BAB IV METODOLOGI PENELITIAN
4.6 Teknik Analisis Data
4.6.2 Model dan Metode Analisis Data
4.6.2.3 Pengujian Hipotesis
a. Uji Koefisien Determinasi (Uji R2)
Pengujian koefisien determinasi (R2) digunakan untuk mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen. Koefisien
determinasi berkisar antara nol sampai dengan satu. Nilai R2 yang semakin kecil mendekati nol menunjukkan bahwa kemampuan variabel-variabel independen dalam menjelaskan variabel dependen amat terbatas, bila R2 semakin besar mendekati 1 menunjukkan bahwa variabel-variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen (Ghozali, 2006)
b. Uji Simultan (Uji F)
Uji Simultan (Uji F) ini adalah untuk mengetahui ada tidaknya pengaruh dari variabel independen (bebas) terhadap variabel dependen (terikat) secara simultan. Pengujian ini dilakukan dengan software SPSS. Hipotesis pada pengujian yaitu :
H0 : Variabel bebas tidak berpengaruh terhadap terikat secara simultan
H1 : Variabel bebas berpengaruh signifikan terhadap terikat secara simultan dengan tingkat signifikansi @ = 0.05, maka kriteria pengujian yang digunakan adalah jika nilai prob. F hitung (sig.) < 0,05, maka H1 diterima dan jika nilai prob. F hitung (sig.)> 0,05, maka H1 ditolak.
c. Uji Parsial (Uji T)
Uji Parsial (Uji t) ini adalah untuk mengetahui ada tidaknya pengaruh dari variabel independen (bebas) terhadap variabel dependen (terikat) secara parsial.
Pengujian ini dilakukan dengan software SPSS. Hipotesis pada pengujian yaitu : H0 : Variabel bebas tidak berpengaruh terhadap variabel terikat secara parsial H1 : Variabel bebas berpengaruh signifikan terhadap variabel terikat secara parsialdengan tingkat signifikansi @= 0.05, maka kriteria pengujian yang digunakan adalah jika nilai prob.t hitung (sig.) < 0,05, maka H1 diterima dan jika nilai prob.t hitung (sig.) > 0,05, maka H1 ditolak.
5.1 Hasil Penelitian
5.1.1 Dekripsi Lokasi Penelitian
Penelitian ini dilakukan di Jalan Kapten Muslim, Jalan Gaperta Ujung, Jalan Asrama, dan Jalan Cempaka yang terletak di Kecamatan Medan Helvetia, Provinsi Sumatera Utara. Pemilihan lokasi dilakukan berdasarkan pertimbangan di jalan-jalan tersebut terdapat banyak perumahan. Jalan Kapten Muslim, Jalan Gaperta Ujung, Jalan Asrama, dan Jalan Cempaka termasuk kedalam Kecamatan Medan Helvetia. Kecamatan Medan Helvetia adalah salah satu dari 21 kecamatan di kota Medan. Berdasarkan hasil pencatatatan Sensus Penduduk, jumlah penduduk Kecamatan Medan Helvetia sementara adalah Kecamatan Medan Helvetia memiliki batas-batas wilayah. Adapun batas-batas wilayahnya sebagai berikut :
a) Sebelah Barat berbatasan dengan jalan Banda Aceh b) Sebelah Timur berbatasan dengan Medan Sunggal c) Sebelah Selatan berbatasan dengan Medan Petisah d) Sebelah Utara berbatasan dengan Medan Kota
Lokasi penelitian yang dipilih adalah kawasan disekitar lingkungan Kecamatan Medan Helvetia di Jalan Kapten Muslim, Jalan Gaperta Ujung, Jalan Asrama, dan Jalan Cempaka.
Gambar 5.1 Peta Jalan Kapten Muslim, Jalan Gaperta Ujung, Jalan Asrama, dan Jalan Cempaka, Kec.Medan Helvetia,
Sumber : Google Earth (data diolah)
5.1.2 Deskripsi Data Observasi
Data responden dalam penelitian ini adalah sejumlah 40 rumah. Pemilihan data responden ini dilakukan dengan metode Target Populasi. Dengan menggunakan Target Populasi, diharapkan kriteria sampel yang diperoleh benar-benar sesuai dengan penelitian yang akan dilakukan.
Data penelitian akan dibagi menjadi 8 (delapan) kategori, yaitu : Data observasi menurut jenis harga sewa, harga jual, luas bangunan, umur bangunan, tempo sewa, motivasi kepemilikan rumah, fasilitas bangunan (garasi), dan capitalization rate.
5.1.2.1 Data Observasi Menurut Jenis Nilai Sewa
Dari data observasi yang berjumlah 40 respomden, dapat diperoleh gambaran tentang nilai sewa masing-masing responden , dimana sebagian besar data obsevasi sebanyak 15% memiliki nilai sewa sebesar Rp. 25.000.000,-/ tahun dengan jumlah 6 unit rumah, kemudian 8% atau sebanyak 3 unit rumah dengan nilai sewa Rp. 20.000.000,-/ tahun disusul dengan 8% juga atau sebanyak 3 unit rumah dengan nilai sewa Rp. 40.000.000,-/ tahun dengan rata-rata nilai sewa adalah Rp. 19.875.000,-/ tahun. Nilai sewa minimal dari rumah dalam penelitian ini adalah Rp. 12.000.000,-/tahun dengan nilai sewa maksimal Rp.80.000.000,-/tahun.
Gambaran data nilai sewa rumah pada sampel penelitian dapat dilihat pada Table 5.1 berikut :
Tabel 5.1 memberikan informasi bahwa harga sewa rumah di wilayah Medan Helvetia dalam penelitian ini berkisar hingga Rp 80.000.000 per tahun.
Mayoritas dari harga sewa berada pada rentang antara Rp 20.000.000 sampai dengan Rp 30.000.000 dengan jumlah rumah sewa sebanyak 17 unit atau 42,5%
dari sampel penelitian dan diikuti pada rentang Rp 10.000.000 sampai dengan Rp 20.000.000 dengan jumlah rumah sewa sebanyak 11 unit atau 27,5% dari sampel penelitian. Terdapat sebanyak 7,5% dari sampel berada pada nilai sewa Rp 70.000.000 sampai dengan Rp 80.000.000.
5.1.2.2 Data Observasi Menurut Harga Jual
Harga jual dari perumahan yang menjadi sampel dalam penelitian ini merupakan estimasi harga pasar dengan membandingkan luas per m2 dari bangunan sejenis pada perumahan yang sama dengan tipe yang sama dan sedang dijual saat ini (harga pasar). Estimasi dilakukan dengan membandingkan harga per m2 bangunan, luas tanah, tipe bangunan, serta jumlah lantai bangunan tersebut.
Daftar harga jual rumah pada sampel penelitian disajikan dalam Lampiran 4.
Dari data observasi yang berjumlah 40 responden, dapat diperoleh gambaran tentang harga jual rumah masing-masing responden , dimana sebagian besar data obsevasi sebanyak 8% memiliki harga jual sebesar Rp. 700.000.000,- dengan jumlah 3 unit rumah, disusul dengan 8% juga atau sebanyak 3 unit rumah dengan harga jual Rp. 800.000.000,- , disusul dengan 8% juga atau sebanyak 3 unit rumah dengan harga jual Rp. 850.000.000,-, disusul dengan 8% juga atau sebanyak 3 unit rumah dengan harga jual Rp. 900.000.000,-, disusul dengan 8%
juga atau sebanyak 3 unit rumah dengan harga jual Rp. 950.000.000,- kemudian
5% atau sebanyak 2 unit rumah dengan harga jual Rp. 1.000.000.000,- dengan rata-rata harga jual adalah Rp. 1.916.153.846,-. Perumahan dalam penelitian ini memiliki rentang harga jual mulai dari harga minimal Rp. 450.000.000,- sampai dengan harga jual maksimal Rp.6.000.000.000,-
Distribusi data harga jual rumah pada sampel penelitian dapat dilihat pada Table 5.2 berikut:
Tabel 5.2 memberikan informasi bahwa mayoritas dari harga jual rumah di perumahan formal wilayah Medan Helvetia berada pada rentang harga Rp 400.000.000 sampai dengan Rp 1.200.000.000 dengan jumlah sebanyak 27 unit atau 67,5% dari sampel penelitian ini, sisanya tersebar pada rentang harga lainnya.
5.1.2.3 Data Observasi Menurut Luas Bangunan Rumah
Dari data observasi yang berjumlah 40 data rumah sewa pada komplek perumahan pada penelitian ini, dapat diperoleh gambaran masing-masing tentang luas bangunan rumah, dimana sebagian besar data obsevasi sebanyak 8%
memiliki luas bangunan 200 m2 dengan jumlah 3 unit rumah, disusul 3 unit rumah memiliki luas bangunan 209 m2 . Luas bangunan rata-rata data observasi
Distribusi luas bangunan rumah pada sampel penelitian dirangkum dengan menggunakan distribusi frekuensi. Jumlah kelas pada distribusi frekuensi ditentukan dengan mengikuti aturan:
dengan jumlah data sebanyak 40 unit, diperoleh jumlah kelas sebanyak 7 kelas (pembulatan). Sebaran data maksimum dengan minimum dari luas bangunan adalah sebanyak 264m2 dengan luas minimum 60m2 dan maksimum 324m2. Dengan demikian, distribusi frekuensi dari luas bangunan rumah dapat dirangkum dalam Tabel 5.3.
Tabel 5.3
Luas Bangunan Rumah Sampel Penelitian
No Luas Bangunan Jumlah Persentase
1 60 m2 s.d. 98 m2 8 20,00
2 98 m2 s.d. 136 m2 5 12,50
3 136 m2 s.d. 174 m2 10 25,00
4 174 m2 s.d. 212 m2 10 25,00
5 212 m2 s.d. 250 m2 4 10,00
6 250 m2 s.d. 288 m2 0 0,00
7 288 m2 s.d. 326 m2 3 7,50
Jumlah 40 100,00
Sumber : Data Primer, 2019
Tabel 5.3 memberikan informasi bahwa luas bangunan dari sampel penelitian ini sangat beragam pada tiap rentang kelas. Jumlah sampel terbanyak berada pada rentang 136m2 sampai dengan 174m2 dan pada rentang 174m2 sampai dengan 212m2 dengan masing-masing sebanyak 10 unit atau masing-masing mewakili 25% dari sampel penelitian ini. Selain itu, jumlah unit pada rentang 60m2 sampai dengan 98m2 juga mencapai 8 unit atau 20% dari sampel penelitian ini. Sisanya tersebar pada rentang luas lainnya.
5.1.2.4 Data Observasi Menurut Umur Bangunan Rumah
Distribusi luas bangunan rumah pada sampel penelitian dirangkum dengan menggunakan distribusi frekuensi. Jumlah kelas pada distribusi frekuensi ditentukan dengan mengikuti aturan:
dengan jumlah data sebanyak 40 unit, diperoleh jumlah kelas sebanyak 7 kelas (pembulatan). Sebaran data maksimum dengan minimum dari umur bangunan adalah sebesar 14 tahun dengan umur minimum sebesar 5 tahun dan maksimum sebesar 19 tahun. Dengan demikian, distribusi frekuensi dari luas bangunan rumah dapat dirangkum dalam Tabel 5.4.
Tabel 5.4
Umur Bangunan Rumah Sampel Penelitian
No Umur Bangunan Jumlah Persentase (%)
1 5 tahun s.d. 7 tahun 12 30,00
Tabel 5.4 memberikan informasi bahwa umur bangunan dari perumahan di wilayah Kecamatan Medan Helvetia yang menjadi sampel dalam penelitian ini mayoritas berada pada rentang usia 5 tahun sampai dengan 7 tahun dengan jumlah 12 unit atau 30% dari sampel penelitian. Selanjutnya sebanyak 10 unit atau 25%
dari sampel penelitian berada pada rentang umur bangunan antara 7 tahun sampai dengan 9 tahun. Terdapat satu bangunan yang berada pada usia 17 sampai dengan 19 tahun.
5.1.2.5 Data Observasi Menurut Tempo Sewa
Dari data observasi yang berjumlah 40 data rumah sewa pada komplek perumahan pada penelitian ini, dapat diperoleh gambaran masing-masing tentang tempo sewa rumah, dimana sebagian besar data obsevasi sebanyak 88% memiliki tempo sewa 1 tahun (12) bulan dengan jumlah 35 unit rumah, kemudian data obsevasi sebanyak 12% memiliki tempo sewa 2 tahun (24) bulan dengan jumlah 5 unit rumah. Tempo sewa rata-rata data observasi penelitian adalah 1,5 tahun (18) bulan. Gambaran data tempo sewa rumah pada sampel penelitian dapat dilihat pada table 5.5 berikut :
Tabel 5.5
Tempo Sewa Rumah Sampel Penelitian
Tempo Sewa (Bulan) Jumlah Persentase (%)
12 35 88
24 5 12
Jumlah 40 100%
Sumber : Data Primer, 2019
Tabel 5.5 memberikan informasi bahwa terdapat dua tipe tempo sewa yang diterapkan pada rumah di perumahan formal kawasan Kecamatan Medan Helvetia, yaitu tempo 12 bulan atau tempo 24 bulan. Pada umumnya, tempo sewa yang diterapkan pada perumahan adalah pada tempo sewa 12 bulan (88%) dan sisanya sebanyak 12% pada tempo 24 bulan. Pada penelitian ini, tempo sewa menjadi variabel dummy dengan dasar analisis adalah tempo sewa 12 bulan (0 = 12 bulan; 1 = 24 bulan).
5.1.2.6 Data Observasi Menurut Motivasi Kepemilikan Rumah
Dari data observasi yang berjumlah 40 data rumah sewa pada komplek perumahan pada penelitian ini, dapat diperoleh gambaran masing-masing tentang motivasi kepemilikan rumah, dimana sebagian besar data obsevasi sebanyak 72,5% memiliki motivasi kepemilikan untuk berinvestasi dengan jumlah 29 unit rumah, kemudian data obsevasi sebanyak 27,5% memiliki motivasi kepemilikan bukan untuk berinvestasi dengan jumlah 11 unit rumah. Gambaran data motivasi kepemilikan rumah pada sampel penelitian dapat dilihat pada Table 5.6:
Tabel 5.6
Motivasi Kepemilikan Rumah Sampel Penelitian
Jenis Motivasi Jumlah Persentase (%)
Investasi 29 72,5
Non Investasi 11 27,5
Jumlah 40 100%
Sumber : Data Primer, 2019
Tabel 4.6 memberikan informasi bahwa mayoritas dari kepemilikan rumah di perumahan wilayah Kecamatan Medan Helvetia adalah sebagai investasi (73%). Banyak dari pemilik menjadikan rumahnya sebagai investasi dimana rumah tersebut akan dapat dijual kembali atau disewakan sebagai sumber uang masuk bagi pemilik.
5.1.2.7 Data Observasi Menurut Fasilitas Bangunan Rumah (Garasi)
Berdasarkan pengamatan lapangan yang dari data observasi yang berjumlah 40 data rumah sewa pada komplek perumahan pada penelitian ini, dapat diperoleh gambaran masing-masing yang memiliki fasilitas bangunan rumah yaitu garasi yaitu dimana sebagian besar data obsevasi sebanyak 55%
memiliki fasilitas bangunan rumah yaitu garasi dengan jumlah 22 unit rumah,
kemudian data obsevasi sebanyak 45% tidak memiliki fasilitas bangunan rumah yaitu garasi dengan jumlah 18 unit rumah. Gambaran data fasilitas bangunan rumah (garasi) pada sampel penelitian dapat dilihat pada Table 5.7:
Tabel 5.7
Fasilitas Bangunan Rumah (Garasi) Sampel Penelitian
Fasilitas Rumah (Garasi) Jumlah Persentase (%)
Garasi 22 55
Non-garasi 18 45
Jumlah 40 100%
Sumber : Data Primer, 2019
Tabel 5.7 memberikan informasi bahwa ketersediaan fasilitas garasi di perumahan wilayah Kecamatan Medan Helvetia relatif berimbang, dimana 55%
dari perumahan yang menjadi sampel penelitian ini memiliki fasilitas garasi dan sisanya sebanyak 45% belum memiliki garasi. Garasi dapat menjadi faktor penting dalam keputusan penyewaan dan harga sewa yang mengarah pada kapitalisasi nilai perumahan dimana garasi sudah menjadi kebutuhan bagi kalangan tertentu.
5.1.2.8 Data Observasi Menurut Capitalization Rate
Tingkat kapitalisasi dalam penelitian ini merupakan persentase tertentu yang digunakan untuk mengkonversi perkiraan pendapatan pada masa yang akan datang menjadi perkiraan nilai pasarnya, atau merupakan rasio antara pendapatan bersih operasi terhadap nilai pasarnya. Nilai kapitalisasi ini dihitung berdasarkan perbandingan antara tingkat pendapatan bersih dari sewa rumah (NOI) terhadap nilai pasar atau harga jual pasar wajar dari rumah tersebut (market value).
Tingkat kapitalisasi dari rumah di perumahan Kecamatan Medan Helvetia tersebar mulai dari 0,62% per tahun hingga 3,99% per tahun. Rentang kapitalisasi tersebut mencapai 3,37%. Rata-rata tingkat kapitalisasi nilai perumahan dalam
penelitian ini adalah 2,07% per tahun. Secara terperinci, data ini disajikan dalam lampiran penelitian. Untuk kepentingan analisis, distribusi kapitalisasi nilai rumah pada sampel penelitian dirangkum dengan menggunakan distribusi frekuensi.
Jumlah kelas pada distribusi frekuensi ditentukan dengan mengikuti aturan:
dengan jumlah data sebanyak 40 unit, diperoleh jumlah kelas sebanyak 7 kelas (pembulatan). Sebaran data maksimum dengan minimum dari umur bangunan adalah sebesar 3,37% tahun dengan kapitalisasi minimal sebesar 0,62%
per tahun dan maksimum sebesar 3,99% per tahun. Dengan demikian, distribusi frekuensi dari kapitalisasi nilai rumah dapat dirangkum dalam Tabel 5.8.
Tabel 5.8
Capitalization Rate Sampel Penelitian
No Tingkat Kapitalisasi Jumlah Persentase (%)
1 0,62% s.d. 1,10% 3 7,50
Tabel 5.8 memberikan informasi bahwa tingkat kapitalisasi rumah di perumahan kawasan Medan Helvetia berkisar pada rentang 0,62% sampai dengan 3,99%. Secara rata-rata tingkat kapitalisasi rumah di perumahan formal dalam penelitian ini adalah 2,07%. Mayoritas dari tingkat kapitaliasi yang dicapai per tahun berada pada rentang 1,10% sampai dengan 1,59% per tahun yaitu sebanyak 10 unit rumah atau 25% dari sampel penelitian. Dengan selisih yang tidak jauh berbeda, tingkat kapitalisasi yang dicapai selanjutnya adalah pada rentang 2,07%
sampai dengan 2,55% dan antara 2,55% sampai dengan 3,03% per tahun, yaitu masing-masing sebanyak 9 unit atau 22,5% dari sampel penelitian. Dengan demikian, dapat dikatakan pula mayoritas dari kapitalisasi yang dicapai umumnya ada pada rentang 1,10 sampai dengan 3,03% per tahun.
5.1.3 Analisis Regresi Linear Berganda (Inferensial)
Analisis regresi linear berganda dalam penelitian ini akan dianalisis secara terstruktur mulai dari pengujian asumsi klasik untuk memastikan model yang dihasilkan dalam analisis regresi ini adalah model yang bersifat Best Linear Unbiassed Estimator. Setelah kriteria asumsi klasik terpenuhi, analisis dilakukan
dengan melakukan analisis koefisien determinasi dan koefisien korelasi untuk melihat seberapa kuat dan seberapa besar peranan variabel bebas dalam memprediksi tingkat pencapaian capitalization rate dari perumahan di Kecamatan Medan Helvetia. Selanjutnya analisis akan dilakukan dengan pengujian secara serempak atas peranan dari seluruh variabel bebas dalam memprediksi nilai variabel terikat dengan menggunakan uji-F. Uji-t dilakukan untuk mengevaluasi masing-masing pengaruh variabel bebas secara parsial terhadap variabel terikat.
Model regresi disusun berdasarkan koefisien regresi pada uji-t.
5.1.3.1 Pengujian Asumsi Klasik
Asumsi klasik dimaksudkan untuk memastikan estimasi dari model yang dilakukan tidak bias karena kesalahan-kesalahan yang terjadi pada data penelitian.
Dalam penelitian ini, asumsi klasik yang digunakan adalah pengujian normalitas, multikolinearitas, dan heterokedastisitas.
a) Uji Normalitas
Uji normalitas berguna untuk tahap awal dalam metode pemelihan analisis data. Jika data normal, gunakan statistik parametrik, dan jika tidak normal, gunakan statistik nonparametrik atau treatment agar data normal (Erlina, 2011).
Uji normalitas dimaksudkan untuk melihat sebaran residual data dalam regresi.
Apabila residual berdistribusi normal, hasil prediksi dalam model regresi akanmenghasilkan model yang mendekati keadaan sebenarnya. Uji normalitas dalam penelitian ini menggunakan statistik Kolmogorov-Smirnov yang lebih akuran dalam menilai normalitas sebaran data. Uji normalitas juga akan didukung dengan menggunakan grafik P-P Plot yang menggambarkan hubungan grafik antara nilai prediksi dan nilai sebenarnya. Dasar pengambilan keputusan pada Kolmogorov-Smirnov adalah nilai signifikansi uji tersebut. Apabila nilai
signifikansi (sig.) > 0,05 maka data berdistribusi normal, berlaku sebaliknya.
Dasar pengambilan keputusan pada grafik adalah sebaran yang mendekati garis diagonal menunjukkan sebaran data berdistribusi normal. Hasil pengujian normalitas resudial pada model penelitian dirangkum dalam Tabel 5.9 dan Gambar 5.x.
Normal Parametersa,b Mean 0E-7
Std. Deviation ,48098336
Asymp. Sig. (2-tailed) ,772 a. Test distribution is Normal.
b. Calculated from data.
Tabel 5.9 memberikan informasi bahwa nilai signifikansi dari pengujian normalitas dengan menggunakan uji Kolmogorv-Sminrnov adalah 0,772. Nilai signifikansi uji Kolmogorov-Smirnov > 0,05 yang mengindikasikan bahwa sebaran residual data penelitian berdistribusi normal. Untuk menghindari bias interpretasi, hasil ini didukung dengan menggunakan P-P Plot.
Gambar 5.2
P-P Plot Residual Model Regresi
Gambar 5.2 menunjukkan bahwa nilai observasi dan nilai prediksi (expected) seluruhnya tersebar mendekati garis diagonal. Hal ini mengindikasikan sebaran data mendukung asumsi normalitas data. Selain itu, untuk mendukung
asumsi normalitas ini, penelitian menyertakan sebaran histogram residual yang dirangkum dalam Gambar 5.3.
Gambar 5.3
Grafik Histogram Model Penelitian
Gambar 5.3 menunjukkan bahwa sebaran histogram dari residual data mengikuti pola sebaran distribusi normal yang semakin mendukung sebaran normalitas data residual model penelitian. Dengan demikian, berdasarkan temuan yang diperoleh berdasarkan pengujian normalitas data, asumsi normalitas data telah terpenuhi. Data residual model berdistribusi normal. Hal ini mengindikasikan bahwa model regresi dari hasil penelitian ini dapat digeneralisasi dengan baik pada populasi dengan sebaran residual (kesalahan estimasi) yang mengikuti distribusi normal.
b) Uji Multikolinearitas
Multikolinearitas merupakan kondisi dimana terjadi korelasi yang kuat
membuat prediksi model menjadi bias. Variabel bebas yang memiliki kolinearitas kuat menimbulkan persepsi bahwa antar variabel bebas saling mempengaruhi, atau bahkan sebenarnya dua variabel bebas tersebut adalah satu hal yang sama dengan dua persepsi yang berbeda. Oleh karena itu, model prediksi yang baik harus memastikan tidak terjadi masalah multikolinearitas dalam variabel bebas.
Pengujian multikolinearitas didasarkan pada nilai variance inflation factor (VIF) pada masing-masing variabel bebas penelitian. Nilai VIF yang dapat diterima adalah < 5,0 atau nilai toleransi korelasi (correlation tolerance) > 0,2 dengan kategori multikolinearitas ringan. Semakin rendah nilai VIF semakin tidak terlihat gejala kolinearitas antar variabel bebas tersebut. Hasil regresi pada model penelitian menunjukkan nilai VIF yang dirangkum dalam Tabel 5.10.
Tabel 5.10
Motivasi Kepemilikan ,969 1,032
Fasilitas ,847 1,181
a. Dependent Variable: Capitalization Rate
Tabel 5.10 memberikan informasi bahwa tidak terjadi masalah multikolinearitas antara variabel bebas penelitian dengan nilai VIF < 5,0 pada masing-masing variabel bebas. Data pada tabel menunjukkan bahwa tidak terjadi keterkaitan yang kuat antara luas bangunan (X1), umur bangunan (X2), tempo sewa (X3), motivasi kepemilikan (X4), dan fasilitas (X5) yang mampu membuat
Kecamatan Medan Helvetia. Dengan demikian, model regresi penelitian ini terbebas dari masalah multikolinearitas.
c) Uji Heterokedastisitas
Pengujian heterokedastisitas residual data dimaksudkan untuk mengetahui kesamaan sebaran dari varian residual tersebut. Kondisi yang diharapkan adalah nilai varian yang konstan yang disebut dengan homokedastisitas residual. Kondisi heterokedastisitas terjadi apabila varian dari residual data tidak konstan dan membentuk pola tertentu. Apabila residual tidak konstan, model regresi yang diperoleh akan menghasilkan bias dalam memprediksi variabel terikat. Pengujian heterokedastisitas residual dilakukan dengan menggunakan metode grafik dan metode statistik uji Glejser. Keputusan pada metode grafik didasarkan pada pola yang diperoleh dari residual. Diharapkan sebaran data tersebar merata dan tidak membentuk pola tertentu di sekitar titik nol. Uji Glejser dilakukan dengan melakukan regresi variabel bebas terhadap nilai absolut dari residual regresi.
Diharapkan tidak ada variabel bebas yang signifikan dalam memprediksi nilai absolut residual tersebut. Jika ada variabel yang signifikan mengindikasikan masalah heterokedastisitas residual data. Hasil pengujian asumsi heterokedastisitas data dirangkum dalam Tabel 5.11 dan Gambar 5.4.
Tabel 5.11
Tabel 5.11 menunjukkan bahwa tidak ada variabel yang signifikan terhadap nilai absolut residual dari model regresi yang dievaluasi. Hal ini mengindikasikan bahwa melalui uji Glejser tidak terjadi masalah heterokedastisitas residual. Residual bersifat homoskedastisitas yang mengindikasikan bahwa varian dari residual cenderung konstan dan tidak terpengaruh pola tertentu.
Gambar 5.4
Uji Heterokedastisitas Model Penelitian
Gambar 5.4 mendukung hasil uji Glejser yang mengindikasikan bahwa sebaran residual data bersifat homokedastisitas. Pada Gambar 5.4 terlihat bahwa sebaran data residual menyebar dan tidak terpusat serta tidak membentuk pola tertentu.
Dengan demikian, baik secara grafik maupun secara statistik, data pada model regresi terbebas dari masalah heterokedastisitas data.
5.1.3.2 Model Persamaan Regresi
Asumsi klasik model regresi telah terpenuhi dengan tidak ada kendala. Hal ini mengindikasikan bahwa model prediksi dari model regresi sudah memenuhi kriteria BLUE (best, linear, unbiased estimate). Prediksi model sudah mendekati keadaan sebenarnya. Hasil regresi dari model penelitian dievaluasi dengan melihat kontribusi prediksi variabel bebas dalam menjelaskan variabel terikat melalui nilai koefisien determinasi adjusted R-square, signifikansi prediksi secara serempak melalui F-test pada ANOVA, serta besarnya pengaruh masing-masing variabel bebas terhadap terikat melalui koefisien regresi.
Tabel 5.12
a. Predictors: (Constant), Fasilitas, Umur Bangunan, Motivasi Kepemilikan, Tempo Sewa, Luas Bangunan
b. Dependent Variable: Capitalization Rate
Tabel 5.12 memberikan informasi tentang kemampuan prediksi regresi dalam menjelaskan kinerja internal auditor. Nilai koefisien korelasi R sebesar 0,953 mengindikasikan adanya hubungan yang sangat kuat antara variabel bebas terhadap tingkat capitalization rate dari perumahan di Kecamatan Medan Helvetia. Nilai adjusted R-square pada model penelitian mengindikasikan bahwa variabel bebas luas bangunan (X1), umur bangunan (X2), tempo sewa (X3), motivasi kepemilikan (X4), dan fasilitas (X5) mampu menjelaskan 89,5% variansi data pada variabel terikat tingkat kapitalisasi perumahan di Kecamatan Medan Helvetia (Y). Selebihnya, sebanyak 10,5% variansi data pada tingkat kapitasisasi
seperti faktor lokasi perumahan, akses ke pasar, serta minat konsumen terhadap
b. Predictors: (Constant), Fasilitas, Umur Bangunan, Motivasi Kepemilikan, Tempo Sewa, Luas Bangunan
Tabel 5.12 memberikan informasi bahwa secara bersama-sama variabel bebas luas bangunan (X1), umur bangunan (X2), tempo sewa (X3), motivasi kepemilikan (X4), dan fasilitas (X5) mampu mempengaruhi secara signifikan terhadap tingkat kapitalisasi perumahan di Kecamatan Medan Helvetia.
Keputusan ini diperoleh berdasarkan nilai hitung yang lebih besar daripada F-tabel, atau melalui nilai signifikansi F-test yang lebih kecil dari 0,05 (Sig F <
0,001). Dengan demikian, variabel luas bangunan (X1), umur bangunan (X2), tempo sewa (X3), motivasi kepemilikan (X4), dan fasilitas (X5) adalah benar bersifat sebagai prediktor untuk tingkat kapitalisasi perumahan di Kecamatan Medan Helvetia.
Motivasi
Kepemilikan ,501 ,185 ,143 2,704 ,011
Fasilitas ,382 ,177 ,122 2,155 ,038
a. Dependent Variable: Capitalization Rate
Tabel 5.13 merangkum koefisien regresi untuk model penelitian.
Tabel 5.13 merangkum koefisien regresi untuk model penelitian.