1. Pendahuluan

Indonesia merupakan negara berkembang yang kaya akan sumber daya alam dan memiliki kondisi geografis yang strategis. Namun, setelah lebih dari tujuh dekade merdeka, Indonesia masih menghadapi permasalahan utang negara. Pemerintah kerap menggunakan utang sebagai sumber pembiayaan pembangunan, yang menyebabkan jumlah utang terus meningkat. Pada tahun 2023, total utang Indonesia tercatat mencapai Rp8.144,69 triliun, sehingga isu utang menjadi perhatian serius karena berpotensi menimbulkan beban ekonomi dan ketergantungan fiskal dalam jangka panjang.

Berdasarkan kondisi tersebut, penting untuk mengetahui faktor-faktor yang memengaruhi penambahan utang negara agar kebijakan pemerintah dapat dikontrol secara lebih efektif. Oleh karena itu, penelitian ini menggunakan analisis regresi linier berganda untuk menganalisis pengaruh pertumbuhan PDB, PDB tahun sebelumnya, dan rasio utang terhadap PDB tahun sebelumnya terhadap besarnya penambahan utang tahunan negara Indonesia.

2. Deskripsi dan Sumber Data

Data yang digunakan dalam penelitian ini merupakan data sekunder yang diperoleh dari artikel yang ditulis oleh Sulantari, dkk. (2024) yang diterbitkan dalam Unisda Journal of Mathematics and Computer Science dengan judul “Analisis Regresi Linier Berganda untuk Memodelkan Faktor yang Mempengaruhi Nilai Penambahan Utang Tahunan Negara Indonesia”. Artikel tersebut menggunkan data dari BPS Indonesia dan Kementrian Keuangan Indonesia. Artikel tersebut dapat diakses melalui laman https://doi.org/10.52166/ujmc.v10i1.6631

Data yang digunakan berjumlah 19 observasi dengan periode tahunan mulai dari tahun 2005 hingga 2023. Berdasarkan data tersebut, penelitian ini menggunakan analisis regresi linier berganda dengan variabel dependen berupa penambahan utang tahunan negara Indonesia, serta variabel independen yang meliputi pertumbuhan Produk Domestik Bruto (PDB), PDB Indonesia tahun sebelumnya, dan rasio utang terhadap PDB pada tahun sebelumnya. Analisis dilakukan untuk mengetahui pengaruh variabel-variabel tersebut terhadap besarnya penambahan utang tahunan negara Indonesia.

3. Exploratory Data Analysis (EDA)

Exploratory Data Analysis (EDA) dilakukan untuk memahami karakteristik data, melihat pola hubungan antar variabel, serta mengidentifikasi kecenderungan dan potensi permasalahan pada data sebelum dilakukan pemodelan regresi linier berganda.

3.1 Statistik Deskriptif

library(car)

## Warning: package 'car' was built under R version 4.4.3

## Loading required package: carData

## Warning: package 'carData' was built under R version 4.4.3

library(lmtest)

## Warning: package 'lmtest' was built under R version 4.4.3

## Loading required package: zoo

## Warning: package 'zoo' was built under R version 4.4.3

## 
## Attaching package: 'zoo'

## The following objects are masked from 'package:base':
## 
##     as.Date, as.Date.numeric

library(readxl)
url <- "https://docs.google.com/uc?export=download&id=16ef8RciYQvHPf5F56WUVpOB-yMB44rf9"
temp <- tempfile(fileext = ".xlsx")
download.file(url, temp, mode = "wb")
DATAKOMSTAT <- read_excel(temp)
DATAKOMSTAT[] <- lapply(DATAKOMSTAT, function(x) {
  if (is.character(x)) as.numeric(x) else x
})
str(DATAKOMSTAT)

## tibble [19 × 6] (S3: tbl_df/tbl/data.frame)
##  $ Tahun                       : num [1:19] 2005 2006 2007 2008 2009 ...
##  $ Total Utang RI (Trilliun Rp): num [1:19] 1313 1302 1389 1637 1591 ...
##  $ Penambahan Utang RI         : num [1:19] 13.8 -11 87.2 247.3 -46 ...
##  $ Pertumbuhan PDB             : num [1:19] 5.6 5.5 6.3 6.1 4.5 6.1 6.5 6.23 5.78 5.01 ...
##  $ PDB RI Tahun Lalu           : num [1:19] 2303 2730 3338 3957 4954 ...
##  $ Rasio Utang Tahun Lalu      : num [1:19] 0.564 0.481 0.39 0.351 0.33 0.283 0.262 0.244 0.24 0.262 ...

summary(DATAKOMSTAT)

##      Tahun      Total Utang RI (Trilliun Rp) Penambahan Utang RI
##  Min.   :2005   Min.   :1302                 Min.   : -46.0     
##  1st Qu.:2010   1st Qu.:1659                 1st Qu.: 109.2     
##  Median :2014   Median :2609                 Median : 260.4     
##  Mean   :2014   Mean   :3472                 Mean   : 354.8     
##  3rd Qu.:2018   3rd Qu.:4516                 3rd Qu.: 506.5     
##  Max.   :2023   Max.   :8041                 Max.   :1295.3     
##  Pertumbuhan PDB  PDB RI Tahun Lalu Rasio Utang Tahun Lalu
##  Min.   :-2.000   Min.   : 2303     Min.   :0.2400        
##  1st Qu.: 5.015   1st Qu.: 5284     1st Qu.:0.2680        
##  Median : 5.170   Median : 9084     Median :0.2940        
##  Mean   : 4.992   Mean   : 9727     Mean   :0.3312        
##  3rd Qu.: 5.940   3rd Qu.:14213     3rd Qu.:0.3920        
##  Max.   : 6.500   Max.   :19588     Max.   :0.5640

Berdasarkan analisis statistik deskriptif data periode 2005–2023, total utang negara Indonesia menunjukkan peningkatan yang signifikan dengan nilai minimum Rp1.302 triliun, maksimum Rp8.041 triliun, dan rata-rata Rp3.472 triliun, sementara penambahan utang tahunan bersifat fluktuatif dengan nilai terendah -Rp46 triliun, tertinggi Rp1.295,3 triliun, dan rata-rata Rp354,8 triliun per tahun. Pertumbuhan PDB berada pada kisaran -2,00% hingga 6,50% dengan rata-rata 4,99%, yang menunjukkan adanya kontraksi ekonomi pada tahun tertentu meskipun secara umum perekonomian tetap tumbuh. Nilai PDB RI tahun lalu meningkat dari Rp2.303 triliun hingga Rp19.588 triliun dengan rata-rata Rp9.727 triliun, mencerminkan pertumbuhan skala ekonomi nasional. Sementara itu, rasio utang terhadap PDB berada pada rentang 0,24 hingga 0,564 dengan rata-rata 0,331, yang menunjukkan bahwa meskipun utang negara meningkat, tingkat rasio utang masih berada pada batas yang relatif terkendali.

3.2 Perkembangan Penambahan Utang

Berdasarkan hasil pada periode 2005–2023, penambahan utang negara Indonesia menunjukkan pola yang fluktuatif namun cenderung meningkat, dengan lonjakan tajam pada tahun 2020. Hal ini menunjukkan bahwa kebijakan penambahan utang sangat dipengaruhi oleh kondisi ekonomi dan kebutuhan fiskal pemerintah.

3.3 Hubungan Variabel Independen dan Dependen

Hasil scatter plot menunjukkan bahwa PDB RI tahun lalu memiliki hubungan positif yang cukup kuat terhadap penambahan utang, artinya semakin besar ukuran ekonomi, semakin besar pula penambahan utang. Sementara itu, pertumbuhan PDB memiliki hubungan negatif, di mana ketika pertumbuhan ekonomi meningkat, penambahan utang justru cenderung menurun. Adapun rasio utang tahun lalu menunjukkan hubungan yang lemah terhadap penambahan utang.

3.4 Korelasi Antar Variabel

Korelasi antar variabel pada regresi linier berganda dilakukan untuk mengetahui pola hubungan antar variabel, menilai kelayakan variabel independen, sehingga model regresi yang dibentuk lebih valid.

cor(DATAKOMSTAT[, 3:6])

##                        Penambahan Utang RI Pertumbuhan PDB PDB RI Tahun Lalu
## Penambahan Utang RI              1.0000000     -0.79058637         0.7726520
## Pertumbuhan PDB                 -0.7905864      1.00000000        -0.4588239
## PDB RI Tahun Lalu                0.7726520     -0.45882389         1.0000000
## Rasio Utang Tahun Lalu          -0.1824640      0.04290796        -0.2075735
##                        Rasio Utang Tahun Lalu
## Penambahan Utang RI               -0.18246402
## Pertumbuhan PDB                    0.04290796
## PDB RI Tahun Lalu                 -0.20757354
## Rasio Utang Tahun Lalu             1.00000000

Berdasarkan matriks korelasi, PDB RI tahun lalu memiliki korelasi positif kuat (r = 0,7726), pertumbuhan PDB berkorelasi negatif kuat (r = -0,7905), sedangkan rasio utang berkorelasi sangat lemah (r = -0,1824) terhadap penambahan utang. Korelasi antar variabel independen relatif rendah sehingga tidak mengindikasikan adanya multikolinearitas yang kuat. Oleh karena itu, variabel-variabel tersebut layak digunakan dalam analisis regresi linier berganda.

4. Metode Analisis

Metode analisis yang digunakan adalah regresi linier berganda, yang bertujuan untuk mengetahui pengaruh beberapa variabel independen terhadap satu variabel dependen. Model regresi linier berganda yang digunakan dalam penelitian ini adalah:

\[ Y = \beta_0 + \beta_1 X_1 + \beta_2 X_2 + \beta_3 X_3 + \varepsilon \]

dengan keterangan: - \(Y\) : Penambahan Utang RI
- \(X_1\) : Pertumbuhan PDB
- \(X_2\) : PDB RI Tahun Lalu
- \(X_3\) : Rasio Utang Tahun Lalu
- \(\beta_0\) : Konstanta
- \(\beta_1, \beta_2, \beta_3\) : Koefisien regresi
- \(\varepsilon\) : Galat (error)

4.1 Analisis Regresi Linier Berganda

Uji Simultan (F)

Uji F digunakan untuk mengetahui pengaruh variabel independen secara bersama-sama (simultan) terhadap variabel dependen.

Hipotesis uji simultan dirumuskan sebagai berikut:

\[ H_0 : \beta_0 = \beta_1 = \beta_2 = 0 \]

\[ H_1 : \text{minimal terdapat satu } \beta_i \neq 0 \]

Uji Parsial (T)

Uji t digunakan untuk mengetahui pengaruh masing-masing variabel independen secara individu (parsial) terhadap variabel dependen.

Hipotesis uji parsial dirumuskan sebagai berikut:

\[ \begin{aligned} H_0 &: \beta_1 = 0 \\ H_1 &: \beta_1 \neq 0 \end{aligned} \]

\[ \begin{aligned} H_0 &: \beta_2 = 0 \\ H_1 &: \beta_2 \neq 0 \end{aligned} \]

model <- lm(`Penambahan Utang RI` ~ 
              `Pertumbuhan PDB` +
              `PDB RI Tahun Lalu` +
              `Rasio Utang Tahun Lalu`,
            data = DATAKOMSTAT)

summary(model)
coef(model)

4.2 Uji Normalitas

Uji normalitas bertujuan untuk mengetahui apakah residual pada model regresi linier berganda berdistribusi normal sehingga model regresi layak digunakan untuk pengujian statistik.

Hipotesis :

H0 = Residual berdistribusi normal

H1 = Residual tidak berdistribusi normal

Kriteria Uji

Jika p-value > 0,05,maka H0 diterima

Jika p-value < 0,05,maka H0 ditolak

shapiro.test(residuals(model))

4.3 Uji Multikolinieritas

Asumsi non multikolinieritas dilakukan untuk membuktikan ada atau tidak korelasi antara variabel bebas. Asumsi dapat diperhitungkan dengan nilai VIF (Variance Inflation Factor).

Hipotesis :

H0 = Tidak terjadi multikolinieritas

H1 = Terjadi multikolinieritas

Kriteria Uji

Jika nilai VIF < 10 dan nilai Tolerance > 0,10, maka tidak terjadi multikolinearitas.

Jika nilai VIF ≥ 10 atau nilai Tolerance ≤ 0,10, maka terjadi multikolinearitas.

vif(model)

4.4 Uji Heterokedastisitas

Uji heteroskedastisitas bertujuan untuk mengetahui apakah varians residual bersifat konstan pada seluruh nilai variabel independen.

Hipotesis :

H0 = Tidak terjadi heterokedastisitas

H1 = Terjadi Heterokedastisitas

Kriteria Uji

Jika p-value > 0,05,maka H0 diterima

Jika p-value < 0,05,maka H0 ditolak

bptest(model)

4.5 Uji Autokorelasi

Uji autokorelasi bertujuan untuk mengetahui ada atau tidaknya korelasi antara residual pada satu periode dengan residual pada periode lainnya.

Hipotesis :

H0 = Tidak terjadi autokorelasi

H1 = Terjadi autokorelasi

Kriteria Uji

Jika p-value > 0,05,maka H0 diterima

Jika p-value < 0,05,maka H0 ditolak

dwtest(model)

4.6 Uji Linieritas

Uji linearitas bertujuan untuk mengetahui apakah hubungan antara variabel independen dan variabel dependen bersifat linier.

Hipotesis :

H0 = Hubungan antara variabel independen dan variabel dependen bersifat linier

H1 = Hubungan antara variabel independen dan variabel dependen tidak linier

Kriteria Uji

Jika p-value > 0,05,maka H0 diterima

Jika p-value < 0,05,maka H0 ditolak

resettest(model)
plot(model, which = 1)

5. Hasil dan Pembahasan

5.1 Asumsi Regresi Linier Berganda

model <- lm(`Penambahan Utang RI` ~ 
              `Pertumbuhan PDB` +
              `PDB RI Tahun Lalu` +
              `Rasio Utang Tahun Lalu`,
            data = DATAKOMSTAT)

summary(model)

## 
## Call:
## lm(formula = `Penambahan Utang RI` ~ `Pertumbuhan PDB` + `PDB RI Tahun Lalu` + 
##     `Rasio Utang Tahun Lalu`, data = DATAKOMSTAT)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -299.84  -66.41    4.04   93.48  190.32 
## 
## Coefficients:
##                            Estimate Std. Error t value Pr(>|t|)    
## (Intercept)               6.172e+02  2.176e+02   2.836 0.012510 *  
## `Pertumbuhan PDB`        -1.007e+02  2.106e+01  -4.783 0.000242 ***
## `PDB RI Tahun Lalu`       3.158e-02  7.402e-03   4.267 0.000676 ***
## `Rasio Utang Tahun Lalu` -2.015e+02  3.978e+02  -0.507 0.619851    
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 144.9 on 15 degrees of freedom
## Multiple R-squared:  0.8406, Adjusted R-squared:  0.8087 
## F-statistic: 26.37 on 3 and 15 DF,  p-value: 3.139e-06

coef(model)

##              (Intercept)        `Pertumbuhan PDB`      `PDB RI Tahun Lalu` 
##             617.17208002            -100.72808591               0.03157953 
## `Rasio Utang Tahun Lalu` 
##            -201.51751257

Berdasarkan hasil analisis tersebut Model regresi linier berganda yang diperoleh adalah:

\[ \hat{Y} = 617{,}17 - 100{,}72X_1 + 0{,}0315X_2 - 201{,}51X_3 \] - Konstanta sebesar 617,17 menunjukkan nilai penambahan utang ketika seluruh variabel independen bernilai nol. Koefisien Pertumbuhan PDB bernilai negatif, sedangkan PDB RI Tahun Lalu bernilai positif. Sementara itu, Rasio Utang Tahun Lalu memiliki pengaruh negatif

Hasil uji simultan

menunjukkan nilai F-statistic sebesar 26,37 dengan p-value 3,139×10⁻⁶ (< 0,05), sehingga H0 ditolak. Artinya, Pertumbuhan PDB, PDB RI Tahun Lalu, dan Rasio Utang Tahun Lalu secara bersama-sama berpengaruh signifikan terhadap Penambahan Utang RI.

Hasil Uji Parsial (Uji t)

Pertumbuhan PDB berpengaruh signifikan terhadap Penambahan Utang RI (p-value = 0,000242 < 0,05) dengan arah negatif, yang berarti peningkatan pertumbuhan PDB cenderung menurunkan penambahan utang.
PDB RI Tahun Lalu berpengaruh signifikan (p-value = 0,000676 < 0,05) dengan arah positif, yang menunjukkan kenaikan PDB tahun sebelumnya diikuti peningkatan penambahan utang.
Rasio Utang Tahun Lalu tidak berpengaruh signifikan (p-value = 0,619851 > 0,05). Dengan nilai Adjusted R² sebesar 0,8087, model ini mampu menjelaskan 80,87% variasi Penambahan Utang RI dan dinilai layak digunakan.

5.2 Hasil Asumsi Klasik

Hasil Uji Normalitas

shapiro.test(residuals(model))

## 
##  Shapiro-Wilk normality test
## 
## data:  residuals(model)
## W = 0.96257, p-value = 0.6239

Berdasarkan output diatas diperoleh nilai p-value 0.6239 (> 0,05). Artinya residual berdistribusi normal atau H0 diterima.

Hasil Uji Multikolinieritas

vif(model)

##        `Pertumbuhan PDB`      `PDB RI Tahun Lalu` `Rasio Utang Tahun Lalu` 
##                 1.271264                 1.326059                 1.048829

Nilai VIF untuk variabel Pertumbuhan PDB (1,27), PDB RI Tahun Lalu (1,32), dan Rasio Utang Tahun Lalu (1,048) seluruhnya kurang dari 10. Hal ini menunjukkan bahwa tidak terdapat multikolinearitas antar variabel independen dalam model regresi.

Hasil Uji Heterokedastisitas

bptest(model)

## 
##  studentized Breusch-Pagan test
## 
## data:  model
## BP = 0.027918, df = 3, p-value = 0.9988

Hasil uji Breusch–Pagan menghasilkan p-value sebesar 0,9988 (> 0,05), sehingga H0 diterima. Dengan demikian, dapat disimpulkan bahwa tidak terjadi heteroskedastisitas, atau varians residual bersifat konstan (homoskedastis).

Hasil Uji Autokorelasi

dwtest(model)

## 
##  Durbin-Watson test
## 
## data:  model
## DW = 2.4569, p-value = 0.672
## alternative hypothesis: true autocorrelation is greater than 0

Nilai Durbin–Watson sebesar 2,4569 dengan p-value sebesar 0,672 (> 0,05) menunjukkan bahwa tidak terdapat autokorelasi pada residual model regresi. Hal ini menandakan residual bersifat saling bebas antar periode.

Hasil Uji Linieritas

resettest(model)

## 
##  RESET test
## 
## data:  model
## RESET = 1.6292, df1 = 2, df2 = 13, p-value = 0.2337

plot(model, which = 1)

Berdasarkan plot Residuals vs Fitted, titik-titik residual tersebar secara acak di sekitar garis nol dan tidak membentuk pola tertentu, sehingga menunjukkan hubungan yang linier antara variabel independen dan variabel dependen. Hal ini diperkuat oleh hasil uji RESET yang menghasilkan p-value sebesar 0,2337 (> 0,05), sehingga H0 diterima.

6. Kesimpulan

Berdasarkan hasil analisis regresi linier berganda terhadap data penambahan utang tahunan Negara Indonesia periode 2005–2023, diperoleh model \[ \hat{Y} = 617{,}17 - 100{,}72X_1 + 0{,}0315X_2 - 201{,}51X_3 \] Hasil uji simultan menunjukkan bahwa variabel Pertumbuhan PDB, PDB RI Tahun Lalu, dan Rasio Utang Tahun Lalu secara bersama-sama berpengaruh signifikan terhadap penambahan utang negara. Secara parsial, Pertumbuhan PDB berpengaruh signifikan dengan arah negatif, PDB RI Tahun Lalu berpengaruh signifikan dengan arah positif, sedangkan Rasio Utang Tahun Lalu tidak berpengaruh signifikan.

Hasil pengujian asumsi klasik menunjukkan bahwa model regresi telah memenuhi seluruh asumsi yang dipersyaratkan. Residual berdistribusi normal, tidak terdapat multikolinearitas antar variabel independen, tidak terjadi heteroskedastisitas, serta tidak ditemukan autokorelasi. Selain itu, berdasarkan plot residual dan uji RESET, model telah memenuhi asumsi linearitas dan tidak mengalami kesalahan spesifikasi. Nilai Adjusted R² sebesar 0,8087 menunjukkan bahwa model mampu menjelaskan 80,87% variasi penambahan utang tahunan Negara Indonesia, sehingga model regresi yang dibangun dinilai layak dan dapat digunakan untuk analisis serta pengambilan kesimpulan.

7. Referensi

BPS. Ekonomi Indonesia Triwulan I-2024 Tumbuh 5,11 Persen (Y-on-Y) dan Ekonomi Indonesia TriwulanI-2024 Terkontraksi 0,83 Persen (Q-to-Q). bps.go.id. 2024.
Kementerian Keuangan Republik Indonesia https://www.kemenkeu.go.id/
Sulantari, S., Hariadi, W., Putra, E. D., & Anas, A. (2024). Analisis regresi linier berganda untuk memodelkan faktor yang mempengaruhi nilai penambahan utang tahunan negara Indonesia. Unisda Journal of Mathematics and Computer Science, 10(1), 36–46.https://doi.org/10.52166/ujmc.v10i1.6631

Analisis Regresi Linier Berganda Untuk Memodelkan Faktor Yang Mempengaruhi Nilai Penambahan Utang Tahunan Negara Indonesia

Nisfatun Nurul Ana

2026-01-09

1. Pendahuluan

2. Deskripsi dan Sumber Data

3. Exploratory Data Analysis (EDA)

3.1 Statistik Deskriptif

3.2 Perkembangan Penambahan Utang

3.3 Hubungan Variabel Independen dan Dependen

3.4 Korelasi Antar Variabel

4. Metode Analisis

4.1 Analisis Regresi Linier Berganda

Uji Simultan (F)

Uji Parsial (T)

4.2 Uji Normalitas

4.3 Uji Multikolinieritas

4.4 Uji Heterokedastisitas

4.5 Uji Autokorelasi

4.6 Uji Linieritas

5. Hasil dan Pembahasan

5.1 Asumsi Regresi Linier Berganda

Hasil uji simultan

Hasil Uji Parsial (Uji t)

5.2 Hasil Asumsi Klasik

Hasil Uji Normalitas

Hasil Uji Multikolinieritas

Hasil Uji Heterokedastisitas

Hasil Uji Autokorelasi

Hasil Uji Linieritas

6. Kesimpulan

7. Referensi