install.packages(“readxl”) install.packages(“lmtest”)

library(readxl)
## Warning: package 'readxl' was built under R version 4.3.3
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

Import Data

data <- read_excel("C:/Users/Arul123/Documents/SMT 6/KOMLAN/Tugas_Regresi_Rmarkdown/data_JSMR.xlsx")
head(data)
## # A tibble: 6 × 3
##   Date  `Y(IHSG)` `X1( JSMR)`
##   <chr>     <dbl>       <dbl>
## 1 45719     6520.        3710
## 2 45750     6380.        3620
## 3 45780     6531.        3620
## 4 45811     6618.        3810
## 5 45841     6636         3860
## 6 45933     6598.        3850

Statistik Deskriptif

summary(data)
##      Date              Y(IHSG)       X1( JSMR)   
##  Length:235         Min.   :5968   Min.   :3300  
##  Class :character   1st Qu.:7046   1st Qu.:3510  
##  Mode  :character   Median :7916   Median :3610  
##                     Mean   :7715   Mean   :3685  
##                     3rd Qu.:8314   3rd Qu.:3810  
##                     Max.   :9135   Max.   :4480
mean(data$`Y(IHSG)`)
## [1] 7715.434
sd(data$`Y(IHSG)`)
## [1] 792.0944
mean(data$`X1( JSMR)`)
## [1] 3684.894
sd(data$`X1( JSMR)`)
## [1] 246.0793

Korelasi

cor(data$`X1( JSMR)`, data$`Y(IHSG)`)
## [1] -0.602848

Nilai koefisien korelasi yang bernilai negatif menunjukkan bahwa hubungan antara harga saham JSMR dan IHSG bersifat berlawanan arah. Hal ini berarti peningkatan pada variabel harga saham JSMR cenderung diikuti oleh penurunan pada nilai IHSG.

\[ IHSG = \beta_0 + \beta_1 JSMR + \epsilon \]

Model Regresi Linear

model <- lm(`Y(IHSG)` ~ `X1( JSMR)`, data = data)

summary(model)
## 
## Call:
## lm(formula = `Y(IHSG)` ~ `X1( JSMR)`, data = data)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -1670.6  -450.6   102.7   433.1  1216.5 
## 
## Coefficients:
##               Estimate Std. Error t value Pr(>|t|)    
## (Intercept) 14865.9056   621.3489   23.93   <2e-16 ***
## `X1( JSMR)`    -1.9405     0.1682  -11.53   <2e-16 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 633.3 on 233 degrees of freedom
## Multiple R-squared:  0.3634, Adjusted R-squared:  0.3607 
## F-statistic:   133 on 1 and 233 DF,  p-value: < 2.2e-16

Berdasarkan hasil analisis regresi linear diperoleh model yang menggambarkan hubungan antara harga saham JSMR sebagai variabel independen dan IHSG sebagai variabel dependen. Koefisien regresi menunjukkan arah hubungan antara kedua variabel, dimana nilai koefisien yang bernilai negatif menunjukkan bahwa peningkatan harga saham JSMR cenderung diikuti oleh penurunan nilai IHSG.

Nilai koefisien determinasi (R²) sebesar 0.3634 menunjukkan bahwa sekitar 36,34% variasi pada IHSG dapat dijelaskan oleh variabel harga saham JSMR, sedangkan sisanya yaitu sekitar 63,66% dipengaruhi oleh faktor lain di luar model regresi yang digunakan dalam penelitian ini.

Nilai Adjusted R-squared sebesar 0.3607 menunjukkan bahwa setelah memperhitungkan jumlah variabel dalam model, kemampuan variabel harga saham JSMR dalam menjelaskan variasi IHSG tetap berada pada kisaran 36%.

Scatter Plot dengan Garis Regresi

plot(data$`X1( JSMR)`,
     data$`Y(IHSG)`,
     main = "Hubungan IHSG dan JSMR",
     xlab = "Harga JSMR",
     ylab = "IHSG",
     pch = 19)

abline(model, col="red", lwd=2)

Scatter plot yang menggambarkan hubungan antara harga saham JSMR dan IHSG menunjukkan bahwa titik-titik data cenderung membentuk pola yang menurun dari kiri atas ke kanan bawah. Pola tersebut mengindikasikan adanya hubungan linear negatif antara kedua variabel.

Uji Normalitas

shapiro.test(residuals(model))
## 
##  Shapiro-Wilk normality test
## 
## data:  residuals(model)
## W = 0.98142, p-value = 0.003551

Hasil pengujian menunjukkan nilai p-value yang lebih kecil dari tingkat signifikansi 0,05, sehingga dapat disimpulkan bahwa residual model regresi tidak berdistribusi normal.

Histogram Residual

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

QQ Plot

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

# Plot Diagnostik

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

Uji Autokorelasi

dwtest(model)
## 
##  Durbin-Watson test
## 
## data:  model
## DW = 0.10316, p-value < 2.2e-16
## alternative hypothesis: true autocorrelation is greater than 0

Berdasarkan hasil pengujian diperoleh nilai statistik Durbin-Watson sebesar 0,10316 dengan p-value < 2,2 × 10⁻¹⁶. Nilai p-value yang lebih kecil dari tingkat signifikansi 0,05 menunjukkan bahwa terdapat autokorelasi positif pada residual model regresi. Hal ini menunjukkan bahwa residual antar observasi tidak bersifat independen.

Uji Heteroskedastisitas

bptest(model)
## 
##  studentized Breusch-Pagan test
## 
## data:  model
## BP = 0.20889, df = 1, p-value = 0.6476

Berdasarkan hasil pengujian, nilai p-value dibandingkan dengan tingkat signifikansi 0,05. p-value lebih besar dari 0,05 maka dapat disimpulkan bahwa tidak terdapat heteroskedastisitas, sehingga variansi residual dapat dianggap konstan.

Kesimpulan

Berdasarkan hasil analisis regresi linear antara harga saham JSMR dan IHSG dapat disimpulkan bahwa terdapat hubungan yang bersifat negatif antara kedua variabel tersebut. Hal ini menunjukkan bahwa perubahan pada harga saham JSMR memiliki keterkaitan dengan perubahan pada nilai IHSG.

Namun demikian, nilai koefisien determinasi sebesar 36,34% menunjukkan bahwa variabel harga saham JSMR hanya mampu menjelaskan sebagian variasi pada IHSG, sementara sebagian besar variasi IHSG dipengaruhi oleh faktor lain yang tidak dimasukkan dalam model regresi.

Selain itu, hasil pengujian asumsi klasik menunjukkan adanya autokorelasi pada residual model regresi, bersifat heterokeadstisitas, dan tidak berdistribusi normal