VI. HASIL DAN PEMBAHASAN
6.2 Faktor-faktor Penentu yang Mempengaruhi Harga Rumah
Estimasi fungsi hedonik harga rumah dilakukan dengan menggunakan model regresi double log. Variabel tidak bebas (dependent variabel) yang digunakan adalah harga rumah, sedangkan variabel bebasnya (independent
variabel) meliputi variabel jarak ke pusat perbelanjaan (X1), jarak ke tempat ibadah (X2), jarak ke taman publik (X3), jarak ke danau publik (X4), luas RTH privat (X5), dan jumlah jendela (X6). Hasil estimasi model regresi double log
diperoleh dengan bantuan program Microsoft Excel 2007, Minitab 14, dan SPSS 16.
Hasil persamaan model regresi double log dapat dilihat pada Tabel 16 sebagai berikut:
Tabel 16 Hasil estimasi regresi double log terhadap harga rumah
Unstandardized Collinearity
Coefficients Statistics
Model B t Sig VIF
(Constant) 20,886 23,609 0,000
X1 (Jarak ke Pusat Perbelanjaan) 0,069 0,628 0,532 1,810
X2 (Jarak ke Tempat Ibadah) -0,160 -2,371 **0,021 1,414
X3 (Jarak Taman Publik) -0,067 -2,358 **0,022 1,124
X4 (Jarak Danau Publik) -0,042 -0,794 0,430 1,073
X5 (Luas Halaman Rumah) 0,306 3,481 *0,001 2,249
X6 (Jumlah Jendela Rumah) 0,299 1,545 ***0,128 1,775
R-square 46,7 % R-square adj 41,2 %
Durbin Watson 1,984
Sig. F .000a
Asymp. Sig. (2-tailed) 0,700
Keterangan: * nyata pada taraf α = 1% ** nyata pada taraf α = 5% *** nyata pada taraf α = 15%
Berdasarkan hasil pengolahan data diperoleh bahwa model yang dihasilkan dalam penelitian menghasilkan nilai R-Squared adjusted sebesar 41,2%. Nilai tersebut berarti bahwa 41,2% keragaman harga rumah perumahan The Green BSD dapat diterangkan oleh variabel-variabel penjelas yang terdapat pada model, sedangkan sisanya sebesar 53,3% dijelaskan oleh faktor lain di luar model.
Model regresi yang baik adalah model regresi yang memenuhi asumsi klasik, yaitu tidak ada masalah multikolinearitas, heteroskedastisistas, autokorelasi, dan uji asumsi normalitas. Hasil uji tersebut disajikan sebagai berikut:
1. Uji Multikolinearitas
Uji Multikolinearitas didasarkan pada nilai VIF yang terdapat pada model yang telah diregresikan. Nilai VIF yang kurang dari sepuluh (VIF < 10) menunjukkan tidak terjadi masalah multikolinearitas. Hasil regresi dalam penelitian ini tidak terdapat masalah multikolinearitas karena semua variabel VIF kurang dari sepuluh (VIF < 10). Tabel 13 menunjukkan tidak terjadi masalah multikolinearitas.
2. Uji Heteroskedastisitas
Uji heteroskedastisitas dapat dilihat pada grafik scatterplots, dan uji gletser. Berdasarkan hasil uji gletser pada lampiran 3 dapat dilihat bahwa semua variabel bebas atau independent, Sig. lebih dari alpha 15 persen maka dapat disimpulkan bahwa tidak terjadi masalah heteroskedastisitas pada model regresi. Selain itu, berdasarkan grafik scatterplots Gambar 26 terlihat bahwa titik-titik menyebar secara acak baik di atas maupun di bawah angka 0 pada sumbu Y.
Sumber: Data Primer Diolah, 2014
3. Uji Autokorelasi
Uji autokorelasi didasarkan dengan menggunakan uji Durbin-Watson (DW). Nilai DW antara 1,55 dan 2,46 menunjukkan tidak ada autokorelasi (Firdaus, 2004). Hasil pengolahan data didapat nilai DW sebesar 1,984. Dapat disimpulkan tidak terjadi masalah autokorelasi dalam model regresi. Nilai DW dalam model ditunjukkan dalam Lampiran 2.
4. Uji Normalitas
Uji normalitas berdasarkan pada uji Kolmogrov-Smirnov dengan menggunakan software SPSS 16. Penelitian ini menggunakan taraf nyata alpha sebesar 1 persen. Pada Lampiran 4 dapat dilihat nilai Asymp. Sig. (2-tailed) 0,700 lebih besar dari alpha 0,15 (15 persen), maka asumsi residual menyebar normal terpenuhi.
Berdasarkan hasil model regresi double log tidak terjadi pelanggaran asumsi, hal ini menunjukkan bahwa model layak untuk digunakan. Data pada lampiran 1 menunjukkan nilai F hitung sebesar 8,472 dengan P-value sebesar 0,000,
yang artinya bahwa secara keseluruhan variabel-variabel bebas (independent variable) berpengaruh terhadap perubahan harga rumah. Sementara secara individu, variabel yang secara nyata berpengaruh (signifikan) terhadap harga
rumah pada taraf α=1% adalah luas halaman rumah, variabel yang secara nyata
berpengaruh (signifikan) terhadap harga rumah pada taraf α=5% adalah jarak
rumah ke tempat ibadah dan jarak rumah ke taman publik, yang terakhir adalah variabel yang secara nyata berpengaruh (signifikan) terhadap harga rumah pada
taraf α=15% yaitu jumlah jendela rumah.
Fungsi hedonis yang menghubungkan antara variabel dependent dengan variabel independent yang berpengaruh nyata dapat ditulis menjadi sebuah model persamaan berikut:
LnY = 20,886 + 0,069 LnX1 – 0,160 LnX2 – 0,067 LnX3 – 0,042 LnX4 + 0,306
LnX5 + 0,299 LnX6 Dimana:
LnY = Harga rumah (Rp/m2)
LnX1 = Jarak rumah ke tempat perbelanjaan (meter) LnX2 = Jarak rumah ke tempat ibadah (meter)
LnX3 = Jarak rumah ke taman publik (meter) LnX4 = Jarak rumah ke danau publik (meter) LnX5 = Luas halaman rumah (m2)
LnX6 = Jumlah jendela rumah (buah)
Jika rata-rata jarak rumah ke pusat perbelanjaan (X1) 3.331 meter, jarak rumah ke tempat ibadah (X2) 2.808 meter, jarak rumah ke taman publik (X3) 90 meter, jarak rumah ke danau publik (X4) 242 meter, luas halaman rumah (X5) 46 m2, dan jumlah jendela rumah (X6) 13 buah, maka:
LnY = 20,886 + 0,069 LnX1 – 0,160 LnX2 – 0,067 LnX3 – 0,042 LnX4 + 0,306 LnX5 + 0,299 LnX6 LnY = 20,886 + 0,069 Ln (3.331) – 0,160 Ln (2.808) – 0,067 Ln (90) – 0,042 Ln (242) + 0,306 Ln (46) + 0,299 Ln (13) Y = e(20,886 + 0,069 Ln 3.331 – 0,160 Ln 2.808 – 0,067 Ln 90 – 0,042 Ln 242 + 0,306 Ln 46 + 0,299 Ln 13) Y = Rp 2.359.430.165,00
Artinya jika jarak rumah ke pusat perbelanjaan 3.331 meter, jarak rumah ke tempat ibadah 2.808 meter, jarak rumah ke taman publik 90 meter, jarak rumah ke danau publik 242vmeter, luas halaman rumah 46 m2, dan jumlah jendela rumah 13 buah, maka diduga harga rumah sebesar Rp 2.359.430.165,00.
Hasil estimasi model regresi double log menunjukkan bahwa variabel jarak rumah ke tempat beribadah dan jarak rumah ke taman publik memiliki hubungan yang negatif terhadap harga rumah dan sesuai dengan hipotesis awal, yaitu semakin dekat jarak rumah ke tempat beribadah maka harga rumah semakin mahal, dan semakin dekat jarak rumah ke taman publik maka harga rumah juga semakin mahal. Variabel luas halaman rumah dan jumlah jendela rumah memiliki hubungan yang positif dan sesuai dengan hipotesis awal, yaitu semakin luas halaman rumah maka harga rumah semakin mahal, begitu pun dengan jumlah jendela rumah, semakin banyak jumlah jendela yang terdapat pada rumah maka harga rumah semakin mahal.
Variabel jarak rumah ke pusat perbelanjaan memiliki nilai P-value (0,532) > alpha 0,15 (15 persen) yang artinya variabel ini tidak berpengaruh nyata terhadap model. Koefisien variabel positif (+) menggambarkan jika jarak rumah ke tempat
perbelanjaan semakin dekat, maka harga rumah akan semakin murah dengan asumsi cateris paribus. Hubungan positif antara jarak rumah ke pusat perbelanjaan tidak sesuai dengan hipotesis awal bahwa bahwa jarak rumah ke tempat perbelanjaan berpengaruh negatif terhadap harga rumah. Hal ini bisa saja terjadi karena tingginya harga rumah ditentukan oleh jarak rumah yang semakin jauh dengan pusat perbelanjaan, karena jarak yang dekat akan menimbulkan kebisingan yang menimbulkan ketidaknyamanan bagi penghuni rumah.
Variabel jarak rumah ke tempat beribadah memiliki nilai P-value (0,021) < alpha 0,05 (lima persen) yang artinya variabel ini berpengaruh nyata terhadap model. Koefisien variabel negatif (-) menggambarkan jika jarak rumah ke tempat beribadah semakin jauh dengan rumah, maka harga rumah akan semakin murah dengan asumsi cateris paribus. Hubungan negatif antara jarak rumah ke danau publik sesuai dengan hipotesis awal bahwa jarak tempat beribadah ke rumah berpengaruh negatif terhadap harga rumah. Hal ini dikarenakan jika jarak tempat beribadah semakin dekat dengan rumah, maka akan mempermudah warga untuk beribadah, sehingga harga rumah akan meningkat.
Variabel jarak taman publik memiliki nilai P-value (0,022) < aplha 0,05 (lima persen) yang artinya variabel ini berpengaruh nyata terhadap model. Koefisien variabel negatif (-) menggambarkan jika jarak rumah ke taman umum semakin dekat maka harga rumah akan semakin mahal dengan asumsi cateris paribus. Hal tersebut sesuai dengan hipotesis awal bahwa jarak rumah ke taman publik berpengaruh negatif terhadap harga rumah, yang artinya jika taman publik lebih dekat jaraknya dari rumah, maka masyarakat akan lebih dekat untuk mengaksesnya. Selain itu, taman umum yang dekat dengan rumah juga akan meningkatkan nilai tambah lingkungan rumah tersebut sehingga akan mempengaruhu harga rumah yang ikut meningkat.
Variabel jarak danau publik memiliki nilai P-value (0,430) > alpha 0,15 (15 persen) yang artinya variabel ini tidak berpengaruh nyata terhadap model. Koefisien variabel negatif (-) menggambarkan jika jarak rumah ke danau publik semakin dekat maka harga rumah akan semakin mahal dengan asumsi cateris paribus. Hal tersebut sesuai dengan hipotesis awal bahwa jarak rumah ke danau publik berpengaruh negatif terhadap harga rumah, yang artinya jika danau publik
lebih dekat jaraknya dari rumah, maka masyarakat akan lebih mudah berkunjung ke danau untuk melihat keindahan danau tersebut. Selain itu, danau umum yang dekat dengan rumah juga akan meningkatkan nilai tambah lingkungan rumah tersebut sehingga akan mempengaruhu harga rumah yang ikut meningkat.
Variabel luas RTH privat atau taman rumah memiliki nilai P-value (0,001) < alpha 0,01 (satu persen) yang artinya variabel ini berpengaruh nyata terhadap model. Koefisien variabel positif (+) menggambarkan jika luas halaman rumah semakin besar, maka harga rumah akan semakin mahal dengan asumsi cateris paribus. Variabel luas halaman rumah sesuai dengan hipotesis awal bahwa variabel tersebut berpengaruh positif terhadap meningkatnya harga rumah. Hal ini dikarenakan semakin besar luas taman rumah, maka rumah akan terasa sejuk dan asri, sehingga dapat meningkatkan kenyamanan bagi penghuni rumah. Sesuai dengan metode harga hedonik yang menentukan harga berdasarkan jasa yang disediakan, maka semakin tinggi tingkat kenyamanan suatu rumah, akan menyebabkan harga rumah juga semakin mahal.
Variabel jumlah jendela memiliki nilai P-value (0,128) < alpha 0,15 (15 persen) yang artinya variabel ini berpengaruh nyata terhadap model. Koefisien variabel positif (+) menggambarkan jika jumlah jendela rumah semakin banyak, maka harga rumah akan semakin mahal dengan asumsi cateris paribus. Variabel jumlah jendela rumah sesuai dengan hipotesis awal bahwa variabel tersebut berpengaruh positif terhadap harga rumah. Hal ini dikarenakan semakin banyak jumlah jendela pada rumah, dapat meningkatkan pengaturan cahaya matahari yang masuk ke dalam rumah, sirkulasi udara juga semakin baik, sehingga udara di dalam rumah semakin segar. Manfaat dari semakin banyaknya jendela rumah, maka harga rumah juga akan meningkat.