3.1. Jenis Penelitian dan Populasi Penelitian
Jenis penelitian yang digunakan adalah metode penelitian deskriptif yaitu salah satu penelitian konklusif yang mempunyai tujuan utama menjelaskan sesuatu atau menguraikan sesuatu dimana faktor Y merupakan properti yang dinilai dengan berdasar variabel-variabel X, yang merupakan faktor-faktor yang mempengaruhi nilai properti, yaitu faktor fisik, faktor lingkungan, dan faktor lokasi (Sunggono, 1997). Populasi dalam penelitian ini adalah rumah tinggal di dalam cluster-cluster yang baru dibangun dan yang sedang berkembang di Surabaya Barat yaitu Perumahan CitraRaya, Wisata Bukit Mas 2, Prambanan, Royal Residence.
3.2. Teknik Penarikan Sampel
Teknik penarikan sampel yang akan digunakan adalah judgement sampling, yang merupakan salah satu jenis purposive sampling, dimana peneliti memilih sampel berdasarkan penilaian terhadap beberapa karakteristik anggota sampel yang disesuaikan dengan tujuan penilaian (Kuncoro, 2003, p.119-120).
Sampel adalah bagian dari populasi yang karakteristiknya hendak diteliti (Djarwanto & Subagyo, 2000).
Dimana kriteria sampel yang akan diambil yaitu:
• Rumah tinggal yang berada di cluster yang ditransaksikan satu tahun terakhir.
• Rumah tinggal yang baru selesai tahap pembangunan.
Cluster-cluster tersebut adalah cluster Diamond Hill (CitraRaya) yang memiliki 5 tipe rumah antara lain Sun, Star, Sky, Sea, dan Shine. Cluster Palais du Louvre (Wisata Bukit Mas 2) yang memiliki 4 tipe rumah antara lain, Orley, New Vernet, Francis, dan Rivoli. Cluster The Kamadeva (Prambanan) yang memiliki 2 tipe rumah antara lain, Svast dan, Kanha. Cluster Balmoral (Royal Residence) yang memiliki 4 tipe rumah antara lain Sirius Hook, Astrid, Rigel, Scorpius dan Talitha.
Dalam penelitian ini terdapat beberapa faktor yang mempengaruhi nilai perumahan, diantaranya adalah sebagai berikut :
Variabel dependent:
Nilai properti yaitu nilai nominal rumah tinggal yang ditransaksikan dalam satu tahun terakhir
Variabel independent:
1. Konsep : Karakteristik Fisik Properti
Definisi operasional : faktor-faktor yang mempengaruhi properti yang diliat dari segi fisik bangunan.
a. Proxy : Luas tanah
Indikator empirik: meter persegi (m²) b. Proxy : Luas bangunan
Indikator empirik : meter persegi (m²)
c. Proxy : Waktu transaksi, merupakan waktu terbaru dimana properti ditransaksikan.
Indikator empirik : dengan dihitung mundur dari periode bulan penelitian yang mana adalah desember 2008.
d. Proxy : Carport
Indikator empirik : dengan menggunakan dummy variable
e. Proxy : Aksesbilitas yang merupakan jalan primer perumahan dan jalan sekunder perumahan
Dimana pengertian Jalan Primer adalah jalan didepan properti yang memiliki lebar diatas 6m. Jalan Sekunder adalah jalan didepan properti yang memiliki lebar dibawah 6m.
Indikator empirik : menggunakan dummy variable f. Proxy : Keadaan prasarana lingkungan
Ada tidaknya taman bermain, dan/atau sportcenter, dan/atau club house.
Indikator empirik : menggunakan dummy variable
g. Proxy : Ketersediaan air bersih Ada tidaknya air PDAM.
Indikator empirik : menggunakan dummy variable
2. Konsep: Faktor lingkungan
Definisi operasional : lingkungan sekitar yang dimulai dengan penjelasan yang riil dari karakteristik daerah tersebut.
a. Proxy : Sumber Polusi
Apakah properti dekat dengan sumber polusi udara, dan/atau polusi suara, dan/atau polusi elektromagnetik.
- Polusi udara. Kedekatan dengan TPA (Tempat Pembuangan Akhir)
- Polusi suara. Kedekatan dengan pusat keramaian (pusat kebisingan, yaitu jalan raya, bandara)
- Polusi elektromagnetik. Kedekatan dengan pusat tegangan listrik.
Indikator empirik : dekat berada di dalam radius 500m, jauh berada diluar radius 500m. Dengan menggunakan dummy variable.
b. Proxy : Status ekonomi
Merupakan target market properti, ekonomi bawah, ekonomi menengah atau ekonomi atas. Dimana terdapat beberapa kategori properti berdasarkan luasan tanahnya,
54 - 200 m² dikategorikan rumah sederhana, 200 - 600 m² dikategorikan rumah menengah, 600 - 2000 m² dikategorikan rumah mewah.
Indikator empirik : menggunakan dummy variable
3. Konsep : Lokasi
Definisi operasional : faktor-faktor yang mempengaruhi nilai properti yang dilihat dari segi lokasi.
Apakah terletak di posisi pojok (hook), ”tusuk sate”, atau dimanapun properti tersebut.
Indikator empirik : menggunakan dummy variable b. Proxy : Landscape views
Apakah properti tersebut memiliki pemandangan yang menambah nilai atau tidak.
Indikator empirik : menghadap lapangan golf dan/atau memiliki taman.
c. Proxy : Kedekatan dengan pintu masuk cluster. Seberapa jauh jarak yang ditempuh dari pintu masuk cluster tersebut.
Indikator empirik : meter (m).
3.4. Metode dan Prosedur Pengumpulan Data Jenis dan sumber data yang digunakan adalah : 1. Data Primer
Data-data dikumpulkan secara langsung dari observasi yang dilakukan di lapangan, di sekitar empat perumahan yang akan diteliti. Data-datanya yaitu waktu transaksi, ketersediaan carport, aksebilitas, keadaan prasarana lingkungan, sumber polusi, kedekatan dengan pintu masuk cluster.
Observasi adalah cara mengumpulkan data dengan mengamati atau mengobservasi obyek penelitian atau peristiwa atau kejadian baik berupa manusia, benda mati, maupun alam (Budiono & Koster, 2004, p.13).
2. Data Sekunder
Data yang diperoleh melalui dokumen atau catatan-catatan yang diberikan oleh pihak developer.
Datanya yaitu: Luas tanah, luas bangunan, ketersediaan air bersih, status ekonomi, letak properti, dan landscape views.
3.5. Teknik Analisa Data
Dalam penelitian ini menggunakan dummy variable, yang mana digunakan sebagai indikator empirik. Berikut merupakan dummy variable tersebut:
• Indikator empirik untuk carport :
Tabel 3.1 Variabel dummy Carport
carport indeks 1
ada 1
Tidak ada 0
• Indikator empirik untuk aksesbilitas
Tabel 3.2 Variabel dummy aksesbilitas
Aksesbilitas indeks 1
jalan primer 1
jalan sekunder 0
• Indikator empirik untuk prasarana lingkungan
Tabel 3.3 Variabel dummy prasarana lingkungan Prasarana lingkungan indeks 1
ada 1
Tidak ada 0
• Indikator empirik untuk ketersediaan air bersih
Tabel 3.4 Variabel dummy ketersediaan air bersih
PDAM indeks1
ada 1
Tidak ada 0
• Indikator empirik untuk sumber polusi
Tabel 3.5 Variabel dummy sumber polusi
Sumber polusi indek1
dekat 1
jauh 0
Tabel 3.6 Variabel dummy status ekonomi
• Indikator empirik untuk letak properti
Tabel 3.7 Variabel dummy letak properti Letak properti indeks 1 indeks 2
Persegi panjang 0 0
Hook 1 0
Tusuk sate 0 1
• Indikator empirik untuk landscape views
Tabel 3.8 Variabel dummy landscape views
Landscape views indeks 1
Ada 1
tidak ada 0
Penelitian ini menggunakan Regresi Linier Berganda, dimana memerlukan uji persyaratan yang sangat ketat. Uji persyaratan pada regresi liner ganda biasa disebut dengan istilah uji asumsi klasik. Dalam melakukan pengujian hipotesis dengan menggunakan statistik parametrik, khususnya dalam penggunaan statistik regresi linear berganda diperlukan persyaratan yang harus dipenuhi. Apabila persyaratan tersebut tidak memenuhi maka regresi linear berganda tidak dapat digunakan.
Status Ekonomi indeks 1 indeks 2
Ekonomi bawah 0 0
Ekonomi menengah 1 0
Ekonomi atas 0 1
Beberapa persyaratan yang perlu diuji sebelumnya diantaranya berupa uji linearitas garis regresi, uji multikolinearitas, uji autokorelasi, dan uji heteroskedastisitas.
Langkah-langkah yang harus dilakukan :
1. Pada model persamaan regresi linier berganda ada beberapa asumsi yang harus dipenuhi, penyimpangan asumsi klasik yang terjadi tersebut antara lain :
a) Autokorelasi
Autokorelasi merupakan korelasi antar anggota seri observasi, yang disusun menurut urutan waktu atau tempat/ruang, atau korelasi yang timbul pada dirinya sendiri. Berdasarkan konsep tersebut maka uji asumsi tentang autokorelasi sangat penting untuk dilakukan tidak hanya pada data time series saja, akan tetapi semua data yang diperoleh perlu diuji terlebih dahulu autokorelasinya apabila akan dianalisis dengan regresi linear berganda. Untuk mendeteksi ada atau tidaknya auto korelasi perlu dilakukan pengujian Durbin Watson (DW) dengan ketentuan sebagai berikut:
• Angka D-W dibawah -2 berarti ada autokorelasi positif.
• Angka D-W diantara -2 sampai dengan +2 berarti tidak ada autokorelasi.
• Angka D-W berada diatas +2 berarti ada autokorelasi negatif.
b) Multikolinearitas
Multikolinearitas berarti ada hubungan linier yang sempurna atau pasti diantara beberapa atau semua variabel independen dari model regresi. Cara pendeteksiannya adalah bila VIF (Variance Inflation factor) nilainya lebih kecil daripada 10 maka tidak akan terjadi
c) Heteroskesdasitas
Dalam uji heteroskedasitas, pengujian dilakukan dengan uji grafik scater plot, bila pada grafik scater plot titik menyebar secara acak baik diatas maupun di bawah angka nol pada sumbu y, maka dapat disimpulkan bahwa tidak terjadi heteroskedasitas pada suatu model regresi (Sulaiman, 2004, p.17).
d) Normalitas
Salah satu cara mengetahui kenormalitasan adalah dengan plot Probabilitas normal, dimana masing-masing nilai pengamatan dipasangkan dengan nilai harapan pada distribusi normal.
Normalitas terpenuhi apabila titik-titik (data) terkumpul di sekitar garis lurus (Sulaiman. 2004, p.17).
2. Melakukan uji F
Untuk menguji apakah faktor fisik, lingkungan, dan lokasi berpengaruh signifikan secara serempak terhadap nilai properti di perumahan Surabaya Barat, maka dilakukan uji F. Langkah-langkahnya antara lain:
a. Merumuskan hipotesis statistik
Ho : b1, b2, b3 = 0, berarti faktor fisik, lingkungan, dan lokasi tidak berpengaruh signifikan terhadap nilai properti.
Ha : b1, b2, b3≠ 0, berarti faktor fisik, lingkungan, dan lokasi berpengaruh signifikan terhadap nilai properti.
b. Menentukan level of significant (α) sebesar 5%
c. Menentukan besarnya F hitung dengan rumus:
F hitung =
∑ ∑
−
−
− ) /(
Ÿ) (
) 1 /(
Y) - (Ÿ
2 2
k n Y
k
Keterangan:
Y = Nilai pengamatan
Ÿ = Nilai Y yang ditaksir dengan model regresi n = jumalah pengamatan atau sampel
k = jumlah variabel independen
d. Membandingkan F hitung dengan F tabel
• Jika F hitung ≤ F tabel, maka tolak Ho
• Jika F hitung ≥ F tabel, maka gagal tolak Ho
3. Untuk menguji apakah faktor fisik, lingkungan, dan lokasi berpengaruh secara parsial terhadap nilai properti di perumahan Surabaya Barat.
Langkah-langkahnya antara lain:
a) Merumuskan hipotesa statistik
Ho : b1=0, berarti faktor fisik, lingkungan, dan lokasi tidak berpengaruh terhadap nilai properti.
H1 : b1≠0, berati faktor fisik, lingkungan, dan lokasi berpengaruh terhadap nilai properti.
b) Menentukan level of significant (α) sebesar 5%
c) Menentukan besarnya t hitung dengan cara : Thitung = bi- ( β i)
Se(bi) Keterangan:
Bi = Koefisien variabel ke-i
βi = Parameter ke-i yang dihipotesiskan se(bi) = Kesalahan standar bi
d) Menentukan daerah penilaian hipotesa
Apabila t hit < -t α/2,n atau t hit > t α/2, n maka kesimpulannya tolak Ho, sedangkan jika -t α/2,n ≤ t α/2 ≤ +-t α/2 maka kesimpulannya gagal tolak Ho.
Y = a+ ( b1,1X1,1 + b1,2X1,2 + b1,3X1,3 +...+ b1,7X1,7 ) + (b2,1X2,1 + b2,2X2,2 + b2,3X2,3 + b2,4X2,4) + (b3,1X3,1 + b3,2X3,2 + b3,3X3,3 ) + e
Keterangan:
Y = Nilai properti X1,1 = Luas tanah X1,2 = Luas bangunan X1,3 = Waktu transaksi X1,4 = Carport
X1,5 = Aksesibilitas
X1,6 = Keadaan prasarana lingkungan X1,7 = Ketersediaan air bersih
X2,1 = Sumber polusi udara (TPA)
X2,2 = Sumber polusi suara (Pusat keramaian) X2,3 = Sumber polusi elektromagnetik (sutet) X2,4 = Status Ekonomi
X3,1 = Letak Properti X3,2 = Landscape views
X3,3 = Kedekatan dengan pintu masuk cluster a = konstanta (intercept)
b = Slope atau kemiringan atau koefisien dari variabel bebas ke n e = Residual atau standart error
