BAB III METODE PENELITIAN
D. Metode Pengumpulan Data
2. Metode Analisis Data
Bentuk fungsi model empiris yang baik sangat diperlukan untuk
selanjutnya. Kesalahan dalam bentuk fungsi akan menyebabkan
persoalan kesalahan spesifikasi dan estimasi-estimasi koefisien akan
bias, dan parameter estimasi tidak akan konsisten (Insukindro, et al,
2001:26).
Bentuk Fungsional Model Regresi
Y = C + b1 X1 – b2 X2 - b3 X3 + e
Variabel-variabel tersebut di atas melambangkan :
Y = Nilai tanah per meter persegi (Rp/m2)
C = Constanta
b1 = koefisien luas tanah
b2 = koefisien Jarak ke CBD
b3 = koefisien Jarak ke jalan Umum
X1 = Luas tanah dalam satuan meter persegi
X2 = Jarak ke CBD (Pasar Wedi) dalam satuan meter
X3 = Jarak ke Jalan Umum dalam satuan meter
e = Kesalahan pengganggu (error disturbance).
Analisis data yang dilakukan pertama-tama adalah menaksir model
guna mendapatkan parameter-parameter regresi yang akan diestimasi yang
commit to user
5.1. Analisis data dengan regresi linier berganda menggunakan metode
kuadrat terkecil (OLS). Hasil regresi linier berganda akan diuji melalui uji
model dengan menggunakan MWD Test. Penggunaan pengujian ini perlukan
untuk memilih model yang memiliki sifat efisien dan tidak bias terhadap hasil
regresinya. Teknis pengujian ini ialah jika nilai Z1 pada model linier
signifikan secara statistik maka hipotesis nol yang menyatakan bahwa model
yang benar adalah bentuk linier ditolak dan jika nilainya tidak signifikan
maka model bentuk linier diterima. Ketika nilai Z2 pada model double log
signifikan secara statistik maka hipotesis nol yang menyatakan bahwa model yang benar adalah bentuk double log ditolak dan jika nilainya tidak signifikan
maka model ini dapat diterima. Untuk mengetahui apakah model yang
digunakan dapat menjelaskan masalah yang ada maka berikut ini langkah-
langkah penelitian yang harus dilakukan yaitu melalui kriteria pengujian
diantaranya ialah:
a. Kriteria ekonomika
Pengujian ekonomika dilakukan dengan memperhatikan tanda pada parameter
hasil estimasi dan kemudian disesuaikan dengan teori ekonomi yang ada,
artinya makna dari hasil analisis ini kemudian diaplikasikan ke dalam
kaitannya terhadap teori ekonomi yang menjadi dasar acuannya.
Penggabungan antara hasil analisis dengan teori ekonomi menjadi salah satu
kesatuan yang memberikan pengertian terhadap pengaruh-pengaruh atas
b. Kriteria statistik 1) Uji t
Uji t (uji parameter secara individual), uji ini dilakukan untuk mengetahui
apakah variabel bebas secara individu mempunyai pengaruh yang nyata
(signifikan) terhadap variabel tak bebas. Uji ini dilakukan dengan
membandingkan nilai t-hitung dengan nilai t-tabel. Jika nilai t-hitung lebih besar
dari nilai t-tabel maka dikatakan signifikan dan sebaliknya.
Persamaannya menurut Sugiyono (2010 : 229) adalah :
r √n – 2 t hitung =
√1 – r 2
Keterangan :
r = Koefisien Korelasi yang telah ditemukan ;
n = Jumlah Sampel ;
t = t hitung yang selanjutnya disbanding dengan t table.
Bila t hitung lebih dari t table pada derajat kebebasan n-2 dan tingkat
commit to user
tanah (X1), jarak ke pasar sebagai pusat CBD (X2), dan jarak ke jalan
umum (X3) terhadap nilai tanah (Y).
Dan sebaliknya bila t hitung lebih kecil dari t table pada derajat kebebasan n-
2 dan tingkat kepercayaan = 0,005, artinya tidak ada hubungan signifikan
antara antara variabel antara variabel variabel luas tanah (X1), jarak ke
pasar sebagai pusat CBD (X2), dan jarak ke jalan umum (X3) terhadap
nilai tanah (Y).
2) Uji F
Uji koefisien regresi secara serempak (uji F), uji ini dilakukan untuk
menguji apakah keseluruhan variabel bebasnya secara serempak
memberikan pengaruh yang nyata terhadap varaibel tak bebas. Jika F-hitung
lebih besar dari F-tabel, maka variabel-variabel bebasnya secara serempak
mempengaruhi variabel tak bebasnya dan sebaliknya. Persamaannya
menurut Sugiyono (2010 : 229) adalah :
r2 (n – 2) F hitung =
√1 – r2
Keterangan :
r2 = koefisien korelasi ;
n = jumlah sampel.
Bila F hitung lebih besar dari F table pada derajat kebebasan n-2 dan tingkat
kepercayaan = 0,005, artinya tidak ada pengaruh yang signifikan antara
variabel luas tanah (X1), jarak ke pasar sebagai pusat CBD (X2), dan jarak
ke jalan umum (X3) terhadap nilai tanah (Y).
Dan sebaliknya bila F hitung lebih kecil dari F table pada derajat kebebasan
n-2 dan tingkat kepercayaan = 0,005, artinya ada pengaruh yang signifikan
antara variabel variabel luas tanah (X1), jarak ke pasar sebagai pusat CBD
(X2), dan jarak ke jalan umum (X3) terhadap nilai tanah (Y).
3). Uji R2
Ketepatan perkiraan (uji R2), uji ini menunjukkan berapa persentase variasi
variabel bebas yang dapat menjelaskan variasi variabel tak bebasnya hal
ini terlihat dari besarnya R2. Analisis koefisien determinasi adalah untuk
mengetahui besarnya pengaruh variabel luas tanah (X1), jarak ke pasar
sebagai pusat CBD (X2), dan jarak ke jalan umum (X3) terhadap nilai
tanah (Y). Persamaan menurut Algifari (1997) dalam Sugiyono (2010 :
commit to user
∑ (Y – Ŷ) r2 = 1 - ∑ (Y – Ŷ)2 Keterangan : r2 : Koefisien determinasi ; Y : Nilai tanah;Ŷ : Rata-rata nilai tanah ;
∑ : Jumlah.
c. Uji Asumsi Klasik 1) Uji normalitas.
Tujuan penelitian pada umumnya yaitu menaksir dan menguji hipotesis,
maka perlu menetapkan spesifikasi distribusi probabilitas dari faktor
penganggu. Distribusi probabilitas penaksir OLS tergantung pada asumsi
yang dibuat mengenai distribusi probabilitas. Dengan demikian, asumsi
distribusi probabilitas dari penaksir-penaksir OLS diperlukan dan
mempunyai peranan yang penting untuk menggambarkan dan menarik
kesimpulan mengenai populasiya (Insukindro, dkk, 2001: 97). Uji
normalitas dilihat dengan membandingkan nilai JB-hitung dengan χ2-tabel, jika JB-hitung lebih kecil dari χ2-tabel maka dapat dikatakan faktor
penganggu model yang digunakan terdistribusi secara normal dan
sebaliknya.
2) Uji linieritas.
Pengujian linieritas digunakan untuk melihat kebenaran spesifikasi model,
salah satu sifat estimator yang baik adalah parameternya liniear. Dengan ini
dapat diketahui bentuk model empiris yang benar. Uji linieritas digunakan uji
Ramsey dengan membandingkan nilai F-statistik dengan nilai F-tabel. Jika nilai F-
statistik lebih kecil dari nilai F-tabel maka dapat dikatakan model linier persamaan adalah benar dan sebaliknya.
3) Uji heteroskedastisitas.
Gejala heteroskedastisitas menunjukkan adanya varian yang tidak konstan
dari variabel penganggu yang menyebabkan nilai varian sangat besar.
Konsekuensi dari adanya heteroskedastisitas adalah bahwa dengan varian
yang tidak minimum maka model menjadi tidak efisien dan bias. Untuk
mendeteksi adanya gejala heteroskedastisitas digunkan uji White dengan
membandingakan nilai χ2-hitung dengan χ2-tabel. Jika χ2 –hitung lebih kecil dibandingkan dengan χ2-tabel maka model empiris terdapat maslah heteroskedastisitas dan sebaliknya.
4) Uji Multikolinieritas.
Multikolinieritas adalah merupakan hubungan linear yang terjadi antara
variabel-variabel bebas dalam model regresi. Multikolinieritas dapat dideteksi
commit to user
antara variabel bebas dengan variabel tak bebas (R2) dan koefisien
determinasi antarvariabel bebas (r2). Jika r2 lebih kecil dari R2 menunjukkan
multikolinieritas yang terjadi adalah berderajat rendah, demikian sebaliknya.
5) Uji Autokorelasi.
Pengujian autokorelasi ini bertujuan untuk menguji apakah dalam suatu
model regresi linier ada korelasi antara kesalahan penganggu pada periode t
dengan kesalahan pada periode t-1 (sebelumnya). Jika terjadi korelasi maka
dinamakan ada problem autokorelasi. Untuk menguji ada tidaknya problem
autokorelasi ini maka dapat melakukan uji Lagrange Multiplier Test (LM Test) yaitu dengan membandingkan nilai LM Test dengan dengan nilai X2
tabel jika nilai hasil uji berada kurang dari X2 tabel maka penelitian ini bebas
dari gejala autokorelasi, akan tetapi terjadi sebaliknya jika hasil uji LM Test