Analisis Statistik Deskriptif untuk Penelitian Ekonomi

(1)

Nama : Nurul Yasmin Fauziah

NIM : 5551210137

Kelas : ST 04

UTS Analisis Statistik

1. Deskriptif Statistik

Menurut Sugiyono (2012:2017), statistik deskriptif adalah statistik yang digunakan untuk menganalisa data dengan cara mendeskripsikan atau menggambarkan data yang telah terkumpul sebagaimana adanya tanpa bermaksud membuat kesimpulan yang berlaku untuk umum atau generalisasi. Statistik deskriptif memberikan gambaran atau deskripsi suatu data yang dilihat dari nilai rata-rata (mean), standar deviasi, varian, maksimum, minimum, sum, range, kurtosis dan skewnes (kemencengan distribusi) (Ghozali, 2016:19). Statistik deskriptif dalam penelitian ini digunakan untuk memberikan informasi mengenai variabel-variabel penelitian seperti Indeks Harga Saham Gabungan (Y), Produk Domestik Bruti (X1), Inflasi (X2), dan Suku Bunga (Z)

Tabel 1

Hasil Statistik Deskriptif

N Minimum Maximum Mean Std. Deviation

Produk Domestic Bruto 20 23 29 26.05 2.012

Inflasi 20 24 30 28.05 1.791

Suku Bunga 20 23 31 27.00 2.077

Indeks Harga Saham Gabungan

20 22 25 23.20 1.056

Valid N (listwise) 20

Pada tabel 1 diatas menunjukan jumlah data dalam penelitian adalah sebanyak 20 data.

Berdasarkan hasil perhitungan, terlihat bahwa nilai minumum indeks harga saham gabungan adalah sebesar 22, nilai maksimum indeks harga saham gabungan adalah sebesar 25, dan rata-rata indeks harga saham gabungan adalah sebesar 23,20 dengan standar deviasi sebesar 1,056. Dapat dilihat bahwa nilai standar deviasi lebih kecil dari nilai rata rata (mean) yaitu 1,056 < 23,20, hal tersebut menunjukan bahwa variabel indeks harga saham gabungan memiliki risiko dan fluktuasi yang rendah karena kecilnya penyimpangan yang terjadi pada variabel indeks harga saham gabungan. Nilai standar deviasi yang lebih kecil dari nilai rata- rata (mean) menunjukan bahwa data indeks harga saham gabungan memiliki penyebaran data yang baik.

Berdasarkan tabel 1 hasil uji statistik deskriptif, nilai minumum produk domestik bruto (PDB) adalah sebesar 23 nilai maksimumnya adalah produk domestik bruto adalah sebesar

(2)

29 dan rata-rata produk domestik bruto sebesar 26,05 dengan standar deviasi sebesar 2,012.

Dapat dilihat bahwa nilai standar deviasi lebih kecil dari nilai rata rata (mean) yaitu 2,012 <

26,05, hal tersebut menunjukan bahwa variabel produk domestik bruto memiliki risiko dan fluktuasi yang rendah karena kecilnya penyimpangan yang terjadi pada variabel produk domestik bruto. Nilai standar deviasi yang lebih kecil dari nilai rata-rata (mean) menunjukan bahwa produk domestik bruto memiliki penyebaran data yang baik.

Berdasarkan tabel 1 hasil uji statistik deskriptif, nilai minimum inflasi adalah sebesar 24, nilai maksimum inflasi sebesar adalah 30 dan rata-rata inflasi sebesar 28.05 dengan standar deviasi sebesar 1,791. Dapat dilihat bahwa nilai standar deviasi lebih kecil dari nilai rata rata (mean) yaitu 1,791 < 28,05, hal tersebut menunjukan bahwa variabel inflasi memiliki risiko dan fluktuasi yang rendah karena kecilnya penyimpangan yang terjadi pada inflasi. Nilai standar deviasi yang lebih kecil dari nilai rata-rata (mean) menunjukan bahwa data inflasi memiliki penyebaran data yang baik.

Berdasarkan tabel 1 hasil uji statistik deskriptif, nilai minumum suku bunga adalah sebesar 23, nilai maksimum suku bunga sebesar 31, dan rata rata suku bunga adalah sebesar 27 dengan standar deviasi sebesar 2,077. Dapat dilihat bahwa nilai standar deviasi lebih kecil dari nilai rata rata (mean) yaitu 2,077 < 27, hal tersebut menunjukan bahwa variabel suku bunga memiliki risiko dan fluktuasi yang rendah karena kecilnya penyimpangan yang terjadi pada variabel suku bunga. Nilai standar deviasi yang lebih kecil dari nilai rata-rata (mean) menunjukan bahwa data suku bunga memiliki penyebaran data yang baik.

2. Uji Asumsi Klasik 2.1. Uji Normalitas

Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal. Seperti diketahui bahwa uji t mengasumsikan bahwa nilai residual mengikuti distribusi normal. Ada 2 cara untuk mendeteksi apakah residual berdistribusi normal atau tidak yaitu dengan cara analisis grafik dan analisis statistik (Ghozali,

(3)

2016:154). Dalam penelitian untuk menguji uji normalitas menggunakan analisis statistik, sehingga didapat hasil analisis statistik uji normalitas untuk substruktural 1 dan substruktural 2 a. Uji Normalitas Substruktural 1

Tabel 2

One-Sample Kolmogorov-Smirnov Test Unstandardiz

ed Residual

N 20

Normal Parameters^a,b Mean .0000000 Std.

Deviation

.81243786 Most Extreme

Differences

Absolute .169

Positive .144

Negative -.169

Test Statistic .169

Asymp. Sig. (2-tailed) .137^c

a. Test distribution is Normal.

b. Calculated from data.

c. Lilliefors Significance Correction.

Berdasarkan uji kolmogorov-smirnov tabel 2 terlihat asymp.sig (2-tailed) memiliki nilai 0,137 > 0,05, hal ini menunjukan bahwa data pada penelitian ini terdistribusi secara normal

Gambar 1

Hasil Uji Normalitas Grafik Histogram Subsutruktural 1

(4)

Berdasarkan gambar 1 diatas terlihat bahwa pola terdistribusi normal, distribusi normal pada histogram uji normalitas tampak ada data yang menyebar ke seluruh daerah normal.

Daerah normal adalah daerah yang berada dibawah kurva dan histogram berbentuk lonceng, sehingga dapat disimpulkan bahwa data terdistribusi normal.

Gambar 2

Hasil Uji Normalitas Probability Plot Substrukutural 1

Berdasarkan gambar 2 di atas dapat dilihat pada normal probability plot bahwa terdapat titik-titik yang menempel pada garis diagonal dan ada sebagian titik yang menyebar dan mengikuti arah

(5)

disekitar garis diagonal, hal ini menunjukan bahwa data pada penelitian ini terdistribusi secara normal.

b. Uji Normalitas Substruktural 2

Tabel 3

One-Sample Kolmogorov-Smirnov Test Unstandardiz

ed Residual

N 20

Normal Parameters^a,b Mean .0000000 Std.

Deviation

1.27995106 Most Extreme

Differences

Absolute .176

Positive .107

Negative -.176

Test Statistic .176

Asymp. Sig. (2-tailed) .105^c

a. Test distribution is Normal.

b. Calculated from data.

c. Lilliefors Significance Correction.

Berdasarkan uji kolmogorov-smirnov tabel 3 terlihat asymp.sig (2-tailed) memiliki nilai 0,105 > 0,05, hal ini menunjukan bahwa data pada penelitian ini terdistribusi secara normal

Gambar 3

Hasil Uji Normalitas Grafik Histogram Subsutruktural 2

(6)

Berdasarkan gambar 3 diatas terlihat bahwa pola terdistribusi normal, distribusi normal pada histogram uji normalitas tampak ada data yang menyebar ke seluruh daerah normal.

Daerah normal adalah daerah yang berada dibawah kurva dan histogram berbentuk lonceng, sehingga dapat disimpulkan bahwa data terdistribusi normal.

Gambar 3

Hasil Uji Normalitas Probability Plot Substrukutural 2

(7)

Berdasarkan gambar 2 di atas dapat dilihat pada normal probability plot bahwa terdapat titik-titik yang menempel pada garis diagonal dan ada sebagian titik yang menyebar dan mengikuti arah disekitar garis diagonal, hal ini menunjukan bahwa data pada penelitian ini terdistribusi secara normal.

2.2. Uji Multikolinieritas

Uji multikolinearitas bertujuan untuk menentukan apakah model regresi yang baik menemukan korelasi atau tidak. Dengan mengunakan nilai toleransi dan lawannya, regresi menunjukkan multikolinearitas. Jika nilai toleransi lebih dari 0,10 dan VIF lebih dari 0,10 maka multikolinieritas tidak ada dalam penelitian. Jika nilai toleransi kurang dari 0,10 dan VIF lebih dari 0,10, maka ada gangguan multikolinearitas dalam penelitian.

Tabel 4

Hasil Uji Multikolinieritas Substruktural 1 Coefficients^a

Model

Unstandardized Coefficients

Standardized Coefficients

t Sig.

Collinearity Statistics B

Std.

Error Beta

Toleranc

e VIF

1 (Constant) 13.499 5.464 2.471 .024

Produk Domestic Bruto

.868 .165 .841 5.270 .000 .878 1.139

(8)

Inflasi -.325 .185 -.280 - 1.754

.097 .878 1.139 a. Dependent Variable: Suku Bunga

Hasil uji multikolinearitas pada tabel 4 di atas terlihat bahwa variabel produk domestik (PDB) dan inflasi memliki nilai tolerance dan VIF yang sama, yaitu nilai tolerance sebesar 0,878 dan VIF sebesar 1,139. Nilai tolerance tersebut, lebih besar dari 0,1 dan nilai VIF dibawah 10.

Dengan demikian, dapat disimpulkan bahwa tidak terjadi gejala multikolinearitas diantara variabel bebas.

Tabel 5

Hasil Uji Multikolinieritas Substruktural 2 Coefficients^a

Model

t Sig.

Collinearity Statistics B Std. Error Beta

Toleranc

e VIF

1(Constant) 34.491 4.167 8.276 .000

.404 .175 .770 2.311 .034 .333 3.001

Inflasi -.385 .132 -.653 -

2.927

.010 .743 1.346

Suku Bunga -.408 .159 -.802 -

2.571

.021 .380 2.634 a. Dependent Variable: Indeks Harga Saham Gabungan

Tabel di atas menunjukan hasil uji multikolinieritas yang memiliki nilai tolerance Product Domestic Bruto, Inflasi, dan Suku Bunga yang mendekati 1 serta memiliki nilai VIF kurang dari angka 10. Variabel Product Domestic Bruto memiliki tolerance sebesar 0,333 > 0,10 dengan nilai VIF 3,001 < 10. Variabel Inflasi memiliki tolerance sebesar 0,743 > 0,10 dengan nilai VIF 1,346

< 10. Variabel Suku Bunga memiliki tolerance 0,380 > 0,10 dengan nilai VIF 2,634 < 10.

Variabel independen tersebut memiliki nilai tolerance > 0,10 dan nilai VIF< 10. Maka dapat disimpulkan bahwa seluruh variabel independen penelitian tidak terjadi multikolinieritas.

2.3. Uji Heteroskedastisitas

Uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Model regresi yang baik

(9)

yang homoskedastisitas atau tidak terjadi heteroskedastisitas (Ghozali, 2016: 139). Dalam penelitian ini, pengujian heterokedastisitas menggunakan uji glejser untuk mendeteksi atau tidak adanya heterokedastisitas dari tingkat signifikansi.

Tabel 6

Hasil Uji Heteroskedastisitas Substruktural 2 ANOVA^a

Model

Sum of

Squares df Mean Square F Sig.

1 Regression 3.276 2 1.638 3.423 .056^b

Residual 8.134 17 .478

Total 11.410 19

a. Dependent Variable: Abresid

b. Predictors: (Constant), Inflasi, Produk Domestic Bruto

Coefficients^a

Model

t Sig.

Collinearity Statistics

B Std. Error Beta

Toleranc

e VIF

1 (Constant) -3.261 2.793 -1.167 .259

.218 .084 .565 2.586 .019 .878 1.139

Inflasi -.051 .095 -.117 -.534 .600 .878 1.139

a. Dependent Variable: Abresid_2

Menurut Ghozali (2016:143) jika nilai probabilitas lebih besar dari nilai alpha (Sig > 0,05), maka dapat dikatakan model tidak mengandung gejala heterokedastisitas. Berdasarkan tabel 6 nilai

(10)

probabilitas signifikansi pada tabel ANOVA lebih besar dari tingkat signifikansi yang ditetapkan yaitu (0,056 > 0,05), selain itu diperkuat dengan tabel coefficents pada variabel produkyang juga memiliki nilai signifikan lebih besar dari 0,05 yaitu (0,654 > 0,05). Hal tersebut menunjukan bahwa variabel independen tidak signifikan secara statistik mempengaruhi variabel dependen, maka dapat disimpulkan bahwa model ini tidak terjadi heterokedastistas

Tabel 7

Hasil Uji Heteroskedastisitas Substruktural 2 Coefficients^a

Model

t Sig.

Collinearity Statistics B

Std.

Error Beta

Toleranc

e VIF

1(Constant) 2.493 2.174 1.147 .268

.178 .091 .751 1.949 .069 .333 3.001

Inflasi -.105 .069 -.396 -1.536 .144 .743 1.346

Suku Bunga -.131 .083 -.569 -1.577 .134 .380 2.634

a. Dependent Variable: Abresid

3. Koefisien Determinasi

uji ini digunakan untuk mengetahui seberapa besar pengaruh dari variabel bebas terhadap variabel terikat. Uji koefisien determinasi dapat dilihat dari nilai adjusted R-square (Ghozali 2016). Jika nilai R-Square yang ditunjukkan pada tabel output SPSS “Model Summary” kecil, berarti pengaruh variabel bebas lemah terhadap variabel terikat, sebaliknya jika nilai R-Square semakin mendekati angka 1 berarti pengaruhnya semakin kuat.

Hasil Uji Koefisien Determinasi Substruktural 1 Model Summary

Model R R Square

Adjusted R Square

Std. Error of the Estimate

1 .788^a .620 .576 1.353

(11)

a. Predictors: (Constant), Inflasi, Produk Domestic Bruto

Berdasarkan tabel diatas, dapat kita ketahui bahwa nilai koefisien determinasi yang ditunjukan pada kolom R square adalah sebesar 0,620 atau 62%. Nilai tersebut menunjukan bahwa variabel product domestic bruto dan inflasi dapat menjelaskan 62% variabel dependen yaitu suku bunga.

Sedangkan sisanya sebesar 38% dijelaskan oleh variabel lain di luar variabel yang ada dalam penelitian.

Model Summary

Model R R Square

Adjusted R Square

1 .639^a .408 .298 .885

a. Predictors: (Constant), Suku Bunga, Inflasi, Produk Domestic Bruto

Berdasarkan tabel diatas, dapat kita ketahui bahwa nilai koefisien determinasi yang ditunjukan pada kolom R square adalah sebesar 0,408 atau 40,8%. Nilai tersebut menunjukan bahwa variabel product domestic bruto dan inflasi dapat menjelaskan 40,8% variabel dependen yaitu suku bunga. Sedangkan sisanya sebesar 59,2% dijelaskan oleh variabel lain di luar variabel yang ada dalam penelitian

4. Uji F

Uji F merupakan uji yang digunakan untuk melihat apakah semua variabel bebas secara bersama-sama dapat memberikan pengaruh signifikan terhadap variabel terikat (Ghozali, 2016).

Jika nilai signifikan F < 0,05 maka variabel bebas secara signifikan berpengaruh terhadap variabel terikat, tetapi jika nilai signifikan F > 0.05 maka variabel bebas secara signifikan tidak berpengaruh terhadap variabel terikat. Berikut ini adalah hasil pengujian Uji F.

Hasil Uji F Substruktural 1 ANOVA^a

Model

Sum of

1 Regression 50.873 2 25.436 13.892 .000^b

Residual 31.127 17 1.831

Total 82.000 19

a. Dependent Variable: Suku Bunga

(12)

b. Predictors: (Constant), Inflasi, Produk Domestic Bruto

Berdasarkan tabel diatas, terlihat bahwa nilai F yang dihasilkan sebesar 13,892 dengan nilai signifikansi sebesar 0,000. Hal tersebut menunjukan bahwa nilai signifikansi lebih kecil dari 0,05. Sehingga dapat disimpulkan bahwa model penelitian ini layak dan tepat untuk digunakan dan menunjukan bahwa produk domestik bruto dan inflasi secara stimulan atau bersama-sama berpengaruh terhadap suku bunga.

Hasil Uji F Substruktural 2 ANOVA^a

Model

Sum of

1 Regression 8.659 3 2.886 3.682 .034^b

Residual 12.541 16 .784

Total 21.200 19

a. Dependent Variable: Indeks Harga Saham

b. Predictors: (Constant), Suku Bunga, Inflasi, Produk Domestic Bruto

Berdasarkan tabel diatas, terlihat bahwa nilai F yang dihasilkan sebesar 3,682 dengan nilai signifikansi sebesar 0,034. Hal tersebut menunjukan bahwa nilai signifikansi lebih kecil dari 0,05. Sehingga dapat disimpulkan bahwa model penelitian ini layak dan tepat untuk digunakan dan menunjukan bahwa produk domestik bruto, inflasi, dan suku bunga secara stimulan atau bersama-sama berpengaruh terhadap indeks harga saham gabungan.

5. Uji T

Uji t merupakan uji yang digunakan untuk melihat apakah pengaruh dari variabel bebas secara individu atau sendiri-sendiri berpengaruh terhadap variabel terikat (Ghozali, 2016). Jika nilai signifikansi uji t > 0,05 maka variabel bebas tidak berpengaruh terhadap variabel terikat, tetapi jika nilai signifikansi uji t < 0,05, maka variabel bebas berpengaruh terhadap variabel terikat.

Berikut ini adalah hasil pengujian Uji t

Hasil Uji T Substruktural 1 Coefficients^a

Model

t Sig.

B Std. Error Beta

(13)

1 (Constant) 13.499 5.464 2.471 .024 Produk Domestic

Bruto

.868 .165 .841 5.270 .000

Inflasi -.325 .185 -.280 -1.754 .097

Hasil dari pengujian t yang dilakukan dan disajikan dalam tabel diatas menunjukan hasil sebagai berikut : (1) hasil pengujian yang diperoleh menunjukan bahwa variabel PDB memiliki t hitung positif sebesar 5,270, dengan nilai signifikansi sebesar 0,000. Angka tersebut menunjukan bahwa nilai signifikansinya lebih kecil dari 0,05. Berdasarkan hasil tersebut, dapat disimpulkan bahwa variabel berpengaruh terhadap suku bunga, sehingga hipotesis diterima; (2) Hasil pengujian yang diperoleh menunjukan bahwa variabel inflasi memiliki t hitung negatif sebesar 1,752 dengan nilai signifikansi sebesar 0,097. Angka tersebut menunjukan bahwa nilai sigifikansi lebih dari 0,05. Berdasarkan hasil tersebut, dapat disimpulkan bahwa variabel inflasi tidak berpengaruh terhadap suku bunga, sehingga hipotesis ditolak;

Model

t Sig.

B Std. Error Beta

1 (Constant) 34.491 4.167 8.276 .000

.404 .175 .770 2.311 .034

Inflasi -.385 .132 -.653 -2.927 .010

Suku Bunga -.408 .159 -.802 -2.571 .021

Hasil dari pengujian t yang dilakukan dan disajikan dalam tabel diatas menunjukan hasil sebagai berikut : (1) hasil pengujian yang diperoleh menunjukan bahwa variabel PDB memiliki t hitung positif sebesar 1,088, dengan nilai signifikansi sebesar 0,034. Angka tersebut menunjukan bahwa nilai signifikansinya lebih kecil dari 0,05. Berdasarkan hasil tersebut, dapat disimpulkan bahwa variabel berpengaruh terhadapat indeks harga saham gabungan, sehingga hipotesis diterima; (2) Hasil pengujian yang diperoleh menunjukan bahwa variabel inflasi memiliki t hitung negatif sebesar 2,927 dengan nilai signifikansi sebesar 0,010. Angka tersebut menunjukan bahwa nilai

(14)

sigifikansi lebih kecil dari 0,05. Berdasarkan hasil tersebut, dapat disimpulkan bahwa variabel inflasi berpengaruh terhadap indeks harga saham gabungan , sehingga hipotesis diterima; (3) Hasil pengujian yang diperoleh menunjukan bahwa variabel suku bunga memiliki t hitung negatif sebesar 2,571 dengan nilai signifikansi sebesar 0,021. Angka tersebut menunjukan bahwa nilai signifikansi lebih kecil dari 0,05. Berdasarkan hasil tersebut, dapat disimpulkan bahwa variabel berpengaruh terhadap indeks harga saham, sehingga hipotesis diterima.

Analisis jalur (path analyisis)

Menurut Ghozali (2006:174) dalam Sugiyono (2012:168), analisis jalur merupakan perluasan atau kepanjangan dari analisis regresi berganda yang digunakan untuk menaksir suatu hubungan kasualitas (sebab-akibat) antara variabel yang telah ditetapkan sebelumnya berdasarkan teori.

Dalam analisis jalur ini variabel intervening harus dilakukan dalam dua subjalur penelitian, yakni substruktural 1 dan substruktural 2

Pengujian substruktural 1

Model

t Sig.

B Std. Error Beta

1 (Constant) 13.499 5.464 2.471 .024

.868 .165 .841 5.270 .000

Inflasi -.325 .185 -.280 -1.754 .097

Sehingga persamaan jalur substruktural 1 sebagai berikut : Z=α+P₄X₁+P₅X₂+ε₁

SB = 13,499 + 0,868 PDB – 0,325 INF

Berdasarkan data yang telah diolah pada tabel di atas, diperoleh koefisien jalur ( P₄ ) produk domestik bruto terhadap suku bunga yang terletak pada kolom Standardized Coefficient yaitu sebesar 0,841 atau 84,1 %, artinya setiap kenaikan 1% produk domestik bruto akan diikuti dengan kenaikan suku bunga sebesar 84,1% dan diperoleh nilai koefisien jalur ( P₅ ) inflasi terhadap suku bunga yang terletak pada kolom Standardized Coefficient yaitu sebesar -0,280 atau -28%, artinya setiap kenaikan 1% inflasi akan diikuti dengan penurunan suku bunga sebesar 28%.

(15)

Hasil Uji Koefisien Determinasi Substruktural 1 Model Summary

Model R R Square

Adjusted R Square

1 .788^a .620 .576 1.353

a. Predictors: (Constant), Inflasi, Produk Domestic Bruto

Setiap variabel dependen (endogen) akan ada anak panah yang menuju ke variabel tersebut dan berfungsi untuk menjelaskan jumlah variance yang tidak dapat dijelaskan oleh variabel tersebut.

Jika anak panah ε₁ menuju suku bunga menunjukkan jumlah variance intervening yang tidak dapat dijelaskan oleh produk domestik bruto dan inflasi besarnya adalah sebagai berikut :

ε₁=

√

^1−R² ⁼

√

^1−0,620 = 0,6164 atau 61,64%

Maka nilai ( ^ε1 ) joefisien jalur variabel lain terhadap suku bunga sebesar 61,64%. Berikut adalah hubungan kausal yang terbentuk :

Pengujian struktural 2

Model

t Sig.

B Std. Error Beta

(16)

1 (Constant) 34.491 4.167 8.276 .000 Produk Domestic

Bruto

.404 .175 .770 2.311 .034

Inflasi -.385 .132 -.653 -2.927 .010

Suku Bunga -.408 .159 -.802 -2.571 .021

Sehingga persamaan jalur substruktural 2 sebagai berikut : Y=α+P₁X₁+P₂X₂+P₃Z+ε₂

IHSG = 34,491 + 0,770 PDB – 0,653 INF – 0,802 SB

Berdasarkan data yang telah diolah pada tabel di atas, diperoleh nilai koefisien jalur ( ^P1 ) produk domestik bruto terhadap indeks harga saham gabungan yang terletak pada kolom Standardized Coefficient yaitu sebesar 0,770 atau 77%, artinya setiap kenaikan 1% produk domestik bruto akan diikuti dengan kenaikan indeks harga saham gabungan sebesar 77%

kemudian diperoleh nilai koefisien jalur ( P₂ ) inflasi terhadap indeks harga saham gabungan yang terletak pada kolom Standardized Coefficient yaitu sebesar – 0,653 atau -65,3%, artinya setiap kenaikan 1% inflasi akan diikuti dengan penurunan indeks harga saham gabungan sebesar 65,3%. Dan nilai koefisien jalur ( ^P3 ) suku bunga terhadap indeks harga saham gabungan yang terletak pada kolom Standardized Coefficient yaitu sebesar -0,802 atau -80,2%, artinya setiap kenaikan 1% suku bunga akan diikuti dengan penurunan indeks harga saham gabungan sebesar 80,2%.

Model Summary

Model R R Square

Adjusted R Square

1 .639^a .408 .298 .885

a. Predictors: (Constant), Suku Bunga, Inflasi, Produk Domestic Bruto

Setiap variabel dependen (endogen) akan ada anak panah yang menuju ke variabel tersebut dan berfungsi untuk menjelaskan jumlah variance yang tidak dapat dijelaskan oleh variabel tersebut.

Jika anak panah ε₂ menuju indeks harga saham gabungan menunjukkan jumlah variance

(17)

intervening yang tidak dapat dijelaskan oleh produk domestik bruto, inflasi, dan suku bunga besarnya adalah sebagai berikut:

ε₁=

√

^1−R² ⁼

√

^{1−0, 408} = 0,7694 atau 76,94%

Maka nilai ( ^ε2 ) joefisien jalur variabel lain terhadap suku bunga sebesar 76,94%. Berikut adalah hubungan kausal yang terbentuk :

(18)