4.1. Data Penelitian
Data penelitian ini didapat dari survei lapangan yang menggunakan semua metode pengumpulan data original.
4.1.1. Deskripsi Identitas Responden
Berikut adalah deskripsi demografi responden yang meliputi jenis kos, jarak tempuh, harga sewa per bulan, luas kamar, posisi lantai kamar.
a. Jarak Tempuh
Berikut adalah data identitas responden berdasarkan jarak tempuh:
45
66 60 14
6
0 10 20 30 40 50 60 70
150-300m 301-450m 451-600m 601-750m 751-900m
Grafik 4.1. Identitas Responden Berdasarkan Jarak Tempuh
Berdasarkan grafik di atas diketahui bahwa mayoritas responden memilih kamar kos dengan jarak tempuh sekitar 301-450 meter. Rumah kos yang termasuk dalam jarak tempuh sekitar 301-450 meter sebagian besar meliputi daerah Siwalankerto Permai I blok A, Siwalankerto Timur, dan Siwalankerto VIII blok A, blok AA, blok B, dan blok C.
b. Harga Sewa Per Bulan
Berikut adalah data identitas responden berdasarkan harga sewa per bulan:
61
78
32
17
1 2
0 10 20 30 40 50 60 70 80 90
300rb- 600rb
601rb- 900rb
901rb- 1200rb
1201rb- 1500rb
1501rb- 1800rb
1801rb- 2100rb
Grafik 4.2. Identitas Responden Berdasarkan Harga Sewa Per Bulan
Berdasarkan grafik di atas diketahui bahwa mayoritas responden memilih kamar kos dengan harga sewa per bulan sekitar Rp.601.000, - Rp.900.000,.
Rumah kos yang memiliki harga sewa per bulan sekitar Rp.601.000, - Rp.900.000, sebagian besar berada di daerah Siwalankerto Raya, Siwalankerto VIII blok C, blok D, dan blok E.
c. Luas kamar
Berikut adalah data identitas responden berdasarkan luas kamar:
33 5
78 12
10 1
27 3
1 14 2
3 1 1
0 20 40 60 80 100
9m 12m2 14m2 16m2 18m2 24m2 30m2
Grafik 4.3. Identitas Responden Berdasarkan Luas Kamar
Berdasarkan grafik di atas diketahui bahwa mayoritas responden memilih kamar kos dengan luas kamar 12m2. Rumah kos yang memiliki luas kamar 12m2 sebagian besar berada di daerah Siwalankerto Raya, Siwalankerto Timur, Siwanlakerto VIII blok A, blok C, dan blok D.
d. Posisi Lantai Kamar
Berikut adalah data identitas responden berdasarkan posisi lantai kamar:
81 77
32
1 0
10 20 30 40 50 60 70 80 90
Lt.1 Lt.2 Lt.3 Lt.4
Grafik 4.4. Identitas Responden Berdasarkan Posisi Lantai Kamar
Berdasarkan grafik di atas diketahui bahwa mayoritas responden memilih kamar kos yang berada di lantai 1. Responden yang memilih kamar kos yang berada di lantai 1 sebagian besar berada di rumah kos yang berada di daerah Siwalankerto Raya, Siwalankerto Permai blok C, Siwalankerto Timur, dan Siwalankerto VIII blok AA, dan blok B.
e. Gender
Berikut adalah data identitas responden berdasarkan gender:
103 88
Khusus Pria Khusus Wanita
Grafik 4.5. Identitas Responden Berdasarkan Gender
Berdasarkan grafik di atas dapat dijelaskan bahwa 103 responden menghuni kamar kos khusus putra, sedangkan 88 responden menghuni kamar kos khusus putri.
4.2. Uji Asumsi Klasik 4.2.1. Uji Multikolinieritas
Dengan menggunakan bantuan program SPSS 12.0 (Statistical Product and Service Solutions), pendeteksian adanya multikolinieritas dapat dilihat dari besaran VIF (Variance Inflation Factor) dan Tolerance. Menurut Ghozali (2001 : 57) Nilai cutoff (titik kritis) yang umum dipakai adalah nilai tolerance 0.10 atau sama dengan nilai VIF sama dengan 10. Dari hasil pengujian hipotesis diperoleh hasil seperti pada tabel di bawah ini:
Tabel 4.1. Uji Multikolinieritas
Coefficientsa
.732 1.367
.972 1.029
.969 1.032
.926 1.079
.743 1.346
jarak tempuh luas kamar posisi kamar fasilitas gender Model
1
Tolerance VIF Collinearity Statistics
Dependent Variable: harga sewa per bulan a.
Dari tabel di atas terlihat angka VIF untuk semua variabel berada di bawah angka 10. Dengan demikian dapat disimpulkan model regresi tersebut tidak terdapat problem mulitkolinieritas.
4.2.2. Uji Heteroskedastisitas
Model regresi yang baik adalah tidak terjadi heteroskedastisitas. Dasar pengambilan keputusan uji heteroskedastisitas adalah:
• Jika ada pola tertentu, seperti titik-titik yang ada membentuk suatu pola tertentu yang teratur (bergelombang, melebar kemudian menyempit), maka telah terjadi heteroskedastisitas.
• Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.
-2 0 2 4 6 8 10
Regression Standardized Predicted Value
-2 0 2 4 6
Regression Studentized Residual
Dependent Variable: harga sewa per bulan Scatterplot
Grafik 4.6. Scatterplot Uji Heteroskedastisitas
Dari grafik di atas, terlihat titik-titik menyebar secara acak, tidak membentuk suatu pola tertentu yang jelas, serta tersebar baik di atas maupun di bawah angka 0 pada sumbu Y. Hal ini berarti tidak terjadi heteroskedastisitas pada model regresi, sehingga model regresi layak dipakai untuk prediksi harga sewa per bulan berdasar masukan variabel bebasnya.
4.2.3. Uji Normalitas
Deteksi dengan menggunakan penyebaran data (titik) pada sumbu diagonal dari grafik. Dasar pengambilan keputusan uji normalitas adalah:
• Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal, maka model regresi memenuhi asumsi normalitas.
• Jika data menyebar jauh dari garis diagonal atau tidak mengikuti arah garis diagonal, maka model regresi tidak memenuhi asumsi normalitas.
0.0 0.2 0.4 0.6 0.8 1.0
Observed Cum Prob
0.0 0.2 0.4 0.6 0.8 1.0
Expected Cum Prob
Dependent Variable: harga sewa per bulan Normal P-P Plot of Regression Standardized Residual
Grafik 4.7. Normal P-P Plot Uji Normalitas
Dari grafik di atas, terlihat titik-titik menyebar di sekitar garis diagonal, serta penyebarannya mengikuti arah garis diagonal. Sehingga dapat disimpulkan bahwa model regresi ini layak digunakan untuk predeksi harga sewa per bulan berdasar masukan variabel bebasnya.
4.2.4. Uji Autokorelasi
Secara umum, dasar pengambilan keputusan untuk uji autokorelasi adalah:
• Angka D-W di bawah -2 berarti ada autokorelasi positif.
• Angka D-W di antara -2 sampai +2, berarti tidak ada autokorelasi.
• Angka D-W di atas +2 berarti ada autokorelasi negatif.
Tabel 4.2. Uji Autokorelasi (Durbin-Watson)
Model Summary(b)
Model Durbin-Watson
1 .960(a)
Dari tabel di atas, terlihat angka Durbin-Watson sebesar 0,96. Dapat disimpulkan bahwa pada model regresi yang diuji tidak terdapat masalah autokorelasi.
4.3. Analisa Regresi Linier Berganda
Dalam penelitian ini metode statistik yang digunakan adalah analisis regresi linier berganda, uji koefisien regresi secara serempak, dan uji hipotesis secara parsial. Untuk mengolah data digunakan alat bantu komputer dengan program SPSS 12.0 (Statistical Product and Service Solutions).
Dari hasil analisis regresi diperoleh nilai korelasi (R) sebesar 0,617 mendekati nilai 1, hal ini menunjukkan korelasi yang kuat antara variabel jarak tempuh, luas kamar, posisi lantai kamar, fasilitas, dan gender dengan harga sewa.
Sedangkan nilai koefisien determinasi (adjusted R Square) sebesar 0,364. Hal ini menunjukkan bahwa variabel jarak tempuh, luas kamar, posisi lantai kamar, fasilitas, dan gender memberikan kontribusi terhadap harga sewa sebesar 36,4%, sedangkan sisanya sebesar 63,6% merupakan kontribusi dari variabel lainnya.
Untuk lebih jelasnya dapat dilihat Tabel 4.3 berikut:
Table 4.3. Model Summary
Model Summary
.617a .381 .364 233377.160
Model 1
R R Square
Adjusted R Square
Std. Error of the Estimate
Predictors: (Constant), gender, luas kamar, posisi kamar, fasilitas, jarak tempuh
a.
4.3.1. Uji Koefisien Regresi Secara Serempak (Uji F)
Uji F digunakan untuk mengetahui apakah secara simultan pengaruh variabel bebas terhadap variabel terikat signifikan atau tidak. Jika hasilnya signifikan, maka H0 ditolak dan H1 diterima. Sedangkan jika hasilnya tidak signifikan, maka H0 diterima dan H1 ditolak. Hal ini dapat juga dikatakan sebagai berikut :
H0 ditolak jika F hitung > F tabel atau sig. < 0,05 H0 diterima jika F hitung ≤ F tabel atau sig. ≥ 0,05 Hal tersebut dapat dilihat pada tabel berikut ini :
Tabel 4.4. Pengaruh Variabel Bebas Terhadap Variabel Terikat Secara Simultan
ANOVAb
6198872802864 5 1239774560573 22.763 .000a 10076006254727 185 54464898674.20
16274879057592 190 Regression
Residual Total Model 1
Sum of Squares df Mean Square F Sig.
Predictors: (Constant), gender, luas kamar, posisi kamar, fasilitas, jarak tempuh a.
Dependent Variable: harga sewa per bulan b.
Berdasarkan tabel di atas diperoleh hasil F hitung sebesar 22,763 dengan nilai signifikansi 0.000. Karena nilai sig < 0.05 maka dapat dinyatakan bahwa variabel bebas yaitu jarak tempuh, luas kamar, posisi lantai kamar, fasilitas, dan gender secara serempak berpengaruh signifikan terhadap variabel terikat yaitu nilai sewa kamar kos.
4.3.2. Pengujian Hipotesis Secara Parsial (Uji t)
Uji t digunakan untuk mengetahui apakah masing-masing variabel bebas secara parsial mempunyai pengaruh yang signifikan terhadap variabel terikat.
Jika hasilnya signifikan, maka H0 ditolak dan H1 diterima. Sedangkan jika hasilnya tidak signifikan, maka H0 diterima dan H1 ditolak. Hal ini dapat juga dikatakan sebagai berikut :
H0 ditolak jika t hitung > t tabel atau sig. < 0,05 H0 diterima jika t hitung ≤ t tabel atau sig ≥ 0,05 Hal tersebut dapat dilihat pada tabel berikut ini :
Tabel 4.5. Pengaruh Variabel Bebas Terhadap Variabel Terikat Secara Parsial
Coefficientsa
302646.2 90765.675 3.334 .001
-168.907 128.368 -.089 -1.316 .190
30661.861 3288.926 .547 9.323 .000
-3722.754 23083.798 -.009 -.161 .872
228279.9 67316.203 .204 3.391 .001
-84233.3 39308.029 -.144 -2.143 .033
(Constant) jarak tempuh luas kamar posisi kamar fasilitas gender Model
1
B Std. Error Unstandardized
Coefficients
Beta Standardized
Coefficients
t Sig.
Dependent Variable: harga sewa per bulan a.
Dari tabel di atas dapat dilihat bahwa secara parsial variabel jarak tempuh, posisi lantai kamar tidak mempunyai pengaruh yang signifikan terhadap harga sewa kamar kos, karena mempunyai nilai signifikansi ≥ 0.05. Sedangkan luas kamar, fasilitas, gender mempunyai pengaruh yang signifikan terhadap harga sewa kamar kos di Siwalankerto, karena mempunyai nilai signifikansi < 0.05.
Dari pengolahan data tersebut maka diperoleh persamaan regresi linier berganda sebagai berikut :
Y = 302.646,2 + (-168,907)(X1.1) + 30.661,861(X2.1) + (-3.722,754)(X2.2) + 228.279,9(D3) + (-84.233,3)(D4)
Dengan makna atau penjelasan dari masing-masing koefisien regresi tersebut adalah sebagai berikut :
1. Nilai konstanta (ßo) sebesar 302.646,2 menunjukkan besarnya harga sewa apabila jarak tempuh, luas kamar, posisi lantai kamar, fasilitas dan gender nilainya nol. Artinya apabila pengaruh lima variabel tersebut tidak berubah maka harga sewa adalah sebesar Rp. 302.646,2.
2. Koefisien regresi untuk variabel jarak tempuh adalah sebesar (-168,907), artinya apabila nilai dari empat variabel lainnya adalah nol, maka pengaruh variabel jarak tempuh terhadap harga sewa adalah sebesar (-168,907).
Sehingga jika variabel jarak tempuh naik sebesar 1 meter, maka harga sewa akan mengalami penurunan sebesar Rp. 168,907.
3. Koefisien regresi untuk variabel luas kamar adalah sebesar 30.661,861, artinya apabila nilai dari empat variabel lainnya adalah nol, maka pengaruh variabel luas kamar terhadap harga sewa adalah sebesar 30.661,861. Sehingga jika variabel luas kamar naik sebesar 1 m2, maka harga sewa akan mengalami kenaikan sebesar Rp. 30.661,861.
4. Koefisien regresi untuk variabel posisi lantai kamar adalah sebesar (- 3.722,754), artinya apabila nilai dari empat variabel lainnya adalah nol, maka pengaruh variabel posisi lantai kamar terhadap harga sewa adalah sebesar (- 3.722,754). Sehingga jika variabel posisi lantai kamar naik sebesar 1 lantai, maka harga sewa akan mengalami penurunan sebesar Rp.3.722,754.
5. Koefisien regresi untuk variabel fasilitas adalah sebesar 228.279,9, artinya apabila nilai dari empat variabel lainnya adalah nol, maka kamar kos yang memiliki fasilitas standar akan lebih murah Rp. 228.279,9 daripada kamar kos yang memiliki fasilitas tidak standar.
6. Koefisien regresi untuk variabel gender adalah sebesar (-84.233,3), artinya apabila nilai dari empat variabel lainnya adalah nol, maka kamar kos putra akan lebih murah Rp.84.233,3 daripada kamar kos putri.
4.4. Pembahasan
Berdasarkan deskripsi data tentang demografi responden diperoleh suatu kesimpulan bahwa penyewa kamar di Siwalankerto memilih kamar dengan harga sewa rata-rata sekitar Rp.601.000,- -Rp.900.000,-.
Berdasarkan pada hasil analisis regresi linier berganda dengan menggunakan uji F, diketahui bahwa variabel jarak tempuh, luas kamar, posisi lantai kamar, fasilitas, dan gender secara bersama-sama akan mempengaruhi harga sewa kamar di Siwalankerto. Variabel jarak tempuh, luas kamar, posisi lantai kamar, fasilitas, dan gender memberikan kontribusi terhadap harga sewa sebesar 36,4%, sedangkan sisanya sebesar 63,6% merupakan kontribusi dari variabel lainnya.
Berdasarkan hasil uji t dapat diketahui bahwa secara parsial variabel jarak tempuh, posisi lantai kamar tidak mempunyai pengaruh yang signifikan terhadap harga sewa kamar. Sedangkan luas kamar, fasilitas, gender mempunyai pengaruh yang signifikan terhadap harga sewa kamar di Siwalankerto. Hal ini mengindikasikan bahwa meskipun jarak tempuh, posisi lantai kamar mempunyai kualitas yang semakin baik, tidak terlalu berpengaruh terhadap perubahan harga sewa kamar di Siwalankerto. Sedangkan variabel luas kamar, fasilitas, gender berpengaruh signifikan terhadap harga sewa kamar di Siwalankerto. Hal ini mengindikasikan bahwa apabila luas kamar semakin luas, maka harga sewa kamar akan mengalami kenaikan. Apabila fasilitas semakin bertambah, maka harga sewa kamar akan mengalami kenaikan. Untuk variabel gender, apabila pengaruh empat variabel lainnya adalah nol, maka kamar kos putri akan lebih mahal Rp.84.233,3 daripada kamar kos putra.
