : β2 = 0
( X2 tidak berpengaruh terhadap Y)
H1 : β2 ≠ 0
( X2 berpengaruh terhadap Y)
b. Tingkat signifikansi
α = 0,05
c. Daerah kritis
Sig < α (Tolak H0)
d. Statistik Uji
Sig = 0,024
e. Keputusan
0,024 < 0,05
Sig < α (Tolak H0)
f. Kesimpulan
Dengan menggunakan tingkat kepercayaan 95% data yang ada menolak H0
(nilai Sig < α) yang berarti bahwa besarnya nilai tukar rupiah terhadap dollar
Amerika akan berpengaruh terhadap penanaman modal asing.
13
Tabel 3.5 Hasil Uji Normalitas
Tests of Normality
Kolmogorov-Smirnova
Statistic
Unstandardized Residual
df
.145
Shapiro-Wilk
Sig.
27
.155
Statistic
.944
df
Sig.
27
Tabel 3.5 output dari sebuah uji normalitas dengan analisis berupa
Kolmogorov-Smirnov dan Shapiro-Wilk. Uji Kolmogorov-Smirnov digunakan
apabila sampel yang digunakan lebih dari 50 dan uji Shapiro-Wilk digunakan
apabila sampel kurang dari 50, karena pada studi kasus digunakan sampel sejumlah
20 maka praktikan menggunakan Uji Shapiro-Wilk.
Pengujian hipotesis dari kasus diatas adalah sebagai berikut :
1.
Hipotesis
H0 : Residual berdistribusi normal.
H1 : Residual tidak berdistribusi normal.
2.
Tingkat Signifikansi
α=5%
3.
Daerah Kritis
Jika Sig. < α : Tolak H0
4.
Statistik Uji
Sig.Unstandardized Residual= 0.153 > α = 0.05
5.
Keputusan
Berdasarkan nilai signifikasi
Karena Sig. > α : maka Gagal Tolak H0
6.
Kesimpulan
Dengan menggunakan tingkat kepercayaan 95% dan tingkat signifikansi 5%,
data yang ada gagal tolak H0, kesimpulannya bahwa ketiga model yang
berhubungan dengan penanaman modal asing (PMA) tertentu memiliki data
berdistribusi normal.
.153
14
Tabel 3.6 Untuk Uji Auto Korelasi
Model Summaryb
Model
R
R Square
.729a
1
Adjusted R
Std. Error of the
Square
Estimate
.531
.470
Durbin-Watson
1747.80899
1.427
a. Predictors: (Constant), ER, EX, G
b. Dependent Variable: PMA
Uji Autokorelasi hanya dilakukan pada data time series (runtut waktu) dan
tidak perlu dilakukan pada data cross section seperti pada kuesioner di mana
pengukuran semua variabel dilakukan secara serempak pada saat yang bersamaan.
Autokorelasi adalah nilai galat ( e = Yi − Y ) setiap pengamatan pada setiap variabel
bebas X bersifat bebas. Pengujian autokorelasi menggunakan Durbin-Watson.
Durbin-watson dilakukan untuk menguji autokorelasi sisaan ordo satu (sisaan
berkorelasi dengan sisaan satu lag atau jeda waktu sebelumnya) Uji hipotesisnya
sebagai berikut.
1.
Hipotesis
H0: ρ = 0 (Tidak terjadi Autokorelasi)
H1: ρ ≠ 1 (Terjadi Autokorelasi)
2.
Tingkat Signifikansi
α= 0,05.
3.
4.
Daerah kritis
Gagal tolak H0
du < DW < 4-du
Tolak H0
0 < DW < dl atau 4-dl < DW < 4
Tidak ada keputusan
dl < DW < du atau 4-du < DW < 4- d1
Statistik uji
d = 1,592
dU = 1,76
dL = 1,08
5.
Keputusan
1.08 < 1.592 < 1.76
6.
Kesimpulan
15
Dari hasil pengujian dengan Autokorelasi dengan menggunakan metode
Durbin Watson 1.08 < 1.592 < 1.76 (dl < d < du) didapatkan hasil bahwa
pengujian tidak dapat diambil sebuah kesimpulan.
Dalam penentuan dU dan dL pada metode Durbin Watson didapatkan dari
tabel Durbin Watson, sebelum menentukan dU dan dL juga harus mengetahui
k yang dalam hal ini k merupakan jumlah variabel bebas. Pada studi kasus
diatas, pengembilan k didapatkan dari variabel yang signifikan maupun yang
tidak signifikan.
Gambar 3.1 Scatterplot untuk Uji Heteroskedastisitas
Pada gambar di atas terlihat bahwa plot dengan sumbu X = Regression
Standardized Predicted Value dan sumbu Y = Regression Standardized Residual.
Pada gambar plot tersebut tidak menunjukkan pola tertentu karena titik titiknya
menyebar sehingga ragam galat (ei) dari pengamatan 1 ke pengamatan lainnya sama
atau heteroskedastisitas/homoskedastisitas.
Asumsi kehomogenan atau homoskedastisitas memainkan peranan yang
sangat penting di dalam pendugaan dengan metode kuadrat terkecil. Asumsi
berimplikasi bahwa setiap pengamatan pada peubah respon mengandung informasi
yang sama penting.
Tabel 3.7 Untuk Uji Multikolinieritas
16
Coefficientsa
Model
95.0% Confidence Interval for B
Lower Bound
(Constant)
Collinearity Statistics
Upper Bound
Tolerance
VIF
298.235
19630.271
-.272
-.006
.534
1.874
EX
.030
.080
.598
1.672
ER
-2.408
-.191
.814
1.229
G
1
Uji multikolinearitas atau uji indepedensi berfungsi untuk melihat apakah
antara sesama penjelas memiliki hubungan yang besar atau tidak. Jika hubungan
antara sesama penjelas (variable dependent) kuat, maka antara penjelas tersebut
tidak saling bebas. Untuk mendeteksi adanya masalah multikolinearitas ini dapat
dilakukan dengan eksplorasi hubungan antar peubah penjelas, baik lewat plot
korelasi antar peubah penjelas maupun plot pancaran. Cara lain yang dapat
dilakukan dengan menghitung nilai VIF atau Variance Inflation Factor atau nilai
Tollerance.
1.
Hipotesis
H0: ρ = 0 (Tidak terjadi Multikolinieritas)
H1: ρ ≠ 1 (Terjadi Multikolinieritas)
2.
Tingkat signifikansi
α= 0,05.
3.
Daerah kritis
Jika Tollerance ≥ 0,1 atau VIF ≤ 10 ; Gagal Tolak H0
4.
Statistik uji
a. VIF = 1,874 dan Tolerance 0.534.
b. VIF = 1,672 dan Tolerance 0,598.
c. VIF = 1,229 dan Tolerance 0,814.
5.
Keputusan
Karena Tolerance dan VIF pada tiap variabel independent sesuai dengan titik
kritis maka gagal tolak H0, artinya tidak terjadi multikolineritas.
6.
Kesimpulan
17
Setelah dilakukan pengujian terhadap tiga variabel yang dalam penentuan
variabelnya yakni variabel independen maka dapat disimpulkan bahwa ketiga
variabel ini yaitu variabel G, ER dan EX bukan variabel yang menyebabkan
adanya multikolinearitas. Dengan demikian dapat disimpulkan bahwa model
pada penelitian ini memenuhi syarat untuk menjadi model regresi yang baik
karena tidak terjadi korelasi antar variabel independen (non-multikolinearitas).
BAB IV
PENUTUP
Berdasarkan hasil praktikum Analisis Regresi Terapan dengan menggunakan
SPSS, maka praktikan dapat menyimpulkan beberapa hal sebagai berikut:
1. Penanaman modal asing dapat diketahui berdasarkan pengujian hanya di
pengaruhi oleh tiga faktor yaitu pengeluaran investasi pemerintah, ekspor migas
dan non migas, dan nilai tukar rupiah terhadap dollar Amerika.
2. Tingkat inflasi diketahui tidak berpengaruh secara linier terhadap penanaman
modal asing.
3. Model regresi yang didapatkan yaitu Y = 9964.253 + 0.055 EX - 1.3 ER - 1.39
G, artinya hubungan linier positif antara penanaman modal asing dengan ekspor
migas dan non migas, dan memiliki hubungan linier negatif dengan variabel nilai
tukar rupiah terhadapa dollar Amerika dan pengeluaran investasi pemerintah.
4. 47% variabel dependen penanaman modal asing dapat dikaitkan degan tiga
variabel independen, yaitu pengeluaran investasi pemerintah, ekspor migas dan
non migas, dan nilai tukar rupiah terhadap dollar Amerika. Dan 53% lainnya
dijelaskan oleh variabel lain yang tidak terkait dengan tiga variabel tersebut.
5. Uji asumsi klasik dapat sebagai tolak ukur untuk model yang digunakan untuk
mengestimasi apakah sesuai atau tidak atau sudah memenuhi kriteria Best Linier
Un-bias Estimator, maka dapat dikatakan asumsi klasik yang digunakan untuk
model sudah memenuhi (BLUE) adalah asumsi non-multikolinieritas, nonheteroskedastisitas, non-autokorelasi dan residual berdistribusi normal.
18
DAFTAR PUSTAKA
Purwaningsih, Tuti. 2013. Modul Praktikum Analisis Regresi Terapan. Yogyakarta:
Universitas Islam Indonesia.
Basri,
Seta.
Kamis,
28
April
2011.
Uji
Regresi
Berganda.
http://setabasri01.blogspot.com/2011/04/uji-regresi-berganda.html.
Diakses pada tanggal 31 Mei 2015.
Dwi.
Rabu,
23
Oktober
2014.
Analisis
Regresi
Linier
Berganda.
http://duwiconsultant.blogspot.com/2011/11/analisis-regresi-linierberganda.html. Diakses pada tanggal 31 Mei 2015.
Penelitian, Laporan. Minggu, 01 Desember 2014. Analisis Regresi Linier
Berganda. http://tu.laporanpenelitian.com/2014/12/28.html. Diakses pada
tanggal 31 Mei 2015.
19
PENDAHULUAN
1.1 Definisi
Analisis Regresi merupakan alat analisis yang termasuk ke dalam statistika
parametrik. Dengan demikian, untuk menggunakan regresi, harus melakukan
pengujian asumsi terlebih dahulu. Asumsi yang harus terpenuhi, yaitu:
1. Kenormalan Sisaan
2. Tidak ada autokorelasi atau sisaan saling bebas
3. Homoscedasticity atau kehomogenan ragam sisaan
4. Tidak ada multikoleniearitas (untuk analisis regresi berganda)
1. Kenormalan Sisaan
Asusmsi bahwa sisaan menyebar normal tidak terlalu penting dalam
pendugaan parameter regresi dan pemisahan total keragaman. Penduga dengan
metode kuadrat terkecil tetap merupakan penduga takbias terbaik apabila asumsi
lain terpenuhi. Kenormalan hanya diperlukan pada waktu pengujian hipotesis
dan penyusunan selang kepercayaan bagi parameter. Secara umum, pengaruh
ketidaknormalan sisaan terhadap pengujian dan penyusunan selang kepercayaan
adalah bahwa taraf nyata yang berkaitan dengan dua hal tersebut tidak lagi sesuai
dengan yang ditentukan. (Rawlings, Pantula dan Dickey, 1998)
2. Kebebasan Sisaan
Sisaan yang berkolerasi mungkin disebabkan karena beberapa hal. Sisaan
dari pengamatan pada waktu tertentu cenderung unutk berkorelasi dengan sisaan
yang berdekatan. Misalkan saja pada pengamatan pertumbuhan tanaman atau
hewan, sisaan yang didapatkan akan cenderung saling berkorelasi. Pengaruh
adanya sisaan yang saling berkorelasi ini adalah berkurangnya presisi penduga
metode kuadrat terkecil, serupa dengan pengaruh ketidakhomogenan ragam.
Secara eksploratif, plot sisaan yang dapat dipergunakan untuk memeriksa asumsi
ini adalah plot antara sisaan dengan urutan sisaan tersebut. Apabila sisaan saling
bebas, maka plot tersebut tidak akan memiliki pola apapun.
1
2
3. Kehomogenan Ragam
Asumsi
kehomogenan
atau
kesamaan
ragam
(homoscedasticity)
memainkan peranan yang sangat penting di dalam pendugaan dengan metode
kuadrat terkecil. Asumsi ini berimplikasi bahwa setiap pengamatan pada peubah
respon mengandung informasi yang sama penting. Konsekuensinya, semua
pengamatan di dalam metode kuadrat terkecil mendapatkan bobot yang sama
besar. Dengan kata lain, ketidakhomogenan ragam (heteroscedasticity)
mengakibatkan beberapa pengamatan mengandung informasi yang lebih
dibandingkan yang lain.
4. Multikolinieritas
Pengujian Multikolinieritas juga sering disebut uji independensi. Pengujian
ini akan melihat apakah antara sesama penjelas memiliki hubungan yang besar
atau tidak. Jika hubungan antara sesama penjelas (variabel dependen) kuat, maka
antara penjelas tersebut tidak saling bebas.
Untuk mendeteksi adanya masalah multikolinear dapat dilakukan dengan
eksplorasi hubungan antar peubah penjelas, baik lewat plot pencaran maupun
korelasi antar peubah penjelas. Cara lain dapat dilakukan dengan menghitung
nilai VIF atau Variance Inflation Factor. Nilai VIF ini mengukur seberapa
besar ragam dari dugaan koefisien regresi akan meningkat apabila antar peubah
penjelas terdapat masalah multikolinier
1.2 Studi Kasus
Kasus yang harus diselesaikan dalam praktikum Analisis Regresi Terapan
dengan menggunakan program SPSS yaitu:
Periode
PMA
(Miliar Rp)
2003-Q1
2003-Q2
2003-Q3
2003-Q4
2004-Q1
2561,20
1974,30
1836,10
4835,60
1563,00
Variabel
G
CPI
(Miliar Rp)
(%)
26378,80
28901,00
30758,40
35365,90
29670,84
7,82
7,25
6,37
4,84
5,72
EX
ER
(Ribu US$) (IDR/US$)
148537,00
154776,20
147345,70
148857,40
151536,74
8389,00
8465,00
8908,00
8285,00
9415,00
3
2004-Q2
2004-Q3
2004-Q4
2005-Q1
2005-Q2
2005-Q3
2005-Q4
2006-Q1
2006-Q2
2006-Q3
2006-Q4
2007-Q1
2007-Q2
2007-Q3
2007-Q4
2008-Q1
2008-Q2
2008-Q3
2008-Q4
2009-Q1
2009-Q2
2009-Q3
2246,10
4814,70
2053,50
4282,30
2645,20
4735,20
2370,60
2916,60
3608,20
4586,10
6059,70
11135,50
6382,10
9046,00
7105,50
6382,10
2498,80
3416,50
1055,80
2586,40
2645,60
2836,20
30871,24
29090,80
35503,88
26823,27
28813,63
34640,96
44347,70
30202,70
37102,47
35237,25
45314,16
31021,72
37537,80
38522,13
39145,81
40547,53
46227,97
42816,55
53787,28
38332,31
47428,13
47183,12
6,71
6,27
6,41
7,76
8,41
7,65
17,79
16,9
15,51
14,87
6,36
6,02
6,25
6,51
6,73
7,64
10,12
11,96
11,5
8,56
5,67
3,76
162529,87
182514,04
184040,31
184892,62
191189,89
204876,24
212717,25
206730,13
212898,23
221837,24
224553,53
226790,85
234934,47
238286,76
263606,10
255181,79
244656,60
263976,50
207385,20
219101,70
223004,30
241885,30
9387,00
9170,00
9480,00
9290,00
10310,00
9075,00
9830,00
9713,00
9300,00
9235,00
9118,00
9020,00
9054,00
9137,00
9419,00
9217,00
9225,00
9378,00
10950,00
11575,00
10225,00
9681,00
Keterangan:
PMA
= Penanaman Modal Asing
G
= Pengeluaran Investasi Pemerintah
CPI
= Tingkat inflasi
EX
= Ekspor migas dan non migas
ER
= Nilai tukar rupiah terhadap dollar Amerika ( IDR / US $)
Dari data pada laporan ketiga, selesaikan permasalahan-permasalahan berikut:
1. Lakukan analisis apa yang sesuai dengan data yang ada!
2. Dapatkan model yang sesuai untuk kasus di atas. Apakah model telah
memenuhi asumsi? Jelaskan!
3. Jelaskan faktor apa yang paling berpengaruh pada penanaman modal asing di
Indonesia?
Berdasarkan model yang telah anda peroleh, lakukan interpretasi dan kesimpulan!
BAB II
DESKRIPSI KERJA
Dalam praktikum Analisis Regresi Terapan modul ketiga ini akan dijelaskan
deskripsi atau langkah-langkah kerja sesuai dengan studi kasus yang ada. Praktikan
akan menggunakan SPSS untuk mengerjakan data tersebut. Adapun langkahlangkahnya sebagai berikut :
1.1 Mengoperasikan SPSS dengan dengan menjalankan kursor pada lambang Start
All Programs IBM SPSS Statistics 21 atau praktikan dapat langsung
memilihnya pada dekstop.
1.2 Memasukan variable data pada variable view sesuai dengan data yang
diketahui. Seperti gambar berikut:
Gambar 2.1 Memasukan data, pada variable view
1.3 Praktikan memasukan nilai data pada data view dan harus sesuai dengan tabel
data yang sudah diketahui. Seperti gambar berikut:
Gambar 2.2 Memasukan nilai data
4
5
1.4 Praktikan melakukan uji regresi dengan memilih analyze pada menu bar
kemudian memilih regression linier, kemudian mengatur variable
dependent dan independent. Dan akan muncul tampilan seperti gambar berikut:
Gambar 2.3 Mengatur variabel dependent dan independent
1.5 Kemudian lanjutan dari pengaturan diatas, praktikan memilih Statistics. Dan
akan muncul tampilan seperti gambar berikut:
Gambar 2.4 Mengatur statistics pada linier regression
1.6 Praktikan mengatur Plots dengan memasukan variabel *SRESID ke dalam
kotak Y dan *ZPRED ke dalam kotak X seperti gambar berikut:
Gambar 2.5 Mengatur Plots pada linier regression
6
1.7 Praktikan mengatur Save dengan memilih Unstandardized pada Residuals
seperti gambar berikut:
Gambar 2.6 Mengatur Save pada linier regression
1.8 Praktikan mengatur Options dengan menggunakan tingkat signifikansi 5%
seperti gambar berikut:
Gambar 2.7 Mengatur Options pada linier regression
1.9 Untuk asusmsi normalitas praktikan menggunakan Analyze; Descriptive
Statistics; Explore. Seperti gambar berikut:
Gambar 2.8 Menggunakan pilihan explore
7
2.0 Kemudian praktikan memindahkan Unstandardized Residual [RES_3] pada
Dependent List. Seperti gambar berikut:
Gambar 2.9 Mengatur Dependent, Factor dan Display
2.1 Menggunakan Normality plots with tests dengan mencentangnya pada menu
options. Seperti gambar berikut:
Gambar 2.10 Mencentang normality plots with tests
BAB III
PEMBAHASAN
Pada pembahasan ini praktikan menjelaskan hasil output dari masing-masing
data yang praktikan kerjakan berdasarkan studi kasus yang ada. Pembahasan akan
di jabarkan oleh praktikan sebagai berikut :
Tabel 3.1 Output SPSS ANOVA (Uji Overall)
ANOVAa
Model
1
Sum of Squares
df
Mean Square
Regression
90130470.013
4
22532617.503
Residual
59734042.899
22
2715183.768
149864512.912
26
Total
F
8.299
Sig.
.000b
Hasil di atas digunakan untuk uji overall. Dari uji ANOVA atau F-test,
diperoleh bahwa nilai F-hitung adalah 8.299 dengan tingkat signifikansi sebesar
0,000.
Jika ingin menguji hipotesis seperti berikut:
a. Hipotesis
H0: β1 = β2 = β3 = β4 = 0
(Model tidak sesuai)
H1: Minimal terdapat satu βi ≠ 0, i =1,2,3,4.
(Model sesuai)
b. Tingkat signifikansi
α= 0,05.
c. Daerah kritis
Jika sig. < tingkat signifikansi α= 0,05, tolak H0
d. Statistik uji
Sig. = 0,000.
e. Keputusan
0,000 < 0,05
Sig. < tingkat signifikansi α= 0,05 , (Tolak H0)
f. Kesimpulan
Dengan tingkat signifikansi 0,05, diperoleh kesimpulan menunjukkan bahwa
model sesuai.
8
9
Tabel 3.2 Output SPSS tabel Coefficients (Uji Parsial)
Coefficientsa
Model
Unstandardized Coefficients
Standardized
t
Sig.
Coefficients
B
(Constant)
Beta
9189.203
4422.740
-.146
.061
CPI
-176.338
EX
ER
G
1
Std. Error
2.078
.050
-.444
-2.404
.025
89.555
-.275
-1.969
.062
.059
.012
.888
5.052
.000
-1.101
.515
-.325
-2.138
.044
Tabel 3.3 Keputusan Uji Hipotesis (Uji Parsial)
Model
Konstanta
Hipotesis
H0 : β0 = 0
H1 : β0 ≠ 0
H0 : β1 = 0
G
H1 : β1 ≠ 0
CPI
EX
ER
H0 : β2 = 0
H1 : β2 ≠ 0
H0 : β3 = 0
H1 : β3 ≠ 0
H0 : β4 = 0
H1 : β4 ≠ 0
P-value
Tanda
α
Keputusan
0,05
=
0,05
Tolak H0
0,025
<
0,05
Tolak H0
0,062
>
0,05
Gagal tolak H0
0,000
<
0,05
Tolak H0
0,044
<
0,05
Tolak H0
Dari tabel keputusan uji hipotesis tersebut, terdapat satu keputusan uji yang
gagal tolak H0, yaitu pada CPI (tingkat inflasi) bahwa tingkat inflasi tidak terlalu
berpengaruh terhadap besarnya penanaman modal asing (PMA). Sehingga
praktikan akan melakukan pengulangan uji yaitu dengan cara mengeluarkan
variabel tingkat inflasi (CPI) pada model dengan demikian dihasilkan model seperti
tabel berikut :
10
Tabel 3.4 PMA Tanpa Tingkat Inflasi (CPI)
Coefficientsa
Model
Unstandardized
Standardized
Coefficients
Coefficients
B
Std. Error
t
Sig.
95.0% Confidence Interval for B
Beta
Lower
Upper Bound
Bound
(Constant)
1
9964.253
4672.604
-.139
.064
EX
.055
ER
-1.300
G
2.132
.044
298.235
19630.271
-.424
-2.170
.041
-.272
-.006
.012
.840
4.549
.000
.030
.080
.536
-.384
-2.425
.024
-2.408
-.191
Dari tabel tersebut praktikan dapat memisalkan penanaman modal asing
(PMA) sebagai Y dan faktor-faktor yang mempengaruhi penanaman modal asing
sebagai Xi, yaitu X1 sebagai pengeluaran investasi pemerintah (G), X2 sebagai
ekspor migas dan non migas (EX) dan X3 sebagai nilai tukar rupiah terhadap dollar
Amerika (ER).
Dengan demikian dapat dituliskan pengujian hipotesisnya secara satu persatu
sebagai berikut :
1) Pengujian hipotesis terhadap β0 (Konstanta/Intersep)
a. Hipotesis
H0 : β0 = 0
(semua nilai Y dapat dijelaskan oleh X)
H1 : β0 ≠ 0
(ada nilai Y yang tidak dapat dijelaskan oleh X)
b. Tingkat signifikansi
α = 0,05
c. Daerah kritis
Sig. < α (Tolak H0)
d. Statistik Uji
Sig. = 0,044
e. Keputusan
0,044 < 0,05
Sig. < α (Tolak H0)
11
f. Kesimpulan
Dengan menggunakan tingkat kepercayaan 95% data yang ada menolak H0
(nilai Sig < α) yang berarti bahwa ada nilai Y yang tidak dapat dijelaskan
oleh nilai X.
2) Pengujian hipotesis terhadap β1 (mengetahui pengaruh pengeluaran investasi
pemerintah terhadap besarnya penanaman modal asing)
a. Hipotesis
H0 : β1 = 0
( X1 tidak berpengaruh terhadap Y)
H1 : β1 ≠ 0
( X1 berpengaruh terhadap Y)
b. Tingkat signifikansi
α = 0,05
c. Daerah kritis
Sig. < α (Tolak H0)
d. Statistik Uji
Sig. = 0,041
e. Keputusan
0,041 < 0,05
Sig. < α (Tolak H0)
f. Kesimpulan
Dengan menggunakan tingkat kepercayaan 95% data yang ada menolak H0
(nilai Sig < α) yang berarti bahwa nilai besarnya pengeluaran investasi
pemerintah berpengaruh terhadap penanaman modal asing
3) Pengujian hipotesis terhadap β2 (mengetahui pengaruh nilai tukar rupiah
terhadap penanaman modal asing)
a. Hipotesis
H0 : β3 = 0
( X3 tidak berpengaruh terhadap Y)
H1 : β3 ≠ 0
( X3 berpengaruh terhadap Y)
b. Tingkat signifikansi
α = 0,05
c. Daerah kritis
Sig. < α (Tolak H0)
12
d. Statistik Uji
Sig. = 0,000
e. Keputusan
0,000 < 0,05
Sig. < α (Tolak H0)
f. Kesimpulan
Dengan menggunakan tingkat kepercayaan 95% data yang ada menolak H0
(nilai Sig < α) yang berarti bahwa besarnya ekspor migas dan non migas
berpengaruh terhadap penanaman modal asing.
4)
Pengujian hipotesis terhadap β3 (mengetahui pengaruh ekspor migas dan non
migas terhadap penanaman modal asing)
a. Hipotesis
H0 : β2 = 0
( X2 tidak berpengaruh terhadap Y)
H1 : β2 ≠ 0
( X2 berpengaruh terhadap Y)
b. Tingkat signifikansi
α = 0,05
c. Daerah kritis
Sig < α (Tolak H0)
d. Statistik Uji
Sig = 0,024
e. Keputusan
0,024 < 0,05
Sig < α (Tolak H0)
f. Kesimpulan
Dengan menggunakan tingkat kepercayaan 95% data yang ada menolak H0
(nilai Sig < α) yang berarti bahwa besarnya nilai tukar rupiah terhadap dollar
Amerika akan berpengaruh terhadap penanaman modal asing.
13
Tabel 3.5 Hasil Uji Normalitas
Tests of Normality
Kolmogorov-Smirnova
Statistic
Unstandardized Residual
df
.145
Shapiro-Wilk
Sig.
27
.155
Statistic
.944
df
Sig.
27
Tabel 3.5 output dari sebuah uji normalitas dengan analisis berupa
Kolmogorov-Smirnov dan Shapiro-Wilk. Uji Kolmogorov-Smirnov digunakan
apabila sampel yang digunakan lebih dari 50 dan uji Shapiro-Wilk digunakan
apabila sampel kurang dari 50, karena pada studi kasus digunakan sampel sejumlah
20 maka praktikan menggunakan Uji Shapiro-Wilk.
Pengujian hipotesis dari kasus diatas adalah sebagai berikut :
1.
Hipotesis
H0 : Residual berdistribusi normal.
H1 : Residual tidak berdistribusi normal.
2.
Tingkat Signifikansi
α=5%
3.
Daerah Kritis
Jika Sig. < α : Tolak H0
4.
Statistik Uji
Sig.Unstandardized Residual= 0.153 > α = 0.05
5.
Keputusan
Berdasarkan nilai signifikasi
Karena Sig. > α : maka Gagal Tolak H0
6.
Kesimpulan
Dengan menggunakan tingkat kepercayaan 95% dan tingkat signifikansi 5%,
data yang ada gagal tolak H0, kesimpulannya bahwa ketiga model yang
berhubungan dengan penanaman modal asing (PMA) tertentu memiliki data
berdistribusi normal.
.153
14
Tabel 3.6 Untuk Uji Auto Korelasi
Model Summaryb
Model
R
R Square
.729a
1
Adjusted R
Std. Error of the
Square
Estimate
.531
.470
Durbin-Watson
1747.80899
1.427
a. Predictors: (Constant), ER, EX, G
b. Dependent Variable: PMA
Uji Autokorelasi hanya dilakukan pada data time series (runtut waktu) dan
tidak perlu dilakukan pada data cross section seperti pada kuesioner di mana
pengukuran semua variabel dilakukan secara serempak pada saat yang bersamaan.
Autokorelasi adalah nilai galat ( e = Yi − Y ) setiap pengamatan pada setiap variabel
bebas X bersifat bebas. Pengujian autokorelasi menggunakan Durbin-Watson.
Durbin-watson dilakukan untuk menguji autokorelasi sisaan ordo satu (sisaan
berkorelasi dengan sisaan satu lag atau jeda waktu sebelumnya) Uji hipotesisnya
sebagai berikut.
1.
Hipotesis
H0: ρ = 0 (Tidak terjadi Autokorelasi)
H1: ρ ≠ 1 (Terjadi Autokorelasi)
2.
Tingkat Signifikansi
α= 0,05.
3.
4.
Daerah kritis
Gagal tolak H0
du < DW < 4-du
Tolak H0
0 < DW < dl atau 4-dl < DW < 4
Tidak ada keputusan
dl < DW < du atau 4-du < DW < 4- d1
Statistik uji
d = 1,592
dU = 1,76
dL = 1,08
5.
Keputusan
1.08 < 1.592 < 1.76
6.
Kesimpulan
15
Dari hasil pengujian dengan Autokorelasi dengan menggunakan metode
Durbin Watson 1.08 < 1.592 < 1.76 (dl < d < du) didapatkan hasil bahwa
pengujian tidak dapat diambil sebuah kesimpulan.
Dalam penentuan dU dan dL pada metode Durbin Watson didapatkan dari
tabel Durbin Watson, sebelum menentukan dU dan dL juga harus mengetahui
k yang dalam hal ini k merupakan jumlah variabel bebas. Pada studi kasus
diatas, pengembilan k didapatkan dari variabel yang signifikan maupun yang
tidak signifikan.
Gambar 3.1 Scatterplot untuk Uji Heteroskedastisitas
Pada gambar di atas terlihat bahwa plot dengan sumbu X = Regression
Standardized Predicted Value dan sumbu Y = Regression Standardized Residual.
Pada gambar plot tersebut tidak menunjukkan pola tertentu karena titik titiknya
menyebar sehingga ragam galat (ei) dari pengamatan 1 ke pengamatan lainnya sama
atau heteroskedastisitas/homoskedastisitas.
Asumsi kehomogenan atau homoskedastisitas memainkan peranan yang
sangat penting di dalam pendugaan dengan metode kuadrat terkecil. Asumsi
berimplikasi bahwa setiap pengamatan pada peubah respon mengandung informasi
yang sama penting.
Tabel 3.7 Untuk Uji Multikolinieritas
16
Coefficientsa
Model
95.0% Confidence Interval for B
Lower Bound
(Constant)
Collinearity Statistics
Upper Bound
Tolerance
VIF
298.235
19630.271
-.272
-.006
.534
1.874
EX
.030
.080
.598
1.672
ER
-2.408
-.191
.814
1.229
G
1
Uji multikolinearitas atau uji indepedensi berfungsi untuk melihat apakah
antara sesama penjelas memiliki hubungan yang besar atau tidak. Jika hubungan
antara sesama penjelas (variable dependent) kuat, maka antara penjelas tersebut
tidak saling bebas. Untuk mendeteksi adanya masalah multikolinearitas ini dapat
dilakukan dengan eksplorasi hubungan antar peubah penjelas, baik lewat plot
korelasi antar peubah penjelas maupun plot pancaran. Cara lain yang dapat
dilakukan dengan menghitung nilai VIF atau Variance Inflation Factor atau nilai
Tollerance.
1.
Hipotesis
H0: ρ = 0 (Tidak terjadi Multikolinieritas)
H1: ρ ≠ 1 (Terjadi Multikolinieritas)
2.
Tingkat signifikansi
α= 0,05.
3.
Daerah kritis
Jika Tollerance ≥ 0,1 atau VIF ≤ 10 ; Gagal Tolak H0
4.
Statistik uji
a. VIF = 1,874 dan Tolerance 0.534.
b. VIF = 1,672 dan Tolerance 0,598.
c. VIF = 1,229 dan Tolerance 0,814.
5.
Keputusan
Karena Tolerance dan VIF pada tiap variabel independent sesuai dengan titik
kritis maka gagal tolak H0, artinya tidak terjadi multikolineritas.
6.
Kesimpulan
17
Setelah dilakukan pengujian terhadap tiga variabel yang dalam penentuan
variabelnya yakni variabel independen maka dapat disimpulkan bahwa ketiga
variabel ini yaitu variabel G, ER dan EX bukan variabel yang menyebabkan
adanya multikolinearitas. Dengan demikian dapat disimpulkan bahwa model
pada penelitian ini memenuhi syarat untuk menjadi model regresi yang baik
karena tidak terjadi korelasi antar variabel independen (non-multikolinearitas).
BAB IV
PENUTUP
Berdasarkan hasil praktikum Analisis Regresi Terapan dengan menggunakan
SPSS, maka praktikan dapat menyimpulkan beberapa hal sebagai berikut:
1. Penanaman modal asing dapat diketahui berdasarkan pengujian hanya di
pengaruhi oleh tiga faktor yaitu pengeluaran investasi pemerintah, ekspor migas
dan non migas, dan nilai tukar rupiah terhadap dollar Amerika.
2. Tingkat inflasi diketahui tidak berpengaruh secara linier terhadap penanaman
modal asing.
3. Model regresi yang didapatkan yaitu Y = 9964.253 + 0.055 EX - 1.3 ER - 1.39
G, artinya hubungan linier positif antara penanaman modal asing dengan ekspor
migas dan non migas, dan memiliki hubungan linier negatif dengan variabel nilai
tukar rupiah terhadapa dollar Amerika dan pengeluaran investasi pemerintah.
4. 47% variabel dependen penanaman modal asing dapat dikaitkan degan tiga
variabel independen, yaitu pengeluaran investasi pemerintah, ekspor migas dan
non migas, dan nilai tukar rupiah terhadap dollar Amerika. Dan 53% lainnya
dijelaskan oleh variabel lain yang tidak terkait dengan tiga variabel tersebut.
5. Uji asumsi klasik dapat sebagai tolak ukur untuk model yang digunakan untuk
mengestimasi apakah sesuai atau tidak atau sudah memenuhi kriteria Best Linier
Un-bias Estimator, maka dapat dikatakan asumsi klasik yang digunakan untuk
model sudah memenuhi (BLUE) adalah asumsi non-multikolinieritas, nonheteroskedastisitas, non-autokorelasi dan residual berdistribusi normal.
18
DAFTAR PUSTAKA
Purwaningsih, Tuti. 2013. Modul Praktikum Analisis Regresi Terapan. Yogyakarta:
Universitas Islam Indonesia.
Basri,
Seta.
Kamis,
28
April
2011.
Uji
Regresi
Berganda.
http://setabasri01.blogspot.com/2011/04/uji-regresi-berganda.html.
Diakses pada tanggal 31 Mei 2015.
Dwi.
Rabu,
23
Oktober
2014.
Analisis
Regresi
Linier
Berganda.
http://duwiconsultant.blogspot.com/2011/11/analisis-regresi-linierberganda.html. Diakses pada tanggal 31 Mei 2015.
Penelitian, Laporan. Minggu, 01 Desember 2014. Analisis Regresi Linier
Berganda. http://tu.laporanpenelitian.com/2014/12/28.html. Diakses pada
tanggal 31 Mei 2015.
19