Estimasi untuk mengetahui pengaruh Variabel bebas (independent Variabel) terhadap Variabel terikat (dependent Variabel) dilakukan dengan model lin log terhadap model regresi linear berganda. Hasil perhitungan estimasi untuk permintaan mobil di Kota Medan adalah sebagai berikut:
Y4t = - 8,100 - 0,180X1Dt – 0,247X2Dt + 0,449X3Dt + 1,142X4Dt – 0,067DDt T* = (-2,434) (-2,413) (2,997) (7,837) (-1,550)
(0,019)*** (0,020)*** (0,004)*** (0,000)*** (0,129)
R2 = 0,833 F-Statistik = 43,764 DW = 1,769
Keterangan :
Y4t = Permintaan Mobil Merek Daihatsu di Kota Medan (Unit) X1Dt = Pendapatan Responden Mobil Merek Daihatsu (Rp/bulan) X2Dt = Harga Mobil Pribadi Responden Merek Daihatsu (Rp/unit) X3Dt = Pajak Mobil Pribadi Responden Merek Daihatsu (Rp/tahun) X4Dt = Harga bbm Mobil Pribadi Responden Merek Daihatsu (Rp/liter) DDt = SeleraResponden Mobil Merek Daihatsu (Jenis Transportasi Darat) D = 1 (Mobil secara umum)
D = 0 (Non mobil/transportasi darat lain diluar mobil) *** = berpengaruh signifikan pada α : 0,05
4.3.5.2. Hasil Pembahasan
Berdasarkan hasil estimasi diperoleh hasil R2 = 0,814 yang bermakna
bahwa variasi pendapatan, harga mobil, pajak mobil, bbm dan selera mampu menjelaskan variasi permintaan mobil di Kota Medan sebesar 81,4 % dan sisanya sebesar 18,6 % dijelaskan oleh Variabel lain yang tidak dimasukkan dalam model estimasi.
Uji serempak digunakan untuk menguji signifikansi dari model penelitian, dilakukan dengan cara membandingkan nilai F-tabel dengan F-hitung untuk Degree of Freedom pada pengujian F adalah v1 = ((k – 1) = 5-1 = 4) dan v2 = (n- k) = (50 – 5) = 45), dijumpai F-tabel; pada α = 0,05 sebesar 2,61 Kriteria Uji : F-hitung > F α (k-1, n-k), maka tolak H0
F-hitung < F α (k-1, n-k), maka terima H0
Jika H0 ditolak berari minimal ada satu Variabel bebas yang berpengaruh nyata terhadap Variabel tidak bebas, dan sebaliknya jika H0 diterima berarti tidak ada satupun Variabel bebas yang berpengaruh nyata terhadap Variabel tidak bebas.Semakin besar nilai F-hitung maka semakin kuat bukti bahwa terdapat minimal salah satu Variabel bebas yang berpangaruh nyata terhadap keragaman dari Variabel tidak bebas.
Dari hasil estimasi diperoleh nilai F-statistik diperoleh 43,764 lebih besar dari F0,05(2,61), ini berarti secara bersama-sama (pendapatan, harga mobil, pajak mobil, bbm dan selera) dapat mempengaruhi permintaan mobil kususnya merek Daihatsu secara signifikan di Kota Medan dengan tingkat keyakinan minimal 95%.
Pengujian secara parsial digunakan untuk menguji signifikansi dari masing-masing Variabel terikat, dilakukan dengan cara membandingkan nilai t- hitung dengan nilai t-tabel, pada jumlah sampel (n) = 50, Variabel bebas (k) = 5. Kuotsoyiannis, (1981) menjelaskan bahwa besarnya k adalah Variabel bebas termasuk konstanta, dengan demikian k = 5, maka degree of freedom (df) = 50 – 5 = 45, pada df = 45 dijumpai t-tabel pada pengujian α = 0,05 sebesar 1, 679. Kriteria Uji :
t- hitung> tα/2(n-k), maka tolak H0 t-hitung< tα/2(n-k), maka terima H0
Jika H0 ditolak dalam kriteria uji-t berarti Variabel bebas berperngaruh nyata terhadap Variabel tidak bebas dan sebaliknya jika H0 diterima berarti Variabel bebas tidak berpengaruh nyata terhadap Variabel tidak bebas. Semikin besar nilai t-hitung maka akan semakin kuat bukti bahwa Variabel tersebut signifikan secara statistic.
Untuk pendapatan, berdasarkan hasil estimasi diperoleh hasil uji t-statistik menunjukkan bahwa t-hitung sebesar -2,434, sedangkan t-tabel 1,679.Karena t- hitung > t-tabel maka Ho ditolak, artinya Variabel pendapatan berpengaruh secara signifikan terhadap Variabel permintaan mobil kususnya merek Daihatsu di Kota Medan pada tingkat keyakinan 95%.Koefisien regresi harga mobil diperoleh - 0,180 artinya apabila pendapatan menurun sebesar 1 %, cateris paribus, maka akan meningkatkan permintaan mobil khsusnya merek Daihatsu di Kota Medan sebesar 0,180%.
Untuk harga mobil, berdasarkan hasil estimasi diperoleh hasil uji t-statistik menunjukkan bahwa t-hitung sebesar -2,413, sedangkan t-tabel 1,679.Karena t-
hitung > t-tabel maka H0 ditolak, artinya Variabel harga mobil berpengaruh secara signifikan terhadap Variabel permintaan mobil kususnya merek Daihatsu di Kota Medan pada tingkat keyakinan 95%. Koefisien regresi harga mobil diperoleh - 0,247 artinya apabila harga mobil khususnya merek Daihatsu menurun sebesar 1 %, cateris paribus, maka akan meningkatkan permintaan mobil khsusnya merek Daihatsu di Kota Medan sebesar 0,247%.
Untuk pajak mobil, berdasarkan hasil estimasi diperoleh hasil uji t-statistik menunjukkan bahwa t-hitung sebesar 2,997 sedangkan t-tabel 1,679.Karena t- hitung > t-tabel maka H0 diterima, artinya Variabel pajak mobil berpengaruh secara signifikan terhadap Variabel permintaan mobil kususnya merek Daihatsu di Kota Medan pada tingkat keyakinan 95%. Koefisien regresi pajak mobil diperoleh 0,449 artinya apabila bbm naik 1 %, cateris paribus, maka akan meningkatkan permintaan mobil kususnya merek Daihatsu di Kota Medan sebesar 0,449 %.
Untuk bbm, berdasarkan hasil estimasi diperoleh hasil uji t-statistik menunjukkan bahwa t-hitung sebesar 7,837 sedangkan t-tabel 1,679.Karena t- hitung > t-tabel maka H0 ditolak, artinya Variabelbbm berpengaruh secara signifikan terhadap Variabel permintaan mobil khususnya merek Daihatsu di Kota Medan pada tingkat keyakinan 95%. Koefisien regresi bbm diperoleh 1,142 artinya apabila bbm naik 1 %, cateris paribus, maka akan meningkatkan permintaan mobil khususnya merek Daihatsu di Kota Medan sebesar 1,142 %.
Untuk selera, berdasarkan hasil estimasi diperoleh hasil uji t-statistik menunjukkan bahwa t-hitung sebesar -1,550 sedangkan t-tabel 1,679.Karena t- hitung < t-tabel maka H0 diterima, artinya Variabel selera tidak berpengaruh
secara signifikan terhadap Variabel permintaan mobil khususnya merek Daihatsu di Kota Medan.
Untuk variabel pendapatan responden mobil merek Daihatsu berpengaruh negatif signifikan terhadap permintaan mobil di Kota Medan. Hal ini tidak sesuai dengan penelitian (Rositta, 2001) yang menyatakan bahwa pendapatan berpengaruh positif signifikan terhadap permintaan mobil bekas di Kotamadya Medan, juga dalam penelitian (Marsito, 2007) yang menyatakan bahwa pendapatan berpengaruh positif signifikan terhadap permintaan mobil pribadi di SUMUT pada tingkat kepercayaan 99%, serta dalam penelitian (Budiarto, 2013) yang menyatakan pendapatan berpengaruh positif signifikan terhadap permintaan sepeda motor di Kota Semarang.Menurut teori penyebab berubahnya permintaan dalam perubahan pendapatan konsumen, ada beberapa barang jenis lainnya yang justru permintaanakan turun, dengan adanya kenaikan pendapatan konsumen.Barang semacam ini digolongkan ke dalam jenis barang inferior.
Sedangkan variabel harga mobil sesuai dengan penelitian (Marsito, 2007) yang menyatakan bahwa harga mobil pribadi berpengaruh negatif signifikan terhadap permintaan mobil di SUMUT pada tingkat kepercayaan 99 % dan Sukirno (2003),dalam tulisannya bahwa hukum permintaan pada hakikatnya merupakan hipotesis yang menyatakan bahwa makin rendah harga suatu barang maka makin banyak permintaan terhadap barang tersebut.Sebaliknya, makin tinggi harga suatu barang maka makin sedikit permintaan terhadap barang tersebut.Sehingga hubungan antara harga mobil dengan permintaan mobil itu sendiri sangatlah jelas. Kenaikan harga mobil akan mempengaruhi berkurangnya
tingkat permintaan mobil dan penurunan harga mobil akan meningkatkan permintaan mobil.
4.3.5.3. Uji Penyimpangan Asumsi Klasik 1. Normalitas
Salah satu cara untuk menentukan apakah data berdistribusi normal atau tidak dengan menggunakan rasio skewness dan rasio kurtosis. Rasio skewness adalah nilai skewness dibagi dengan standard error skewness.Rasio kurtosis adalah nilai kurtosis dibagi dengan standard error kurtosis. Dengan kata lain, bila rasio kurtosis dan skewness berada diantara -2 hingga 2 maka distribusi data adalah normal.
Tabel 4.20. Hasil Uji Normalitas Mobil Merek Daihatsu
Skewness Kurtosis
Statistik Std. Error Statistik Std. Error Unstandardized Residual -0,896 0,337 0,992 0,662
Sumber : Hasil pengolahan data 2015, Lampiran 17
Dari hasil analisis terlihat bahwa rasio skewness = - 0,896 / 0,337 = - 2,658 penyimpangannya tidak terlalu besar dari – 2 (hanya selisih 0,33) sedangkan rasio kurtosis = 0,992 / 0,662 = 1,498 maka dapat disimpulkan bahwa distribusi data adalah normal.
2. Multikolinearitas
Uji multikolinearitas adalah bertujuan untuk mengetahui apakah terdapat korelasi yang cukup besar antara sesame Variabel bebas (x). Korelasi yang terlalu tinggi antar sesama X akan berpengaruh pada menurunnya korelasi secara simultan terhadap Variabel Y. Untuk mendeteksi terjadinya multicolinearity dapat dilakukan dengan salah satu cara yaitu dengan uji Vif (Variance Inflation Factor). Pada uji Vif yaitu dengan melihat apakah nilai Vif untuk masing-masing Variabel
lebih besar dari 10 atau tidak.Bila nilai Vif lebih besar dari 10 maka diidentifikasikan model tersebut memiliki multikolinearity, begitu juga sebaliknya.
Tabel 4.21. Hasil Uji Multikolinearitas Mobil Merek Daihatsu
Variabel Tolerance VIF
Pendapatan 0,498 2,009
Harga Mobil Pribadi 0,160 6,249
Pajak Mobil 0,104 9,660
Harga bbm 0,323 3,099
Selera 0,666 1.501
Sumber : Hasil pengolahan data 2015, Lampiran 17
Dapat dilihat bahwa seluruh Variabel independen memiliki nilai Vif lebih kecil dari 10, maka dapat disimpulkan bahwa model regresi tidak memiliki masalah multicolinearity.
3. Autokorelasi
Untuk mengetahui ada tidaknya serial korelasi (autokorelasi), dapat dilakukan dengan metode Durbin Watson dimana bentuk hipotesisnya adalah sebagai berikut: H0 : p = 0, artinya tidak ada autokorelasi
H0 : p ≠ 0, artinya ada autokorelasi
Langkah selanjutnya adalah menetapkan nilai dl dan du, caranya adalah dengan menggunakan derajat kepercayaan atau α 5%, sampel (n) = 50 dengan Variabel independen sebanyak 5 maka diperoleh nilai dl yaitu 1,26 dan 1,69. Dari hasil uji autokorelasi diperoleh nilai DW sebesar 1,769
Gambar 4.4. Klasifikasi Keputusan Tabel Durbin Watson Mobil Merek Daihatsu
Autokorelasi pPositif Tidak ada Autokorelasi Autokorelasi negaif ? ? 0 dl du 4-du 4-dl 4 1,26 1,69 1,769 2,31
Dapat disimpulkan bahwa Ho diterima artinya tidak ada serial korelasi atau model tidak memiliki gejala serial serial korelasi.
4. Heterokedastisitas
Heterokedastisitas adalah suatu penyimpangan asumsi dalam bentuk varians estimasi yang dihasilkan oleh estimasi OLS tidak bernilai konstan. Salah satu cara uji heterokedastisitas yang dapat dilakukan adalah uji Glejser. Apabila Variabel bebas/independen secara statistic signifikan mempengaruhi residual maka model memiliki masalah heterokedastisitas, demikian juga sebaliknya apabila Variabel bebas/independen secara statistic tidak signifikan mempengaruhi residual maka model tidak memiliki masalah heterokedastisitas. Perhitungan uji Glejser dapat kita lihat sebagai berikut:
Tabel 4.22. Hasil Uji Heterokedastisitas Mobil Merek Daihatsu
Konstanta T-Statistik Sig
X1 0,000 1,000
X2 0,000 1,000
X3 0,000 1,000
X4 0,000 1,000
D 0,000 1,000
Sumber : Hasil pengolahan data 2015, Lampiran
Dari hasil estimasi dapat dilihat bahwa t-statistik tidak signifikan dimana untuk seluruh Variabel bebas nilai sig > α 0,05 mempengaruhi residual maka model bebas dari heterokedastisitas.
4.3.6. Rangkuman Hasil Estimasi Model ke 4 (empat) Persamaan Mobil