Metode Analisis Data

3.7. Metode Analisis Data

Dalam menganalisis data perlu didapatkan sampel yang di dapat dari pengumpulan data berupa besarnya nilai kontrak dengan luas bangunan dan denah yang telah ada. Data proyek minimal sebanyak 30 data untuk menentukan variabel-variabel, lalu dijelaskan dan dianalisis menggunakan analisis regresi linier kemudian diuji Dalam menganalisis data perlu didapatkan sampel yang di dapat dari pengumpulan data berupa besarnya nilai kontrak dengan luas bangunan dan denah yang telah ada. Data proyek minimal sebanyak 30 data untuk menentukan variabel-variabel, lalu dijelaskan dan dianalisis menggunakan analisis regresi linier kemudian diuji

memakai uji klasikal regresi linier, kedalam program SPSS hingga akhirnya ditarik kesimpulan atas permasalahan yang ada. Dari analisis menggunakan SPSS tersebut didapatkan rumusan untuk menentukan harga tiap luasan berdasarkan statistik deskriptif sesuai dengan metode yang standar.

3.7.1. Anilisis Regresi Linier

Analisi ini digunakan untuk mengetahui pengaruh variabel independen yaitu biaya

luas bangunan kios pasar (X 1 ), luas bangunan loos pasar (X 2 ), luas selasar (X 3 ), luas parkir (X 4 ), luas bangunan pelengkap (X 5 ), terhadap variabel dependen yaitu nilai

kontrak bangunan konstruksi pengembangan pasar tradisional dilingkup Surakarta dan sekitarnya(Y) dengan rumus:

Y=a+b 1 X 1 +b 2 X 2 +b 3 X 3 +b 4 X 4 +b 5 X 5 ……………………(1)

Dimana: Y

= Nilai kontrak bangunan konstruksi pengembangan pasar tradisional + dilingkup Surakarta dan sekitarnya.

X 1 = Luas bangunan kios pasar.

X 2 = Luas bangunan loos pasar.

X 3 = Luas selasar.

X 4 = Luas parkir.

X 5 = Luas bangunan pelengkap (toilet, tangga, kantor, saluran drainase fdfddfdfff dan lain-lain.

a = Konstanta.

b 1 -b 5 = Koefisien regresi variabel X 1 ,X 2 ,X 3 ,X 4 dan X 5 .

perpustakaan.uns.ac.id digilib.uns.ac.id

3.7.2. Uji Klasikal Regresi Linier

Data yang digunakan penelitian ini adalah data sekunder, maka untuk menentukan ketetapan model perlu dilakukan pengujian atas beberapa asumsi klasik yang mendasari model regresi. Pengujian asumsi klasik yang digunakan pada penelitian ini meliputi uji normalitas, heteroskedastisitas, autokorelasi dan multikolinieritas. Masing-masing prngujian asumsi klasik secara rinci dapat dijelaskan sebagai berikut:

A. Uji normalitas Uji normalitas dimaksudkan untuk mengetahui normalitas data dari residual. Penelitian ini menggunakan uji normalitas analisis grafik (normal probability plot ) dan uji klomogrov-Smirnov. Dengan analisis normal probability plot ada syarat yang harus dipenuhi untuk normalitas data yaitu jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal, maka model regresi memenuhi asumsi normalitas, namun seballiknya jika data menyebar jauh dari garis diagonal, maka model regresi tidak memenuhi asumsi normalitas. Sedangkan untuk analisis kolmogrov-smirnov syarat yang harus dipenuhi yaitu hasi dari asymp. Sig. lebih besar dari 0.05 jika syarat tersebut terpenuhi maka data residual terdistribusi normal.

B. Uji heteroskedastisitas Uji heteroskedastisitas inhi bertujuan untuk mengetahui apakah dalam model regresi ini terjadii ketidaksamaan varience dari residual satu pengamatan ke pengamatan yang lain. Jika varience dari residual satu pengmatan ke pengamatan yang lain tetap, maka disebut homokedastisitas dan jika berbeda disebut heteroskedastisitas. Model yang baik adalah homokedastisitas atau tidak heteroskedastisitas. Dalam penelitian ini menggunakan cara analisis grafik plot antara nilai prediksi variabel dependen yaitu ZPRED dengan residualnya SRESID. Deteksi ada tidaknya heteroskedastisitas dapat dilakukan dengan melihat ada tidaknya pola tertentu pada grafik scatterplot antara SRESID dan ZPRED dimana sumbu Y adalah Y yang telah diprediksi, dan sumbu X adalah residual (Y prediksi – Y sesungguhnya) yang telah distudentized. Jika ada pola B. Uji heteroskedastisitas Uji heteroskedastisitas inhi bertujuan untuk mengetahui apakah dalam model regresi ini terjadii ketidaksamaan varience dari residual satu pengamatan ke pengamatan yang lain. Jika varience dari residual satu pengmatan ke pengamatan yang lain tetap, maka disebut homokedastisitas dan jika berbeda disebut heteroskedastisitas. Model yang baik adalah homokedastisitas atau tidak heteroskedastisitas. Dalam penelitian ini menggunakan cara analisis grafik plot antara nilai prediksi variabel dependen yaitu ZPRED dengan residualnya SRESID. Deteksi ada tidaknya heteroskedastisitas dapat dilakukan dengan melihat ada tidaknya pola tertentu pada grafik scatterplot antara SRESID dan ZPRED dimana sumbu Y adalah Y yang telah diprediksi, dan sumbu X adalah residual (Y prediksi – Y sesungguhnya) yang telah distudentized. Jika ada pola

tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur (bergelombang, melebar kemudian menyempit), maka mengindikasikan telah terjadi heteroskedastisitas. Namun jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.

C. Uji autokorelasi Uji ini untuk mengetahui apakah dalam model regresi linier ada korelasi antara kesalahan pengganggu pada periose t-1 (sebelumnya). Jika terjadi korelasi, maka berarti ada problem autokorelasi. Autokorelasi muncul karena observasi yang beruntun sepanjang waktu berkaitan satu sama lainnya. Masalah ini muncul karena residual (kesalahan pengganggu) tidak bebas dari satu observasi ke observasi lainnya. Hal ini sering ditemukan pada data runtut waktu (time series) Karen “gangguan” pada seseorang individu atau kelompok cenderung mempengaruhui “gangguan” pada individu atau kelompok yang sama pada periode berikutnya. Pada data crossection (silang waktu), masalah autokorelasi relative jarang terjadi karena “gangguan” pada observasi yang berbeda berasal dari individu atau kelompok yang berbeda. Model regresi yang baik adalah regresi yang bebas dari autokorelasi. Dalam penelitian ini menggunaka run test untuk mendeteksi autokorelasi dalam regresi. Run test sebagai bagian dari dtatistik non-parametrik dapat digunakan untuk menguji apakah antar residual terdapat korelasi yang tinggi. Jika antar residual tidak terdapat hubungan korelasi maka dikatakan bahwa residual adalah acak atau random. Hasil dari asymp. Sig. > 0.05 agar tidak terjadi autokorelasi.

D. Uji multikolinearitas Uji multikolinieritas dimaksudkan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas (independen). Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen. Jika variabel independen saling berkorelasi, maka variabel-variabel ini tidak orthogonal (variabel independen yang nilai korelasi antar sesama variabel independen sama dengan nol). Salah satu cara untuk mendeteksi ada tidaknya multikorelasi yaitu dengan memperhatikan nikai toleransi dan nilai VIF (Varience Inflatien Factor).

perpustakaan.uns.ac.id digilib.uns.ac.id

Kedua ukuran ini menunjukkan setiap variabel independen manakah yang dijelaskan oleh variabel independen lainnya. Dalam pengertian sederhana setiapa variabel independen menjadi variabel dependen dan diregresi terhadap variabel independen lainnya. Toleransi pengukuran variabel independen yang terpilih yang tidak dijelaskan oleh variabel independen lainnya. Nilai cutoof yang umum dipakai untuk menunjukkan adanya multikolinieritas adalah nilai tolerance < 0.10 atau sama dengan nilai VIF > 10. Dengan kata lain untuk bebas dari multikolinearitas maka nilai tolerance > 0.10 atau sama dengan nilai VIF < 10.

3.7.3. Cara Kerja SPSS

Pada dasarnya computer berfungsi mengolah data menjadi informasi yang berguna bagi pengguna computer. Data yang diolah dimasukkan sebagai input, kemudian dengan proses pengolahan data oleh computer dihasilkan output berupa informasi untuk kegunaan lebih lanjut. Berikut ini sedikit gambaran tentang kerja computer dengan program SPSS (Statistical Product and Service Solution) dalam mengolah data.

Gambar 3.2. Cara Kerja SPSS

Keterangan:

A. Data dimasukan melalui data editor yang otomatis muncul di layar SPSS pada saat SPSS dibuka. Dalam hal ini data sudah berupa rumusan yang telah diketahui berdasarkan data sekunder berupa nilai kontrak proyek dan luasan tiap komponen yang diperoleh dari sumber data.

INPUT DATA

Dengan Data Editor

PROSES DATA

Dengan Data Editor

OUTPUT DATA

Dengan Output Navigator

A. Pivot table Editor

B. Text Output Editor

C. Chart Editor

perpustakaan.uns.ac.id digilib.uns.ac.id

B. Data yang telah diinput kemudian diproses melalui data editor dengan berbagai metode dan model untuk menguji melalui uji klasikal regresi linier.

C. Hasil pengolahan data muncul di layar window yang lain dari SPSS, yaitu output navigator. Lalu tampilannya dapat berupa:

1) Tulisan Pengerjaan (perubahan bentuk huruf, penambahan, pengurangan dan lainnya) yang berhubungan dengan output berupa teks dapat dilakukan melalui menu text output editor. Dimana dari hasil tersebut dapat diketahui besarnya biaya tiap satuan luas untuk bangunan pasar tradisional daerah Surakarta dan sekitarnya.

2) Tabel Semua pekerjaan yang berhubungan dengan tabel dapat dilakukan melalui menu pivot table editor. Dari hasil pengolahan data tersebut didapatkan suatu tabel yang didalamnya berupa nilai kontrak dan biaya tiap satuan komponen secara keseluruhan sehingga dapat ditarik kesimpulan besarnya nilai biaya.

3) Grafik Output yang berbentuk grafik (chart) dapat dilakukan melalui menu chart editor. Dari program SPSS menghasilkan grafik berupa hubungan antara biaya dan nilai kontrak sesuai dengan rumusan.

perpustakaan.uns.ac.id digilib.uns.ac.id