Pemodelan Data Pertumbuhan Ekonomi Indon

Tugas Ekonometrika

Pemodelan Data Pertumbuhan Ekonomi Indonesia Menggunakan
Analisis Regresi

DISUSUN OLEH :
AHMAD HUSAIN

H121 14 018

Program Studi Statistika
Jurusan Matemmatika
Fakultas Matematika dan Ilmu Pengetahuan Alam
Universitas Hasanuddin
2017

1. Pendahuluan
Produk domestik regional bruto (PDRB) merupakan jumlah nilai tambah
barang dan jasa yang dihasilkan dari seluruh kegiatan perekonomian diseluruh daerah
dalam tahun tertentu atau periode tertentu atau biasanya satu tahun. PDRB
merupakan angka pencapaian yang menjadi symbol keberhasilan daerah dalam

pembangunan.
Nilai PDRB menjelaskan sejauh mana kemampuan daerah dalam mengelola
atau memanfaatkan sumberdaya yang ada. Selain itu kondisi perekonomian secara
keseluruhan disetiap daerah juga dapat dilihat dari seberapa besar jumlah belanja
daerah pada daerah bersangkutan. Pengeluaran pemerintah atau belanja daerah
merupakan bentuk rangsangan yang dilakukan oleh pemerintah terhadap
perekonomian daerah. Semakin besar nilai belanja daerah yang dialokasikan untuk
pembangunan, maka akan meningkatkan kesejahteraan penduduk. Ini berarti kondisi
ekonomi di daerah tersebut akan meningkat.
Ada beberapa faktor yang akan digunakan untuk mengetahui hal apa saja yang
mempengaruhi PDRB diantaranya inflasi, relaisasi belanja daerah, upah minimum
daerah, indeks pembangunan manusia dan kebutuhan minimum individu setiap
daerah. Ketiga faktor tersebut akan diteliti lebih lanjut berkaitan dengan PDRB.
Laju pertumbuhan atas permintaan yang tidak diimbangi dengan penawaran
maka akan terjadi gangguan terhadap kestabilan harga (inflasi) yang lebih
diutamakan pada kegiatan ekonomi yang berupa konsumtif pada sifat produksi masif.
Penelitian yang dilakukan oleh Iwan Susanto (2014) menggunakan variabel inflasi
sebagai salah satu faktor yang mempengaruhi Pendapatan Asli Daerah (PAD) tetapi
diperoleh hasil bahwa inflasi tidak signifikan mempengaruhi PAD kota Malang.
Menurut Susanto (2014), asumsi awal bahwa jika inflasi yang rendah di

pemerintahan daerah maka akan meningkatkan produktifitas ekonomi sehingga
berdampak pada PDRB yang meningkat pula.
Belanja daerah merupakan kegiatan rutin yang dilakukan setiap daerah untuk
menjamin mobilisasi dan realisasi pembangunan tetap berjalan. Salah satu contoh
belanja daerah yang sering dijalankan oleh daerah adalah belanja pembangunan.
Penelitian yang dilakukan oleh Indra Susila dkk (2012) yaitu untuk mengetahui
belanja pembangunan mempengaruhi pertumbuhan ekonomi dapat diketahui bahwa
di provinsi Sumatera Barat belanja daerah mempengaruhi pertumbuhan ekonomi di
provinsi tersebut.

Selain kedua faktor tersebut hal lain yang menjadi tolak ukur pembangunan
ekonomi suatu daerah adalah tingkat pengangguran yang terjadi didaerah tersebut.
Dimana faktor yang mempengaruhi tingginya angka pengagguran disuatu daerah
adalah standar gaji yang dikeluarkan pemerintah yang rendah. Sehingga secara tidak
langsung penetapan upah gaji minimum yang dikeluarkan oleh pemerintah
berpengaruh terhadap pertumbuhan ekonomi suatu daerah. Berdasarkan hasil
penelitian yang dilakukan oleh Lukis Panjawa dkk (2014) diketahui bahwa di daerah
Surakarta upah minimum mempengaruhi tingginya angka pengangguran yang terjadi
di daerah tersebut.
Dalam konsep pembangunan

human capabilities approach yang
dikemukakan oleh Amartya Sen (1999) menekankan bahwa gagasan kemampuan
manusia sebagai sentral pembangunan. Indeks pembangunan manusia. Konsep
pembangunan manusia sendiri menempati manusia sebagai pusat dari serangkaian
proses pembangunan ekonomi dengan penekanan pada perluasan pilihan peningkatan
kemampuan manusia (Fongang, 2003:2). Dan salah satu tolak ukur atau instrumen
kuantitatif yaitu Indeks Pembangunan Manusia (IPM). Dalam hal ini instrumen yang
digunakan untuk mengetahui pencapaian pembangunan manusia, karena kita ketahui
bersama bahwa pembangunan manusia tentu akan berdampak juga pada pertumbuhan
ekonomi.
Standar kebutuhan hidup layak adalah dasar dalam penetapan Upah minimum.
Komponen tersebut merupakan komponen-komponen pemenuhan kebutuhan hidup
sehari-hari yang dibutuhkan oleh individu. Secara logika semakin tinggi pemasukan
individu maka akan muncul rasa bebas memilih barang dan jasa sehingga berdampak
pada peningkatan ekonomi dari dua sisi yakni dari penjual dan pembeli.
Pengaruh inflasi, realisasi belanja daerah dan upah minimum terhadap PDRB
dapat dilakukan dengan menggunakan analisis regresi.
Dengan beberapa
pertimbangan asumsi-asumsi yang akan digunakan sedemikian sehingga penulis
tertarik untuk mengkaji “Faktor-Faktor yang Mempengaruhi Pertumbuhan

Ekonomi”.
2. Tinjauan Pustaka
a. Regresi Berganda
Analisis yang memiliki variabel bebas lebih dari satu disebut sebagai
analisis regresi linier berganda. Teknik regresi linier berganda digunakan untuk
mengetahui ada tidaknya pengaruh signifikan dua atau lebih variabel bebas

( X 1 , X 2 , X 3 ,… , X p ) terhadap variabel terikat ( Y ). Model regresi linier berganda
untuk populasi dapat ditunjukan sebagai berikut (Margaretha G, 2015):

Y = β0 + β 1 X 1 + β 2 X 2 +…+ β p X p + e

(1)

Model regresi linier berganda untuk populasi diatas dapat ditaksir dengan
menggunakan model regresi linier berganda untuk sampel, yaitu:

^y =b0 +b1 x 1+ b2 x 2 +…+b p x p

(2)

dimana
^y : nilai penduga variabel Y

b 0: dugaan parameter konstanta
b 1 , b2 , … , b p: dugaan parameter konstanta β 1 , β 2 ,… , β p
b. Asumsi Regresi Linier Berganda
Dalam analisis regresi linier berganda terdapat beberapa pelanggaranpelanggaran yang seringkali dilakukan terhadap asumsi-asumsinya,
diantaranya sebagai berikut:
1.

Normalitas
Pengujian normalitas dilakukan untuk menguji apakah dalam sebuah
model penelitian, data berdistribusi normal atau tidak. Adapun asumsi
normalitas dari data dapat dilihat dengan mengetahui residual data, jika
residual data berdistribusi normal maka data akan berdistribusi normal.
Adapun untuk mengetahui apakah residu berdistribusi normal atau tidak
dapat dengan melihat plot normalisasi residual (Dadang dan Ahmad,
2017).
Dengan uji yang digunakan adalah uji shapiro. Asumsi jika residual

berdistribusi normal maka keseluruhan data dapat kita kethui berdistribusi
normal. Hipotesis yang digunakan sebagai berikut:
H 0 : F ( x )=F t ( x ) , ∀ x (Berdistribusi normal)
H 1 : F ( x ) ≠ F t ( x ) , paling sedikit satu x

Adapun prinsip uji yaitu menghitung selisih absolut F s ( x ) (distribusi
frekuensi kumulaitf) sampel dengan F t ( x ) merupakan distribusi frekuensi
kumulatif teoritis).
D=max |F s ( x ) −Ft ( x )|

(3)

Dengan keputusan uji D F (α ; p , n− p) dengan
F(α ; p ,n− p ) disebut dengan F tabel. Selain dari daerahh kritik di atas, dapat
juga digunakan daerah kritis yang lain yaitu jika nilai peluang (Sig)<
tingkat signifikansi (α ), maka H 0ditolak.
2. Pengujian Parameter Secara Individu (Parsial)
Prosedur pengujian parameter secara parsial adalah sebagai berikut:
 Membuat hipotesis.
H 0 : β k =0

H 1 : β k ≠ 0 , untuk k =1,2 , … , p
atau
H 0 : variabel bebas ke-k tidak berpengaruh terhadap variabel terikat

H 1 : variabel bebas ke-k berpengaruh terhadap variabel terikat

 Menentukan tingkat signifikan ( α ): tingkat signifikan yang seringkali
digunakan dalam penelitian adalah 5 %.
 Menentukan statistik uji
Statistik uji yang digunakan adalahh :
bk
(11)
S (b k )
b k adalah nilai taksiran parameter β k (yang diperoleh dari OLS).
Sedangkan S(b k ) merupakan standar deviasi dari taksiran parameter β k .
 Menetukan daerah kritis (penolakan H 0)
t=

Daerah kritis yang digunakan adalah:

H 0 ditolak jika t >t α2 ;n− p atau t ←t α2 ;n− p dengan t α2 ; n− p disebut dengan t
tabel. Selain dari daerah kritis, dapat juga digunakan daerah kritis yang lain
yaitu jika nilai peluang (Sig) < tingkat signifikansi (α ), maka H 0 ditolak.
3. Koefisien Determinasi
Koefisien determinasi menjelaskan variasi pengaruh variabel-variabbel
bebas terhadap variabel terikatnya. Atau dapat pula dikatakan sebagai
proporsi pengaruh seluruh variabel bebas terhadap variabe teriikat. Nilai
koefisien determinasi dapat diukur oleh nilai R-Square atau Adjusted RSquare. R-Square digunakan pada saat variabel bebas hanya satu saja
(Regresi Linier Sederhana). Sedangkan Adjusted R-Square digunakan pada
saat variabel bebas lebih dari satu. Dengan rumus sebagai berikut:
R 2=

b1 ∑ y x1 +b 2 ∑ y x 2+ …+b p ∑ y x p

∑ y2

(12)
Adj R2=1−(1−R 2)

( n−1 )

( n−p )

(13)

3. Metode Penelitian
a. Ruang Lingkup
Ruang lingkup dalam makalah ini adalah untuk mengetahui pengaruh inflasi,
realisasi belanja daerah, upah minimum, IPM dan kebutuhan hidup minimum
individu terhadap pertumbuhan ekonomi di Indonesia yaitu pada PDRB.
Penelitian ini mengambil studi kasus di Indonesia yaitu data tahun 2016 yang
didalamnya terdapat 34 provinsi sebagai data.

b. Jenis dan Sumber Data
Dalam data penelitian ini digunakan jenis data yang digunakan merupakan
data sekunder yang mana data tersebuut sudah tertulis maupun sudah
dipublikasikan. Sumber data yang digunakan diperoleh dari :
1. Laporan Perekonomian Indonesia 2016 yang diterbitkan oleh Bank Indonesia
2. Badan Pusat Statistik (BPS)
Variabel yang digunakan dalam penelitian ini terdiri atas dua variabel yaitu
variabel terikat dan variabel bebas.

Variabel Terikat (Y ) : Produk domestik regional bruto (PDRB)
Variabel Bebas ( X )

: X 1 (Inflasi) , X 2 (Realisasi belanja daerah), X 3 (Upah
minimum), X 4 (Indeks pembangunan manusia), X 5
(Kebutuhan hidup minimum setiap individu)

c. Metode Analisis Data
Dalam penelitian ini metode analisis data menggunakan regresi linier
bergannda bertujuan untuk menjelaskan hubungan antara variabel bebas dengan
variabel terikat. Sehingga dapat mengetahui seberapa besar pengaruh inflasi,
realisasi belanja daerah, upah minimum, IPM dan kebutuhan hidup minimum
individu terhadap PDRB digunakan satu model.
Uji hipotesis untuk menguji pengaruh secara simultan antara variabel bebas
terhadap variabel terikat maka diperlakukan uji F, sedangkan untuk mengetahui
pengaruh per variabel dilakukan uji t dan uji koefisien deterministik (R2)
digunakan untuk mengetahui seberapa jauh model dalam menerangkan variabe
dependen adanya variasi variabel terikat.
Uji asumsi klasik terdapat uji normalitas, uji multikolinieritas, uji
heterodastisitas dan uji autokorelasi. Masing-masing uji asumsi klasik dilakukan

untuk mengetahui lolos atau tidaknya didalam tersebut.
4. Hasil dan Pembahasan
a. Analisis Deskriptif
PDRB merupakan salah satu indikator ataupun tolak ukur untuk mengetahui
perekonomian masing-masing daerah.

Bagan 1. Boxplot PDRB
Rata-rata pertumbuhan ekonomi dilihat dari PDRB setiap daerah berada pada
rata-rata 5.353, dapat dilihat dari boxplot yang ditampilkan bahwa sebagian besar
angka PDRB setiap Provinsi di Indonesia berada diatas rata-rata PDRB.
Inflasi disetiap provinsi berada pada rata-rata 3.212, dalam hal ini
ketidakstabilan harga pasar tergolong rendah.

Bagan 2. Boxplot Inflasi
Dilihat dari boxplot tersebut keselurhan data cenderung berada diatas median.
Dalam hal ini sebagian besar provinsi di Indonesia inflasi berada diatas median.
Rata-rata realisasi belanja daerah masing-masing provinsi di Indonesia
sebesar 77.56 dalam hal ini realisasi belanja daerah dappat dikatakan terealisasi
dengan baik karena berada di atas 50% pada pelaksanaannya.

Bagan 3. Boxplot Realisasi Belanja Daerah
Berdasarkan boxplot maka dapat kita ketahui bahwa sebagian besar persebaran data
dari Realisasi Belanja Daerah disetiap provinsi berada dibawah median.
Upah minimum yang diperoleh setiap individu masing-masing provinsi
sebesar 2.325.384. Hanya saja pemerataan upah minimum disetiap daerah tidak sama,
hal ini diakibatkan masing-masing daerah memiliki potensi sumber daya alam serta
sumber daya manusia yang berbeda-beda setiap provinsinya.

Bagan 4. Boxplot Upah minimum
Dilihat dari boxplot terdapat daerah yang memiliki upah minimum sangat tinggi dan
sampai 7 kali lipat dari rata-rata upah minimum keseluruhan. Sedangkan secara
umum persebaran upah minimum disetiap provinsi berada dipersekitaran rata-rata.

Indeks pembangunan manusia berada disekitaran rata-rata 69,16
persebaran indeks berada diperskitaran rata-rata.

dengan

Bagan 5. Boxplot IPM
Persebaran data indeks pembangunan manusia disetiap propinsi tergolong normal, hal
tersebut dapat dilihat dari boxplot yang datanya berada dipersekitaran median 69.44.
Kebutuhan hidup minimum individu di Indonesia berada pada rata-rata
1.710.832 meskipun masing-masing daerah saling berbeda kebutuhan hidupnya.

Bagan 6. Boxplot Kebutuhan Hidup Minimum Individu
Dilihat dari boxplot yang dihasilkan dapat kita ketahui bahwa persebaran kebutuhan
hidup tergolong bersebar secara merata disetiap provinsi.

b. Uji Asumsi Klasik
1. Uji Normalitas
Uji normalitas yang dilakukan untuk mengetahui apakah keseluruhan data
pada masing-masing variabel bersifat normal. Adapun untuk menetukan
normalitas dari suatu data dapat diketahui dengan melihat normalitas dari ε .
Dengan menggunakan uji shapiro dengan hasil sebagai berikut:
Shapiro-Wilk normality test
data: Data2$eror
W = 0.94516, p-value = 0.08791

Dari hasil tersebut diperoleh p-value=0.08791>0.05 sedemikian sehingga
menolak Hipotesis alternatif maka eror dari data tersebut berdistribusi normal
dalam hal ini data tersebut berdistribusi normal.
2. Uji Multikolinieraritas
Multikolinieritas adalah terjadinya hubungan linier antara variabel bebas
dalam suatu model regresi linier berganda (Gujarat, 2003). Hubungan linier
antara variabel bebas dapat terjadi dalam bentuk hubungan linier yang
sempurna dan hunbungan linier yang kurang sempurna. Dikatakan terjadi
multikoloniearitas pada masing-masing variabel nilai VIF lebih besar dari 10.
Dengan hasil yang diperoleh sebagai berikut:
Inflasi
RBD
M
IM
KHM
1.009591 1.034220 1.028795 1.055087 1.040078

Keseluruhan nilai VIF yang dihasilkan keseluruhan variabel lebih kecil dari
10 sedemikian sehingga tidak terjadi multikoliniearitas pada data.
3. Uji Heteroskedastisitas
Heteroskedastisitas merupakan keadaan dimana variansi dari residual
pengamatan sangat tinggi sehingga mengakibatkan estimator yang diperoleh
bernilai bias. Adapun uji yang dapat digunakan untuk mengetahui apakah
residual memiliki variansi tinggi yaitu menggunakan uji Glejser. Uji Glejser
dengan meregresikan antara nilai mutlak residual dengan variabel bebas.
Dengan hasil regresi variabel bebas terhadap absolut residual diperoleh F yang
akan menjadi tolak ukur Heteroskedastisitas dari data tersebut.
Residuals:
in
1Q edian
3Q
ax
-1.4747 -0.6071 -0.0937 0.1905 3.2732

Coeffients:
Estimate Std. Error t value Mr(>|t|)
(Interfept) -3.133e+00 4.286e+00 -0.731 0.471
Inflasi
7.143e-02 1.510e-01 0.473 0.640
RBD
-2.052e-02 2.691e-02 -0.763 0.452
M
1.086e-07 8.835e-08 1.230 0.229
IM
5.995e-02 4.831e-02 1.241 0.225
KHM
7.636e-07 4.629e-07 1.649 0.110
Residual standard error: 1.121 on 28 degrees of freedom
ultiple R-squared: 0.1644,
Adjusted R-squared: 0.01519
F-statistif: 1.102 on 5 and 28 DF, p-value: 0.3816

Dari hasil regresi antara absolut residual dengan variabel bebas diperoleh
bahwa keempat variabel bebas memiliki signifikansi masing-masing lebih
besar dari 5% sedemikian sehingga dapat kita simpulkan bahwa tidak terjadi
masalah Heteroskedastisitas pada model regresi tersebut.
4. Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam suatu model regresi
linier ada korelasi antar residualnya dalam hal ini apakah residual memliki
keterkaitan dan keteraturan pola dari setiap residual. Uji yang digunakan
untuk mengetahui autokorelasi dari residual data yaitu dengan menggunakan
uji Durbin-Watson(Uji Dw). Dengan hasil yang diperoleh sebagai berikut:
lag Autoforrelation D-W Statistif p-value
1

0.06797878

1.803036 0.384

Alternative hypothesis: rho != 0

Data dikatakan terjadi autokorelasi jika nilai Durbin Watson yang diperoleh
lebih besar dan varians residual. Dari hasil tersebut diketahui Nilai Durbin
Watson=1.803036 dan nilai p-value yang diperoleh 0.384 lebih besar dari 5%
sedemikian sehingga terima H 0 dalam hal ini tidak terjadi autokorelasi pada
data tersebut.
Dari keempat uji asumsi klasik tersebut diperoleh bahwa data apabila
dimodelkan tidak memenuhi asumsi klasik. Sedemikian sehingga layak
dilakukan penaksiran parameter.
c. Penaksiran Parameter
Adapun metode yang digunakan untuk penaksiran parameter yaitu metode
OLS. Namun untuk mencari taksirannya digunakan bantuan aplikasi Rstudio dengan
hasil sebagai berikut:

lm(formula = MDRB ~ Inflasi + RBD + M

+ IM

+ KHM , data = Data3)

Coeffients:
(Interfept)
Inflasi
RBD
M
IM
KHM
1.793e+01 -5.442e-01 -2.275e-02 -1.290e-08 -1.232e-01 -2.999e-07

Dari hasil tersebut dapat diketahui β 0=0.1793 , β 1=−0.5442 , β 2=−0.0275 ,
β 3=0.000000129 , β 4 =−0.1232, dan β 5=−0.0000002999 .
d. Pengujian Parameter
Pengujian Parameter dilakukan untuk mengetahui pengaruh variabel bebas secara
keseluruhan terhadap variabel terikat. Dari hasil uji serentak akan diketahui pengaruh
simultan variabel bebas. Selain dilakukan uji serantak hal yang perlu juga diketahui
yatu pengaruh parsial dari variabel bebas terhadap variabel terikat.
1. Uji Simultan
Hipootesis

H 0 : β 1=β 2=…=β p=0
H 1 :Tidak semua β k sama dengan nol , untuk k =1,2,3 , … , p
atau
H 0 : variabel inflasi, RBD, upah minimum, IPM, dan kebutuhan hasil
minimum individu secara simultan tidak berpengaruh terhadap variabel
terikat

H 1 : variabel inflasi, RBD, upah minimum, IPM, dan kebutuhan hasil
minimum individu secara simultan berpengaruh terhadap variabel terikat
Dengan menggunakan bantuan aplikasi Rstudio, dengan hasil sebagai
berikut:
F-statistif: 1.892 on 5 and 28 DF, p-value: 0.1276

dalam hal ini p-value=0.1276 lebih besar dari α =5 % sedemikian sehingga
terima H 0 dalam hal ini variabel inflasi, RBD, upah minimum, IPM, dan
kebutuhan hasil minimum individu secara simultan tidak berpengaruh
terhadap variabel PDRB.
2. Uji Parsial
Hipotesis.
H 0 : β k =0
H 1 : β k ≠ 0 , untuk k =1,2 , … , p

atau
H 0 : variabel bebas ke-k tidak berpengaruh terhadap variabel terikat

H 1 : variabel bebas ke-k berpengaruh terhadap variabel terikat
Dengan menggunakan aplikasi Rstudio, dengan hasil sebagai berikut:
Coeffients:
Estimate Std. Error t value Mr(>|t|)
(Interfept) 1.793e+01 6.288e+00 2.851 0.0081 **
Inflasi
-5.442e-01 2.216e-01 -2.456 0.0205 *
RBD
-2.275e-02 3.949e-02 -0.576 0.5691
M
-1.290e-08 1.296e-07 -0.100 0.9214
IM
-1.232e-01 7.088e-02 -1.737 0.0933 .
KHM
-2.999e-07 6.792e-07 -0.441 0.6622
--Signif. fodes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Maka dapat kita ketahui bahwa:
 Inflasi : diperoleh p-value=0.0205lebih kecil dari 5% sedemikian
sehingga variabel inflasi berpengaruh secara parsial terhadap
pertumbuhan ekonomi.
 Realisasi belanja daerah : diperoleh p-value=0.5691 lebih besar
dari 5% sedemikian sehingga variabel realisasi belanja daerah
tidak berpengaruh secara parsial terhadap pertumbuhan ekonomi.
 Upah minimum : diperoleh p-value=0.9214 lebih besar dari 5%
sedemikian sehingga variabel upah minimum tidak berpengaruh
secara parsial terhadap pertumbuhan ekonomi.
 Indeks pembangunan minimum: diperoleh p-value=0.0933 lebih
besar dari 5% sedemikian sehingga variabel indeks pembangunan
manusia tidak berpengaruh secara parsial terhadap pertumbuhan
ekonomi.
 Kebutuhan hidup minimum : diperoleh p-value=0.6622 lebih besar
dari 5% sedemikian sehingga variabel kebutuhan hidup minimum
tidak berpengaruh secara parsial terhadap pertumbuhan ekonomi.
Berdasarkan output yang dihasilkan maka dapat kita ketahui bahwa RAdjusted sebagai berikut:

Residual standard error: 1.645 on 28 degrees of freedom

ultiple R-squared: 0.2525, Adjusted R-squared: 0.1191

Sedemikian sehingga dapat kita ketahui bahwa model yang dihasilkan
menjelaskan data sebesar 2.525% dalam hal ini model yang diperoleh tidak
menggambarkan secara baik data.
e. Pemilihan Model
Pemilihan Model terbaik digunakan dengan menggunakan minitab dengan
hasil sebagai berikut:
Vars
1
1
2
2
3
3
4
4
5

R-Sq
16,6
7,8
23,7
17,1
24,7
24,3
25,2
24,7
25,3

R-Sq(adj)
14,0
4,9
18,7
11,8
17,2
16,7
14,9
14,4
11,9

Cp
1,2
4,5
0,6
3,1
2,2
2,4
4,0
4,2
6,0

S
1,6257
1,7095
1,5802
1,6467
1,5952
1,5996
1,6170
1,6223
1,6453

i D M M
X
X
X
X
X X
X X
X
X
X
X X
X
X X X X
X X X X

M

X
X
X

Dari hasil yang didapatkan diatas untuk pemilahan model terbaika yaitu dengan
cara sebagai berikut:
1. Pilih nilai yang terbesar dari R-sq dan R-sq(adj)
2. Pilih nilai SEyang trerkecil.
3. Pilih CP Mallows yang nilainya signifikan mendekati jumlah variabel yang
digunakan.
Dari hasil tersebut dapat kita ketahui bahwa variabel inflasi, realisasi biaya
minimum, indeks pembangunan manusia dan kebuthan hidup minimum yang
paling berpengaruh secara simultan terhadap PDRB.
f. Interpretasi Hasil
Dari output yang dihasilkan diketahui persamaan regresi sebagai berikut:

Y =17.93−0.5442 X 1−0.0227 X 2−0.0000000129 X 3−0.1232 X 4−0.000000299 X 5
Dengan interpretasi sebagai berikut:
 Jika angka rata-rata inflasi, realisasi belanja daerah, upah minimum, indeks
pembangunan manusia, dan kebutuhan hasil minimum bernilai nol maka
probabilitas akan bernilai 17.93.

 Jika besarnya angka rata-rata inflasi meningkat 1 satuan maka probabilitas
PDRB menurun sebesar 0.5442 dengan menganggap variabel lain bernilai
konstan.
 Jika besarnya angka realisasi belanja daerah meningkat 1 satuan maka
probabilitas PDRB menurun sebesar 0.0277 dengan menganggao variabel
lain bernilai konstan.
 Jika besarnya upah minimum meningkat 1 satuan maka probabilitas PDRB
menurun sebesar 0.000000129 dengan menganggap variabel lain bernilai
konstan
 Jika besarnya indeks pembangunan manusia meningkat 1 satuan maka
probabilitas PDRB menurun sebesar 0.1232 dengan menganggap variabel
lain bernilai konstan
 Jika besarnya kebutuhan harga minimum meningkat 1 satuan maka
probabilitas PDRBB menurun sebesar 0.000000299 dengan menganggap
variabel lain bernilai konstan.
5. Kesimpulan
Dari hasil pembahasan yang diperoleh ada beberapa kesimpulan yang dapat
ditarik, beberapa kesimpulan tersebut adalah:
1. Hasil model regresi yang dihasilkan tidak melanggar asumsi normalitas,
heteroskedaskisitas, multikolinieritas, dan autokorelasi.
2. Inflasi berpengaruh secara signifikan terhadap PDRB.
3. Realisasi belanja daerah, upah minimum, IPM dan kebutuhan hidup
minimum tidak berpengaruh secara parsial terhadap PDRB.

Daftar Pustaka
Susanto Iwan. 2014. Analisis Pengaruh PDRB, Penduduk dan Inflasi
Terhadap Asli Daerah (PAD): Studi Kasus Kota Malang Tahun 19982012. Malang. Jurnal Ilmiah
Draper, N. Dan Smith,H. 1992. Analisis Regresi Terapan, Edisi Kedua.
Terjemahan Oleh Banmbang Sumantri. Jakarta: Gramedia Pustaka Utama.
Sembiring, R.K. 2003. Analisis Regresi. Kedua Bandung. Institut
Teknologi Bandung

Lampiran Syntak
 Bobplot
Boxplot(Tem~sheet,data=Data1)
 Uji Normalitas
Shapiro.test(Data1$variabel)
output
lm(formula = MDRB ~ Inflasi + RBD + M

+ IM

+ KHM , data = Data1)

Coeffients:
(Interfept)
Inflasi
RBD
M
IM
KHM
1.793e+01 -5.442e-01 -2.275e-02 -1.290e-08 -1.232e-01 -2.999e-07

Eror
Eror
1,105
86
1,823
882
1,446
18
1,612
19
1,323
411
0,108
403
0,279
218
1,604
065
1,701
049
0,169
36
0,340

764
2,385
148
0,725
582
0,186
47
0,642
174
0,288
232
1,842
485
1,978
652
1,059
08
0,124
138
1,312
285
0,093
32
4,437
55
-0,41
0,210
067
4,014
321
2,552
667
1,167
842
0,362
97
1,238
92
0,064
85
0,439

89
3,491
943
0,604
24

Multikolinieritas
vif(regresi1)

Heteroskedastisitas
regresi2