4.4.3. Analisis Faktor-Faktor yang Mempengaruhi Land Rent
Analisis faktor-faktor yang mempengaruhi land rent pada penelitian yang telah dilaksanakan menggunakan metode analisis regresi berganda. Variabel yang
digunakan untuk menduga model analisis regresi berganda dapat dilihat pada Tabel 1 dan Tabel 2.
Tabel 1. Peubah Penjelas X untuk Menduga Peubah Respon Y Land Rent Pertanian
Variabel Satuan
Keterangan
Y Rp per m
2
per tahun Land rent pertanian
X
1
m
2
Luas lahan X
2
Rp per m
2
per tahun Total penerimaan
X
3
Rp per m
2
per tahun Biaya operasional
X
4
Rp per m
2
per tahun Biaya sewa lahan
Tabel 2. Peubah Penjelas X untuk Menduga Peubah Respon Y Land Rent Pemukiman
Variabel Satuan
Keterangan
Y Rp per m
2
per tahun Land rent pemukiman
X
1
m
2
Luas lahan X
2
m
2
Luas bangunan X
3
Rp per m
2
per tahun Total penerimaan
X
4
Rp per m
2
per tahun Biaya operasional
X
5
Rp per m
2
per tahun Pajak
Model yang digunakan dalam menganalisis faktor-faktor yang mempengaruhi nilai land rent pertanian dan pemukiman digunakan model dugaan
sebagai berikut:
e X
X X
X Y
i i
3 3
2 2
1 1
, ....................................... 11
dimana: Y
= Variabel respon. β
= Intersep model regresi. β
1
... β
i
= Parameter peubah atau koefisien model regresi. X
1
... X
i
= Variabel penjelas .
e = Unsur galat
Salah satu metode yang dapat digunakan untuk menyelesaikan atau menduga koefisien dari fungsi produksi tersebut adalah metode kuadrat terkecil
OLS = Ordinary Least Square. Suatu model regresi berganda yang baik harus memiliki nilai keragaman s
2
kecil, nilai R
2
yang besar dan nilai perubahan R
2
Adj yang meningkat Draper dan Smith, 1992. Uji statistik dan pengujian asumsi regresi linier berganda dilakukan setelah melewati prosedur pemilihan
model regresi terbaik agar model regresi yang didapatkan memenuhi syarat sebagai model regresi yang baik.
Asumsi-Asumsi Persamaan Regresi Linier Berganda
Model regresi berganda yang baik dan layak untuk digunakan harus memenuhi asumsi-asumsi dalam analisis regresi berganda. Asumsi-asumsi dalam
analisi regresi berganda adalah sebagai berikut: 1.
Sisaan Mempunyai Ragam Homogen
Asumsi kehomogenan atau kesamaan ragam homoscedasticity memainkan peranan yang sangat penting di dalam pendugaan dengan metode
kuadrat terkecil. Asumsi ini berimplikasi bahwa setiap pengamatan pada peubah respon mengandung informasi yang sama penting. Konsekuensinya, semua
pengamatan di dalam metode kuadrat terkecil mendapatkan bobot yang sama
besar. Dengan kata lain, ketidakhomogenan ragam heteroscedasticity mengakibatkan beberapa pengamatan mengandung informasi yang lebih
dibandingkan yang lain. Dengan demikian, pengamatan ini seharusnya mendapatkan bobot yang lebih besar dibandingkan pengamatan yang lain.
Pengaruh dari tidak dipenuhinya asumsi ini adalah presisi atau kecermatan dari penduga metode kuadrat terkecil menjadi lebih kecil jika dibandingkan dengan
penduga yang mengakomodir ketidakhomogenan ragam tersebut. 2.
Sisaan Saling Bebas
Pengujian asumsi selanjutnya adalah dengan menggunakan sisaan saling bebas. Sisaan tidak saling bebas atau sisaan berkorelasi autocorrelation
mungkin disebabkan oleh beberapa hal. Data yang dikumpulkan berdasarkan urutan waktu tertentu seringkali memiliki sisaan saling berkorelasi. Sisaan dari
pengamatan pada waktu tertentu cenderung untuk berkorelasi dengan sisaan yang berdekatan. Pengaruh adanya sisaan yang saling berkorelasi adalah berkurangnya
presisi penduga
metode kuadrat
terkecil, serupa
dengan pengaruh
ketidakhomogenan ragam. Dugaan OLS tetap tidak bias tapi standar errornya bias ke bawah underestimate.
3. Sisaan Menyebar Normal
2
, ~ N
Asumsi bahwa sisaan menyebar normal tidak terlalu penting dalam pendugaan parameter regresi dan pemisahan total keragaman. Penduga dengan
metode kuadrat terkecil tetap merupakan penduga takbias terbaik apabila asumsi lain terpenuhi. Kenormalan hanya diperlukan pada waktu pengujian hipotesis dan
penyusunan selang kepercayaan bagi parameter. Secara umum, pengaruh ketidaknormalan sisaan terhadap pengujian dan penyusunan selang kepercayaan
adalah bahwa taraf nyata yang berkaitan dengan dua hal tersebut tidak lagi sesuai dengan yang ditentukan. Nilai residual berdistribusi normal merupakan suatu
kurva berbentuk lonceng bell-shaped curve yang kedua sisinya melebar sampai titik terhingga. Distribusi data tidak normal karena terdapat nilai ekstrem dalam
data yang diambil.
4. Tidak Ada Masalah Multicolinearity Antar Peubah Bebas
Analisis regresi berganda mengisyaratkan bahwa antar peubah penjelas tidak boleh ada hubungan linier atau tidak ada masalah multikolinier. Misalkan
model hubungan antara peubah respon Y dengan k buah peubah penjelas X sebagai berikut:
i ki
k i
i i
X X
X Y
2 2
1 1
, ................................................... 12 dimana i = 1, 2, ..., n menunjukkan pengamatan ke-i dan n adalah banyaknya
pengamatan. Efek dari adanya ragam yang besar antara lain adalah nilai dugaan bagi β seringkali menjadi ”aneh” dan dalam pengujian berpengaruh, beberapa
peubah penjelas akan dinyatakan tidak ada pengaruhnya walaupun dari bidang penerapan regresi tersebut dan data yang didapatkan mengindikasikan hal yang
sebaliknya.
Statistik Uji Regresi Linier Berganda
Selain harus memenuhi asums-asumsi di atas, model regresi linier berganda yang baik harus memenuhi uji kriteria statistik yaitu uji t uji parsial,
uji F uji serempak dan uji koefisien determinasi R
2
.
1. Uji t Uji Parsial
Uji t dilakukan untuk melihat apakah masing-masing variabel bebas independent variable secara parsial berpengaruh pada variabel terikat
dependent variable. Selain itu, uji ini untuk melihat keabsahan dari hipotesis dan membuktikan bahwa koefisien regresi dalam model secara statistik signifikan atau
tidak. Hipotesis : H
: βi 0
H
1
: βi 0
Statistik uji yang dilakukan dalam uji t adalah sebagai berikut:
b hit
S b
t
, .................................................................................................... 13
Hasil t
hit
dibandingkan dengan t
tabel
t
tabel
=
2 2
n
t .
dimana: b = Koefisien regresi parsial sampel.
Β = Koefisien regresi parsial populasi. S
b
= Simpangan baku koefisien dugaan. Kriteria uji yang digunakan dalam melakukan uji-t adalah sebagai berikut:
1. Apabila nilai t
hit
t
tabel
atau P- value α taraf nyata, maka tolak H
. Hal ini berarti bahwa variabel bebas yang digunakan berpengaruh nyata terhadap
variabel tak bebasnya. 2. Apabila nilai t
hit
t
tabel
atau P- value α taraf nyata, maka terima H
. Hal ini berarti bahwa variabel bebas yang digunakan tidak berpengaruh nyata
terhadap variabel tak bebasnya.
2. Uji F Uji Keseluruhan
Uji F ini dilakukan untuk melihat apakah variabel-variabel bebas independent variable secara serempak berpengaruh nyata pada variabel
terikatnya. Apabila uji F diterima hal ini menandakan bahwa ada minimal satu
variabel bebas yang berpengaruh secara signifikan atau berpengaruh nyata pada keragaman variabel terikatnya pada taraf nyata
α. Mekanisme untuk menguji hipotesis dari parameter dugaan secara serempak Uji F statistik adalah dengan
membandingkan antara F
hitung
dengan F
tabel
. F
hit
diperoleh dari output Minitab sedangkan F
tabel
= F
k, n-k- 1,α.
Kriteria uji yang digunakan dalam melakukan uji-t adalah sebagai berikut:
1. Apabila nilai F
hit
F
tabel
atau P-value α taraf nyata, maka tolak H
. Hal ini
berarti bahwa terdapat minimal satu parameter tidak nol dan berpengaruh nyata terhadap keragaman variabel tak bebas.
2. Apabila nilai F
hit
F
tabel
atau P-value α taraf nyata maka terima H
. Hal ini berarti bahwa secara bersamaan variabel yang digunakan tidak bisa
menjelaskan secara nyata keragaman dari variabel tak bebas.
3. Uji Koefisien Determinasi R
2
Uji koefisien determinasi digunakan untuk melihat sejauh mana variabel bebasnya menerangkan keragaman variabel terikatnya. Nilai R
2
mengukur tingkat keberhasilan model regresi yang digunakan dalam memprediksi nilai variabelnya,
terdapat dua sifat R
2
yaitu: 1. Merupakan besaran non negatif
2. Batasnya adalah antara 0 dan 1. Jika R
2
bernilai 1 berarti suatu kecocokan sempurna, sedangkan jika R
2
bernilai 0 berarti tidak ada hubungan antara variabel terikat dengan variabel bebasnya.
2 2
2
1 1
i i
y TSS
RSS TSS
ESS R
2 2
1
y
S , ....................................................................................................... 14
dimana: ESS = Jumlah kuadrat yang dijelaskan Explained Sum Squared
TSS = Jumlah kuadrat total Total Sum Squared σ
2
= Varians residual S
y 2
= Varians sampel dari Y. Salah satu masalah jika menggunakan ukuran R
2
untuk menilai baik buruknya suatu model adalah mendapatkan nilai yang terus naik seiring dengan
penambahan variabel bebas ke dalam model. Adjusted R-Squared secara umum memberikan finalty atau hukuman terhadap penambahan variabel bebas yang
tidak mampu menambah daya prediksi suatu model. Nilai R
2
Adj tidak akan pernah melebihi nilai R
2
bahkan bisa turun jika ditambahkan variabel bebas yang tidak perlu. Adjusted R- Squared dapat bernilai negatif apabila model memiliki
kecocokan rendah goodness of fit. Nilai R
2
Adj dapat dihitung dengan rumus sebagai berikut:
1
2 2
2
K n
y K
n R
i i
, ......................................................................................... 15
K adalah banyaknya parameter dalam model termasuk parameter intersep.
V. GAMBARAN UMUM 5.1.
Kondisi Kawasan Penelitian 5.1.1. Geografis
Perumahan Pakuan Regency yang mulai dibangun pada bulan Juli tahun 2007 terletak di antara dua kelurahan yaitu Kelurahan Margajaya dan Kelurahan
Balumbang Jaya, Kecamatan Bogor Barat, Kota Bogor. Perumahan Pakuan Regency yang memiliki luas sekitar 35 ha merupakan dataran dengan ketinggian
sekitar 230-250 meter di atas permukaan laut. Kawasan tersebut memiliki curah hujan antara 2.500-3.000 mm per tahun Laporan Data Monografi Kelurahan
Margajaya dan Balumbang Jaya, 2008. Pakuan Regency memiliki posisi yang strategis. Perumahan ini berjarak
700 meter dari Terminal Bubulak serta dekat dengan sarana dan prasarana umum lainnya, seperti sekolah, bank dan klinik. Jarak antara perumahan Pakuan Regency
dengan kantor Kecamatan Bogor Barat kurang lebih 4 km dan 7 km dari Kantor Wali Kota Bogor. Sarana dan prasarana tersebut didukung dengan adanya rencana
pembangunan Jalan Tol ”Bogor Ring Road” yang melewati kawasan Dramaga
sehingga memudahkan akses ke Jakarta dan kota-kota besar lainnya. Perumahan Pakuan Regency dibangun di atas lahan yang pada awalnya
digunakan sebagai lahan pertanian. Lahan pertanian yang menjadi perumahan Pakuan Regency merupakan sawah dengan sistem irigasi sederhana. Hal ini
terlihat dari lahan sawah yang tidak termasuk wilayah pembangunan perumahan Pakuan Regency.
Penggunaan lahan di sekitar kawasan perumahan Pakuan Regency yaitu di Kelurahan Margajaya dan Balumbang Jaya sebagian besar digunakan untuk
Kategori