Analisa Faktor Makro Ekonomi Terhadap Indeks Harga Saham Infobank 15 Yang Terdaftar Di Bursa Efek Indonesia
Bibliographic record
Abstract
Tujuan penelitian ini adalah menganalisa faktor makro ekonomi yaitu nilai tukar, tingkat suku bunga, dan jumlah uang beredar terhadap indeks harga saham infobank15. Metode analisa data yang digunakan dalam penelitian ini yaitu analisa regresi linear berganda, uji t, uji F, dan analisa koefisien determinasi. Penelitian ini adalah penelitian kuantitatif yang menggunakan sampel indeks harga saham infobank15 yang terdaftar di Bursa Efek Indonesia. Data dianalis menggunakan analisa statistik menggunakan SPSS Versi 21. Dari analisis data diperoleh persamaan regresi Y = 222,162 – 0,104 X1 + 26,857 X2 + 0,000 X3. Nilai konstanta (α) adalah 222,162 yang artinya jika nilai tukar, tingkat suku bunga, dan jumlah uang beredar bernilai nol (0) maka indeks harga saham infobank15 bernilai Rp. 222,162 . Nilai koefien regresi variabel nilai tukar sebesar – 0,104 yang artinya, jika nilai tukar meningkat sebesar satu rupiah maka indeks harga saham infobank15 akan turun sebesar Rp. 0,104. Nilai koefisien regresi tingkat suku bunga bernilai positif sebesar 26,857 yang artinya jika tingkat suku bunga meningkat sebesar satu persen maka indeks harga saham infobank15 akan meningkat sebesar Rp. 26,857 dengan asumsi variabel nilai tukar dan jumlah uang beredar tetap (tidak berubah). Nilai koefisien regresi variabel jumlah uang beredar adalah 0 yang artinya, jika jumlah uang beredar meningkat ataupun mengalami penurunan, maka memberikan pengaruh searah denganpergerakan indeks harga saham infobank15. Nilai tukar berpengaruh negatif dan signifikan terhadap indeks harga saham infobank15 yang dibuktikan dari uji t dimana diperoleh nilai thitung 0,05. Jumlah uang beredar berpengaruh positif dan signifikan terhadap indeks harga saham infobank15 yang dibuktikandari uji t dimana t hitung > t tabel (3,872 >2,030108) dan nilai signifikansi 0,001 F tabel (30,665 > 2,90112) dan nilai signifikansi 0,000 < 0,05. Dari analisis koefisien determinasi diketahui bahwa nilai tukar, tingkat suku bunga, dan jumlah uang beredar mempengaruhi indeks harga saham infobank15 sebesar 74,2%, sedangkan sisanya 25,8% dipengaruhi oleh variabel lain diluar model penelitian ini. Kata kunci : Nilai Tukar, Tingkat Suku Bunga, Jumlah Uang Beredar dan Indeks Harga Saham
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.006 | 0.014 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.006 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.036 | 0.009 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".