Analisis Regresi Linier Berganda Untuk Memodelkan Faktor yang Mempengaruhi Nilai Penambahan Utang Tahunan Negara Indonesia
Abstract
Indonesia is a one of developing country. After 79 years of independence, Indonesia is not yet free from debt. In 2023, Indonesia's total national debt will reach Rp. 8,144.69 trillion. The debt can cause economic problems in many debtor countries. Regression analysis is a statistical analysis that explains the relationship between the dependent variable (Y) and the independent variable (X). The author is interested in analyzing what factors influence the amount of the annual increase in Indonesia's debt. Using multiple linear regression analysis, the results show that the variables that influence the amount of the increase in Indonesia's national is a variable debt are the GDP growth (X1), variable the GDP value 1 year ago (X2), and variable the debt to GDP ratio 1 year ago (X3). The coefficient of determination (R2) value is 0.89, which means that 89% of the increase in Indonesia's national debt is influenced by variables variable debt are the GDP growth, variable the GDP value 1 year ago, and variable the debt to GDP ratio 1 year ago. The regression model formed is: Y = -60.489 (X1) + 0.046 (X2) + 592.738 (X3) + e.
Keywords: Weighted Moving Average, WMA, Inflation.
Abstrak. Negara Indonesia merupakan salah satu negara berkembang. setelah 79 tahun merdeka, Indonesia belum lepas dari hutang. Tahun 2023, total utang negara Indonesia mencapai Rp. 8.144,69 triliun. Utang dapat menimbulkan permasalahan ekonomi pada banyak negara debitur. Analisis regresi adalah suatu analisa statistika yang menjelaskan hubungan antara variabel terikat (Y) dan variabel bebas (X). penulis tertarik untuk menganlisis faktor apa saja yang mempengaruhi besaran nilai penambahan hutang tahunan negara Indonesia. Menggunakan analsisi regresi linier berganda, diperoleh hasil bahwa Variabel yang berpengaruh terhadap besar penambahan hutang Negara Indonesia adalah variabel pertumbuhan PDB (X1), variabel nilai PDB 1 tahun yang lalu (X2), dan variabel rasio utang terhadap PDB 1 tahun yang lalu (X3). Nilai koefisien determinasi (R2) sebesar 0.89 yang berarti bahwa sebesar 89% besar penambahan hutang Negara Indonesia dipengaruhi oleh variabel X1, X2, dan X3. Model regresi yang terbentuk adalah: Y = -60.489 (X1) + 0.046 (X2) + 592.738 (X3) + e .
Kata kunci: Analisis Regresi, Berganda, Utang Indonesia.
References
[2] Aurellia, A. 7 Negara Yang Bangkrut Karena Terlilit Utang, Sri Lanka Terbaru. Detikjabar.https://www.detik.com/jabar/berita/d-6142484/7-negara-yang-bangkrut-karena-terlilit-utang-sri-lanka-terbaru. diakses pada 21 Mei 2024.
[3] Basri, Hasan. Pemodelan Regresi Berganda Untuk Data Dalam Studi Kecerdasan Emosional. Didaktika: Jurnal Kependidikan. Vol. 12, No. 2. Hal 103 – 116. 2018.
[4] 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.
[5] Loban, J M. Analsisi Regresi Faktor-Faktor Yang Mempengaruhi Hasil Produksi Padi di Indonesia Bagian Barat. EduMatSains: Jurnal Pendidikan, Matematika dan Sains. Vol. 8, No. 1. Hal 138-145. 2023.
[6] Mona, M G., Kekenusa, J S., dan Prang, J D. Penggunaan Regresi Linier Berganda Untuk Menganalisa Pendapatan Petani Kelapa, Studi Kasus: Petani Kelapa di Desa Beo, Kecamatan Beo, Kabupaten Talaud. JDC. Vol. 4, No. 2. Hal 196 – 203. 2015.
[7] Padilah, T N., dan Adam, R I. Analisis Regresi Linier Berganda Dalam Estimasi Produktivitas Tanaman Padi di Kabupaten Karawang. FIBONACCI : Jurnal Pendidikan Mmatematika dan Matematika. Vol. 5, No. 2. Hal 117 – 128. 2019.
[8] Prasetyo, R A., dan Helma. Analisis Regresi Linier Berganda Untuk Melihat Faktor Yang Berpengaruh Trerhadap Kemiskinan di Provinsi Sumatera Barat. Journal of Mathematics UNP. Vol.7, No.2. Hal 62 – 68. 2022.
[9] Prasmono, A S P., dan Ahdika, A. Analisis Regresi Berganda Pada Faktor-Faktor Yang Mempengaruhi Kinerja Fisik Preservasi Jalan dan Jembatan di Provinsi Sumatera Selatan. ESDS: Emerging Statistics and Data Science Journal. Vol.1, No. 1. Hal 47 -56. 2022
[10] Rachman, A. Awal 2024, Utang Pemerintah Naik Jadi Rp. 8.253 T. CNBC Indonesia. https://www.cnbcindonesia.com/market/20240227113829-17-517889/awal-2024-utang-pemerintah-naik-jadi-rp8253-t. diakses pada 10 Mei 2024.
[11] Supriyadi, E., Mariani, S., dan Sugiman. Perbandinagn Metode Partial Least Square (PLS) dan Principal Component Regression (PCR) Untuk Mnegatasi Multikolineritas Pada Model Regresi Linier Berganda. UNNES J Math. VOL. 6, No. 2. Hal 117 – 128. 2017.
[12] Zuhri. Analisis Regresi Linier dan Korelasi Mneggunakan Pemrograman Visual Basic. Jurnal Ilman: Jurnal Ilmu Manajemen. Vol 8, Issue 2. Hal 42 – 50. 2020.
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Authors who publish in UJMC (Unisda Journal of Mathematics and Computer Science) agree to the following terms:
1.Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License (CC BY-SA 4.0) that allows others to share the work with an acknowledgment of the work's authorship and initial publication in this journal.
2.Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
3.Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
