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:
Y3t = -6,708 + 0,162X1Nt – 0,582X2Nt + 0,519X3Nt + 0,958X4Nt – 0,011DNt T* = (1,096) (-4,303) (4,032) (7,844) (-0,192)
(0,279) (0,000)*** (0,000)*** (0,000)*** (0,849)
R2 = 0,840 F-Statistik = 46,209 DW = 2,130
Keterangan :
Y3t = Permintaan Mobil Merek Nissan di Kota Medan (Unit) X1Nt = Pendapatan Responden Mobil Merek Nissan (Rp/bulan) X2Nt = Harga Mobil Pribadi Responden Merek Nissan (Rp/unit) X3Nt = Pajak Mobil Pribadi Responden Merek Nissan (Rp/tahun) X4Nt = Harga bbm Mobil Pribadi Responden Merek Nissan (Rp/liter) DNt = Selera Responden Mobil Merek Nissan (Jenis Transportasi Darat) D = 1 (Mobil secara umum)
D = 0 (Non mobil/transportasi darat lain diluar mobil) *** = berpengaruh signifikan pada α : 0,05
4.3.4.2. Hasil Pembahasan
Berdasarkan hasil estimasi diperoleh hasil R2 = 0,840 yang bermakna
menjelaskan variasi permintaan mobil di Kota Medan sebesar 84 % dan sisanya sebesar 16 % 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 46,209 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 Nissan 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 statistik.
Untuk pendapatan, berdasarkan hasil estimasi diperoleh hasil uji t-statistik menunjukkan bahwa t-hitung sebesar 1,096, sedangkan t-tabel 1,679.Karena t- hitung < t-tabel maka Ho ditolak, artinya Variabel pendapatan tidak berpengaruh secara signifikan terhadap Variabel permintaan mobil kususnya merek Nissan di Kota Medan pada tingkat keyakinan 95%.
Untuk harga mobil, berdasarkan hasil estimasi diperoleh hasil uji t-statistik menunjukkan bahwa t-hitung sebesar -4,303, 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 Nissan di Kota Medan pada tingkat keyakinan 95%. Koefisien regresi harga mobil diperoleh - 0,582 artinya apabila harga mobil khususnya merek Nissan menurun sebesar 1 %, cateris paribus, maka akan meningkatkan permintaan mobil khsusnya merek Nissan di Kota Medan sebesar 0,582%.
Untuk pajak mobil, berdasarkan hasil estimasi diperoleh hasil uji t-statistik menunjukkan bahwa t-hitung sebesar 4,032 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 Nissan di Kota Medan pada tingkat keyakinan 95%. Koefisien regresi pajak mobil diperoleh 0,519 artinya apabila bbm naik 1 %, cateris paribus, maka akan meningkatkan permintaan mobil kususnya merek Nissan di Kota Medan sebesar 0,519 %.
Untuk bbm, berdasarkan hasil estimasi diperoleh hasil uji t-statistik menunjukkan bahwa t-hitung sebesar 7,844 sedangkan t-tabel 1,679.Karena t- hitung > t-tabel maka H0 ditolak, artinya Variabelbbm berpengaruh secara signifikan terhadap Variabel permintaan mobil khususnya merek Nissan di Kota Medan pada tingkat keyakinan 95%. Koefisien regresi bbm diperoleh 0,958 artinya apabila bbm naik 1 %, cateris paribus, maka akan meningkatkan permintaan mobil khususnya merek Nissan di Kota Medan sebesar 0,958 %.
Untuk selera, berdasarkan hasil estimasi diperoleh hasil uji t-statistik menunjukkan bahwa t-hitung sebesar -0,192 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 Nissan di Kota Medan.
Hal ini 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
mobildengan permintaan mobil itu sendiri sangatlah jelas. Kenaikan harga mobil akan mempengaruhi berkurangnya tingkat permintaan mobil dan penurunan harga mobil akan meningkatkan permintaan mobil.
4.3.4.3. 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 4.17. Hasil Uji Normalitas Mobil Merek Nissan
Skewness Kurtosis
Statistik Std. Error Statistik Std. Error Unstandardized Residual -0,195 0,337 -0,418 0,662
Sumber : Hasil pengolahan data 2015, Lampiran15
Dari hasil analisis terlihat bahwa rasio skewness = - 0,195 / 0,337 = - 0,58 sedangkan rasio kurtosis = 0,418 / 0,662 = 0,63karena rasio skewness dan rasio kurtosis berada diantara -2 hingga 2 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 4.18. Hasil Uji Multikolinearitas Mobil Merek Nisan
Variabel Sig VIF
Pendapatan 0,274 3,650
Harga Mobil Pribadi 0,103 9.692
Pajak Mobil 0,101 9,913
Harga bbm 0,350 2,858
Selera 0,819 1.220
Sumber : Hasil pengolahan data 2015, Lampiran 15
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
Gambar 4.3. Klasifikasi Keputusan Tabel Durbin Watson Mobil Merek Nissan
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.
Tabel 4.19. Hasil Uji Heterokedastisitas Mobil Merek Nissan
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 15
Autokorelasi pPositif Tidak ada Autokorelasi Autokorelasi negaif ? ? 0 dl du 4-du 4-dl 4 1,26 1,69 2,130 2,31
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.
4.3.5. Untuk Mobil Merek Daihatsu