3. Inflasi X3
Yaitu kecenderungan naiknya harga-harga barang secara keseluruhan dan terus menerus. Ukuran variabel yang
digunakan adalah tingkat inflasi yang terjadi di Kota Surabaya sesuai dengan tahun penelitian yang dinyatakan
dalam satuan presentase .
4. Jumlah Rumah Tangga X4
Yaitu jumlah rumah tangga di Surabaya selama tahun penelitian. Ukuran variabel yang digunakan adalah jumlah
kepala keluarga di Kota Surabaya yang dinyatakan dengan satuan kepala keluarga.
3.2 Teknik Penentuan Sampel
Populasi yang akan diamati dalam penelitian ini mencakup wilayah Kota Surabaya. Dalam kaitannya dengan variabel- variabel tersebut, pada
penelitian ini yang akan digunakan adalah data berkala Time Series berdasarkan kurun waktu tertentu.
Populasi dalam penelitian ini adalah rumah type 54 dan type 36 di Kota Surabaya. Dan dari populasi tersebut, sampel yang diambil juga
rumah type 54 dan type 36 di Kota Surabaya
3.3 Jenis dan Sumber Data
3.3.1 Jenis Data
Data yang digunakan dalam penelitian ini adalah jenis data sekunder yaitu data yang diperoleh atau dikumpulkan dari instansi-
instansi atau lembaga yang ada hubungannya dalam penelitian ini.
3.3.2 Sumber Data
Data yang dipergunakan dalam penelitian ini berasal dari :
1. Kantor Badan Pusat Statistik BPS Propinsi Jawa Timur.
2. Pusat informasi Perumahan Real Estate Indonesia Jatim
3. Bank Tabungan Negara BTN cabang Surabaya.
3.4 Teknik Pengumpulan Data
Pengumpulan data dilakukan dengan cara :
Studi Kepustakaan yaitu pengumpulan data dengan jalan mempelajari buku- buku literatur yang berkaitan dengan
permasalahan yang ada di penelitian ini.
Studi Lapangan yaitu memperoleh data dan melakukan
penelitian langsung ke instansi- instansi yang berkaitan dengan penelitian ini.
3.5 Teknik Analisis dan Uji Hipotesis
3.5.1 Teknik Analisis
Untuk menganalisis pengaruh yang disebutkan dalam hipotesis diatas maka analisa data ini dilakukan dengan menggunakan model regresi
linier berganda dengan asumsi BLUE Best Linier Unbiased Estimation untuk mengetahui koefisiensi pada persamaan tersebut betul-betul linier
tidak bias.model ini menunjukkan hubungan spesifik antara variabel- variabel bebas dan terikat.
Bentuk perumusannya sebagai berikut: Y
1
= +
+ u…….. Y
2
= +
+ u…….. Anonim, 2004
Dimana : Y
1
= Penyaluran KPR type 54 Y
2
= Penyaluran KPR type 36 X
1
= Pendapatan Perkapita
X
2
= Tingkat Suku Bunga KPR X
3
= Inflasi
X
4
= Jumlah Rumah Tangga β =
Konstanta β
1
, β
2
, β
3
, β
4
= Koefisien
Regresi u
= Variabel Pengganggu Residual
3.5.2 Uji Hipotesis
Untuk menguji pengaruh variabel bebas X
1,
X
2,
X
3,
X
4
terhadap variabel terikat Y
1
dan Y
2
dengan prosedur sebagai berikut : 1.
Uji F Uji F dipergunakan untuk menguji pengaruh variabel bebas secara
simultan terhadap variabel terikat. Dengan langkah-langkah pengujian sebagai berikut:
- Merumuskan Hipotesis
H
0 :
β
1
= β
2
= β
3
= β
4
= 0 Tidak terdapat pengaruh variabel bebas terhadap variabel terikat
H
0 :
β
1
≠ β
2
≠ β
3
≠ β
4
≠ 0 Ada pengaruh veriabel bebas terhadap variabel terikat
- Menentukan level of signifikan sebesar 5
- Menghitung nilai f untuk mengetahui hubungan secara simultan antara
variabel bebas dan variabel terikat dengan rumus sebagai berikut:
F
hitung
=
Soelistyo, 2001 : 325
- Menggunakan derajat kebebasan = n–k–l dengan ketentuan :
n = Jumlah sampel pengamatan k = Jumlah variabel bebas parameter regresi
KT = Kuadrat Tengah Gambar 5 : Kurva Distribusi F
Daerah penerimaan H
Daerah penolakan H
Sumber : Gujarati, Damodar, 1995, Ekonometrika Dasar,
Penerbit Erlangga, Jakarta, hal 80.
Kaidah pengujiannya: 1.
Apabila F
hitung
≤ F
tabel
, maka H
o
diterima H
i
ditolak. Artinya variabel bebas secara keseluruhan tidak mempengaruhi variabel
terikat. 2.
Apabila F
hitung
≥ F
table
, maka H ditolak dan H
i
di variable terima. Artinya variabel bebas secara keseluruhan mempengaruhi variabel
terikat. 2.
Uji t Uji t dipergunakan untuk menguji pengaruh variabel bebas secara
parsial terhadap variabel terikat.
Uji t dapat dihitung dengan rumus sebagai berikut :
t
hitung
= Nachrowi dan Usman, 2006:19
Merumuskan hipotesis sebagai berikut :
H
o
: β
i
= 0 tidak terdapat pengaruh ariabel bebas terhadap variabel terikat
H
i
: β
i
≠ 0 ada pengaruh variabel bebas terhadap variabel terikat
Derajat kebabasan sebesar n-k-1, dalam persamaan tersebut : Dimana :
β = Koefisien Regresi
Se = Standart Error
n = Jumlah sampel
k = Jumlah parameter regresi
i = Variabel bebas i= 1,2,3,4
Gambar 6 : Kurva Distibusi t
Sumber : Gujarati, Damodar, 1995, Ekonometrika Dasar, Penerbit
Erlangga, Jakarta, hal 79. Kaidah Pengujiannya :
1. Apabila t
hitung
≥ t
tabel
, maka H
o
ditolak dan H
i
diterima, yang artinya secara parsial variabel bebas mempengaruhi variabel terikat.
Daerah penerimaan H
Daerah penolakan H
Daerah penolakan H
‐t
hitung
‐t
tabel
t
tabel
t
hitung
2. Apabila t
hitung
≤ t
tabel
, maka H
o
diterima dan H
i
ditolak, yang artinya secara parsial tidak ada pengaruh variabel terikat.
Untuk mengetahui apakah model analisis tersebut layak digunakan dalam pembuktian selanjutnya dan untuk mengetahui sejauh mana veriabel
bebas mampu menjelaskan variabel terikat maka perlu diketahui nilai adjusted R
2
atau koefisien nilai determinasi menggunakan rumus :
Jadi R
2
= ............................ Sulaiman, 2004 : 86
Dimana : R
2
= Koefisien determinasi JK Total
= Jumlah Kuadrat Karakteristik utama R
2
adalah : a.
Tidak mempunyai nilai negatif b.
Nilainya berkisar antara 0 nol dan 1 satu atau 0 ≤ R
2
≤ 1
3.6 Pendekatan Asumsi BLUE Best Linier Unbiased Estimator
Tujuan utama penggunaan uji asumsi klasik adalah untuk mendapatkan koefisien regresi yang terbaik linier dan tidak Bias BLUE,
karena bila terjadi penyimpangan terhadap asumsi klasik, tersebut uji t dan
uji F yang dilakukannya menjadi tidak valid dan secara statistik dapat mengacaukan kesimpulan yang diperoleh. Sifat BLUE itu sendiri ialah :
a. Best
: Pentingnya sifat ini bila diterapkan dalam uji signifikan data terhadap
α dan β.
b. Linier
: Sifat ini digunakan untuk memudahkan dalam penafsiran. c.
Unbiasied : Nilai jumlah sampel sangat besar penaksir parameter diperoleh dari sampel besar kira-kira lebih mendekati nilai parameter
sebenarnya. d.
Estimator : e diharapkan sekecil mungkin.
Yang diasumsikan tidak terjadi pengaruh antara variabel bebas atau regresi bersifat BLUE Best Linier Unbiased Estimator, artinya koefisien
regresi pada persamaan tersebut betul-betul linier dan tidak bias atau tidak terjadi penyimpangan-penyimpangan persamaan, seperti :
a. Multikolinieritas
Multikolinieritas merupakan satu keadaan dimana satu atau lebih variabel independen terdapat korelasi atau hubungan dengan
variabel imdependen lainnya, dengan kata lain satu atau lebih variabelnya merupakan suatu fungsi linier dari variabel independen
lainnya. Idetifikasi secara statistic ada atau tidaknya gejala
multikolinier dapat dilakukan dengan menghitung varience inflation factor VIF. Rumusnya adalah VIF = 11-R
2
Diagnosis atau dugaan secara sederhana terdapat adanya multikolinieritas di dalam model regresi sebagai berikut :
Koefisien determinasi berganda R
square
sangat tinggi antara 0,7-1.
Koefisien korelasi sederhananya tinggi
Nilai F
hitung
tinggi signifikan VIF
Varience Inflation Factor menyatakan tingkat “pembengkakan variant. Apabila VIF Varience Inflation Factor
lebih besar dari 10, hal ini berarti terdapat multikolinier pada persamaan regresi linier. Pendeteksian multikolinier yang
berikutnya adalah dengan mudah antara variabel bebas yang terjadi korelasi.
b. Autokorelasi
Yang dimaksudkan dengan autokorelasi yaitu keadaan dimana kesalahan pengganggu dalam suatu periode tertentu berkorelasi
dengan kesalahan pengganggu periode yang lain. Pengujian autokorelasi dilakukan dengan menggunakan uji statistic Durbin
Watson.
n t
t t
n t
t t
t
e e
e d
1 2
2 2
1
Gujarati, 1999 : 215
Keterangan :
d = Nilai Durbin Watson
e
t
= Residual pada waktu ke-t e
t-1
= Residual pada waktu ke t-1 satu periode sebelumnya n
= Banyaknya Data
Gambar 7 : Daerah Keputusan Uji Durbin Watson
Sumber : Gujarati, Damodar, 1995, Ekonometrika Dasar, Penerbit
Erlangga, Jakarta, hal 216.
Menolak H
Bukti Daerah
keragu- raguan
Daerah keragu-
raguan Menolak
H Bukti
Menerima H atau H
i,
atau kedua-duanya. d
L
d
L
2 4
‐d
U
4 ‐d
L
4 A
B D
E
C
Dimana : e
t
adalah residual perbedaan variabel tak bebas yang sebenarnya dengan variabel bebas yang ditaksir dari setiap periode
sedangkan e
t-1
adalah residual dari waktu sebelumnya. Untuk mrngetahui ada tidaknya gejala autokorelasi maka perlu dilihat tabel
kriteria pengujian Durbin Watson uji DW. c.
Heterokedastisitas Pengujian Heterokedastisitas dilakukan untuk melihat apakah ada
kesalahan pengganggu mempunyai varian yang sama atau tidak. Hal tersebut dilambangkan sebagai :
E Ui
2
= σ
2
Suliyanto, 2005 : 115
Dimana : σ
2
= varian i
= 1,2,3,4, ....n Apabila didapat varian yang sama maka asumsi homokedastisitas
penyebarannya yang sama diterima.
BAB IV
HASIL PENELITIAN DAN PEMBAHASAN
4.1 Deskripsi Obyek Penelitian