ANALISIS PENGARUH PENGANGGURAN DAN INVESTASI TERHADAP DAYA BELI MASYARAKAT INDONESIA TAHUN 2015

Pada posting sebelumnya, disajikan rincian data Daya Beli beberapa propinsi. Nah di posting kali ini kita akan menganalisis datanya dengan regresi linier berganda. Daya Beli dijadikan sebagai variabel dependen dengan 2 variabel independen yakni Pengangguran dan Investasi.

Berikut ini tabel data Daya Beli masyarakat di Indonesia tahun 2015:

Berikut tabel data Pengangguran di Indonesia tahun 2015 :

 

Berikut ini tabel data Investasi di Indonesia tahun 2015 :

Jawa Timur	1591
Jawa Tengah	545
Jawa Barat	4066
DKI Jakarta	2186
Aceh	60
Sumatera Utara	3334
Sumatera Barat	145
Sumatera Selatan	1724
Gorontalo	41
Papua Barat	1862
Bali	4188
Kalimantan Barat	2549
Kalimantan Selatan	1514
Maluku	3285
Sulawesi Selatan	1562
Sulawesi Utara	647
Kalimantan Tengah	1240
Kalimantan Timur	4260
Kepulauan Riau	1762
NTB	5335
Riau	1588
DIY Yogyakarta	65
Banten	1547
Bengkulu	61
Kepulauan Bangka Belitung	249
Lampung	753
Papua	8136
Sulawesi Tengah	6716
Jambi	324
Kalimantan Utara	438
Maluku Utara	6715
NTT	477
Sulawesi Barat	15
Sulawesi Tenggara	1019

OUTPUT SPSS DAN INTERPRETASINYA :

1.        Uji t

  

Uji t digunakan untuk mengetahui apakah secara parsial atau individu vaiabel independen berpengaruh secara signifikan atau tidak terhadap variabel dependen. Untuk mengetahui hasilnya signifikan atau tidak, nilai signifikansi t akan dibandingkan dengan tingkat signifikasi 0,05 (α = 5%). Dalam uji t digunakan hipotesis sebagai berikut:

·         H1      : Pengangguran berpengaruh secara parsial terhadap Daya Beli.

·         H2      : Investasi berpengaruh secara parsial terhadap Daya Beli.

Pengaruh variabel independen terhadap variabel dependen secara parsial dengan regresi linier berganda (uji t) criteria pengujian adalah sebagai berikut:

Jika t hitung < t tabel maka Ho 

Jika t hitung > t tabel maka Ho 

Jika signifikan >0,05 maka Ho 

Jika signifikan < 0,05 maka Ho ditolak

Dari tabel Coefficient diatas yang menjadi output dari SPSS terdapat berbagai infomrasi yang dibisa kita peroleh. Salah satunya adalah nilai t. Selain itu kita juga dapat mengetahui seberapa pengaruhnya tiap variabel. Kesimpulan berpengaruh atau tidaknya suatu variabel dapat diketahui dengan dua cara, yaitu melihat nilai sig. Dan membandingkan nilai t hitung dengan nilai t tabel. Nilai t hitung adalah nilai t yang disajikan dalam tabel diatas, sedangkan nilai t tabel masih harus kita cari dengan terlebih dahulu menghitung nilai df kemudian mencarinya di dalam tabel nilai t.

Df atau degree of freedom untuk tabel coefficient dapat menggunakan rumus :

                 Df = n−k−1

Dengan demikian df yang terhitung adalah :

                 Df = 34−3−1 = 30

Setelah mendapat nilai df maka selanjutnya buka tabel t yang sering kita temui di bagian paling belakang sebuah buku statistika.

Dari tabel dengan df sebesar 30 pada sig. 0,05 kita dapat memperoleh nilai t-tabel 1,697261 atau 1,697. Nilai ini dibandingkan dengan nilai t hitung setiap variabel dengan kriteria, apabila nilai t tabel lebih kecil dari nilai t hitung maka kesimpulannya variabel tersebut berpengaruh terhadap variabel dependennya.

Untuk variable Pengangguran, nilai t hitung dalam table Coefficient adalah -1.601 yang artinya pengaruh Pengangguran ini negatif terhadap Daya Beli. Nilai t table lebih besar dari nilai t hitung. Maka kesimpulannya variable Pengangguran tidak berpengaruh terhadap Daya Beli masyarakat.

Untuk variable Investasi, nilai t hitung dalam table Coefficient adalah -1.640 yang artinya pengaruh Investasi ini negatif terhadap Daya Beli. Nilai t table lebih besar dari nilai t hitung. Maka kesimpulannya variable Investasi tidak berpengaruh terhadap Daya Beli masyarakat.

2.        Uji F

 

Uji F digunakan untuk mengetahui secara simultan atau bersama-sama variabel independen berpengaruh secara signifikan atau tidak terhadap variabel dependen. Pengujian dilakukan dengan menggunakan signifikansi 0,05 (α = 5%).

Dalam Uji F digunakan hipotesis sebagai 

H3 : Pengangguran dan Daya Beli berpengaruh secara simultan terhadap PDRB.

Ketentuan penerimaan atau penolakan hipotesis adalah sebagai 

Jika F hitung < F tabel atau nilai signifikan > 0,05 maka Ho

Jika F hitung > F tabel atau nilai signifikan < 0,05 maka Ho ditolak

Hasil uji F untuk koefisien persamaan regresi diperoleh hasil F hitung sebesar 2,589 dengan tingkat signifikan sebesar 0,091. Untuk mencari F Tabel dapat menggunakan rumus df (n1) = k-1 dan df (n2) = n-k, k disini adalah variabel dan n adalah populasi. Variabel dalam penelitian ini ada 3 dan populasinya ada 34. Lalu dimasukkan kedalam rumus mencari F Tabel lalu dilihat menggunakan lampiran F Tabel, dan hasilnya sebesar 3,30. Dengan demikian dapat disimpulkan bahwa dengan menggunakan tingkat kesalahan 5% ternyata F hitung < F table (0,556 < 3,30). Dengan demikian Ho diterima dan Ha ditolak, hal ini menunjukkan bahwa Daya Beli tidak mempunyai pengaruh signifikan terhadap Pengangguran dan Investasi.

3.        Uji Determinasi (Adjusted R Square)

Koefisien determinasi diperlukan untuk mengukur seberapa besar pengaruh Pengangguran dan Investasi terhadap Daya Beli.

Uji ini dimaksudkan untuk mengetahui presentase besarnya pengaruh variabel bebas secara bersama-sama terhadap variabel dependen untuk menunjukkan seberapa besar model regresi mampu menjelaskan variabilitas variabel dependen.

Dalam penelitian ini akan diolah dengan menggunakan program Statistical Package for Social Science (SPSS). Hipotesis dalam penelitian ini dipengaruhi oleh niai signifikansi koefisen variabel yang berangkutan setelah dilakukan pengujian.

Kesimpulan hipotesis dilakukan berdasrkan Uji T dan Uji F untuk menguji signifikansi variabel-variabel independen terhadap variabel dependen.

Berdasarkan hasil perhitungan dengan bantuan program Statistical Product and Service Solutions (SPSS) bahwa nilai Adjusted R Square yang diperoleh adalah sebesar 0,088 atau sebesar 8,8%. Hal ini menunjukkan bahwa besarnya kemampuan untuk menjelaskan variabel independen yaitu Pengangguran dan Investasi terhadap variabel dependen yaitu Daya Beli yang dapat diterangkan oleh model persamaan ini sebesar 8,8% sedangkan sisanya 91,2% merupakan faktor lain yang tidak dimasukkan kedalam model ini.