Genio rasio
4 Regresi linear berganda
Kegunaan Analisis Regresi Linear Berganda Analisis Regresi Linear Berganda digunakan untuk mengukur pengaruh antara lebih dari satu variable prediktor (variable bebas) terhadap variable terikat
Rumus:
yi = b0 + b1Xi,1+ b2Xi,2+ …+ bp-1 Xi,p-1 + ei
yi adalahvariable tidak bebas untuk pengamatan ke-i untuk i= 1, 2, …n.
b0 , b1, b2, bp-1adalah parameter Xi,1, Xi,2, Xi,p-1 adalah Variabel Bebas
e1adalah sisa (error) untuk pengamatan ke-i yang diasumsikan berdistribusi normal yang saling bebas dan identik dengan rata-rata 0 (nol) dan variansi.
Dalam penelitian diambil beberapa variable yaitu :
y = Anggaran Belanja Negara , X2 = Utang Negara.
X1 = Pertumbuhan Ekonomi , X3 = Penganguran
X4 = Kemiskinan , X5 = Inflasi
X6 = Geni Ratio, X7 = Jumlah Penduduk
X8 = Nilai Impor, X9 = Nilai Ekspor
X10 = Angka Harapan Hidup X11 = Melek Huruf X12 = Tindak Korupsi, X13 = Tindak Kejatahan
Dengan menggunakan aplikasi SPSS 20.00 maka di peroleh persamaan Regresi linear bergandanya sebagai berikut :
Analisis regresi linear berganda dibagi menjadi beberapa sektor antara lain:
1. Regresi linear sektor Ekonomi yaitu : yi= Anggaran Belanja Negara, X1=Utang Negara, X2 = Pertumbuhan Ekonomi, X3=Inflasi, X4 =Nilai Impor, X5= Nilai Ekspor.
yi = b0 + b1Xi,1+ b2Xi,2+ …+ bp-1 Xi,p-1 + ei
Yi adalahvariable tidak bebas untuk pengamatan ke-i untuk i= 1, 2, …n.
b0 , b1, b2, bp-1adalah parameter Xi,1, Xi,2, Xi,p-1 adalah Variabel Bebas Dengan menggunakan SPSS 20 yaitu :
98 Langkah 1.
- Aktifkan Windows SPSS 20.
- Pilih Variabel View seperti pada gambar
- Input Variabel View yaitu Variabel
- Regresi linear sektor Ekonomi yaitu : Yi= Anggaran Belanja Negara, X1=Utang Negara, X2 = Pertumbuhan Ekonomi, X3=Inflasi, X4 =Nilai Impor, X5= Nilai Ekspor.
- Pilih analisys
Sehingga didapat hasil printout :
Model Summary
Model R R Square Adjusted R Square
Std. Error of the Estimate
1 .724a .525 -.070 8.63249
a. Predictors: (Constant), Inflasi, Per_ekonom, Impor, Utang_neg, ekspor
ANOVAa
Model Sum of Squares df Mean Square F Sig.
Regression 329.013 5 65.803 .883 .564b
1 Residual 298.080 4 74.520
Total 627.093 9
a. Dependent Variable: Anggaran
b. Predictors: (Constant), Inflasi, Per_ekonom, Impor, Utang_neg, ekspor
Coefficientsa
Model Unstandardized Coefficients Standardized
Coefficients
t Sig.
B Std. Error Beta
(Constant) 6.393
-.277
a. Dependent Variable: Anggaran
yi = b0 + b1Xi,1+ b2Xi,2+ …+ bp-1 Xi,p-1 + ei
y = 6.393 – 0.277X1 + 0.798X2– 0.035X5 + 0.019X8 – 0.155X,9
2. Regresi Linear Sektor Sosial yaitu : yi= Anggaran Belanja Negara, X3=Pengangguran, X4= Kemiskinan, X7=Jumlah Penduduk, X6 =Geni Ratio, X11= Melek Huruf, X10=Angka Harapan Hidup
Model Summary
a. Predictors: (Constant), Harapan_Hidup, Melek_Huruf, Kemiskan, Geni_rasio, Penganggura, Penduduk
100
ANOVAa
Model Sum of Squares df Mean Square F Sig.
Regression 533.348 6 88.891 2.845 .210b
1 Residual 93.745 3 31.248
Total 627.093 9
a. Dependent Variable: Anggaran
b. Predictors: (Constant), Harapan_Hidup, Melek_Huruf, Kemiskan, Geni_rasio, Penganggura, Penduduk Coefficientsa
Model Unstandardized Coefficients Standardized
Coefficients
t Sig.
B Std. Error Beta
(Constant) -161.155 182.922 -.881 .443
Penganggura -.037 1.373 -.022 -.027 .980
Kemiskan -1.843 1.055 -.639 -1.746 .179
1 Geni_rasio -2.881 4.256 -1.066 -.677 .547
Penduduk 106.756 111.400 7.077 .958 .409
Melek_Huruf -4.016 4.159 -.373 -.966 .405
Harapan_Hidup 127.274 126.838 7.377 1.003 .390
a. Dependent Variable: Anggaran
yi = b0 + b1Xi,1+ b2Xi,2+ …+ bp-1 Xi,p-1 + ei
y =– 037X3 + 1.843X4+2.881X6 – 106.756X7 + 127.274X10 – 4.016 X11-161.155
3. Regresi Linear Sektor Hukum yaitu. yi= Anggaran Belanja Negara, X12=Tindak Kejahatan, X13= Tindak Korupsi.
Model Summary
Model R R Square Adjusted R
Square
Std. Error of the Estimate
1 .586a .344 .157 7.66629
a. Predictors: (Constant), T_kejahatan, Korupsi
ANOVAa
Model Sum of Squares df Mean Square F Sig.
Regression 215.689 2 107.844 1.835 .229b
1 Residual 411.404 7 58.772
Total 627.093 9
a. Dependent Variable: Anggaran
b. Predictors: (Constant), T_kejahatan, Korupsi
Coefficientsa
Model Unstandardized Coefficients Standardized
Coefficients
t Sig.
B Std. Error Beta
(Constant) 12.717 2.638 4.821 .002
1 Korupsi .095 .143 .204 .663 .529
T_kejahatan .640 .346 .568 1.847 .107
a. Dependent Variable: Anggaran
yi = b0 + b1Xi,1+ b2Xi,2+ …+ bp-1 Xi,p-1 + ei
y = 0.095X12 +.0.640X13 + 12.717
5 Uji Anova
Prinsip uji Anova adalah kita membandingkan variansi tiga kelompok sampel atau lebih. Lebih dari sekedar membandingkan nilai mean (rata-rata), uji anova juga mempertimbangkan keragaman data yang dimanifestasikan dalam nilai varians.
Apa saja asumsi yang harus dipenuhi dalam uji Anova sebagai bentuk dari model linier, berikut diantaranya:
1. Independensi observasi, setiap observasi dalam analisis anova harus bersifat independen.
2. Normalitas, Residual atau error harus mengikuti distribusi normal.
3. Homogenitas varians, varians antara kelompok yang dibandingkan harus homogen. (Sumber By Hidayat Huang: http://www.globalstatistik.com/uji- anova-satu-dua-arah/)
Seperti halnya Uji T, dalam uji Anova pun Anda harus menghitung statistik uji (dalam hal ini adalah F- rasio) untuk menguji pernyataan bahwa apakah kelompok yang dibandingkan memiliki kesamaan atau tidak. Bahasa statistik hipotesis uji Anova dapat dituliskan sebagai berikut: H0 : M1 = M2 = M3 =
102 0 , biasanya dengan harapan bahwa Anda akan dapat menolak H0 untuk memberikan bukti bahwa hipotesis alternatif ( H1 : Tidak H0 ) . Untuk menguji H0, Anda mengambil sampel secara acak kelompok peserta/sampel/responden dan menetapkan ukuran-ukuran (variabel dependen).Kemudian melihat apakah ukuran-ukuran tersebut berbeda berarti untuk berbagai kondisi. Jika berbeda maka Anda akan dituntun untuk menolak H0. Seperti pada uji statistik yang lain, kita menolak H0 ketika mendapati statistik uji yang diukur melalui F-statistik yang melebihi F tabel dengan tingkat kepercayaan tertentu. Cara lain dapat dilakukan dengnan melihat p-value (nilai probabilitas) yang mana lebih rendah dari 5%, misalnya kita menggunakan tingkat kepercayaan 95%.
Dari perhitungan SPSS didapatkan tabel anova sebagai berikut : 1. Sektor perekonomian
ANOVAa
Model Sum of Squares Df Mean Square F Sig.
Regression 329.013 5 65.803 .883 .564b
1 Residual 298.080 4 74.520
Total 627.093 9
a. Dependent Variable: Anggaran
b. Predictors: (Constant), Inflasi, Per_ekonom, Impor, Utang_neg, ekspor
Dari tabel diatas dapat dijelaskan bahwa : Ho : β1= β2 = 0
H1 : Minimal satu dari dua variabel variabel tidak sama dengan nol
Keterangan :pada tabel ANOVA bagian Sig.Untuk menguji hipotesis ini digunakan statistik F dengan kriteria pengambilan keputusansebagai berikut:
1. Jika nilai signifikansi > 0,05, maka H0 tidak dapat ditolak. Jadi variabel bebas dariregresi linier tidak mampu menjelaskan variabel terikat.
2. Jika nilai signifikan < 0,05, maka H0 ditolak. Jadi variabel bebas dari regresi liniermampu menjelaskan variabel terikat.
Dari tabel anova hasil SPSS diatas dapat disimpulkan bahwa setiap variabel bebas atau X tidak dapat menjelaskan variabel terikat atau Y.
2. Sektor Sosial
ANOVAa
Model Sum of Squares df Mean Square F Sig.
Regression 533.348 6 88.891 2.845 .210b
1 Residual 93.745 3 31.248
Total 627.093 9
a. Dependent Variable: Anggaran
b. Predictors: (Constant), Harapan_Hidup, Melek_Huruf, Kemiskan, Geni_rasio, Penganggura, Penduduk
Dari tabel diatas dapat dijelaskan bahwa : Ho : b1= b2 = 0
H1 : Minimal satu dari dua variabel variabel tidak sama dengan nol
Keterangan :pada tabel ANOVA bagian Sig.Untuk menguji hipotesis ini digunakan statistik F dengan kriteria pengambilan keputusansebagai berikut:
1. Jika nilai signifikansi > 0,05, maka H0 tidak dapat ditolak. Jadi variabel bebas dariregresi linier tidak mampu menjelaskan variabel terikat.
2. Jika nilai signifikan < 0,05, maka H0 ditolak. Jadi variabel bebas dari regresi liniermampu menjelaskan variabel terikat.
Dari tabel anova hasil SPSS diatas dapat disimpulkan bahwa setiap variabel bebas atau X tidak dapat menjelaskan variabel terikat atau Y.
3. Sektor Hukum
ANOVAa
Model Sum of Squares df Mean Square F Sig.
Regression 215.689 2 107.844 1.835 .229b
1 Residual 411.404 7 58.772
Total 627.093 9
a. Dependent Variable: Anggaran
b. Predictors: (Constant), T_kejahatan, Korupsi
Dari tabel diatas dapat dijelaskan bahwa : Ho : b1= b2 = 0
H1 : Minimal satu dari dua variabel variabel tidak sama dengan nol
104 Keterangan :pada tabel ANOVA bagian Sig.Untuk menguji hipotesis ini digunakan statistik F dengan kriteria pengambilan keputusansebagai berikut:
1. Jika nilai signifikansi > 0,05, maka H0 tidak dapat ditolak. Jadi variabel bebas dariregresi linier tidak mampu menjelaskan variabel terikat.
2. Jika nilai signifikan < 0,05, maka H0 ditolak. Jadi variabel bebas dari regresi liniermampu menjelaskan variabel terikat.
Dari tabel anova hasil SPSS diatas dapat disimpulkan bahwa setiap variabel bebas atau X tidak dapat menjelaskan variabel terikat atau Y.
“ Perhitungan Anova per Variabel X terhadap Y dapat dilihat pada lampiran hasil ouput dari SPSS 20.00‖
BAB IV PENUTUP
4.1 Kesimpulan
Berdasarkan hasil pembahasan penelitian dalam skripsi ini, maka dapat diambil kesimpulan sebagai berikut :
1. Nilai statistik deskriptif pada masing – masing variabel sebagai berikut : Uraian Variabel Nilai rata –
rata Standar Deviasi Rentang Data - Anggaran Belanja Negara 1.484,061 T 5.409.445 1.457,087 T
- Pertumbuhan Ekonomi 5,60 % 0,70% 1,76%
- Utang Negara. $244,37 juta $70,72 Juta $211,02 Juta
- Penganguran 6,78 Juta 1,25 Juta 3,64 Juta
- Kemiskinan 30,46 Juta 3,12 juta 211.0237
- Inflasi 5,68 % 2,81% 8,48%
- Geni Ratio 0,402 0,077 0,06
- Jumlah Penduduk 244,41 Juta 39,12 Juta 36,5 juta - Nilai Impor $145,95 Juta $117,99 Juta $117,23 Juta
- Ekspor $158,35 Juta $29,07 Juta $89,40 Juta
- Melek Huruf 93,76 1,47 3,6
- Angka Harapan Hidup 70,49 0,39 1,3
- Tindak Korupsi 80,27 17,92 53,00
- Tindak Kejatahan 335.692 56.702 61.188
2. Persentase Perubahan dan perkembangan setiap variabel sejak tahun 2007 sampai dengan 2017 sebagai berikut :
Uraian Variabel Total Persentase perubahan 2007-2017
Rata-rata Persentase Perubahan 2007-2017
- Anggaran Belanja Negara 114,84 11,48
- Pertumbuhan Ekonomi - 12,89 -1,29
106
- Utang Negara. 96,47 9,65
- Penganguran - 48,37 -4,84
- Kemiskinan -28,24 -2,82
- Inflasi 156,90 15,69
- Geni Ratio 8,66 0,87
- Jumlah Penduduk 15,05 1,05
- Nilai Impor 111,10 11,11
- Ekspor 53,63 5,36
- Melek Huruf 3,87 0,38
- Angka Harapan Hidup 1,00 0,10
- Tindak Korupsi 70,65 7,07
- Tindak Kejatahan -9,71 -0,97
Dari tabel diatas dapat disimpulkan bahwa :
Perkembangan persentase perubahan anggaran sejak tahun 2007 sampai dengan tahun 2017 mencapai 114,84 %, tidak dapat dipengaruhi dan mempengaruhi secara signifikan terhadap MDGs dan SDGs seperti total persentase penggangguran hanya turun terkoreksi sebesar -48,37 % , Kemiskinan hanya turun sebesar -28,24%, Genio Ratio meningkat sebesar 8,66%, Melek huruf hanya meningkat sebesar 3,67%, angka harapan hidup meningkat sebesar 1,00% dan jumlah tindakan kejahatan di Negara republic Indonesia hanya turun sebesar - 9,71 % dan yang paling memperhatinkan pertumbuhan ekonomi hanya terkoreksi turun sebesar -12,89%.
Perkembangan persentase perubahan anggaran hanya dipengaruhi dan mempengaruhi oleh beberapa variabel secara deskritif yaitu Inflasi sebesar 156,90%, Nilai impor 111,10%, Nilai Utang Negara sebesar 96,47% , Jumlah Korupsi meningkat sebesar 70,65%, Ekspor lebih sedikit terkoreksi sebesar 53,63%,.
Berikut grafik total perkembangan semua variabel sejak tahun 2007 sampai dengan 2017 :
3. Dari hasil perhitungan korelasi hubungan antara variabel Y (dependen) dengan variabel X (Independen) maka dapat ditarik kesimpulan sebagai beirkut :
1. Hubungan yang positif antara lain :
- Korelasi Kuat dari hasil penelitian adalah hubungan Persentase perubahan Anggaran Belanja Negara setiap tahun dipengaruhi oleh Tingkat Penggaguran sebesar 0,60. Artinya semakin tinggi persentase perubahan pengangguran Negara Indonesia maka persentase perubahan biaya anggaran belanja Negara yang dibutuhkan akan semakin meningkat atau bertambah.
- Korelasi sedang dari hasil penilitian adalah Persentase perubahan Anggaran Belanja Negara setiap tahun dipengaruhi oleh Angka Hapan Hidup Masyarakat Indonesia yang semakin membaik dengan nilai korelasi sebesar 0,56. Artinya jika persentase perubahan angka harapan hidup masyarakt indonesi meningkat setiap tahunnya maka persentase perubahan anggaran belanja Negara akan bertambah signifikan karena angka harapan hidup indikator pentingnya adalah kesehatan,.
- Korelasi Positif Rendah dari hasil penelitian adalah hubungan antara anggaran belanja Negara dengan Genio Rasio dengan nilai korelasi sebesar 0,27. Artinya Jika persentase perubahan Genio Rasio atau ketimbangan kemiskinan antara
200
Total Persentase 114.84-12.8996.47-48.37-28.24156.9 8.66 15.05 111.1 53.63 3.87 Nega
omi ra.
70.65 -9.71
108
orang kaya dengan orang miskin di Negara Indonesia bertambah setiap tahun maka anggaran belanja Negara akan mengalami kenaikan..
- Korelasi Postif Sangat Rendah dari hasil penilitian adalah hubungan antara anggaran belanja Negara dengan tindak kejahatan dan korupsi dengan nilai korelasi 0,16. Artinya hubungan antara persentase perubahan tindak kejahatan dan korupsi tetap ada namun sangat rendah. Jika persentase perubahan kejahatan dan korupsi di Indonesia meningkat maka secara positif anggaran akan mengalami peningkatan sebesar 0,16
2. Hubungan yang negative antara lain :
Korelasi Negatif Kuat dari hasil penilitian adalah hubungan antara Persentase perubahan Anggaran Belanja Negara dengan pertumbuhan ekonomi sebesar - 0,64. Artinya Semakin rendah persentase perubahan pertumbuhan ekonomi Negara Indonesia maka persentase perubahan anggaran belanja Negara akan semakin meningkat atau bertambah untuk meningkatkan pertumbuhan ekonominya dan sebaliknya jika persentase perubahan pertumbuhan ekonomi tinggi maka perubahan persentase anggaran akan turun.
Korelasi Negatif sedang dari hasil penilitian adalah hubungan antara Persentase perubahan Anggaran Belanja Negara dengan nilai ekspor dan jumlah penduduk Indonesia dengan nilai korelasi sebesar 0,50 dan 0,44. Artinya jika nilai ekspor dan jumlah penduduk Indonesia mengalami penurunan maka Anggaran Belanja Negara akan bertambah cukup signifikan dan sebaliknya jika persentase perubahan ekspor meningkat tiap tahun maka persentase perubahan biaya anggaran belanja Negara akan mengalami penurunan.
Korelasi negative Rendah dari hasil penelitian adalah hubungan antara anggaran belanja Negara dengan Nilai Impor, Inflasi dan Melek Huruf dengan nilai korelasi sebesar 0,37; 0,32; dan 0,23. Artinya Jika persentase perubahan inflasi, nilai impor, dan angka melek huruf turun maka Anggaran Belanja Negara akan mengalami kenaikan peningkatan atau bertambah dan sebaliknya.
Korelasi Negatif Sangat Rendah dari hasil penilitian adalah hubungan antara anggaran belanja Negara dengan utang negara dan kemiskinan dengan nilai
korelasi 0,07 dan 0,14. Artinya hubungan antara utang Negara dan Kemiskinan berbanding terbalik dengan Anggaran belanja Negara tetap ada namun sangat rendah. Jika penurun persentase utang Negara dan kemiskinan tiap tahun maka anggaran akan mengalami peningkatan.
3. Berdasarkan perhitungan hasil penilitian diperoleh 3 model regresi linear berganda yang menjadi tolak ukur seperti sektor Perekonomian, Sektor Sosial dan Sektor Hukum Kriminal dapat disimpulan sebagai berikut :
- Sektor Ekonomi menghasilkan model regresi linear berganda dengan variabel independen X yaitu Pertumbuhan Ekonomi, Utang Negara, Impor, Ekspor dan Inflasi terhadap variabel Y (anggaran belanja Negara ) dengan model yang dihasilkan :
Dan hasilnya anovanya dengan signifikan pada dengan nilai 0,564 > 0,005 dan F
= 0.83
- Sektor Sosial menghasilkan model regresi liner berganda dengan variabel independen X yaitu : Penggagguran, Kemiskinan, Jumlah Penduduk, Genio Ratio, Melek Huruf, Angka Harapan Hidup dengan variabel Y (Anggaran belanja Negara) dengan model yang dihasilkan :
-
Dan hasil uji anova nya signifikan pada nilai 0,210 > 0,05 dengan nilai F=2.845 - Sektor Hukum Kriminal menghasilkan model regresi linear berganda dengan
variabel independen X yaitu : Tindak Korupsi dan Tindak Kejahatan dengan variabel dependen Y anggaran belanja Negara dengan model yang dihasilkan :
-
Dan hasil uji anova nya signifikan pada nilai 0,229 > 0,05 dengan nilai F=1,835 Y = 6.393 – 0.277X1 + 0.798X2– 0.035X5 + 0.019X8 – 0.155X,9
Y =– 037X3 + 1.843X4+2.881X6 – 106.756X7 + 127.274X10 – 4.016 X11 -161.155
- -
Y = 0.095X12 +.0.640X13 + 12.717
DAFTAR PUSTAKA