Analisis Pengaruh Harga Emas dan Kurs Jual terhadap Inflasi Indonesia Tahun 2025

Pendahuluan

Penelitian ini bertujuan untuk menganalisis pengaruh harga emas dan kurs jual terhadap inflasi bulanan Indonesia tahun 2025 menggunakan regresi linear berganda.

Variabel yang digunakan: * Y : Inflasi (%) * X1 : Harga Emas * X2 : Kurs Jual

Input Data

library(readxl)
data_regresi <- read_excel("D:\\SEMESTER 6\\KOMLAN\\data regresi.xlsx")
data_regresi

## # A tibble: 12 × 4
##    Bulan     Inflasi `Harga Emas` `Kurs Jual`
##    <chr>       <dbl>        <dbl>       <dbl>
##  1 Januari      0.76        2845.      16343.
##  2 Februari    -0.09        2896.      16420.
##  3 Maret        1.03        3150.      16538.
##  4 April        1.95        3319.      16904.
##  5 Mei          1.6         3344.      16523.
##  6 Juni         1.87        3308.      16392.
##  7 Juli         2.37        3349.      16358.
##  8 Agustus      2.31        3512       16390.
##  9 September    2.65        3873.      16595.
## 10 Oktober      2.86        4013.      16690.
## 11 November     2.72        4238.      16787.
## 12 Desember     2.92        4341.      16783.

Statistik Deskriptif

summary(data_regresi)

##     Bulan              Inflasi         Harga Emas     Kurs Jual    
##  Length:12          Min.   :-0.090   Min.   :2845   Min.   :16343  
##  Class :character   1st Qu.: 1.458   1st Qu.:3268   1st Qu.:16392  
##  Mode  :character   Median : 2.130   Median :3346   Median :16531  
##                     Mean   : 1.913   Mean   :3516   Mean   :16560  
##                     3rd Qu.: 2.667   3rd Qu.:3908   3rd Qu.:16713  
##                     Max.   : 2.920   Max.   :4341   Max.   :16904

Berdasarkan hasil statistik deskriptif, data yang digunakan terdiri dari 12 observasi bulanan selama tahun 2025. Variabel inflasi memiliki nilai minimum sebesar -0,09 dan maksimum sebesar 2,92. Nilai rata-rata inflasi selama tahun 2025 adalah 1,913 dengan median sebesar 2,130. Hal ini menunjukkan bahwa secara umum inflasi berada pada kisaran positif dan relatif stabil, meskipun sempat terjadi deflasi pada salah satu bulan.

Variabel harga emas memiliki nilai minimum sebesar 2.845 dan maksimum sebesar 4.341 dengan rata-rata sebesar 3.516. Median harga emas sebesar 3.346 menunjukkan bahwa sebagian besar harga emas berada di sekitar kisaran tersebut, dengan kecenderungan meningkat di akhir tahun.

Variabel kurs jual memiliki nilai minimum sebesar 16.343 dan maksimum sebesar 16.904 dengan rata-rata sebesar 16.560. Median sebesar 16.531 menunjukkan bahwa nilai tukar relatif stabil meskipun terdapat fluktuasi sepanjang tahun.

Model Regresi Linear Berganda

Bentuk umum persamaan regresi linier: \[ y = \beta_0 + \beta_1 X_1 + \beta_2 X_2 + \epsilon \]

model <- lm(Inflasi ~ `Harga Emas` + `Kurs Jual`, data = data_regresi)
summary(model)

## 
## Call:
## lm(formula = Inflasi ~ `Harga Emas` + `Kurs Jual`, data = data_regresi)
## 
## Residuals:
##      Min       1Q   Median       3Q      Max 
## -0.96325 -0.26388  0.04325  0.25100  0.63919 
## 
## Coefficients:
##                Estimate Std. Error t value Pr(>|t|)   
## (Intercept)   5.4480046 15.9789345   0.341   0.7410   
## `Harga Emas`  0.0018127  0.0003944   4.596   0.0013 **
## `Kurs Jual`  -0.0005983  0.0010169  -0.588   0.5707   
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 0.4932 on 9 degrees of freedom
## Multiple R-squared:  0.7742, Adjusted R-squared:  0.724 
## F-statistic: 15.43 on 2 and 9 DF,  p-value: 0.001235

Berdasarkan Tabel Coefficients didapatkan model regresi :

\[ Inflasi = 5.448 + 0.0018 Harga\ Emas -6\times 10^{-4} Kurs\ Jual \]

Uji Asumsi

1. Uji Normalitas

shapiro.test(residuals(model))

## 
##  Shapiro-Wilk normality test
## 
## data:  residuals(model)
## W = 0.95841, p-value = 0.7609

Jika P-Value > 0.05, maka residual berdistribusi normal. Berdasarkan test normalitas menggunakan Shapiro-Wilk didapatkan nilai P-Value = 0.7609 > 0.05, sehingga residual berdistribusi normal.

qqnorm(residuals(model))
qqline(residuals(model), col="darkblue")

Berdasarkan Q - Q Plot, plot – plot secara umum mengikuti garis lurus, sehingga dapat disimpulkan bahwa residual data berdistribusi normal.

2. Uji Linearitas

plot(fitted(model), residuals(model))
abline(h = 0, col = "darkblue")

Berdasarkan gafik Scatterplot, dapat dilihat bahwa plot – plot menyebar secara acak disekitar nilai nol dan tidak membentuk pola tertentu, sehingga asumsi linieritas terpenuhi.

3. Uji Homoskedastisitas

res <- residuals(model)       
abs_res <- abs(res)              

glejser <- lm(abs_res ~ `Harga Emas` + `Kurs Jual`, data = data_regresi)
summary(glejser)

## 
## Call:
## lm(formula = abs_res ~ `Harga Emas` + `Kurs Jual`, data = data_regresi)
## 
## Residuals:
##      Min       1Q   Median       3Q      Max 
## -0.33582 -0.16096 -0.02039  0.10922  0.54217 
## 
## Coefficients:
##                Estimate Std. Error t value Pr(>|t|)
## (Intercept)  -5.7972266  9.4033221  -0.617    0.553
## `Harga Emas` -0.0002347  0.0002321  -1.011    0.338
## `Kurs Jual`   0.0004201  0.0005984   0.702    0.500
## 
## Residual standard error: 0.2902 on 9 degrees of freedom
## Multiple R-squared:  0.1024, Adjusted R-squared:  -0.0971 
## F-statistic: 0.5132 on 2 and 9 DF,  p-value: 0.6151

Jika p-value > 0.05, tidak ada hubungan signifikan antara nilai prediktor dan absolut residual atau homoskedastisitas terpenuhi. Pada Tabel Coefficients, didapatkan nilai P-Value (0.6151) > 0.05, sehingga homoskedastisitas terpenuhi.

4. Uji Non Autokorelasi

library(lmtest)

## Warning: package 'lmtest' was built under R version 4.3.3

## Loading required package: zoo

## Warning: package 'zoo' was built under R version 4.3.3

## 
## Attaching package: 'zoo'

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

dwtest(model)

## 
##  Durbin-Watson test
## 
## data:  model
## DW = 1.3879, p-value = 0.04274
## alternative hypothesis: true autocorrelation is greater than 0

Hasil uji Durbin-Watson menunjukkan nilai DW sebesar 1.3879 dengan p-value 0.04274, yang artinya terdapat autokorelasi positif pada residual.

5. Uji Multikolinearitas

library(car)

## Warning: package 'car' was built under R version 4.3.3

## Loading required package: carData

## Warning: package 'carData' was built under R version 4.3.3

vif(model)

## `Harga Emas`  `Kurs Jual` 
##     1.717215     1.717215

Nilai Variance Inflation Factor diatas pada Harga Emas sebesar 1.717215, Variance Inflation Factor dari Kurs Jual sebesar 1.717215. Berdasarkan nilai tersebut, semua Variance Inflation Factor kurang dari 10 maka dapat disimpulkan bahwa tidak terjadi multikolinearitas.

Uji Simultan (Uji F)

f_stat <- summary(model)$fstatistic[1]
df1 <- summary(model)$fstatistic[2]
df2 <- summary(model)$fstatistic[3]
p_value_f <- pf(f_stat, df1, df2, lower.tail = FALSE)

f_stat

##    value 
## 15.42921

p_value_f

##       value 
## 0.001235239

Hipotesis : \[H_0 : 𝛽 = 0 (model\ tidak\ signifikan)\]

\[H_1 : 𝛽 ≠ 0 (model\ signifikan)\] * Taraf signifikansi : \[α = 5\% \] * Statistik Uji Berdasarkan hasil estimasi regresi diperoleh: \[Fhitung=15.42921\] dengan \[p-value= 0.001235239\] * Daerah Kritis \[Tolak\ H_0\ jika\ p-value < 0.05\] * Keputusan Karena p-value (0.001235) < 0.05, maka \[H_0\ ditolak\] * Kesimpulan Pada taraf signifikansi 5%, model regresi signifikan secara simultan. Artinya, variabel Harga Emas dan Kurs Jual secara bersama-sama berpengaruh terhadap Inflasi, sehingga model layak digunakan dalam analisis.

Uji Parsial (Uji t)

coef_summary <- summary(model)$coefficients
coef_summary

##                   Estimate   Std. Error    t value    Pr(>|t|)
## (Intercept)   5.4480046031 1.597893e+01  0.3409492 0.740966076
## `Harga Emas`  0.0018126918 3.944473e-04  4.5955237 0.001298772
## `Kurs Jual`  -0.0005983178 1.016858e-03 -0.5883987 0.570733637

1. Variabel Harga Emas

Hipotesis : \[H_0 : 𝛽_1 = 0 (Harga\ Emas\ tidak\ berpengaruh\ terhadap\ Inflasi)\] \[H_1 : 𝛽_1 ≠ 0 (Harga\ Emas\ berpengaruh\ terhadap\ Inflasi)\]
Taraf signifikansi : \[α = 5\% \]
Statistik Uji Berdasarkan hasil regresi diperoleh: \[t\ hitung=4.5955237\] \[p-value = 0.001298772\]
Daerah Kritis \[Tolak\ H_0\ jika\ p-value < 0.05\]
Keputusan Karena p-value (0.001298772) < 0.05, maka \[H_0\ ditolak\]
Kesimpulan Pada taraf signifikansi 5%, Harga Emas berpengaruh signifikan terhadap Inflasi.

2. Variabel Kurs Jual

Hipotesis : \[H_0 : 𝛽_2 = 0 (Kur\ Jual\ tidak\ berpengaruh\ terhadap\ Inflasi)\] \[H_1 : 𝛽_2 ≠ 0 (Kurs\ Jual\ berpengaruh\ terhadap\ Inflasi)\]
Taraf signifikansi : \[α = 5\% \]
Statistik Uji Berdasarkan hasil regresi diperoleh: \[t\ hitung=-0.5883987\] \[p-value = 0.570733637\]
Daerah Kritis \[Tolak\ H_0\ jika\ p-value < 0.05\]
Keputusan Karena p-value (0.570733637) > 0.05, maka \[H_0\ gagal\ ditolak\]
Kesimpulan Pada taraf signifikansi 5%, Kurs Jual tidak berpengaruh signifikan terhadap Inflasi.

Uji Ulang

Berdasarkan hasil analisis awal, variabel Kurs Jual tidak signifikan terhadap Inflasi, sehingga model belum bisa digunakan. Selain itu, uji Durbin-Watson menunjukkan adanya autokorelasi positif pada residual, yang berarti asumsi non-autokorelasi tidak terpenuhi. Hal ini menunjukkan bahwa model regresi awal belum memenuhi asumsi klasik dan hasil uji t. Oleh karena itu, perlu dilakukan uji ulang model dengan menghapus variabel Kurs Jual untuk mendapatkan model yang lebih sederhana, signifikan, dan memenuhi asumsi non-autokorelasi sehingga analisis regresi menjadi lebih valid.

model2 <- lm(Inflasi ~ `Harga Emas`, data = data_regresi)
summary(model2)

## 
## Call:
## lm(formula = Inflasi ~ `Harga Emas`, data = data_regresi)
## 
## Residuals:
##      Min       1Q   Median       3Q      Max 
## -0.97204 -0.29752  0.04656  0.31852  0.73525 
## 
## Coefficients:
##               Estimate Std. Error t value Pr(>|t|)    
## (Intercept)  -3.932965   1.032274  -3.810 0.003429 ** 
## `Harga Emas`  0.001663   0.000291   5.714 0.000195 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 0.4768 on 10 degrees of freedom
## Multiple R-squared:  0.7655, Adjusted R-squared:  0.7421 
## F-statistic: 32.65 on 1 and 10 DF,  p-value: 0.0001946

Uji Asumsi

1. Uji Normalitas

residuals_model2 <- residuals(model2)
shapiro.test(residuals_model2)

## 
##  Shapiro-Wilk normality test
## 
## data:  residuals_model2
## W = 0.96823, p-value = 0.8914

Jika P-Value > 0.05, maka residual berdistribusi normal. Berdasarkan test normalitas menggunakan Shapiro-Wilk didapatkan nilai P-Value = 0.7609 > 0.05, sehingga residual berdistribusi normal.

2. Uji Linearitas

plot(fitted(model2), residuals(model2))
abline(h = 0, col = "darkblue")

Berdasarkan gafik Scatterplot, dapat dilihat bahwa plot – plot menyebar secara acak disekitar nilai nol dan tidak membentuk pola tertentu, sehingga asumsi linieritas terpenuhi.

3. Uji Homoskedastisitas

abs_res <- abs(residuals_model2)
glejser <- lm(abs_res ~ `Harga Emas`, data = data_regresi)
summary(glejser)

## 
## Call:
## lm(formula = abs_res ~ `Harga Emas`, data = data_regresi)
## 
## Residuals:
##      Min       1Q   Median       3Q      Max 
## -0.38114 -0.16433 -0.03344  0.11522  0.55876 
## 
## Coefficients:
##                Estimate Std. Error t value Pr(>|t|)
## (Intercept)   0.7328066  0.6173085   1.187    0.263
## `Harga Emas` -0.0001103  0.0001740  -0.634    0.540
## 
## Residual standard error: 0.2851 on 10 degrees of freedom
## Multiple R-squared:  0.03865,    Adjusted R-squared:  -0.05749 
## F-statistic: 0.402 on 1 and 10 DF,  p-value: 0.5403

Jika p-value > 0.05, tidak ada hubungan signifikan antara nilai prediktor dan absolut residual atau homoskedastisitas terpenuhi. Pada Tabel Coefficients, didapatkan nilai P-Value (0.5403) > 0.05, sehingga homoskedastisitas terpenuhi.

4. Uji Non Autokorelasi

library(lmtest)
dwtest(model2)

## 
##  Durbin-Watson test
## 
## data:  model2
## DW = 1.1695, p-value = 0.02456
## alternative hypothesis: true autocorrelation is greater than 0

Hasil uji Durbin-Watson menunjukkan nilai DW sebesar 1.3879 dengan p-value 0.04274, yang artinya terdapat autokorelasi positif pada residual.

Uji Simultan (Uji F)

f_stat <- summary(model2)$fstatistic[1]
df1 <- summary(model2)$fstatistic[2]
df2 <- summary(model2)$fstatistic[3]
p_value_f <- pf(f_stat, df1, df2, lower.tail = FALSE)

f_stat

##   value 
## 32.6466

p_value_f

##        value 
## 0.0001946052

Hipotesis \[H_0 : 𝛽 = 0 (model\ tidak\ signifikan)\]

\[H_1 : 𝛽 ≠ 0 (model\ signifikan)\] * Taraf Signifikansi \[α = 5\% \] * Statistik Uji Berdasarkan hasil estimasi regresi diperoleh: \[Fhitung=32.6466 \] dengan \[p-value= 0.0001946052\] * Daerah Kritis \[Tolak\ H_0\ jika\ p-value < 0.05\] * Keputusan Karena P-Value 0.0001946052 < 0.05, maka \[H_0\ ditolak\]. * Kesimpulan Pada taraf signifikansi 5%, model regresi signifikan secara simultan.Artinya, variabel Harga Emas berpengaruh terhadap Inflasi, sehingga model layak digunakan dalam analisis.

Uji Parsial (Uji t)

Hipotesis : \[H_0 : 𝛽_1 = 0 (Harga\ Emas\ tidak\ berpengaruh\ terhadap\ Inflasi)\] \[H_1 : 𝛽_1 ≠ 0 (Harga\ Emas\ berpengaruh\ terhadap\ Inflasi)\]
Taraf signifikansi : \[α = 5\% \]
Statistik Uji Berdasarkan hasil regresi diperoleh: \[t\ hitung=5.714\] \[p-value = 0.000195\]
Daerah Kritis \[Tolak\ H_0\ jika\ p-value < 0.05\]
Keputusan Karena p-value (0.000195) < 0.05, maka \[H_0\ ditolak\]
Kesimpulan Pada taraf signifikansi 5%, Harga Emas berpengaruh signifikan terhadap Inflasi.

Model Akhir

\[ Inflasi = -3.933 + 0.0017 \ Harga\ Emas \]

Analisis Pengaruh Harga Emas dan Kurs Jual terhadap Inflasi Indonesia Tahun 2025

Rizki Octaviani (24050123140176)

2026-03-05

Pendahuluan

Input Data

Statistik Deskriptif

Model Regresi Linear Berganda

Uji Asumsi

1. Uji Normalitas

2. Uji Linearitas

3. Uji Homoskedastisitas

4. Uji Non Autokorelasi

5. Uji Multikolinearitas

Uji Simultan (Uji F)

Uji Parsial (Uji t)

1. Variabel Harga Emas

2. Variabel Kurs Jual

Uji Ulang

Uji Asumsi

1. Uji Normalitas

2. Uji Linearitas

3. Uji Homoskedastisitas

4. Uji Non Autokorelasi

Uji Simultan (Uji F)

Uji Parsial (Uji t)

Model Akhir