Pengujian hipotesis dilakukan dengan menggunakan:
1. Uji F digunakan untuk menguji hipotesis secara simultan.
H : bi = 0, artinya tingkat suku bunga, uang muka dan jumlah subsidi tidak
berpengaruh signifikan secara simultan terhadap kepemilikan rumah oleh Masyarakat Kota Medan di Bank Tabungan Negara
Persero Tbk Cabang Medan. H
a
: bi ≠ 0, artinya tingkat suku bunga, uang muka dan jumlah subsidi
berpengaruh signifikan secara simultan terhadap kepemilikan rumah oleh Masyarakat Kota Medan di Bank Tabungan Negara
Persero Tbk Cabang Medan. Kriteria pengambilan keputusan:
H diterima jika F
hitung
F
tabel
pada α = 5 H
a
diterima jika F
hitung
F
tabel
pada α = 5 ,
2. Uji t digunakan untuk menguji hipotesis secara parsial.
H
0 :
bi = 0, artinya tingkat suku bunga, uang muka dan jumlah subsidi tidak berpengaruh signifikan secara parsial terhadap kepemilikan
rumah oleh Masyarakat Kota Medan di Bank Tabungan Negara Persero Tbk Cabang Medan.
H
a
: b
1
0, artinya tingkat suku bunga berpengaruh signifikan secara parsial terhadap kepemilikan rumah oleh Masyarakat Kota Medan di
Bank Tabungan Negara Persero Tbk Cabang Medan. H
a
: b
2
0, artinya uang muka berpengaruh signifikan secara parsial terhadap kepemilikan rumah oleh Masyarakat Kota Medan di Bank
Tabungan Negara Persero Tbk Cabang Medan.
H
a
: b
3
0, artinya jumlah subsidi berpengaruh signifikan secara parsial terhadap kepemilikan rumah oleh Masyarakat Kota Medan di
Bank Tabungan Negara Persero Tbk Cabang Medan. Kriteria pengambilan keputusan:
H diterima jika t
hitung
F
tabel
pada α = 5 H
a
diterima jika t
hitung
F
tabel
pada α = 5 , Asumsi yang mendasari model regresi adalah asumsi klasik, yaitu:
1. Normalitas Uji Kolmogorov Smirnov merupakan pengujian normalitas. Konsep dasar dari
uji normalitas ini adalah dengan membandingkan distribusi data yang akan diuji normalitasnya dengan distribusi normal baku. Distribusi normal baku
adalah data yang telah ditransformasikan ke dalam bentuk z-score dan diasumsikan normal. Jadi, sebenarnya uji Kolmogorov Smirnov adalah uji
beda antara data yang diuji normalitasnya dengan data normal baku. Jika signifikansi di bawah 0,05 berarti ada perbedaan yang signifikan, dan jika
signifikansi di atas 0,05 maka tidak terjadi perbedaan yang signifikan. 2. Uji multikolinieritas
Menurut Ghozali 2003:91, uji multikolinieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas. Model
regresi yang baik seharusnya tidak terjadi korelasi diantara variabel bebas. Uji multikolinieritas diukur dari Variance Inflating Factor VIF, yaitu:
ij
r VIF
2
1 1
− =
Keterangan: R
ij
adalah koefisien korelasi antar dua variabel bebas. Jika VIF 10, maka terjadi multikolinieritas yang serius, sebaliknya jika VIF 10 maka
tidak terjadi multikolinieritas serius. 3. Uji autokorelasi
Menurut Ghozali 2003:95, uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada
periode t dengan kesalahan pengganggu periode sebelumnya. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama
lainnya. Untuk mendeteksi data ada tidaknya autokorelasi maka dilakukan uji Durbin Watson atau DW-statistic, yaitu:
∑ ∑
∑
−
− =
2 2
1 t
t t
DW
ε ε
ε
Dengan ketentuan sebagai berikut: a 0,005
≤ DW ≤ d
L
dengan kesimpulan terjadi autokorelasi positif b d
L
≤ DW ≤ d
u
dengan kesimpulan invonclusive c d
u
≤ DW ≤ 4,00 – d
u
dengan kesimpulan tidak terdapat autokorelasi d 4,00 - d
U
≤ DW ≤ d
L
, dengan kesimpulan terjadi autokorelasi negatif e 4,00 – d
u
≤ DW ≤ 4,00 dengan kesimpulan terjadi autokorelasi negatif. 4. Heteroskedastisitas.
Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan
yang lain. Uji ini dapat dilakukan dengan melihat grafik plot antara nilai prediksi variabel terikat dependend 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 di-studentized. Jika ada pola tertentu
seperti titik-titik yang ada membentuk pola tertentu yang teratur bergelombang, melebar dan menyempit, maka mengindikasikan telah terjadi
heteroskedastisitas. Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu, maka tidak terjadi heterokedastisitas.
Pengujian dilakukan dengan menggunakan bantuan Software SPSS Statistical Package for Social Sciences versi 18,0.
BAB IV HASIL PENELITIAN DAN PEMBAHASAN