Indonesia dengan mayoritas peduduk beragama islam menyebabkan faktor-faktor dalam ekonomi islam turut berperan dalam perekonomian bangsa seperti halnya pada instrumen zakat dan infak. Data zakat dan infak bersumber dari website Badan Zakat Nasional (BAZNAS) sedangkan data kemiskinan bersumber dari website Badan Pusat Statistik (BPS). Pada analisis ini menggunakan dependen variabel (Y) adalah Kemiskinan, sedangkan variabel independen (X) menggunakan X1 yaitu Zakat dan X2 yaitu Infak dengan menggunakan taraf kepercayaan 95%.

data <- read.csv("D:/kemiskinan.csv")
kemiskinan <- data.frame(data[ ,-1])
analisis.kemiskinan=lm(formula = Y~X1+X2, data=kemiskinan)

Hal pertama yang dilakukan adalah Uji statistik yang terdiri dari Uji t dan Uji F

#Uji t
summary(analisis.kemiskinan)
## 
## Call:
## lm(formula = Y ~ X1 + X2, data = kemiskinan)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -2.8376 -1.2375 -0.2404  1.2022  3.1484 
## 
## Coefficients:
##               Estimate Std. Error t value Pr(>|t|)    
## (Intercept)  1.482e+01  5.586e-01  26.537 5.07e-14 ***
## X1          -6.655e-11  1.486e-11  -4.480 0.000441 ***
## X2           1.630e-10  7.170e-11   2.274 0.038111 *  
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 1.764 on 15 degrees of freedom
## Multiple R-squared:  0.709,  Adjusted R-squared:  0.6702 
## F-statistic: 18.27 on 2 and 15 DF,  p-value: 9.528e-05

Berdasarkan uji t di atas nilai Pr(>|t|) pada masing-masing variabel X1 bernilai 0,0000441 dan X2 bernilai 0.38111 yang berarti <0.05, sehingga secara parsial variabel X1, X2 berpengaruh terhadap variabel Y.

#Uji F
anova(analisis.kemiskinan)
## Analysis of Variance Table
## 
## Response: Y
##           Df Sum Sq Mean Sq F value    Pr(>F)    
## X1         1 97.668  97.668 31.3801 5.049e-05 ***
## X2         1 16.090  16.090  5.1697   0.03811 *  
## Residuals 15 46.686   3.112                      
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Berdasarkan Uji F di atas nilai Pr(>F) masing-masing X1 0.00005049 dan X2 0.03811 yang artinya kedua variabel tersebut bernilai <0.05, sehingga secara simultan variabel X berpengaruh terhadap variabel Y.

#Uji Normalitas
Normalitas = resid(analisis.kemiskinan)
library(stats)
shapiro.test(Normalitas)
## 
##  Shapiro-Wilk normality test
## 
## data:  Normalitas
## W = 0.97074, p-value = 0.8115

Berdasarkan uji normalitas di atas p-value 0.8115>0.05 sehingga data terdistribusi normal.

#Uji Heterokedastisitas
library(lmtest)
## Loading required package: zoo
## 
## Attaching package: 'zoo'
## The following objects are masked from 'package:base':
## 
##     as.Date, as.Date.numeric
bptest(analisis.kemiskinan, studentize = F, data = kemiskinan)
## 
##  Breusch-Pagan test
## 
## data:  analisis.kemiskinan
## BP = 0.64536, df = 2, p-value = 0.7242

Berdasarkan uji heterokedastisitas di atas p-value 0.7242>0,05 sehingga data terbebas dari heterokedastisitas.

#Uji Multikolinearitas
library(car)
## Loading required package: carData
vif(analisis.kemiskinan)
##      X1      X2 
## 5.30703 5.30703

Pada uji Multikolinearitas di atas VIF bernilai 5.30703<10 berarti data terbebas dari multikoliearitas.

#Uji Autokorelasi
dwtest(analisis.kemiskinan)
## 
##  Durbin-Watson test
## 
## data:  analisis.kemiskinan
## DW = 0.5983, p-value = 3.097e-05
## alternative hypothesis: true autocorrelation is greater than 0

Pada uji Autokorelasi di atas menggunakan Durbin Watson dengan nilai p-value<0.05 sehingga data tersebut terkena Autokorelasi. Sedangkan data yang baik adalah yang lolos uji asumsi klasik. Apabila suatu data tidak lolos asumsi klasik dapat melakukan transformasi data, uji Breusch Godfrey, White HC Robust, Newey West, Cochrane Orcutt maupun Prais Winsten.

#Regresi Linear Berganda
summary(analisis.kemiskinan)
## 
## Call:
## lm(formula = Y ~ X1 + X2, data = kemiskinan)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -2.8376 -1.2375 -0.2404  1.2022  3.1484 
## 
## Coefficients:
##               Estimate Std. Error t value Pr(>|t|)    
## (Intercept)  1.482e+01  5.586e-01  26.537 5.07e-14 ***
## X1          -6.655e-11  1.486e-11  -4.480 0.000441 ***
## X2           1.630e-10  7.170e-11   2.274 0.038111 *  
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 1.764 on 15 degrees of freedom
## Multiple R-squared:  0.709,  Adjusted R-squared:  0.6702 
## F-statistic: 18.27 on 2 and 15 DF,  p-value: 9.528e-05

Nilai Adj R-Squared sebesar 0.6702 yang artinya dapat menjelaskan 67,02% variasi yang terjadi dalam model. Sisanya 32,98% dijelaskan oleh variabel lain yang tidak terdapat dalam model.