library(readxl)
library(lmtest)

Import Data

data <- read_excel("C:/Users/hafiz/Documents/Data harga saham TINS dan Timah terhadap IHSG.xlsx",
                   skip = 2)
## New names:
## • `` -> `...1`
head(data)
## # A tibble: 6 × 4
##   ...1                `Harga timah`  TINS  IHSG
##   <dttm>                      <dbl> <dbl> <dbl>
## 1 2024-10-07 00:00:00          34.1  1250 7504.
## 2 2024-10-08 00:00:00          33.1  1230 7557.
## 3 2024-10-09 00:00:00          32.6  1250 7501.
## 4 2024-10-10 00:00:00          32.8  1255 7480.
## 5 2024-10-11 00:00:00          33.3  1315 7521.
## 6 2024-10-14 00:00:00          32.8  1430 7560.
# Mengambil kolom yang digunakan
data <- data[,c(2,3,4)]

# ganti nama variabel
colnames(data) <- c("TIMAH","TINS","IHSG")

head(data)
## # A tibble: 6 × 3
##   TIMAH  TINS  IHSG
##   <dbl> <dbl> <dbl>
## 1  34.1  1250 7504.
## 2  33.1  1230 7557.
## 3  32.6  1250 7501.
## 4  32.8  1255 7480.
## 5  33.3  1315 7521.
## 6  32.8  1430 7560.

Statistik Deskriptif

summary(data)
##      TIMAH            TINS           IHSG     
##  Min.   :27.50   Min.   :1005   Min.   :6977  
##  1st Qu.:29.00   1st Qu.:1152   1st Qu.:7188  
##  Median :29.80   Median :1265   Median :7325  
##  Mean   :30.34   Mean   :1250   Mean   :7368  
##  3rd Qu.:31.60   3rd Qu.:1342   3rd Qu.:7539  
##  Max.   :34.10   Max.   :1520   Max.   :7789

Berdasarkan hasil statistik deskriptif, variabel harga timah (TIMAH) memiliki nilai minimum sebesar 27.50 dan maksimum sebesar 34.10, dengan nilai rata-rata sebesar 30.34. Hal ini menunjukkan bahwa selama periode pengamatan harga timah berada pada kisaran tersebut.

Variabel harga saham TINS memiliki nilai minimum 1005 dan maksimum 1520, dengan rata-rata sebesar 1250. Ini menunjukkan bahwa sebagian besar harga saham TINS berada di sekitar nilai rata-ratanya selama periode pengamatan.

Sementara itu, variabel IHSG memiliki nilai minimum 6977 dan maksimum 7789, dengan nilai rata-rata sebesar 7368. Hal ini menunjukkan bahwa nilai IHSG selama periode pengamatan berada pada kisaran tersebut dengan variasi yang relatif stabil.

mean(data$IHSG)
## [1] 7367.678
sd(data$IHSG)
## [1] 226.7929
mean(data$TINS)
## [1] 1250.169
sd(data$TINS)
## [1] 129.445
mean(data$TIMAH)
## [1] 30.3411
sd(data$TIMAH)
## [1] 1.586621

Berdasarkan hasil perhitungan, variabel IHSG memiliki nilai rata-rata sebesar 7367.68 dengan standar deviasi 226.79, yang menunjukkan bahwa nilai IHSG selama periode pengamatan berfluktuasi sekitar nilai rata-ratanya.

Variabel harga saham TINS memiliki rata-rata sebesar 1250.17 dengan standar deviasi 129.45, yang menunjukkan adanya variasi harga saham TINS di sekitar nilai rata-ratanya.

Sementara itu, variabel harga timah (TIMAH) memiliki nilai rata-rata sebesar 30.34 dengan standar deviasi 1.59, yang menunjukkan bahwa harga timah relatif lebih stabil dibandingkan variabel lainnya selama periode pengamatan.

Korelasi

cor(data[,c("TIMAH","TINS","IHSG")])
##           TIMAH      TINS      IHSG
## TIMAH 1.0000000 0.6714915 0.7255037
## TINS  0.6714915 1.0000000 0.6044845
## IHSG  0.7255037 0.6044845 1.0000000

Berdasarkan hasil matriks korelasi, variabel TIMAH memiliki korelasi sebesar 0.7255 dengan IHSG, yang menunjukkan hubungan positif cukup kuat. Hal ini berarti bahwa ketika harga timah meningkat, nilai IHSG cenderung ikut meningkat.

Sementara itu, variabel TINS memiliki korelasi sebesar 0.6045 dengan IHSG, yang menunjukkan hubungan positif sedang. Ini menunjukkan bahwa kenaikan harga saham TINS juga cenderung diikuti oleh kenaikan nilai IHSG.

Selain itu, korelasi antara TIMAH dan TINS sebesar 0.6715, yang menunjukkan adanya hubungan positif antara kedua variabel tersebut. Secara umum, hasil ini menunjukkan bahwa variabel TIMAH dan TINS memiliki hubungan positif terhadap pergerakan IHSG.

\[ IHSG = \beta_0 + \beta_1 TIMAH + \beta_2 TINS + \epsilon \]

Koefisien β0 merupakan konstanta yang menunjukkan nilai IHSG ketika variabel TIMAH dan TINS bernilai nol.

Koefisien β1 menunjukkan besarnya perubahan IHSG akibat perubahan pada harga timah.

Koefisien β2 menunjukkan besarnya perubahan IHSG akibat perubahan pada harga saham TINS.

Model Regresi Linear

model <- lm(IHSG ~ TINS + TIMAH, data = data)

summary(model)
## 
## Call:
## lm(formula = IHSG ~ TINS + TIMAH, data = data)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -324.16 -113.58  -33.35  110.77  328.53 
## 
## Coefficients:
##              Estimate Std. Error t value Pr(>|t|)    
## (Intercept) 4375.4154   398.3435  10.984 1.37e-15 ***
## TINS           0.3743     0.2116   1.769   0.0824 .  
## TIMAH         83.1972    17.2646   4.819 1.14e-05 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 154.6 on 56 degrees of freedom
## Multiple R-squared:  0.5514, Adjusted R-squared:  0.5354 
## F-statistic: 34.42 on 2 and 56 DF,  p-value: 1.785e-10

Berdasarkan hasil output regresi linear berganda, diperoleh persamaan model regresi sebagai berikut:

IHSG=4375.42+0.3743(TINS)+83.1972(TIMAH)

Konstanta sebesar 4375.42 menunjukkan bahwa ketika variabel TINS dan TIMAH bernilai nol, maka nilai IHSG diperkirakan sebesar 4375.42.

Koefisien regresi variabel TINS sebesar 0.3743 menunjukkan bahwa setiap kenaikan harga saham TINS sebesar satu satuan akan meningkatkan nilai IHSG sebesar 0.3743, dengan asumsi variabel lain konstan. Namun, nilai p-value sebesar 0.0824 (> 0.05) menunjukkan bahwa variabel TINS tidak berpengaruh signifikan terhadap IHSG pada taraf signifikansi 5%.

Koefisien regresi variabel TIMAH sebesar 83.1972 menunjukkan bahwa setiap kenaikan harga timah sebesar satu satuan akan meningkatkan nilai IHSG sebesar 83.1972, dengan asumsi variabel lain konstan. Nilai p-value sebesar 1.14e-05 (< 0.05) menunjukkan bahwa variabel TIMAH berpengaruh signifikan terhadap IHSG.

Nilai R-squared sebesar 0.5514 menunjukkan bahwa sekitar 55.14% variasi IHSG dapat dijelaskan oleh variabel TINS dan TIMAH, sedangkan sisanya 44.86% dijelaskan oleh faktor lain di luar model.

Hasil uji F menunjukkan nilai p-value sebesar 1.785e-10 (< 0.05), sehingga dapat disimpulkan bahwa variabel TINS dan TIMAH secara simultan berpengaruh signifikan terhadap IHSG.

Scatter Plot dengan Garis Regresi

par(mfrow=c(1,2))

plot(data$TINS,
     data$IHSG,
     main = "Hubungan TINS dan IHSG",
     xlab = "Harga TINS",
     ylab = "IHSG",
     pch = 19)

abline(lm(IHSG ~ TINS, data=data), col="red", lwd=2)

plot(data$TIMAH,
     data$IHSG,
     main = "Hubungan TIMAH dan IHSG",
     xlab = "Harga TIMAH",
     ylab = "IHSG",
     pch = 19)

abline(lm(IHSG ~ TIMAH, data=data), col="blue", lwd=2)

Berdasarkan scatter plot yang ditampilkan, hubungan antara harga saham TINS dan IHSG menunjukkan kecenderungan hubungan positif, yang terlihat dari arah garis regresi yang meningkat. Hal ini menunjukkan bahwa ketika harga saham TINS meningkat, nilai IHSG juga cenderung mengalami peningkatan.

Sementara itu, scatter plot antara harga timah (TIMAH) dan IHSG juga menunjukkan hubungan positif, yang terlihat dari garis regresi yang memiliki arah meningkat. Hal ini menunjukkan bahwa kenaikan harga timah cenderung diikuti oleh peningkatan nilai IHSG.

Secara umum, kedua grafik tersebut menunjukkan adanya hubungan positif antara variabel independen (TINS dan TIMAH) dengan IHSG, meskipun kekuatan hubungannya dapat berbeda pada masing-masing variabel.

Uji Normalitas

shapiro.test(residuals(model))
## 
##  Shapiro-Wilk normality test
## 
## data:  residuals(model)
## W = 0.97543, p-value = 0.2761

Berdasarkan hasil uji Shapiro-Wilk, diperoleh nilai p-value sebesar 0.2761. Karena nilai p-value > 0.05, maka dapat disimpulkan bahwa residual berdistribusi normal.Dengan demikian, asumsi normalitas dalam model regresi telah terpenuhi.

Histogram Residual

hist(residuals(model),
     main="Histogram Residual",
     xlab="Residual",
     col="lightblue")

Berdasarkan histogram residual yang ditampilkan, terlihat bahwa distribusi residual cenderung mendekati bentuk distribusi normal, yaitu sebagian besar data terkonsentrasi di sekitar nilai tengah dan menyebar secara relatif simetris ke kiri dan ke kanan.

Hal ini menunjukkan bahwa residual dari model regresi tidak memiliki penyimpangan yang signifikan dari distribusi normal, sehingga asumsi normalitas pada model regresi dapat dianggap terpenuhi.

QQ Plot

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

Berdasarkan grafik Normal Q-Q Plot, terlihat bahwa sebagian besar titik data berada di sekitar garis diagonal. Hal ini menunjukkan bahwa residual dari model regresi cenderung mengikuti distribusi normal.

Meskipun terdapat sedikit penyimpangan pada beberapa titik di bagian ujung, secara umum pola titik masih mengikuti garis diagonal. Dengan demikian, dapat disimpulkan bahwa asumsi normalitas residual pada model regresi telah terpenuhi.

Uji Autokorelasi

dwtest(model)
## 
##  Durbin-Watson test
## 
## data:  model
## DW = 0.25578, p-value < 2.2e-16
## alternative hypothesis: true autocorrelation is greater than 0

Berdasarkan hasil uji Durbin-Watson, diperoleh nilai DW = 0.25578 dengan p-value < 2.2 × 10⁻¹⁶. Karena nilai p-value < 0.05, maka dapat disimpulkan bahwa terdapat autokorelasi positif pada residual model regresi.

Hal ini menunjukkan bahwa residual pada model regresi tidak saling independen, sehingga asumsi tidak adanya autokorelasi belum terpenuhi dalam model regresi yang digunakan.

Uji Heteroskedastisitas

bptest(model)
## 
##  studentized Breusch-Pagan test
## 
## data:  model
## BP = 10.088, df = 2, p-value = 0.006449

Berdasarkan hasil uji Breusch-Pagan, diperoleh nilai p-value sebesar 0.006449. Karena nilai p-value < 0.05, maka dapat disimpulkan bahwa terdapat heteroskedastisitas pada model regresi.

Hal ini menunjukkan bahwa varians residual tidak konstan, sehingga asumsi homoskedastisitas pada model regresi tidak terpenuhi.

Plot Diagnostik

par(mfrow=c(2,2))
plot(model)

Berdasarkan grafik diagnostik model regresi, terdapat beberapa plot yang digunakan untuk mengevaluasi asumsi model. Pada grafik Residuals vs Fitted, titik-titik residual tersebar di sekitar garis horizontal, yang menunjukkan bahwa hubungan antara variabel sudah cukup linear.

Pada grafik Normal Q-Q, sebagian besar titik berada di sekitar garis diagonal, yang menunjukkan bahwa residual model cenderung mengikuti distribusi normal.

Pada grafik Scale-Location, titik-titik data relatif tersebar secara merata, meskipun terdapat sedikit variasi, yang menunjukkan adanya indikasi heteroskedastisitas pada model.

Sementara itu, pada grafik Residuals vs Leverage, tidak terlihat adanya titik yang sangat jauh dari kumpulan data utama, sehingga tidak terdapat pengaruh outlier yang sangat kuat terhadap model regresi.

Kesimpulan

Berdasarkan hasil analisis regresi linear berganda, variabel TIMAH berpengaruh signifikan terhadap IHSG, sedangkan TINS tidak berpengaruh signifikan pada taraf signifikansi 5%. Nilai R² sebesar 0.5514 menunjukkan bahwa sekitar 55,14% variasi IHSG dapat dijelaskan oleh variabel TIMAH dan TINS.

Uji asumsi menunjukkan bahwa residual berdistribusi normal, namun terdapat autokorelasi dan heteroskedastisitas pada model. Secara umum, model dapat menggambarkan hubungan antara harga timah, harga saham TINS, dan IHSG.