Analisis dan Pembahasan
3.8 Analisis dan Pembahasan
Tahapan analisis dat a bert ujuan unt uk menghasilkan model persamaan ant ara variabel t erikat dengan variabel bebas. Variabel t erikat yang digunakan dalam model ini adalah t arikan pergerakan kendaraan ke hot el t ersebut , sedangkan variabel bebas yang digunakan adalah luas lahan, luas bangunan, luas parkir, t ot al jumlah kamar yang t ersedia, jumlah ruang rapat , dan luas maksimum ruang rapat . Dat a selengkapnya dapat dilihat pada t abel 4.7 berikut .
Tabel 4.7 Input Dat a Primer dan Dat a Sekunder
Luas M ax R. NO
Tarikan Pergerakan
Tot. Jml Kmr yg
Jml R. Rapat ke Hot el
Luas Lahan
Luas Bangunan
Luas Parkir
Rapat var
4.2.1 Koefisien Korelasi
Hasil pengujian korelasi ant ara variabel t erikat dengan variabel bebas dapat dilihat pada t abel 4.8 berikut .
Tabel 4.8 Koefisien Korelasi
Tarikan
Total Jum lah
Luas Jumlah
Luas
Korelasi
Pegerakan ke
Luas Lahan
Luas Parkir Kamar yang
M aksimum Ruang
Bangunan
Ruang Rapat Rapat Tarikan Pegerakan ke hot el
hot el
t ersedia
-0.271 0.945 0.753 Luas Lahan
-0.978 0.483 0.798 Luas Bangunan
-0.869 0.17 0.505 Luas Parkir
1 -0.414
1 0.612 -0.292 -0.469
Sum ber: Out put SPSS 16, lam piran D-1.
4.2.2 Bentuk M odel
Persamaan regresi dibuat dengan menggunakan nilai-nilai yang didapat dari hasil perhit ungan dengan bant uan program SPSS 16 dengan met ode St epw ise dan
met ode Ent er. M et ode St epw ise digunakan bila analisis regresi yang akan dilakukan secara bert ahap, yang t ujuannya adalah unt uk mencari predikt or yang dominan (variabel yang berpengaruh akan hilang). M et ode Ent er digunakan bila semua variabel bebas dimasukkan sebagai variabel predikt or dengan t idak memandang apakah variabel t ersebut berpengaruh at au t idak berpengaruh t erhadap variabel t erikat . Berikut ini adalah model persamaan yang didapat dari M et ode St epw ise dan Ent er .
Tabel 4.9 Alt ernat if bent uk model
M odel No
F M odel Stepw ise
R²
24.916 No M odel Enter
1 y = 35.904 + 0.019 X5
R²
1 y = 38.268 + 0.001 X3 + 0.03 X5 - 2.417 X6 1 - 2 y = 24.254 + 0.013 X5 + 3.244 X6
3 y = 23.189 + 0.008 X5 + 4.590 X6
21.672 4 y = 45.473 + 0.029 X5 - 2.369 X6
17.558 5 y = 35.904 + 0.019 X5
Sum ber: Output SPSS 16, lam piran D-5, D-6, D-12, D-13, D-16, D-17, D-18, D-19, D-24, D-25, D-30 dan D-31
Ket erangan: Y = Tarikan pergerakan kendaraan (smp/ jam) X3 = Luas Parkir (m²) X5 = Luas M aksimum Ruang Rapat (m²) X6 = Jumlah Ruang Rapat
Pada met ode Ent er, bent uk model pert ama dan kedua, nilai F t idak dapat dihit ung. Hal ini disebabkan nilai derajat kebebasannya adalah nol, sehingga hanya bent uk model ket iga, keempat dan kelima yang dapat dianalisis. Sedangkan pada met ode St epw ise bent uk model t ersebut dapat dianalisis lebih lanjut .
Hubungan masing-masing variabel bebas dan variabel t erikat dapat dilihat pada gambar 4.1 dan 4.2 berikut ini.
Gambar 4.1 Grafik Tarikan Pergerakan dengan Luas M aksimum Ruang Rapat
Gambar 4.2 Grafik Tarikan Pergerakan dengan Jumlah Ruang Rapat
Ket erangan Gambar: 1 = Hot el Sahid Jaya Solo
2 = Hot el Novot el Solo
3 = Hot el Ibis Solo
4 = Hot el Sunan Solo
5 = Hot el Lor In Solo
Dari gambar 4.1 dan 4.2 grafik t arikan pergerakan kendaraan dengan luas maksimum ruang rapat dan jum lah ruang rapat adalah linier.
4.2.3 Analisis Persamaan Regresi
Unt uk dapat menget ahui apakah persamaan regresi baik unt uk mengest imasi nilai variabel dependen, maka diperlukan analisis sebagai berikut .
4.2.3.1 Pengujian Terhadap Koefisien Regresi
M etode Stepw ise (Y = 35.904 + 0.019 X5)
M enguji signifikansi koefisien variabel luas maksimum ruang rapat pada
model linier.
1. Perumusan hipot esis.
H 0 : b = 0 (koefisien regresi b pada variabel luas maksimum ruang rapat t idak signifikan).
H 1 : b ≠ 0 ( koefisien regresi b pada variabel luas maksimum ruang rapat signifikan).
2. Penent uan nilai krit is. Nilai krit is dit ent ukan dengan menggunakan t abel dist ribusi normal dengan memperhatikan tingkat signifikansi (α) dan banyaknya sampel yang digunakan.
Nilai krit is yang didapat kan dengan jumlah sampel (n) = 5, jumlah variabel (k) = 1, derajat kebebasan (df) = 3, dan t ingkat signifikansi ( α) = 5% adalah: t (3;0.025) = 3.182
3. Nilai t hit ung . t hit ung = 4.992
4. Pengambilan keput usan. Perbandingan ant ara nilai t hit ung dengan t t abel adalah t hit ung >t t abel 4.992 > 3.182
Oleh karena it u dapat disimpulkan bahw a H 0 dit olak, yait u koefisien regresi signifikan.
Jadi dapat disimpulkan bahw a variabel bebas X5 yait u luas maksimum ruang rapat berpengaruh t erhadap variabel t erikat Y.
M etode Enter (Y = 23.189 + 0.008 X5 + 4.590 X6)
M enguji signifikansi koefisien variabel luas maksimum ruang rapat pada
model linier.
1. Perumusan hipot esis.
H 0 : b = 0 (koefisien regresi b pada variabel luas maksimum ruang rapat t idak signifikan).
H 1 : b ≠ 0 (koefisien regresi b pada variabel luas maksimum ruang rapat
signifikan).
2. Penent uan nilai krit is. Nilai krit is dit ent ukan dengan menggunakan t abel dist ribusi normal dengan memperhatikan tingkat signifikansi (α) dan banyaknya sampel yang digunakan. Nilai krit is yang didapat kan dengan jumlah sampel (n) = 5, jumlah variabel (k) = 2, de rajat kebebasan (df) = 1, dan tingkat signifikansi (α) = 5% adalah: t (1;0.025) = 12.706
3. Nilai t hit ung . t hit ung = 0.555
4. Pengambilan keput usan. Perbandingan ant ara nilai t hit ung dengan t t abel adalah t hit ung <t t abel 0.555 < 12.706
Oleh karena it u dapat disimpulkan bahw a H 0 dit erima, yait u koefisien regresi t idak signifikan.
Jadi dapat disimpulkan bahw a variabel bebas X5 yait u luas maksimum ruang rapat t idak berpengaruh t erhadap variabel t erikat Y.
M enguji signifikansi koefisien variabel jum lah ruang rapat pada m odel linier.
1. Perumusan hipot esis.
H 0 : b = 0 (koefisien regresi b pada variabel jumlah ruang rapat t idak signifikan).
H 1 :b ≠ 0 (koefisien regresi b pada variabel jumlah ruang rapat signifikan).
2. Penent uan nilai krit is. Nilai krit is dit ent ukan dengan menggunakan t abel dist ribusi normal dengan memperhatikan tingkat signifikansi (α) dan banyaknya sampel yang digunakan.
Nilai krit is yang didapat kan dengan jumlah sampel (n) = 5, jumlah variabel (k) = 2, derajat kebebasan (df) = 1, dan t ingkat signi fikansi (α) = 5% adalah: t (1;0.025) = 12.706
3. Nilai t hit ung . t hit ung = 1.013
4. Pengambilan keput usan. Perbandingan ant ara nilai t hit ung dengan t t abel adalah t hit ung <t t abel 1.013 < 12.706
Oleh karena it u dapat disimpulkan bahw a H 0 dit erima, yait u koefisien regresi t idak signifikan.
Jadi dapat disimpulkan bahw a variabel bebas X6 yait u jumlah ruang rapat t idak berpengaruh t erhadap variabel t erikat Y.
M etode Enter (Y = 45.473 + 0.029 X5 – 2.369 X6)
M enguji signifikansi koefisien variabel luas maksimum ruang rapat pada
model linier.
1. Perumusan hipot esis.
H 0 : b = 0 (koefisien regresi b pada variabel luas maksimum ruang rapat t idak signifikan).
H 1 : b ≠ 0 (koefisien regresi b pada variabel luas maksimum ruang rapat
signifikan).
2. Penent uan nilai krit is. Nilai krit is dit ent ukan dengan menggunakan t abel dist ribusi normal dengan memperhatikan tingkat signifikansi (α) dan banyaknya sampel yang digunakan.
Nilai krit is yang didapat kan dengan jumlah sampel (n) = 5, jumlah variabel (k) = 2, derajat kebebasan (df) = 2 , dan tingkat signifikansi (α) = 5% adalah: t (2;0.025) = 4.303
3. Nilai t hit ung . t hit ung = 3.749
4. Pengambilan keput usan. Perbandingan ant ara nilai t hit ung dengan t t abel adalah t hit ung <t t abel 3.749 < 4.303
Oleh karena it u dapat disimpulkan bahw a H 0 dit erima, yait u koefisien regresi t idak signifikan.
Jadi dapat disimpulkan bahw a variabel bebas X5 yait u luas maksimum ruang rapat t idak berpengaruh t erhadap variabel t erikat Y.
M enguji signifikansi koefisien variabel jum lah ruang rapat pada m odel linier.
1. Perumusan hipot esis.
H 0 : b = 0 (koefisien regresi b pada variabel jumlah ruang rapat t idak signifikan).
H 1 :b ≠ 0 (koefisien regresi b pada variabel jumlah ruang rapat signifikan).
2. Penent uan nilai krit is. Nilai krit is dit ent ukan dengan menggunakan t abel dist ribusi normal dengan memperhatikan tingkat signifikansi (α) dan banyaknya sampel yang digunakan.
Nilai krit is yang didapat kan dengan jumlah sampel (n) = 5, jumlah variabel (k) = 2, derajat kebebasan (df) = 2, dan t ingk at signifikansi (α) = 5% adalah: t (2;0.025) = 4.303
3. Nilai t hit ung . t hit ung = -1.410
4. Pengambilan keput usan. Perbandingan ant ara nilai t hit ung dengan t t abel adalah t hit ung <t t abel 1.410 < 4.303
Oleh karena it u dapat disimpulkan bahw a H 0 dit erima, yait u koefisien regresi t idak signifikan.
Jadi dapat disimpulkan bahw a variabel bebas X6 yait u jumlah ruang rapat t idak berpengaruh t erhadap variabel t erikat Y.
M etode Enter (Y = 35.904 + 0.019 X5)
M enguji signifikansi koefisien variabel luas maksimum ruang rapat pada
model linier.
1. Perumusan hipot esis.
H 0 : b = 0 (koefisien regresi b pada variabel luas maksimum ruang rapat t idak signifikan).
H 1 : b ≠ 0 (koefisien regresi b pada variabel luas maksimum ruang rapat
signifikan).
2. Penent uan nilai krit is. Nilai krit is dit ent ukan dengan menggunakan t abel dist ribusi normal dengan memperhatikan tingkat signifikansi (α) dan banyaknya sampel yang digunakan.
Nilai krit is yang didapat kan dengan jumlah sampel (n) = 5, jumlah variabel (k) = 1, derajat kebebasan (df) = 3, dan tingkat signifikansi (α) = 5% adalah: t (3;0.025) = 3.182
3. Nilai t hit ung . t hit ung = 4.992
4. Pengambilan keput usan. Perbandingan ant ara nilai t hit ung dengan t t abel adalah t hit ung >t t abel
4.992 > 3.182 Oleh karena it u dapat disimpulkan bahw a H 0 dit olak, yait u koefisien regresi signifikan.
Jadi dapat disimpulkan bahw a variabel bebas X5 yait u luas maksimum ruang rapat berpengaruh t erhadap variabel t erikat Y.
4.2.3.2 Pengukuran Persentase Pengaruh Semua Variabel Independen
Persent ase pengaruh variabel independen (variabel bebas) t erhadap nilai dependen dit unjukkan oleh besarnya nilai koefisien det erminasi (R 2 ).
M etode Stepw ise (Y = 35.904 + 0.019 X5)
Pada hasil perhit ungan diperoleh besarnya koefisien det erminasi (R 2 ) adalah 0.893, yang art inya pengaruh variabel bebas t erhadap perubahan nilai variabel
t erikat adalah 89.3% dan 10.7% sisanya dipengaruhi oleh variabel lain selain variabel bebas yang digunakan yait u luas maksim um ruang rapat .
Persent ase pengaruh variabel bebas t erhadap variabel t erikat menunjukkan pengaruh yang besar sebesar 89.3%. Dengan demikian jika diukur dari besarnya pengaruh variabel bebas t erhadap perubahan variabel t erikat , maka persamaan regresi yang dihasilkan baik unt uk mengest imasi nilai variabel t erikat nya.
M etode Enter (Y = 23.189 + 0.008 X5 + 4.590 X6)
Pada hasil perhit ungan diperoleh besarnya koefisien det erminasi (R 2 ) adalah 0.985, yang art inya pengaruh variabel bebas t erhadap perubahan nilai variabel
t erikat adalah 98.5% dan 1.5% sisanya dipengaruhi oleh variabel lain selain variabel bebas yang digunakan yait u luas maksimum ruang rapat dan jumlah ruang rapat .
Persent ase pengaruh variabel bebas t erhadap variabel t erikat menunjukkan pengaruh yang besar sebesar 98.5%. Dengan demikian jika diukur dari besarnya pengaruh variabel bebas t erhadap perubahan variabel t erikat , maka persamaan regresi yang dihasilkan baik unt uk mengest imasi nilai variabel t erikat nya.
M etode Enter (Y = 45.473 + 0.029 X5 – 2.369 X6)
Pada hasil perhit ungan diperoleh besarnya koefisien det erminasi (R 2 ) adalah 0.946, yang art inya pengaruh variabel bebas t erhadap perubahan nilai variabel
t erikat adalah 94.6% dan 5.4% sisanya dipengaruhi oleh variabel lain selain variabel bebas yang digunakan yait u luas maksimum ruang rapat dan jumlah ruang rapat .
Persent ase pengaruh variabel bebas t erhadap variabel t erikat menunjukkan pengaruh yang besar sebesar 94.6%. Dengan demikian jika diukur dari besarnya pengaruh variabel bebas t erhadap perubahan variabel t erikat , maka persamaan regresi yang dihasilkan baik unt uk mengest imasi nilai variabel t erikat nya.
M etode Enter (Y = 35.904 + 0.019 X5)
Pada hasil perhit ungan diperoleh besarnya koefisien det erminasi (R 2 ) adalah 0.893, yang art inya pengaruh variabel bebas t erhadap perubahan nilai variabel
t erikat adalah 89.3% dan 10.7% sisanya dipengaruhi oleh variabel lain selain variabel bebas yang digunakan yait u luas maksim um ruang rapat .
Persent ase pengaruh variabel bebas t erhadap variabel t erikat menunjukkan pengaruh yang besar sebesar 89.3%. Dengan demikian jika diukur dari besarnya pengaruh variabel bebas t erhadap perubahan variabel t erikat , maka persamaan regresi yang dihasilkan baik unt uk mengest imasi nilai variabel t erikat nya.
4.2.3.3 Pengujian Terhadap Pengaruh Variabel Independen Secara Bersama
(Uji Simultan)
Pengujian ini dilakukan unt uk menget ahui apakah semua variabel bebas mempunyai pengaruh yang sama t erhadap variabel t erikat nya. Pengujian yang dilakukan ini menggunakan uji dist ribusi F. Caranya yait u dengan membandingkan ant ara analisis krit is (F t abel ) dengan nilai F hit ung yang t edapat dalam t abel ANOVA (Analysis of Variance) dari hasil perhit ungan.
M etode Stepw ise (Y = 35.904 + 0.019 X5)
Langkah-langkah dalam melakukan analisis adalah sebagai berikut :
1. Perumusan hipot esis.
H 0 : variasi perubahan nilai variabel bebas t idak dapat menjelaskan variasi perubahan nilai variabel t erikat .
H 1 : variasi perubahan nilai variabel bebas dapat menjelaskan variasi perubahan nilai variabel t erikat .
2. Nilai krit is. Nilai krit is dalam dist ribusi
F dengan signifikansi (α) = 5% dan degree of
freedom (DF) = 3, adalah
F (1;3;0.05) = 10.128
3. Nilai F hit ung . Dari t abel ANOVA dapat diket ahui bahw a nilai F hit ung = 24.916
4. Pengambilan keput usan. Pengambilan keput usan dilakukan dengan m embandingkan nilai F hit ung dengan F t abel sesuai dengan t ingkat signifikansi yang digunakan.
F hit ung >F t abel 24.916 > 10.128
Nilai F hit ung >F t abel sehingga keput usannya adalah menolak H 0 .
Jadi dapat disimpulkan bahw a variasi perubahan nilai variabel bebas dapat menjelaskan variasi perubahan nilai variabel t erikat .
M etode Enter (Y = 23.189 + 0.008 X5 + 4.590 X6)
Langkah-langkah dalam melakukan analisis adalah sebagai berikut :
1. Perumusan hipot esis.
H 0 : variasi perubahan nilai variabel bebas t idak dapat menjelaskan variasi perubahan nilai variabel t erikat .
H 1 : variasi perubahan nilai variabel bebas dapat menjelaskan variasi perubahan nilai variabel t erikat .
2. Nilai krit is. Nilai krit is dalam dist ribusi F dengan signifikansi (α) = 5% dan degree of freedom (DF) = 1, adalah
F (3;1;0.05) = 215.707
3. Nilai F hit ung . Dari t abel ANOVA dapat diket ahui bahw a nilai F hit ung = 21.672
4. Pengambilan keput usan. Pengambilan keput usan dilakukan dengan m embandingkan nilai F hit ung dengan F t abel sesuai dengan t ingkat signifikansi yang digunakan.
F hit ung <F t abel 21.672 < 215.707 Nilai F hit ung <F t abel sehingga keput usannya adalah menerima H 0 .
Jadi dapat disimpulkan bahw a variasi perubahan nilai variabel bebas t idak dapat menjelaskan variasi perubahan nilai variabel t erikat .
M etode Enter (Y = 45.473 + 0.029 X5 – 2.369 X6)
Langkah-langkah dalam melakukan analisis adalah sebagai berikut :
1. Perumusan hipot esis.
H 0 : variasi perubahan nilai variabel bebas t idak dapat menjelaskan variasi perubahan nilai variabel t erikat .
H 1 : variasi perubahan nilai variabel bebas dapat menjelaskan variasi perubahan nilai variabel t erikat .
2. Nilai krit is. Nilai krit is dalam dist ribusi F dengan signifikansi (α) = 5% dan degree of freedom (DF) = 2, adalah
F (2;2;0.05) = 19
3. Nilai F hit ung . Dari t abel ANOVA dapat diket ahui bahw a nilai F hit ung = 17.558
4. Pengambilan keput usan. Pengambilan keput usan dilakukan dengan m embandingkan nilai F hit ung dengan F t abel sesuai dengan t ingkat signifikansi yang digunakan.
F hit ung <F t abel 17.558 < 19 Nilai F hit ung <F t abel sehingga keput usannya adalah menerima H 0 .
Jadi dapat disimpulkan bahw a variasi perubahan nilai variabel bebas t idak dapat menjelaskan variasi perubahan nilai variabel t erikat .
M etode Enter (Y = 35.904 + 0.019 X5)
Langkah-langkah dalam melakukan analisis adalah sebagai berikut :
1. Perumusan hipot esis.
H 0 : variasi perubahan nilai variabel bebas t idak dapat menjelaskan variasi perubahan nilai variabel t erikat .
H 1 : variasi perubahan nilai variabel bebas dapat menjelaskan variasi perubahan nilai variabel t erikat .
2. Nilai krit is. Nilai krit is dalam dist ribusi F dengan signifikansi (α) = 5% dan degree of freedom (DF) = 3, adalah
F (1;3;0.05) = 10.128
3. Nilai F hit ung . Dari t abel ANOVA dapat diket ahui bahw a nilai F hit ung = 24.916
4. Pengambilan keput usan. Pengambilan keput usan dilakukan dengan m embandingkan nilai F hit ung dengan F t abel sesuai dengan t ingkat signifikansi yang digunakan.
F hit ung >F t abel 24.916 > 10.128 Nilai F hit ung >F t abel sehingga keput usannya adalah menolak H 0 .
Jadi dapat disimpulkan bahw a variasi perubahan nilai variabel bebas dapat menjelaskan variasi perubahan nilai variabel t erikat .
4.2.4 Pengujian M odel
Agar dapat menget auhi bahw a model regresi yang diperoleh merupakan model regresi yang menghasilkan est imat or linear t idak bias yang t erbaik (BLUE/ Best Linear Unbias Est imat or), maka diperlukan pengujian sebagai berikut .
4.2.4.1 Uji multikolinearitas
M etode Stepw ise (Y = 35.904 + 0.019 X5)
Karena jumlah variabel bebasnya hanya sat u, maka t idak mungkin t erjadi korelasi ant ar variabel bebas. Dengan dem ikian asumsi nonmult ikolinearit as t erpenuhi.
M etode Enter (Y = 23.189 + 0.008 X5 + 4.590 X6)
Adanya nilai mult ikolinearit as dapat diket ahui dengan menganalisis mat riks korelasi ant ar variabel bebas. Jika ant ar variabel bebas memiliki korelasi yang cukup t inggi (umumnya di at as 0.90), maka t erdapat indikasi adanya mult ikolinearit as. Pada met ode persamaan ini (Y = 23.189 + 0.008 X5 + 4.590 X6), korelasi ant ar variabel bebas memiliki nilai yang cukup besar sebesar -0.98 at au sekit ar 98% (dat a hasil perhit ungan pada lampiran D-19). Oleh karena korelasinya di at as 90%, maka dapat dikat akan met ode ini t erjadi mult ikolinearit as. Cara lain unt uk menget aui adanya mult ikolinearit as adalah dengan melihat nilai VIF (Variance Inflat ion Fact or). Pada umumnya jika VIF lebih besar dari 5, maka variabel t ersebut mem iliki persoalan m ult ikolinearit as. Pada met ode persamaan ini (Y = 23.189 + 0.008 X5 + 4.590 X6), nilai VIF variabel luas maksimum ruang rapat (X5) adalah 33.155 dan nilai VIF variabel jumlah ruang rapat (X6) adalah 69.899 (dat a hasil perhit ungan pada lampiran D-19).
Oleh karena nilai VIF lebih besar dari 5, maka pada met ode ini t erjadi mult ikolinearit as.
Dari dua pengujian ini, dapat disim pulkan bahw a pada met ode ent er (Y = 23.189 + 0.008 X5 + 4.590 X6) t erjadi mult ikolinearit as.
M etode Enter (Y = 45.473 + 0.029 X5 – 2.369 X6)
Adanya nilai mult ikolinearit as dapat diket ahui dengan menganalisis mat riks korelasi ant ar variabel bebas. Jika ant ar variabel bebas memiliki korelasi yang cukup t inggi (umumnya di at as 0.90), maka t erdapat indikasi adanya mult ikolinearit as. Pada met ode persamaan ini (Y = 45.473 + 0.029 X5 – 2.369 X6), korelasi ant ar variabel bebas memiliki nilai yang cukup besar sebesar -0.903 at au sekit ar 90.3% (dat a hasil perhit ungan pada lampiran D-25). Oleh karena korelasinya di at as 90%, maka dapat dikat akan met ode ini t erjadi mult ikolinearit as. Cara lain unt uk menget aui adanya mult ikolinearit as adalah dengan melihat nilai VIF (Variance Inflat ion Fact or). Pada umumnya jika VIF lebih besar dari 5, maka variabel t ersebut mem iliki persoalan m ult ikolinearit as. Pada met ode persamaan ini (Y = 45.473 + 0.029 X5 – 2.369 X6), nilai VIF variabel luas maksimum ruang rapat (X5) adalah 5.402 dan nilai VIF variabel jumlah ruang rapat (X6) adalah 5.402 (dat a hasil perhit ungan pada lampiran D-25). Oleh karena nilai VIF lebih besar dari 5, maka pada met ode ini t erjadi mult ikolinearit as.
Dari dua pengujian ini, dapat disim pulkan bahw a pada met ode ent er (Y = 45.473 + 0.029 X5 – 2.369 X6) t erjadi mult ikolinearit as.
M etode Enter (Y = 35.904 + 0.019 X5)
Karena jumlah variabel bebasnya hanya sat u, maka t idak mungkin t erjadi korelasi ant ar variabel bebas. Dengan dem ikian asumsi nonmult ikolinearit as t erpenuhi.
4.2.4.2 Uji Autokorelasi
M etode Stepw ise (Y = 35.904 + 0.019 X5)
Unt uk menget ahui adanya aut okorelasi, dilakukan pengujian t erhadap nilai Uji Durbin – Wat son (Uji DW). Uji Durbin Wat son dapat dilakukan bila banyaknya observasi minimum yang diperlukan sehubungan dengan t abel Durbin Wat son adalah 15. Dalam hal ini jumlah observasi kurang dari 15, jadi akan menjadi sulit unt uk menarik kesimpulan yang past i (definit if) mengenai aut okorelasi dengan memeriksa residual yang dit aksir.
M etode Enter (Y = 23.189 + 0.008 X5 + 4.590 X6)
Unt uk menget ahui adanya aut okorelasi, dilakukan pengujian t erhadap nilai Uji Durbin – Wat son (Uji DW). Uji Durbin Wat son dapat dilakukan bila banyaknya observasi minimum yang diperlukan sehubungan dengan t abel Durbin Wat son adalah 15. Dalam hal ini jumlah observasi kurang dari 15, jadi akan menjadi sulit unt uk menarik kesimpulan yang past i (definit if) mengenai aut okorelasi dengan memeriksa residual yang dit aksir.
M etode Enter (Y = 45.473 + 0.029 X5 – 2.369 X6)
Unt uk menget ahui adanya aut okorelasi, dilakukan pengujian t erhadap nilai Uji Durbin – Wat son (Uji DW). Uji Durbin Wat son dapat dilakukan bila banyaknya observasi minimum yang diperlukan sehubungan dengan t abel Durbin Wat son Unt uk menget ahui adanya aut okorelasi, dilakukan pengujian t erhadap nilai Uji Durbin – Wat son (Uji DW). Uji Durbin Wat son dapat dilakukan bila banyaknya observasi minimum yang diperlukan sehubungan dengan t abel Durbin Wat son
M etode Enter (Y = 35.904 + 0.019 X5)
Unt uk menget ahui adanya aut okorelasi, dilakukan pengujian t erhadap nilai Uji Durbin – Wat son (Uji DW). Uji Durbin Wat son dapat dilakukan bila banyaknya observasi minimum yang diperlukan sehubungan dengan t abel Durbin Wat son adalah 15. Dalam hal ini jumlah observasi kurang dari 15, jadi akan menjadi sulit unt uk menarik kesimpulan yang past i (definit if) mengenai aut okorelasi dengan memeriksa residual yang dit aksir.
4.2.4.3 Uji Homoskedasitas
M etode Stepw ise (Y = 35.904 + 0.019 X5)
Langkah pengujian signifikansi koefisien variabel Ln luas maksimum ruang rapat adalah sebagai berikut (dat a hasil perhit ungan pada lampiran D-8 dan D-9):
1. Perumusan Hipot esis.
H 0 : b = 0 (koefisien regresi b pada variabel Ln luas maksimum ruang rapat t idak signifikan).
H 1 : b ≠ 0 (koefisien regresi b pada variabel Ln luas maksimum ruang rapat signifikan).
2. Nilai t hit ung dan t t abel . Besarnya nilai t hit ung yang ada dalam t abel adalah sebesar 0.346 Besarnya nilai t t abel dengan derajat kebebasan (df) = 3, dan t ingkat signifikansi (α) = 5% adalah: 2. Nilai t hit ung dan t t abel . Besarnya nilai t hit ung yang ada dalam t abel adalah sebesar 0.346 Besarnya nilai t t abel dengan derajat kebebasan (df) = 3, dan t ingkat signifikansi (α) = 5% adalah:
3. Pengambilan keput usan. Perbandingan ant ara nilai t hit ung dengan t t abel adalah t hit ung <t t abel 0.346 < 3.182
Oleh karena it u dapat disimpulkan bahw a H 0 dit erima.
Jadi dapat disimpulkan bahw a koefisien regresi b pada variabel Ln luas maksimum ruang rapat t idak signifikan. Karena secara st at ist ik koefisien b t idak signifikan, maka dapat disimpulkan bahw a t idak t erjadi het eroskedasit as (t erjadi homoskedasit as), sehingga asumsi t erpenuhi.
Selain secara st at ist ik, homoskedasit as dapat dibukt ikan dengan cara visual yait u dengan melihat penyebaran nilai-nilai residual t erhadap nilai-nilai prediksi, sepert i yang dapat dilihat pada gambar 4.3 berikut ini.
Gambar 4.3 Uji Homoskedasit as persamaan regresi Y = 35.904 + 0.019 X5
Dari gambar 4.3 t erlihat bahw a penyebaran nilai-nilai residual t erhadap nilai-nilai prediksi t idak membent uk suat u pola t ert ent u yang t erat ur (bergelombang, melebar kemudian menyempit ). M aka dapat disimpulkan bahw a t idak t erjadi het eroskedasit as (asumsi homoskedasit as t erpenuhi).
M etode Enter (Y = 23.189 + 0.008 X5 + 4.590 X6)
Langkah pengujian signifikansi koefisien variabel Ln luas maksimum ruang rapat adalah sebagai berikut (dat a hasil perhit ungan pada lampiran D-21 dan D-22):
1. Perumusan Hipot esis.
H 0 : b = 0 (koefisien regresi b pada variabel Ln luas maksimum ruang rapat t idak signifikan).
H 1 : b ≠ 0 (koefisien regresi b pada variabel Ln luas maksimum ruang rapat
signifikan).
2. Nilai t hit ung dan t t abel . Besarnya nilai t hit ung yang ada dalam t abel adalah sebesar 5.422 Besarnya nilai t t abel dengan derajat kebebasan (df) = 2, dan t ingkat signifikansi (α) = 5% adalah: t (2;0.025) = 4.303
3. Pengambilan keput usan. Perbandingan ant ara nilai t hit ung dengan t t abel adalah t hit ung >t t abel 5.422 > 4.303
Oleh karena it u dapat disimpulkan bahw a H 0 dit olak.
Jadi dapat disimpulkan bahw a koefisien regresi b pada variabel Ln luas maksimum ruang rapat signifikan. Karena secara st at ist ik koefisien b signifikan, maka dapat disimpulkan bahw a t erjadi het eroskedasit as (t idak t erjadi homoskedasit as), sehingga asumsi t idak t erpenuhi.
Langkah pengujian signifikansi koefisien variabel Ln jumlah ruang rapat adalah sebagai berikut (dat a hasil perhit ungan pada lampiran D-21 dan D-22):
1. Perumusan Hipot esis.
H 0 : b = 0 (koefisien regresi b pada variabel Ln jumlah ruang rapat t idak signifikan).
H 1 :b ≠ 0 (koefisien regresi b pada variabel Ln jumlah ruang rapat signifikan).
2. Nilai t hit ung dan t t abel . Besarnya nilai t hit ung yang ada dalam t abel adalah sebesar -7.521 Besarnya nilai t t abel dengan derajat kebebasan (df) = 2, dan t ingkat signifikansi (α) = 5% adalah: t (2;0.025) = 4.303
3. Pengambilan keput usan. Perbandingan ant ara nilai t hit ung dengan t t abel adalah t hit ung >t t abel -7.521 > 4.303
Oleh karena it u dapat disimpulkan bahw a H 0 dit olak.
Jadi dapat disimpulkan bahw a koefisien regresi b pada variabel Ln jumlah ruang rapat signifikan. Karena secara st at ist ik koefisien b signifikan, maka dapat disimpulkan bahw a t erjadi het eroskedasit as (t idak t erjadi homoskedasit as), sehingga asumsi t idak t erpenuhi.
Selain secara st at ist ik, homoskedasit as dapat dibukt ikan dengan cara visual yait u dengan melihat penyebaran nilai-nilai residual t erhadap nilai-nilai prediksi, sepert i yang dapat dilihat pada gambar 4.4 berikut ini.
Gambar 4.4 Uji Homoskedasit as persamaan regresi Y = 23.189 + 0.008 X5 + 4.590 X6
Dari gambar 4.4 t erlihat bahw a penyebaran nilai-nilai residual t erhadap nilai-nilai prediksi membent uk suat u pola t ert ent u yang terat ur (bergelombang, melebar kemudian menyempit ). M aka dapat disimpulkan bahw a t erjadi het eroskedasit as (asumsi homoskedasit as t idak t erpenuhi).
M etode Enter (Y = 45.473 + 0.029 X5 – 2.369 X6)
Langkah pengujian signifikansi koefisien variabel Ln luas maksimum ruang rapat adalah sebagai berikut (dat a hasil perhit ungan pada lampiran D-27 dan D-28):
1. Perumusan Hipot esis.
H 0 : b = 0 (koefisien regresi b pada variabel Ln luas maksimum ruang rapat t idak signifikan).
H 1 : b ≠ 0 (koefisien regresi b pada variabel Ln luas maksimum ruang rapat
signifikan).
2. Nilai t hit ung dan t t abel . Besarnya nilai t hit ung yang ada dalam t abel adalah sebesar 1.609 Besarnya nilai t t abel dengan derajat kebebasan (df) = 2, dan t ingkat signifikansi
(α) = 5% adalah: t (2;0.025) = 4.303
3. Pengambilan keput usan. Perbandingan ant ara nilai t hit ung dengan t t abel adalah t hit ung <t t abel 1.609 < 4.303
Oleh karena it u dapat disimpulkan bahw a H 0 dit erima.
Jadi dapat disimpulkan bahw a koefisien regresi b pada variabel Ln luas maksimum ruang rapat t idak signifikan. Karena secara st at ist ik koefisien b t idak signifikan, maka dapat disimpulkan bahw a t idak t erjadi het eroskedasit as (t erjadi homoskedasit as), sehingga asumsi t erpenuhi.
Langkah pengujian signifikansi koefisien variabel Ln jumlah ruang rapat adalah sebagai berikut (dat a hasil perhit ungan pada lampiran D-27 dan D-28):
1. Perumusan Hipot esis.
H 0 : b = 0 (koefisien regresi b pada variabel Ln jumlah ruang rapat t idak signifikan).
H 1 :b ≠ 0 (koefisien regresi b pada variabel Ln jum lah ruang rapat signifikan).
2. Nilai t hit ung dan t t abel .
Besarnya nilai t hit ung yang ada dalam t abel adalah sebesar -1.752 Besarnya nilai t t abel dengan derajat kebebasan (df) = 2, dan t ingkat signifikansi (α) = 5% adalah: t (2;0.025) = 4.303
3. Pengambilan keput usan. Perbandingan ant ara nilai t hit ung dengan t t abel adalah t hit ung <t t abel -1.752 < 4.303
Oleh karena it u dapat disimpulkan bahw a H 0 dit erima.
Jadi dapat disimpulkan bahw a koefisien regresi b pada variabel Ln jumlah ruang rapat t idak signifikan. Karena secara st at ist ik koefisien b t idak signifikan, maka dapat
het eroskedasit as (t erjadi homoskedasit as), sehingga asumsi t erpenuhi.
disimpulkan
bahw a
t idak
t erjadi
Selain secara st at ist ik, homoskedasit as dapat dibukt ikan dengan cara visual yait u dengan melihat penyebaran nilai-nilai residual t erhadap nilai-nilai prediksi, sepert i yang dapat dilihat pada gambar 4.5 berikut ini.
Gambar 4.5 Uji Homoskedasit as persamaan regresi Y = 45.473 + 0.029 X5 – 2.369 X6
Dari gambar 4.5 t erlihat bahw a penyebaran nilai-nilai residual t erhadap nilai-nilai prediksi t idak membent uk suat u pola t ert ent u yang t erat ur (bergelombang, melebar kemudian menyempit ). M aka dapat disimpulkan bahw a t idak t erjadi het eroskedasit as (asumsi homoskedasit as t erpenuhi).
M etode Enter (Y = 35.904 + 0.019 X5)
Langkah pengujian signifikansi koefisien variabel Ln luas maksimum ruang rapat adalah sebagai berikut (dat a hasil perhit ungan pada lampiran D-33 dan D-34):
1. Perumusan Hipot esis.
H 0 : b = 0 (koefisien regresi b pada variabel Ln luas maksimum ruang rapat t idak signifikan).
H 1 : b ≠ 0 (koefisien regresi b pada variabel Ln luas maksimum ruang rapat
signifikan).
2. Nilai t hit ung dan t t abel . Besarnya nilai t hit ung yang ada dalam t abel adalah sebesar 0.346 Besarnya nilai t t abel dengan derajat kebebasan (df) = 3, dan t ingkat signifikansi
(α) = 5% adalah: t (3;0.025) = 3.182
3. Pengambilan keput usan. Perbandingan ant ara nilai t hit ung dengan t t abel adalah t hit ung <t t abel 0.346 < 3.182
Oleh karena it u dapat disimpulkan bahw a H 0 dit erima.
Jadi dapat disimpulkan bahw a koefisien regresi b pada variabel Ln luas maksimum ruang rapat t idak signifikan. Karena secara st at ist ik koefisien b t idak signifikan, maka dapat disimpulkan bahw a t idak t erjadi het eroskedasit as (t erjadi homoskedasit as), sehingga asumsi t erpenuhi.
Selain secara st at ist ik, homoskedasit as dapat dibukt ikan dengan cara visual yait u dengan melihat penyebaran nilai-nilai residual t erhadap nilai-nilai prediksi, sepert i yang dapat dilihat pada gambar 4.6 berikut ini.
Gambar 4.6 Uji Homoskedasit as persamaan regresi Y = 35.904 + 0.19 X5
Dari gambar 4.6 t erlihat bahw a penyebaran nilai-nilai residual t erhadap nilai-nilai prediksi t idak membent uk suat u pola t ert ent u yang t erat ur (bergelombang,
melebar kemudian menyempit ). M aka dapat disimpulkan bahw a t idak t erjadi het eroskedasit as (asumsi homoskedasit as t erpenuhi).
4.2.4.4 Uji Normalitas
M etode Stepw ise (Y = 35.904 + 0.019 X5)
Langkah pegujian aw al dat a berasal dari populasi normal at au t idak adalah sebagai berikut (dat a hasil perhit ungan SPSS pada lampiran D-10):
1. Perumusan hipot esis.
H 0 : Dat a berasal dari populasi yang berdist ribusi normal.
H 1 : Dat a t idak berasal dari populasi yang berdist ribusi normal.
2. Pengujian hipot esis pada variabel t arikan. Karena nilai Asymp. Sig > taraf signifikansi (α), yaitu 0.460 > 0.05 , maka dapat
disimpulkan bahw a H 0 dit erima.
3. Pengujian hipot esis pada variabel luas maksimum ruang rapat . Karena nilai Asymp. Sig > taraf signifikansi (α), yaitu 0.838 > 0.05, maka dapat
disimpulkan bahw a H 0 dit erima.
Jadi dapat disimpulkan bahw a dat a variabel t arikan dan variabel luas maksimum ruang rapat berasal dari populasi yang berdist ribusi normal.
Selain secara st at ist ik, normalit as dapat dibukt ikan dengan cara visual yait u dengan plot probabilit as normal, sepert i yang dapat dilihat pada gambar 4.7 berikut ini.
Gambar 4.7 Uji Normalit as persamaan regresi Y = 35.904 + 0.019 X5
Dari plot gambar 4.7 t erlihat bahw a t it ik-t it iknya t ersebar disekit ar garis lurus. Jadi asumsi kenormalan t erpenuhi.
M etode Enter (Y = 23.189 + 0.008 X5 + 4.590 X6)
Langkah pegujian aw al dat a berasal dari populasi normal at au t idak adalah sebagai berikut (dat a hasil perhit ungan SPSS pada lampiran D-23):
1. Perumusan hipot esis.
H 0 : Dat a berasal dari populasi yang berdist ribusi normal.
H 1 : Dat a t idak berasal dari populasi yang berdist ribusi normal.
2. Pengujian hipot esis pada variabel t arikan. Karena nilai Asymp. Sig > taraf signifikansi (α), yaitu 0.460 > 0.05, maka dapat
disimpulkan bahw a H 0 dit erima.
3. Pengujian hipot esis pada variabel luas maksimum ruang rapat . Karena nilai Asymp. Sig > taraf signifikansi (α), yaitu 0.838 > 0.05, maka dapat
disimpulkan bahw a H 0 dit erima.
4. Pengujian hipot esis pada variabel jumlah ruang rapat . Karena nilai Asymp. Sig > taraf signifikansi (α), yaitu 0.997 > 0. 05, maka dapat
disimpulkan bahw a H 0 dit erima.
Jadi dapat disim pulkan bahw a dat a variabel t arikan, variabel luas maksimum ruang rapat dan variabel jumlah ruang rapat berasal dari populasi yang berdist ribusi normal.
Selain secara st at ist ik, normalit as dapat dibukt ikan dengan cara visual yait u dengan plot probabilit as normal, sepert i yang dapat dilihat pada gambar 4.8 berikut ini.
Gambar 4.8 Uji Normalit as persamaan regresi Y = 23.189 + 0.008 X5 + 4.590 X6
Dari plot gambar 4.8 t erlihat bahw a t it ik-t it iknya t ersebar disekit ar garis lurus. Jadi asumsi kenormalan t erpenuhi.
M etode Enter (Y = 45.473 + 0.029 X5 – 2.369 X6)
Langkah pegujian aw al dat a berasal dari populasi normal at au t idak adalah sebagai berikut (dat a hasil perhit ungan SPSS pada lampiran D-29):
1. Perumusan hipot esis.
H 0 : Dat a berasal dari populasi yang berdist ribusi normal.
H 1 : Dat a t idak berasal dari populasi yang berdist ribusi normal.
2. Pengujian hipot esis pada variabel t arikan.
Karena nilai Asymp. Sig > t araf si gnifikansi (α), yaitu 0.460 > 0.05, maka dapat
disimpulkan bahw a H 0 dit erima.
3. Pengujian hipot esis pada variabel luas maksimum ruang rapat . Karena nilai Asymp. Sig > taraf signifikansi (α), yaitu 0.838 > 0.05, maka dapat
disimpulkan bahw a H 0 dit erima.
4. Pengujian hipot esis pada variabel jumlah ruang rapat . Karena nilai Asymp. Sig > taraf signifikansi (α), yaitu 0.997 > 0.05, maka dapat
disimpulkan bahw a H 0 dit erima.
Jadi dapat disim pulkan bahw a dat a variabel t arikan, variabel luas maksimum ruang rapat dan variabel jumlah ruang rapat berasal dari populasi yang berdist ribusi normal.
Selain secara st at ist ik, normalit as dapat dibukt ikan dengan cara visual yait u dengan plot probabilit as normal, sepert i yang dapat dilihat pada gambar 4.9 berikut ini.
Gambar 4.9 Uji Normalit as persamaan regresi Y = 45.473 + 0.029 X5 – 2.369 X6
Dari plot gambar 4.9 t erlihat bahw a t it ik-t it iknya t ersebar disekit ar garis lurus. Jadi asumsi kenormalan t erpenuhi.
M etode Enter (Y = 35.904 + 0.019 X5)
Langkah pegujian aw al dat a berasal dari populasi normal at au t idak adalah sebagai berikut (dat a hasil perhit ungan SPSS pada lampiran D-35):
1. Perumusan hipot esis.
H 0 : Dat a berasal dari populasi yang berdist ribusi normal.
H 1 : Dat a t idak berasal dari populasi yang berdist ribusi normal.
2. Pengujian hipot esis pada variabel t arikan. Karena nilai Asymp. Sig > taraf signifikansi (α), yaitu 0.460 > 0.05, maka dapat
disimpulkan bahw a H 0 dit erima.
3. Pengujian hipot esis pada variabel luas maksimum ruang rapat . Karena nilai Asymp. Sig > t araf signifikansi (α), yaitu 0.838 > 0.05, maka dapat
disimpulkan bahw a H 0 dit erima.
Jadi dapat disimpulkan bahw a dat a variabel t arikan dan variabel luas maksimum ruang rapat berasal dari populasi yang berdist ribusi normal.
Selain secara st at ist ik, normalit as dapat dibukt ikan dengan cara visual yait u dengan plot probabilit as normal, sepert i yang dapat dilihat pada gambar 4.10 berikut ini.
Gambar 4.10 Uji Normalit as persamaan regresi Y = 35.904 + 0.019 X5
Dari plot gambar 4.10 t erlihat bahw a t it ik-t it iknya t ersebar disekit ar garis lurus. Jadi asumsi kenormalan t erpenuhi.
4.2.4.5 Uji Linearitas
Kelinearan model yang t erbent uk dapat diuji melalui plot residual t erhadap harga-harga prediksi. Jika grafik ant ara harga-harga prediksi dengan harga-harga
residual t idak membent uk suat u pola t ert ent u sepert i parabola, kubik, dan sebagainya, maka asumsi linearit as t erpenuhi.
M etode Stepw ise (Y = 35.904 + 0.019 X5)
Gambar 4.11 Uji Linearit as persamaan regresi Y = 35.904 + 0.019 X5
Dari gambar 4.11 t ampak bahw a harga-harga prediksi (st andardized predict ed value ) dengan harga-harga residual (st andardized residual) t idak membent uk pola t ert ent u. Jadi asumsi linearit as t erpenuhi.
M etode Enter (Y = 23.189 + 0.008 X5 + 4.590 X6)
Gambar 4.12 Uji Linearit as persamaan regresi Y = 23.189 + 0.008 X5 + 4.590 X6
Dari gambar 4.12 t ampak bahw a harga-harga prediksi (st andardized predict ed value ) dengan harga-harga residual (st andardized residual) t idak membent uk pola t ert ent u. Jadi asumsi linearit as t erpenuhi.
M etode Enter (Y = 45.473 + 0.029 X5 – 2.369 X6)
Gambar 4.13 Uji Linearit as persamaan regresi Y = 45.473 + 0.029 X5 – 2.369 X6
Dari gambar 4.13 t ampak bahw a harga-harga prediksi (st andardized predict ed value ) dengan harga-harga residual (st andardized residual) t idak membent uk pola t ert ent u. Jadi asumsi linearit as t erpenuhi.
M etode Stepw ise (Y = 35.904 + 0.019 X5)
Gambar 4.14 Uji Linearit as persamaan regresi Y = 35.904 + 0.019 X5
Dari gambar 4.14 t ampak bahw a harga-harga prediksi (st andardized predict ed value ) dengan harga-harga residual (st andardized residual) t idak membent uk pola t ert ent u. Jadi asumsi linearit as t erpenuhi.
4.2.5 Pemilihan M odel Terbaik
Rekapit ulasi hasil analisis persamaan regresi dan pengujian m odel t erhadap keempat model t ersebut dirangkum pada t abel 4.10 berikut .
Tabel 4.10 Rekapit ulasi hasil analisis persamaan regresi dan pengujian model
M etode Stepwise
M etode Enter
Jenis Analisis/ Pengujian Y = 35.904 + 0.019 X5 Y = 23.189 + 0.008 X5 + 4.590 X6 Y = 45.473 + 0.029 X5 - 2.369 X6 Y = 35.904 + 0.019 X5
Tidak Signifikan Signifikan Persamaan Pengaruh variabel bebas
Analis Koefisien regresi
Signifikan
Tidak Signifikan
Tidak Signifikan Signifikan Nonmultikolinearitas
Uji simultan
Signifikan
Tidak Signifikan
Tidak Terpenuhi Terpenuhi Nonautokorelasi
Terpenuhi
Tidak Terpenuhi
- Pengujian Homoskedasitas
Terpenuhi M odel Normalitas
Terpenuhi
Tidak Terpenuhi
Terpenuhi
Terpenuhi Linearitas
Dari t abel 4.10 dapat disimpulkan bahw a model Y = 35.904 + 0.019 X5, dengan X5 adalah variabel luas maksimum ruang rapat , m erupakan model t erbaik.