BAB IV HASIL DAN PEMBAHASAN
4.1. Gambaran Umum Dalam penelitian ini, yang menjadi objek penelitian adalah inflasi, Jumlah Uang Beredar (JUB) dalam arti luas (M2 ) dan BI Rate dari tahun 2010 sampai tahun 2013, yang diperoleh dari laporan moneter dan publikasi melalui website resmi Bank Indonesia yaitu www.bi.go.id. Bank Indonesia merupakan lembaga yang berwenang untuk menentukan dan menerbitkan nilai inflasi, JUB dan BI Rate, sebagaimana tercantum dalam tugas Bank Indonesia yaitu menetapkan dan melaksanakan kebijakan moneter, mengatur dan menjaga kelancaran sistem pembayaran, serta mengatur dang mengawasi bank. Adapun data inflasi, JUB dan BI Rate dipilih mengingat ketiga variabel tersebut digunakan sebagai salah satu dasar dalam menilai dan menetapkan kebijakan perekonomian di Indonesia. Kebijakan tersebut dinilai dan ditetapkan oleh Bank Indonesia sebagaimana tertuang dalam Undang-Undang No.23 tahun 1999 Bab III Pasal 7 adalah untuk mencapai dan memelihara kestabilan nilai rupiah terhadap barang dan jasa yang dapat diukur dengan atau tercermin dari perkembangan laju inflasi, kestabilan nilai rupiah terhadap mata uang negara lain yang dapat diukur dengan atau tercermin dari perkembangan nilai tukar rupiah terhadap mata uang Negara lain. 40
41
Pengolahan data dalam penelitian ini menggunakan program Microsoft Excel dan SPSS. Adapun sampel data yang digunakan dalam penelitian ini adalah inflasi, Jumlah Uang Beredar (M2) dan BI Rate selama 4 tahun terakhir yaitu bulan Januari 2010 sampai dengan Desember 2013, dengan rincian sebagai berikut: Tabel 4.1 Data Inflasi, JUB (M2) dan BI Rate PERIODE
INFLASI 0.0838
JUB (M2) 3,727,695.59
BI RATE 0.0750
NOVEMBER 2013
0.0837
3,614,519.66
0.0750
OKTOBER 2013
0.0832
3,576,318.00
0.0725
SEPTEMBER 2013
0.0840
3,584,017.00
0.0725
AGUSTUS 2013
0.0879
3,502,420.00
0.0700
JULI 2013
0.0861
3,506,574.00
0.0650
JUNI 2013
0.0590
3,413,437.00
0.0600
MEI 2013
0.0547
3,423,155.00
0.0575
APRIL 2013
0.0557
3,357,823.00
0.0575
MARET 2013
0.0590
3,319,468.00
0.0575
FEBRUARI 2013
0.0531
3,277,426.00
0.0575
JANUARI 2013
0.0457
3,265,869.00
0.0575
DESEMBER 2012
0.0430
3,304,645.00
0.0575
NOVEMBER 2012
0.0432
3,205,129.00
0.0575
OKTOBER 2012
0.0461
3,161,726.00
0.0575
SEPTEMBER 2012
0.0431
3,125,533.00
0.0575
AGUSTUS 2012
0.0458
3,089,011.00
0.0575
JULI 2012
0.0456
3,054,836.00
0.0575
JUNI 2012
0.0453
3,050,355.00
0.0575
MEI 2012
0.0445
2,992,057.00
0.0575
APRIL 2012
0.0450
2,927,259.00
0.0575
MARET 2012
0.0397
2,911,920.00
0.0575
FEBRUARI 2012
0.0356
2,849,796.00
0.0575
JANUARI 2012
0.0365
2,827,570.00
0.0600
DESEMBER 2011
0.0379
2,877,220.00
0.0600
NOVEMBER 2011
0.0415
2,729,538.00
0.0600
OKTOBER 2011
0.0442
2,677,787.00
0.0650
SEPTEMBER 2011
0.0461
2,643,331.00
0.0675
AGUSTUS 2011
0.0479
2,621,346.00
0.0675
JULI 2011
0.0461
2,564,556.00
0.0675
JUNI 2011
0.0554
2,522,784.00
0.0675
MEI 2011
0.0598
2,475,286.00
0.0675
APRIL 2011
0.0616
2,434,478.00
0.0675
MARET 2011
0.0665
2,451,357.00
0.0675
FEBRUARI 2011
0.0684
2,420,191.00
0.0675
JANUARI 2011
0.0702
2,436,679.00
0.0650
DESEMBER 2010
0.0696
2,469,399.00
0.0650
NOVEMBER 2010
0.0633
2,346,801.00
0.0650
OKTOBER 2010
0.0567
2,308,153.00
0.0650
SEPTEMBER 2010
0.0580
2,271,516.00
0.0650
AGUSTUS 2010
0.0644
2,235,497.00
0.0650
JULI 2010
0.0622
2,216,597.00
0.0650
JUNI 2010
0.0505
2,230,237.00
0.0650
MEI 2010
0.0416
2,142,339.00
0.0650
APRIL 2010
0.0391
2,115,125.00
0.0650
MARET 2010
0.0343
2,111,350.00
0.0650
FEBRUARI 2010
0.0381
2,066,481.00
0.0650
JANUARI 2010
0.0372
2,073,860.00
0.0650
DESEMBER 2013
Sumber: Data diolah
42
4.2. Statistik Deskriptif Dalam rangka mengetahui gambaran, informasi serta karakteristik dari data yang digunakan dalam penelitian ini, maka dilakukan uji statistik deskriptif dengan hasil sebagai berikut: Tabel 4.2 Descriptive Statistics N Inflasi JUB_M2 BI_Rate Valid N (listwise)
48 48 48
Minimum .0343 2066481.00 .0575
Maximum Mean Std. Deviation .0879 .054373 .0150914 3727695.59 2823134.7344 495656.27345 .0750 .063333 .0051657
48
Sumber: Data diolah Berdasarkan hasil uji statistik deskriptif di atas diperoleh jumlah sample observasi sebanyak 48 yang merupakan data time series selama 4 tahun yaitu tahun 2010, 2011, 2012 dan 2013 yang dipublikasikan oleh Bank Indonsia dengan menggunakan analisis regresi berganda. Tabel 4.2 di atas menunjukkan bahwa inflasi memiliki nilai terendah (minimum) sebesar 3,43% terjadi pada bulan Maret 2010, nilai tertinggi (maximum) sebesar 8.79% terjadi pada bulan Agustus 2013, nilai rata-rata (mean) sebesar 5,44% dan standar deviasi 1,51%. Hal ini menunjukkan bahwa inflasi dari periode Maret 2010 sampai Agustus 2013 mengalami pertumbuhan sebesar 5,36% artinya masih berada pada dampak positif sebagaimana yang ditetapkan oleh kesepakatan para ahli yaitu 5%-6% per tahun. Semakin tinggi nilai inflasi maka semakin tinggi daya beli
43
masyarakat yang pada akhirnya akan mempengaruhi tingkat perekonomian di Indonesia dan penetapan BI Rate oleh Bank Indonesia. Jumlah Uang Beredar (JUB) memiliki nilai terendah (minimum) sebesar 2.066.481 terjadi pada bulan Februari 2010, nilai tertinggi (maksimum) sebesar 3.727.695,59 terjadi pada bulan Desember 2013, nilai rata-rata (mean) sebesar 2.823.134,73 dan standar deviasi sebesar 495.656,27. Hal ini menunjukkan bahwa JUB dari periode Februari 2010 sampai Desember 2013 mengalami pertumbuhan sebesar 1.661.214,59. Semakin tinggi jumlah uang beredar di masyarakat maka pertumbuhan ekonomi di Indonesia akan semakin meningkat. BI Rate memiliki nilai terendah (minimum) sebesar 5,75% terjadi pada bulan Februari 2012 sampai dengan Mei 2013, nilai tertinggi (maksimum) sebesar 7,50% terjadi pada bulan November dan Desember 2013, nilai rata-rata (mean) sebesar 6,33% dan standar deviasi sebesar 0,52%. Hal ini menunjukkan bahwa BI Rate dari periode Februari 2012 sampai Mei 2013 mengalami pertumbuhan sebesar 1,75%. Semakin tinggi BI Rate maka akan semakin berdampak terhadap suku bunga pinjaman (kredit) perbankan yang pada akhirnya akan mempengaruhi tingkat kesehatan perbankan akibat tingginya kredit macet atau non-performance loan (NPL).
44
4.3. Persamaan Regresi Berganda Sebelum melakukan uji asumsi model regresi, terlebih dahulu menentukan persamaan regresi yang akan digunakan untuk mengetahui apakah persamaan yang akan dihasilkan merupakan persamaan terbaik dari hasil uji model yang akan dilakukan. Adapun persamaan regresi yang dapat dibentuk sebagai berikut: BI Rate = β0 + β1 Inflasi + β2 JUB + et ……….…………………(4)
dimana : β0
= Konstanta
β1
= koefisien variabel independen X1 (inflasi)
β2
= variabel independen X2 (JUB)
et
= variabel gangguan (error) Dari persamaan regresi tersebut akan diketahui persentase variabel
independen dan variabel dependen serta variabel gangguan.
4.4. Pengujian Hipotesis 4.4.1. Uji Signifikansi Simultan (Uji F) Uji statistik pada dasarnya menunjukan apakah semua variabel bebas dalam model memiliki pengaruh secara simultan terhadap variabel
terikat.
Pengujian
dilakukan
dengan
menggunakan
signifikan level 5%. Adapun hasil uji F yang diperoleh sebagai berikut:
45
Tabel 4.3 Pengaruh Inflasi dan JUB terhadap BI Rate Secara Simultan ANOVAa Sum of df Mean Square Squares Regression .001 2 .000 1 Residual .001 45 .000 Total .001 47 a. Dependent Variable: BI_Rate b. Predictors: (Constant), JUB_M2, Inflasi Model
F
Sig. .000b
33.356
Sumber: Data diolah Berdasarkan tabel di atas, terlihat bahwa F hitung = 33,356 dengan signifikansi 0,000 < probabilitas 0,05, serta F hitung > F tabel ( 33,356 > 0,000), maka Ha1 diterima dan Ha0 ditolak. Dengan demikian dapat disimpulkan bahwa inflasi dan JUB dalam arti luas (M2) berpengaruh simultan dan signifikan terhadap BI Rate. 4.4.2. Uji Signifikansi Parameter Individual (Uji T) Pengujian ini bertujuan untuk menguji pengaruh inflasi dan JUB (M2) terhadap BI Rate pada tingkat signifikan 5% secara parsial. Adapun hasil uji parsial yang diperoleh sebagai berikut: Tabel 4.4 Pengaruh Inflasi dan JUB terhadap BI Rate Secara Parsial Coefficientsa Unstandardized Coefficients B Std. Error (Constant) .061 .003 1 Inflasi .283 .035 JUB_M2 -4.710E-009 .000 a. Dependent Variable: BI_Rate Model
Sumber: Data diolah
Standardized Coefficients Beta
t
20.973 .826 8.049 -.452 -4.402
Sig. .000 .000 .000
Collinearity Statistics Tolerance VIF .849 .849
1.177 1.177
46
Dari tabel 4.4 di atas dapat dijelaskan bahwa: 1. Nilai koefisien konstanta adalah 0,061. 2. Koefisien regresi inflasi (X1) sebesar 0,283 menunjukkan pengaruh inflasi terhadap BI Rate dan nilai signifikansi 0,000 lebih kecil dari probabilitas 0,05 (0,000 < 0,05), maka Hb1 diterima dan Hb0 ditolak. Dengan demikian dapat disimpulkan bahwa inflasi berpengaruh positif dan signifikan terhadap BI Rate. 3. Koefisien regresi JUB dalam arti luas (M2) sebesar
-4,710
menunjukkan pengaruh JUB dalam arti luas (M 2) terhadap BI Rate dan memiliki nilai signifikansi sebesar 0,000 lebih kecil dari probabilitas (0,000 < 0,05), maka Hc1 diterima dan Hc0 ditolak. Dengan demikian dapat disimpulkan bahwa JUB dalam arti luas (M2) berpengaruh negatif dan signifikan terhadap BI Rate. 4.5. Uji Adjusted R2 Pengujian ini bertujuan untuk menentukan persentase total variasi dalam variabel dependen yang diterangkan oleh variabel independen. Adapun hasil uji adjusted R2 sebagai berikut: Tabel 4.5 Uji Adjusted R2 Model Summaryb Change Statistics Std. Error Durbinof the R Square F Sig. F Watson df1 df2 Estimate Change Change Change a 1 .773 .597 .579 .0033506 .597 33.356 2 45 .000 2.279 a. Predictors: (Constant), JUB_M2, Inflasi b. Dependent Variable: BI_Rate Model
R
R Square
Sumber: Data diolah
Adjusted R Square
47
Tabel 4.5 di atas R square menunjukkan bahwa persentase pengaruh inflasi dan JUB dalam arti luas (M2) terhadap BI Rate sebesar 59,7%, selebihnya dijelaskan oleh variabel lain sebesar 40,3% (100%59,5%). Nilai adjusted R Square sebesar 0,579 menggambarkan bahwa sumbangan variabel independen (inflasi dan JUB) terhadap naik atau turunnya variabel dependen (BI Rate) adalah sebesar 57,9% dan sisanya sebesar 42,1% merupakan sumbangan dari variabel lain yang tidak dimasukkan dalam model yang diajukan dalam penelitian ini. Sedangkan nilai R sebesar 0,773 atau 77,3% berarti hubungan antara variabel independen dengan variabel dependen dapat dikatakan mempunyai hubungan yang kuat karena mendekati 100%.
4.6. Analisis Regresi Berganda 4.6.1. Uji Asumsi Klasik Sebuah model penelitian dikatakan baik apabila model yang dihasilkan memiliki kesalahan peramalan seminimal mungkin. Oleh karena itu, sebelum menggunakan sebuah model penelitian sebaiknya memenuhi asumsi tertentu, yang dikenal dengan asumsi klasik, yaitu: 1. Uji Normalitas Uji normalitas bertujuan untuk melihat apakah nilai residual terdistribusi normal atau tidak. Model regresi yang baik apabila
48
memiliki nilai residual yang terdistribusi normal. Hal ini dapat dilihat dari uji histogram atau uji normal P-Plot. Berdasarkan hal tersebut, maka dilakukan uji normalitas terhadap variabel dependen dan variabel independen, dengan hasil yang diperoleh sebagai berikut:
Sumber: Data diolah Gambar 4.1 Grafik Histogram
Sumber: Data diolah Gambar 4.2 Grafik Normal Probability Plot
49
Pada normal probaBIlity plot di atas diketahui bahwa sebaran error masih berada di sekitar garis lurus. Hal tersebut menunjukkan bahwa model regresi memenuhi asumsi normalitas atau residu dari model dapat dikatakan berdistribusi normal. 2. Uji Multikolonieritas Uji multikolonieritas bertujuan untuk menguji apakah pada model regresi ditemukan adanya korelasi antara variabel independen. Jika terjadi maka dinamakan multikolonieritas. Hasil pengolahan pengujian korelasi antar variabel bebas. Hal ini dapat dilihat dari nilai variance inflating factor (VIF) dan nilai tolerance pada tabel berikut: Tabel 4.6 Uji Multikolinearitas Coefficientsa Unstandardized Coefficients Model B Std. Error (Constant) .061 .003 1 Inflasi .283 .035 JUB_M2 -4.710E-009 .000 a. Dependent Variable: BI_Rate
Standardized Coefficients Beta
t
20.973 .826 8.049 -.452 -4.402
Sig. .000 .000 .000
Collinearity Statistics Tolerance VIF .849 .849
Sumber: Data diolah Berdasarkan hasil perhitungan nilai tolerance tidak ada yang kurang dari 10% artinya tidak ada korelasi antar variabel bebas yang nilainya lebih dari 95%. Begitu pula dengan variance
1.177 1.177
50
inflating factor (VIF) menunjukkan hal yang sama, tidak ada satu variabel bebas yang mempunyai nilai VIF lebih dari 10. Jadi dapat disimpulkan bahwa tidak terjadi multikolonieritas antar variabel bebas dalam model regresi.
3. Uji Heteroskedastisitas Uji heteroskedastisitas bertujuan untuk melihat apakah terdapat ketidaksamaan varians dari residual pengamatan ke pengamatan yang lain. Hal ini dapat dilihat dari metode scatter plot dengan memplotkan nilai ZPRED (nilai prediksi) dengan nilai SRESID (nilai residualnya). Gambar grafik
scatter plot
akan
menunjukkan titik-titik menyebar acak serta tersebar baik di atas maupun di bawah angka 0 pada sumbu y, dengan hasil sebagai berikut:
Sumber: Data diolah Gambar 4.3 Uji Heteroskedastisitas
51
Berdasarkan grafik scatter plot tersebut, sebaran nilai residual tidak membentuk pola tertentu sehingga dapat disimpulkan tidak terjadi heterokedastisitas.
4. Uji Autokorelasi Uji Autokorelasi bertujuan untuk melihat apakah terjadi korelasi antara suatu periode t dengan periode sebelumnya (t-1). Tabel 4.7 Uji Autokorelasi Model Summaryb Change Statistics Std. Error Durbinof the R Square F Sig. F Watson df1 df2 Estimate Change Change Change 1 .773a .597 .579 .0033506 .597 33.356 2 45 .000 2.279 a. Predictors: (Constant), JUB_M2, Inflasi b. Dependent Variable: BI_Rate Model
R
R Square
Adjusted R Square
Sumber: Data Data diolah diolah Sumber: Berdasarkan tabel di atas, Nilai Durbin Watson (DW) sebesar 2,279, jika dibandingkan dengan nilai tabel signifikansi 5% dengan jumlah sampel 48 (n) dan jumlah variabel independen 2 (K=2) maka diperoleh dl = 1,49275 dan du = 1,57762. Dengan demikian, nilai DW 2,279 lebih besar dari batas atas (du) yakni 1,57762 dan kurang dari (4 – du) = 4 – 1,57762 = 2,42238 dapat disimpulkan bahwa : a. d = 2,279 > dl = 1,49275 artinya tidak terdapat autokorelasi positif.
52
b. (4 – du) = 2,42238 > du = 1,57762 artinya tidak terdapat auotokorelasi negatif. Dengan demikian dapat disimpulkan bahwa tidak terjadi autokorelasi baik antar variabel independen maupun antara variabel independen dengan variabel dependen.
4.7. Pembahasan 4.7.1. Pengaruh Inflasi dan JUB (M2) Terhadap BI Rate Berdasarkan hasil uji F yang dilakukan untuk mengetahui tingkat hubungan inflasi dan JUB (M2) terhadap BI Rate diperoleh hasil bahwa F hitung = 33,356 dan probabilitas 0,000 sehingga dapat dikatakan bahwa inflasi dan JUB (M2) berpengaruh simultan dan signifikan terhadap BI Rate (probabilitas = 0,000 < 0,05). Dengan demikian, dapat diketahui bahwa inflasi dan JUB merupakan salah satu faktor yang mempengaruhi tingkat BI Rate. Fluktuasi suku bunga (BI Rate) berhubungan dengan fluktuasi inflasi yang disebut dengan efek fisher yaitu penyesuaian suku bunga nominal terhadap angka inflasi. Apabila Bank Indonesia memutuskan untuk mempercepat pertumbuhan uang beredar (JUB), maka akan menyebabkan timbulnya inflasi dan suku bunga nominal yang lebih tinggi. Kenaikan inflasi biasanya akan diikuti oleh kenaikan suku bunga yang akan diikuti oleh penurunan investasi yang berdampak pada penurunan gross domestic product (GDP) output.
53
4.7.2. Pengaruh Inflasi terhadap BI Rate Berdasarkan hasil uji T yang dilakukan untuk mengetahui hubungan antara inflasi terhadap BI Rate diperoleh hasil bahwa inflasi memiliki tingkat hubungan sebesar 28,3% dan signifikan sebesar 0,000 < 0,05. Berdasarkan hal tersebut dapat dikatakan bahwa inflasi
merupakan
faktor
utama
yang
mempengaruhi
kenaikan/penurunan BI Rate. Apabila tingkat inflasi terlalu tinggi, Bank Indonesia akan menaikkan BI Rate yang pada akhirnya akan menyebabkan bunga pinjaman bank menjadi meningkat. Hal tersebut mengakibatkan kegiatan produksi menjadi berkurang karena semakin mahal dan permintaan terhadap barang menjadi berkurang. Begitu juga sebaliknya, apabila inflasi terlalu rendah dan suku bunga diturunkan maka biaya produksi akan semakin murah sehingga kegiatan produk semakin bertambah. Kenaikan produksi akan mendorong kenaikan permintaan barang yang pada akhirnya menyebabkan harga barang menjadi naik (terjadi inflasi). 4.7.3. Pengaruh JUB (M2) terhadap BI Rate Berdasarkan hasil uji T yang dilakukan untuk mengetahui hubungan antara JUB (M2) terhadap BI Rate diproleh hasil bahwa JUB (M2) memiliki tingkat hubungan sebesar -4,710 terhadap BI Rate dan signifikan sebesar 0,000 < 0,05. Dengan demikian dapat disimpulkan bahwa apabila terjadi kenaikan tingkat suku bunga (BI
54
Rate), maka jumlah uang beredar (JUB) akan mengalami penurunan dan sebaliknya.
Setelah dilakukan uji sigifikansi simultan (uji F), uji sigifikansi parameter individual (uji T), uji adjusted R2 dan uji asumsi klasik, maka dapat disimpulkan bahwa persamaan regresi terbaik (BLUE) yang dibentuk sebagai berikut: BI Rate = 0,061 + 0,283 Inflasi – 4,710 JUB (M2) ...………………… (5) Nilai pada persamaan regresi berganda tersebut menunjukkan nilai koefisien inflasi sebesar 0,283 artinya apabila inflasi mengalami kenaikan sebesar 1, sedangkan variabel lainnya dianggap konstan, maka BI Rate akan mengalami kenaikan sebesar 0,283. Nilai koefisien JUB (M2) sebesar -4,710 artinya apabila JUB (M2) mengalami penurunan sebesar 1 sedangkan variabel lain dianggap konstan, maka BI Rate akan mengalami penurunan sebesar -4,710.
