20 Bab III. Pelaksanaan penelitian
III.1 Gambaran umum objek penelitian
Batasan penelitian sebagai studi kasus pada penelitian ini adalah Gedung Kusuma Mulia Apartment yang berlokasi di jalan Slamet Riyadi No 209 Solo (Gambar III.1). Apartemen ini mulai dibangun pada awal Tahun 2008 akan tetapi telah mulai dipasarkan sejak Tahun 2007. Apartement terletak di dua muka jalan yaitu jalan Slamet Riyadi dan jalan Honggowongso. Bangunan apartemen sendiri merupakan bagian dari komplek Kusuma Mulia Tower yang terdiri dari perkantoran, hotel, pusat perbelanjaan dan apartemen itu sendiri. Kusuma Mulia Apartemen dikelola dengan profesional oleh Swiss-Belhotel Internasional yang telah memiliki jaringan internasional yang luas. Apartemen ini mempunyai keamanan 24 jam dengan fasilitas yang disediakan antara lain: kolam renang, taman bermain anak, spa dan sauna, pusat kebugaran, ruang pertermuan, ballroom, kafetaria, dan juga perkantoran. Selain itu apartemen ini menyatu dengan mall sebagai pusat perbelanjaan. Status kepemilikan unit apartemen ini adalah Hak Milik Strata Title. Dikarenakan menyatu dengan fungsi penggunaan lain, apartemen ini dimulai dari lantai 7 sampai dengan lantai 27. Kusuma Mulia Apartemen terdiri dari tiga unit yaitu 1 bedroom dengan luas kotor 34,33 m2, 2 bedroom dengan luas kotor 54 m2 dan 3 bedroom dengan luas kotor 80,88 m2.
III.2 Alur penelitian
Jalannya penelitian ini dapat digambarkan pada diagram seperti tertera dalam diagram alir pada gambar III.2. Penelitian ini dimulai dari tahap persiapan; tahap pembangunan data jaringan 3 dimensi bangunan objek kajian; tahap analisis yaitu mengidentifikasi variabel-variabel faktor fisik dan lokasi yang diduga mempengaruhi harga pasar unit dari data jaringan terbentuk dan analisis variabel dengan analisis regresi berganda untuk memperoleh variabel-variabel yang dapat memprediksi harga pasar. Apabila hasil validasi model telah sesuai dengan standar penilaian yang ada, maka model empiris yang terbentuk digunakan untuk memprediksi nilai unit lainnya pada objek kajian.
21
Penggunaan bangunan Kusuma Mulia Tower
Gambar III.1 Lokasi penelitian
22
ALUR PENELITIAN
Studi Literatur, Penentuan Daerah Studi dan Variabel Penelitian PERSIAPAN VARIABEL PENELITIAN Harga Jual, Luas, Tinggi Lantai, Parkir, Tangga, Hotel dan View PENGUMPULAN DATA PEMODELAN METODE REGRESI
VALIDASI MODEL REGRESI PENGOLAHAN DATA
ANALISIS HASIL PENGOLAHAN DATA METODE REGRESI ANALISIS PENELITIAN KESIMPULAN KESIMPULAN PENELITIAN
Gambar III.2 Diagram alir penelitian
III.3 Tahap persiapan
Tahap persiapan merupakan kegiatan awal penelitian, diantaranya meliputi kegiatan sebagai berikut: 1. Kajian pustaka mengenai penelitian-penelitian terdahulu yang relevan dengan topik kajian. Kajian pustaka juga dilakukan terkait dengan landasan teori yang mendukung topik kajian antara lain penilaian, statistika, ekonometrika serta software-software pendukung penelitian. 2. Penentuan lokasi penelitian dengan pertimbangan ketersediaan data dan sumber daya yang ada. Apartemen Kusuma Mulia, Kota Solo dipilih menjadi obyek penelitian dengan pertimbangan data harga jual dan denah bangunan mudah diperoleh dari bagian pemasaran.
23 3. Penentuan variabel dilakukan merujuk pada penelitian-penelitian sebelumnya dan disesuaikan dengan kondisi obyek penelitian. Variabel-variabel yang digunakan dalam penelitian ini terdiri dari: a. Variabel terikat, yaitu nilai unit/harga jual b. Variabel bebas, yang terdiri dari:
Variabel lokasi, yang diwakili oleh waktu tempuh tercepat dari unit apartemen menuju parkir dengan menggunakan lift, waktu tempuh tercepat dari unit apartemen menuju lantai dasar dengan menggunakan tangga darurat, waktu tempuh tercepat dari unit apartemen menuju ke lobby hotel dengan menggunakan lift dan tinggi lantai.
Variabel lainnya, terdiri dari luas unit apartemen dan view.
4. Selain kegiatan diatas juga dipersiapkan peralatan pendukung penelitian yang terdiri dari hardware dan software. Hardware yang digunakan dalam penelitian ini adalah sebuah laptop dan printer. Software yang digunakan adalah software CAD, software statistik, software pengolahan kata dan spreedseet.
III.4 Pengumpulan data
Pengumpulan data dilakukan untuk mendapatkan data variabel penelitian, antara lain: 1. Nilai unit atau harga jual apartemen, diperoleh dari harga jual dari penawaran yang dilakukan oleh pengembang Apartemen Kusuma Mulia pada tanggal 15 November 2007. Penyesuaian data tidak dilakukan karena harga jual kurang dari satu tahun. 2. Waktu tempuh, diperoleh melalui analisis waktu tempuh tercepat (shortest part) menggunakan aplikasi yang dibuat oleh Sinaga dengan tahapan seperti tertera dalam Lampiran B. 3. Tinggi lantai, diidentifikasi dari data spasial yang diperoleh dari pengembang. 4. Luas unit, data luas unit apartemen diperoleh dari data atribut pada obyek penelitian. 5. View, diperoleh dari data spasial yang diperoleh dari pengembang.
24 III.5 Pengolahan data
Pengolahan data
dalam penelitian ini menggunakan metode regresi. Pada
penelitian ini diperoleh data sampel harga jual unit apartemen pada objek kajian sejumlah 229 sampel (lampiran-D). Standar deviasi dari data sampel tersebut menunjukkan nilai yang besar, ini berarti bahwa data sampel yang digunakan sangat bervariasi. Harga jual yang dimaksud dalam penelitian ini adalah harga jual /m2. Data harga jual yang diperoleh terlebih dahulu di konversi dalam harga jual /m2. Penyesuaian harga untuk jenis data tidak ada, karena semua data sampel adalah data pasar penjualan unit apartemen dan penyesuaian waktu juga tidak ada karena data jangka waktu transaksi yang umum adalah satu tahun (stabil dalam satu tahun). III.5.1 Pemodelan nilai satuan unit apartemen
Penelitian ini memilih metode komputasi menggunakan software statistik untuk melakukan pemodelan harga jual satuan unit apartemen. Variabel terikat adalah data harga jual unit sample dan variabel bebas adalah data hasil identifikasi pada data jaringan 3 dimensi maupun dari data atribut (lampiran C). Tabel III.1 berisi pengkodean dan defenisi variabel-variabel yang akan dianalisis tersebut. Tabel III.1 Variabel regresi No. 1 3 4 2 5 6 7
Variabel Harga Lantai Luas Parkir Tangga Hotel View
kode
Defenisi rupiah number number number number number number
Harga jual unit apartemen Tinggi lantai dalam meter meter persegi Detik:waktu tempuh Detik:waktu tempuh Detik:waktu tempuh dummy
III.5.1.1 Uji korelasi
Langkah selanjutnya adalah uji korelasi antara variabel terikat dan variabel bebas. Uji korelasi ditujukan untuk mengetahui lebih jelas apakah terdapat hubungan linear yang signifikan antara variabel bebas dan variabel terikatnya serta antara variabel bebas dengan variabel bebas lainnya. Hasil uji korelasi ini juga yang akan
25 mendasari kita dalam membentuk spesifikasi model prediksi harga jual unit apartemen yang akan kita bentuk. Apabila hasil uji korelasi menunjukan bahwa hubungan setiap variabel bebas terhadap terikatnya adalah linear, maka tidak akan ragu lagi untuk membentuk model spesifikasi yang linear. Tabel III.2 Koefisien korelasi Pearson variabel regresi HARGAM2 HARGAM2
LUAS
LANTAI
PARKIR
TANGGA
HOTEL
VIEW
1
,564(**)
,110
-,330(**)
,086
-,425(**)
,073
,564(**)
1
,192(**)
,008
,000
,152(*)
,214(**)
LANTAI
,110
,192(**)
1
,660(**)
,562(**)
,148(*)
-,013
PARKIR
-,330(**)
,008
,660(**)
1
,206(**)
,385(**)
,102
LUAS
TANGGA HOTEL
,086
,000
,562(**)
,206(**)
1
-,034
-,214(**)
-,425(**)
,152(*)
,148(*)
,385(**)
-,034
1
,119
,073
,214(**)
-,013
,102
-,214(**)
,119
1
VIEW Keterangan :
(**) = korelasi signifikan
Besar dan signifikansi hubungan diantaranya dapat diketahui dari nilai korelasi Pearson yang dihasilkan (nilai korelasi yang tinggi adalah yang mendekati 1 atau -1). Hasilnya, variabel prediktor yang signifikan mempunyai hubungan linear dengan nilai pasar adalah variabel luas (0,564), variabel parkir (0,330), dan variabel hotel (0,425). Sayangnya, antar variabel bebas juga diketahui terdapat hubungan linearitas yang signifikan seperti: luas dengan lantai, lantai dengan parkir, dsb. Korelasi yang tinggi antar variabel bebas mengindikasikan terjadinya multikolinearitas. Untuk menguji, apakah multikolinearitas tersebut signifikan atau tidak, akan diketahui berdasarkan nilai variance of inflation (VIF) yang dihasilkan melalui analisis regresi berganda. III.5.1.2 Analisis Jalur
Untuk mengetahui pengaruh langsung dan tidak langsung (direct and indirect effect) dari variabel bebas terhadap variabel terikatnya maka digunakan analisis jalur. Pengaruh tidak langsung suatu variabel bebas terhadap variabel terikatnya adalah melalui variabel lain yang disebut variabel antara (intervening variable). Selain itu analisis jalur, merupakan suatu metode yang digunakan pada model kausal, yang telah dirumuskan peneliti atas dasar pertimbangan-pertimbangan
26 teoritis dan pengetahuan tertentu atau dengan kata lain analisis jalur memiliki kegunaan untuk menguji model kausal yang diteorikan dan bukan menurunkan teori kausal tersebut (Juanim, 2004). Berdasarkan pengolahan data di dapatkan gambaran mengenai analisis jalur sebagai berikut :
Gambar III.3 Diagram jalur estimasi Dari hasil pengolahan data di dapat persamaan struktural sebagai berikut: Harga = 0.11*Luas +0.16*Lantai -0.080*Parkir +0.a21*Tangga -0.22*Hotel +0.066*View, (0.11) (0.091) (0.12) (0.11) (0.081) (0.083) 1.03 1.71 -0.69 1.98 -2.72 0.80 Errorvar.= 0.88 , Rý = 0.12 (0.084) 10.54
Baris pertama adalah koefisien jalur, baris kedua standar error dan baris ketiga adalah t-hitung. Untuk menguji koefisien jalur secara parsial atau untuk mengetahui variabel bebas mana yang berpengaruh secara signifikan terhadap variabel terikat di uji dengan uji t, hasilnya adalah sebagai berikut:
27 Tabel III.3 Hasil uji analisis jalur dengan uji-t ( = 0.05, df=228, t-tabel= 1.97042) No 1 2 3 4 5 6
Variabel LUAS LANTAI PARKIR TANGGA HOTEL VIEW
Koefisien
T Statistik
Uji t
0.11 0.16 -0.080 0.a21 -0.22 0.066
1.03 1.71 -0.69 1.98 -2.72 0.80
Tidak Signifikan Tidak Signifikan Tidak Signifikan Signifikan Signifikan Tidak Signifikan
Berdasarkan analisis jalur pada Tabel III.3 diatas tampak bahwa variabel independen yang memiliki pengaruh langsung adalah variabel tangga dan variabel hotel. Pengaruh langsung variabel hotel terhadap nilai satuan unit apartemen adalah -0.22, ini dapat diinterpretasikan bahwa setiap kenaikan satu simpangan baku dalam nilai hotel secara rata-rata akan menurunkan nilai harga sebesar 0.22 simpangan baku. Demikian pula untuk pengaruh variabel tangga. Sedangkan hubungan korelasi antara variabel independen dapat dilihat dalam tabel III.4 berikut: Tabel III.4 Koefisien korelasi variabel independen
LUAS LUAS
LANTAI
PARKIR
TANGGA
HOTEL
VIEW
Keterangan: Baris error 000 = 000 =
1.00 (0.09) 10.54 0.56 (0.08) 7.32 0.11 (0.07) 1.63 -0.33 (0.07) -4.67 0.09 (0.07) 1.27 -0.42 (0.07) -5.83
LANTAI
1.00 (0.09) 10.54 0.19 (0.07) 2.81 0.01 (0.07) 0.12 0.00 (0.07) 0.01 0.15 (0.07) 2.24
PARKIR
1.00 (0.09) 10.54 0.66 (0.08) 8.21 0.56 (0.08) 7.30 0.15 (0.07) 2.18
TANGGA
1.00 (0.09) 10.54 0.21 (0.07) 3.01 0.38 (0.07) 5.35
HOTEL
1.00 (0.09) 10.54 -0.03 (0.07) -0.51
VIEW
1.00 (0.09) 10.54
pertama adalah koefisien korelasi, baris kedua standar dan baris ketiga adalah t-hitung koefisien korelasi lebih dari 50% t-hitung tidak signifikan
28 Dari hasil uji korelasi antar variabel independen diatas diketahui bahwa koefisien korelasi yang lebih dari 50% terjadi antara luas-lantai, parkir-tangga dan parkirhotel. Dengan menggunakan uji t hubungan korelasi antara independen variabel hampir semua korelasi signifikan, korelasi yang tidak signifkan yaitu antara luasparkir, luas-hotel, lantai-tangga, lantai-hotel dan hotel-view. signifikan artinya masing-masing variabel independen mempunyai hubungan korelasi. III.5.1.3 Pembentukan model regresi
Berdasarkan hasil uji korelasi pada variabel-variabel pembentuk model regresi, maka pendekatan awal model regresi dapat mengikuti spesifikasi model penambahan (linear) karena umumnya variabel bebas berkorelasi linear dengan variabel terikat. Variabel bebas yang tidak signifikan berkorelasi linear tetap akan dimasukkan, karena tidak ada jaminan bahwa variabel yang berkorelasi signifikan akan berpengaruh signifikan terhadap estimasi nilai satuan unit apartemen. Sebaliknya variabel yang awalnya tidak signifikan berkorelasi terhadap nilai satuan unit apartemen bisa saja pada akhirnya signifikan dalam mengestimasi nilai satuan unit apartemen (Eckert, 1990). Berdasarkan hasil uji korelasi variabel, model regresi berganda untuk memprediksi harga pasar dan karakteristik fisik dan lokasi yang diidentifikasi, dapat dibentuk menggunakan rumus II.1 dan dan II.5:
Harga=b0+b1Luas+b2Lantai+b3Parkir+b4Tangga+b5Hotel+b6View +e
Variabel harga sebagai variabel terikat, dan variabel bebasnya adalah: Luas, Lantai, Parkir, Tangga, Hotel dan View. b0 adalah variabel konstanta sebagai harga pasar pendekatan dan e adalah variabel kesalahan (error). Penaksiran garis regresi menggunakan prinsip jumlah kuadrat terkecil yang artinya harga pasar sampel digunakan memprediksi harga pasar populasi dengan cara menaksir garis regresi populasi berdasarkan prinsip jumlah kuadrat kesalahan (error) yang dihasilkan adalah yang paling kecil (minimum). Jika ei=(harga pasar sampel – harga pasar prediksi)i , maka berdasarkan prinsip jumlah kuadrat terkecil: Σe2=minimum.
29 Tabel III.5 menunjukan hasil analisis regresi berganda menggunakan software pengolah statistik Tabel III.5 Hasil regresi awal Model 1: OLS estimates using the 229 observations 1-229 Dependent variable: HARGAM2 Variable const ZLUAS ZLANTAI ZLIFT ZTANGGA ZHOTEL ZVIEW
Coefficient 9.42761e+06 968104 615869 -711210 -58122.9 -719314 74709.5
Std. Error 68366.4 75198.9 119130 106124 88912.2 76813.4 72804.5
t-statistic 137.8982 12.8739 5.1697 -6.7017 -0.6537 -9.3644 1.0262
p-value <0.00001 <0.00001 <0.00001 <0.00001 0.51397 <0.00001 0.30593
*** *** *** *** ***
Mean of dependent variable = 9.42761e+06 Standard deviation of dep. var. = 1.74998e+06 Sum of squared residuals = 2.37615e+14 Standard error of residuals = 1.03457e+06 2 Unadjusted R = 0.659691 2 Adjusted R = 0.650493 F-statistic (6, 222) = 71.7247 (p-value < 0.00001) Log-likelihood = -3492.92 Akaike information criterion = 6999.83 Schwarz Bayesian criterion = 7023.87 Hannan-Quinn criterion = 7009.53 White's test for heteroskedasticity Null hypothesis: heteroskedasticity not present 2 Test statistic: TR = 167.633 with p-value = P(Chi-Square(27) > 167.633) = 2.99562e-22 Test for normality of residual Null hypothesis: error is normally distributed Test statistic: Chi-square(2) = 11.234 with p-value = 0.00363556
III.5.1.4 Pengujian model A. Uji kriteria apriori ekonomi
Uji kriteria a priori ekonomi dilakukan dengan cara membandingkan kesesuaian tanda antara koefisien parameter yang diperoleh, dengan anggapan umum/teori yang berlaku. Apabila tanda koefisien parameter regresi sesuai dengan teori, maka variabel tersebut lolos dari uji kriteria ekonomi. Sebaliknya, jika tanda dari koefisien tidak sesuai dengan teori, maka variabel tersebut tidak lolos uji.
30 Terkait dengan pengujian variabel dengan uji a priori ekonomi, maka perlu dibuat hipotesis yang terdiri dari : 1. Luas unit apartemen (LUAS) mempunyai hubungan positif terhadap harga pasar unit apartemen, yang bermakna bahwa semakin luas unit apartemen maka harga pasar unit apartemen tersebut akan makin mahal dan sebaliknya. 2. Tinggi lantai (LANTAI) mempunyai hubungan positif terhadap harga pasar unit apartemen, yang bermakna bahwa semakin tinggi unit apartemen berada maka semakin mahal nilainya dan sebaliknya. 3. Waktu tempuh dari tempat parkir (basement) menuju unit apartemen dengan menggunakan lift (PARKIR) mempunyai hubungan negatif terhadap harga pasar unit apartemen, yang bermakna bahwa semakin lama waktu tempuh yang dibutuhkan untuk mencapai ke unit apartemen maka semakin murah nilainya dan sebaliknya. 4. Waktu tempuh dari unit apartemen ke lantai dasar dengan menggunakan tangga darurat (TANGGA) mempunyai hubungan negatif terhadap harga pasar unit apartemen, yang bermakna bahwa semakin lama waktu tempuh yang dibutuhkan untuk turun kebawah maka semakin murah nilainya dan sebaliknya. 5. Waktu tempuh dari unit apartemen ke lobby hotel dengan menggunakan lift (HOTEL) mempunyai hubungan negatif terhadap harga pasar unit apartemen, yang bermakna bahwa semakin lama waktu tempuh yang dibutuhkan untuk mencapai lobby hotel maka semakin murah nilainya dan sebaliknya. 6. View dari unit apartemen (VIEW) mempunyai hubungan positif terhadap harga pasar unit apartemen, ini berarti bahwa semakin bagus view dari unit apartemen maka harganya akan semakin mahal dan sebaliknya.
Dari hipotesis yang telah dibuat, diperoleh hasil uji kriteria a priori ekonomi seperti pada tabel III.6 berikut :
31 Tabel III.6 Hasil uji a priori ekonomi (uji tanda) No
Variabel
Tanda Uji
1 2 3 4 5 6
LUAS LANTAI PARKIR TANGGA HOTEL VIEW
+ (POSITIF) + (POSITIF) - (NEGATIF) - (NEGATIF) - (NEGATIF) + (POSITIF)
Uji a priori LOLOS LOLOS LOLOS LOLOS LOLOS LOLOS
Dari tabel III.6, dapat dilihat bahwa semua variable sesuai dengan hipotesis, sehingga model bisa digunakan untuk memprediksi nilai pasar unit apartemen. B. Uji statistik 1.
Uji-t
Uji ini digunakan untuk mengetahui apakah koefisien regresi secara individu berpengaruh terhadap variabel terikat. Pengujian berikutnya dilakukan dengan membandingkan antara nilai |t-hitung| dengan t-tabel. Jika |t-hitung| lebih besar dari pada t-tabel maka dikatakan signifikan (lolos uji) dan sebaliknya (Gujarati, 1995). Hasil dari uji-t sebagaimana terlihat pada Tabel III.7 berikut: Tabel III.7 Hasil uji data statistik dengan uji-t ( = 0.05, df=228, t-tabel= 1.97042) No 1 2 3 4 5 6
Variabel LUAS LANTAI PARKIR TANGGA HOTEL VIEW
T Statistik 12.874 5.170 -6.702 -0.654 -9.364 1.026
P-Value <0.00001*** <0.00001*** <0.00001*** 0.51397 <0.00001*** 0.30593
Uji t Signifikan Signifikan Signifikan Tidak Signifikan Signifikan Tidak Signifikan
Dari hasil uji-t, diketahui bahwa variabel yang signifikan adalah variabel dengan nilai |t-hitung| lebih besar dari 1.97042. Dari perbandingan nilai tersebut maka variabel yang signifikan adalah variabel luas, variabel lantai, variabel lift dan variabel hotel. Sedangkan pada variabel yang tidak signifikan adalah tangga dan view, karena nilai |t-hitung| kurang dari t-tabel.
32 2.
Uji F
Uji ini dilakukan untuk mengetahui pengaruh variabel bebas secara bersama-sama terhadap variabel terikat. Uji ini dilakukan dengan membandingkan nilai Fhitung dengan Ftabel. Uji ini menggunakan uji dua sisi, dengan derajat kebebasan (degree of freedom) df1 = k-1 dan df2 = (n-k), dimana k adalah jumlah variabel bebas ditambah konstanta dan n adalah jumlah sampel. Kriteria pengujian yaitu apabila Fhitung > Ftabel maka Ho ditolak dan semua variabel bebas bersama-sama mempengaruhi signifikan memprediksi nilai tanah pertokoan (Gujarati, 1995). Hasil dari uji-F adalah sebagaimana pada Tabel III.8 berikut : Tabel III.8 Hasil uji data statistik dengan uji-F (Uji-F dua sisi pada = 0.05 ) Model 1
Df
Ftabel
Fhitung
Kesimpulan
df1=4,df2=224
2.83858
107.242
LOLOS
Dari data diatas dapat diketahui bahwa semua model lolos dari uji-F, karena nilai Fhitung dari semua model lebih besar dari pada nilai Ftabel. Hal ini menunjukan bahwa seluruh variabel bebas dalam model secara bersama-sama mampu menjelaskan variabel terikatnya yaitu harga jual unit apartemen. 3.
Uji Koefisien Determinasi (R2)
Untuk melihat pengaruh variabel bebas terhadap variabel terikat, dilakukan pengujian koefisien determinasi (R2) dan dinyatakan dalam persentase (%). Pada regresi yang menggunakan lebih dari dua parameter sebagai variabel bebas, digunakan adjusted R2 sebagai koefisien determinasi (Santoso, 2002). Berdasarkan Tabel III.5, nilai koefisien determinasi (Adjusted R2) untuk model adalah 65,9. Hal ini menunjukkan bahwa variabel-variabel yang diuji dapat menjelaskan sebesar 65,9% dari nilai satuan unit apartemen, sedangkan 34,1% dipengaruhi oleh faktor lain. Dengan demikian korelasi/hubungan antara nilai
33 tanah dengan sembilan variabel bebasnya adalah kuat, karena nilai koefisien determinannya di atas 0,5 (Santoso, 2002). C. Uji asumsi regresi
Validitas interpretasi model regresi terpilih juga bergantung pada kebenaran asumsi model. Asumsi yang melekat pada model regresi antara lain yaitu distribusi normal error, tidak terdapat gejala multikolinearitas dan tidak terdapat gejala heterokedastisitas. Dibawah ini akan dilakukan uji terdapat asumsi-asumsi tersebut. 1. Uji distribusi normal error (residual)
Distribusi normal error (residual) pada model regresi terpilih, dapat dilihat pada grafik histogram dan normal kurva serta hasil uji normalitas menggunakan software statistik. Gambar III.3 menunjukan bahwa kesalahan prediksi nilai terdistribusi normal secara visual terlihat bahwa garis normal kurvanya tidak condong kemana-mana dan tidak terdapat bentuk aneh pada kurva normalnya.
Gambar III.4 Distribusi normal error Hasil uji dari software statistik seperti yang terdapat dalam Gambar III.4 menunjukan bahwa error terdistribusi normal.
34 2. Uji multikolinearitas
Gejala multikolinearitas dapat disimpulkan dengan menghitung nilai R2 setiap regresi masing-masing variabel bebas. Selain itu pada software statistik, gejala multikolinearitas dapat diketahui dari nilai variance of inflation (VIF). Gejala multikolinearitas yang serius terjadi jika nilai VIF > 10. Tabel III.9 Hasil uji multikolinearitas No 1 2 3 4 5 6
Variabel LUAS LANTAI PARKIR TANGGA HOTEL VIEW
VIF 1.205 3.023 2.399 1.684 1.257 1.129
Kesimpulan LOLOS LOLOS LOLOS LOLOS LOLOS LOLOS
Dari hasil uji seperti dalam Tabel III.9 diatas dapat diketahui bahwa semua nilai VIF < 10, berarti model terpilih tidak terdapat gejala multikolinearitas yang serius. 3. Uji heterokedastisitas
Gejala heterokedastisitas dapat dideteksi dengan melakukan analisis korelasi terhadap nilai absolut variabel error (residual), terhadap variabel terikat model regresi terbentuk (Eckert, 1990, IAAO, 1999). Karena yang ingin diketahui adalah ada atau tidaknya hubungan antara kedua variabel tersebut, maka dilakukan uji dua sisi.
Dari uji heteroskedastisitas seperti dalam Tabel III.5 diperoleh hasil bahwa tidak terjadi gejala heterokedastisitas yang signifikan pada model terpilih.
35 Rekapitulasi hasil pengujian model sebagaimana yang telah dilakukan diatas adalah sebagai berikut : Tabel III.10 Rekapitulasi hasil pengujian variabel No 1 2 3 4 6 7
Variabel LUAS LANTAI PARKIR TANGGA HOTEL VIEW
Uji Apriori Ekonomi
Uji t
Uji multikolinearitas
LOLOS LOLOS LOLOS LOLOS LOLOS LOLOS
Signifikan Signifikan Signifikan Tidak Signifikan Signifikan Tidak Signifikan
LOLOS LOLOS LOLOS LOLOS LOLOS LOLOS
Dari Tabel III.10 diatas maka dapat diketahui variabel yang lolos untuk digunakan dalam pemodelan berikutnya adalah variabel luas, lantai, parkir dan hotel. Sedangkan untuk variabel tangga dan view tidak lolos dalam uji t sehingga tidak digunakan dalam pemodelan selanjutnya. III.5.2 Pemodelan Akhir
Terhadap variabel yang lolos uji, kemudian dilakukan pemodelan ulang, sehingga diperoleh model persamaan matematis baru sebagai berikut : Harga = b0 + b1Luas + b2Lantai – b3Parkir– b4Hotel + є
Dimana: Nilai pasar unit apartemen (Rp/m2) Konstanta/parameter Luas unit apartemen dalam m2 Ketinggian lantai bangunan dimana unit apartemen berada dalam meter. Parkir = Waktu tempuh dari tempat parkir (basement) dengan menggunakan Lift menuju unit apartemen dalam detik. Hotel = Waktu tempuh dengan menggunakan Lift menuju lobby hotel dalam detik. є = Variabel pengganggu Harga b0,b1,...bn Luas Lantai
= = = =
36 Setelah dilakukan pemodelan ulang maka diperoleh hasil sebagai berikut : Tabel III.11 Model Akhir Model 2: OLS estimates using the 229 observations 1-229 Dependent variable: HARGAM2 Variable const ZLUAS ZLANTAI ZLIFT ZHOTEL
Coefficient 9.42761e+06 995601 552665 -674836 -717245
Std. Error 68333.9 72296.3 96139.6 101596 76759.3
t-statistic 137.9638 13.7711 5.7486 -6.6424 -9.3441
p-value <0.00001 <0.00001 <0.00001 <0.00001 <0.00001
*** *** *** *** ***
Mean of dependent variable = 9.42761e+06 Standard deviation of dep. var. = 1.74998e+06 Sum of squared residuals = 2.39528e+14 Standard error of residuals = 1.03408e+06 Unadjusted R2 = 0.656952 2 Adjusted R = 0.650826 F-statistic (4, 224) = 107.242 (p-value < 0.00001) Log-likelihood = -3493.84 Akaike information criterion = 6997.67 Schwarz Bayesian criterion = 7014.84 Hannan-Quinn criterion = 7004.6 White's test for heteroskedasticity Null hypothesis: heteroskedasticity not present Test statistic: TR2 = 143.685 with p-value = P(Chi-Square(14) > 143.685) = 1.31058e-23 Test for normality of residual Null hypothesis: error is normally distributed Test statistic: Chi-square(2) = 9.59983 with p-value = 0.00823043
Dari pemodelan ulang seperti dalam Tabel III.11 tersebut diketahui bahwa semua nilai |t-hitung| lebih besar dari nilai t-tabel sebesar diperoleh 1.97042 sehingga seluruh variabel lolos uji-t. Nilai F-statistik yang diperoleh adalah sebesar 107,242 ini menunjukkan bahwa dari uji F model lolos karena nilai F-hitung lebih besar dari nilai F-tabel sebesar 2.83858. Dari tes heteroskedatisitas menunjukkan bahwa model tidak terdapat heteroskedastisitas dan dari tes distribusi error diperoleh hasil bahwa error terdistribusi dengan normal. Sedangkan nilai R2 sebesar 0,65 hal ini berarti bahwa variabel bebas dapat menjelaskan variabel terikatnya sebesar 65% sehingga model baru tersebut bisa digunakan sebagai model dikarenakan mempunyai nilai R2 lebih dari 0,5.
37 III.5.3 Validasi model
Uji validasi perlu dilakukan terhadap beberapa data pasar yang tidak dijadikan sebagai sampel untuk pembuatan model melainkan ditujukan sebagai kontrol data atas model regresi empiris yang terbentuk pada objek kajian untuk memberi tambahan keyakinan bahwa variabel-variabel pada model dapat digunakan untuk memprediksi nilai pasar (IAAO, 2003) Tabel III.12 Rasio penilaian pada data validasi NO
UNIT
HARGAM2
HASIL PREDIKSI
SELISIH
RATIO
1 2 3 4
L07-CB L07-CC L07-DE L08-BD
8.520.244,68 8.520.244,68 8.520.244,68 11.844.598,86
8.521.680,87 8.674.455,85 8.745.117,77 9.458.941,85
-1.436,19 -154.211,17 -224.873,09 2.385.657,02
0,00 -0,02 -0,03 0,20
5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23
L08-CC L8A-DF L09-AA L09-AB L10-AC LS1-AD LS1-BA LS1-DH LS2-DH LS5-AE L12-AA L17-AE L18-AF L18-DB L18A-BA L19-AD L20-AC L25-DA L25-DC
8.520.244,68 8.520.244,68 10.070.474,78 8.520.244,68 7.864.841,25 11.272.939,12 11.272.939,12 10.486.455,00 10.486.455,00 11.272.939,12 9.881.305,64 7.864.841,25 8.520.244,68 8.520.244,68 8.520.244,68 8.520.244,68 7.864.841,25 7.864.841,25 7.864.841,25
8.830.788,81 9.070.352,01 11.920.350,84 8.640.721,69 8.867.716,56 10.629.691,38 10.386.525,89 10.693.392,80 10.536.063,05 10.190.064,49 11.457.826,22 8.001.303,44 10.106.099,76 9.938.522,09 8.880.728,47 8.940.677,95 8.316.910,51 7.901.777,27 8.125.214,17
-310.544,12 -550.107,32 -1.849.876,06 -120.477,01 -1.002.875,32 643.247,74 886.413,23 -206.937,81 -49.608,06 1.082.874,63 -1.576.520,58 -136.462,19 -1.585.855,08 -1.418.277,40 -360.483,78 -420.433,26 -452.069,26 -36.936,03 -260.372,93
-0,04 -0,06 -0,18 -0,01 -0,13 0,06 0,08 -0,02 0,00 0,10 -0,16 -0,02 -0,19 -0,17 -0,04 -0,05 -0,06 0,00 -0,03
Reliabilitas variabel dalam menduga nilai sewa dapat dinilai dengan melakukan rasio studi hasil penilaian terhadap data validasi. Rasio studi digunakan untuk mengetahui tingkat penilaian dan keseragaman penilaian yang diperoleh dari model penilaian yang terbentuk. Hasil rasio studi data validasi menggunakan rumus 2.8, 2.14 dan 2.15 adalah sebagai berikut:
38 Tabel III. 13 Ratio Statistik untuk Harga Prediksi / Harga Jual Price Related Differential
1,007
Coefficient of Dispersion Coefficient of Variation
,062 Median Centered
9,0%
Nilai PRD sebesar 1,007 masuk toleransi yang disyaratkan IAAO (>0,98 dan <1,03). Nilai COD sebesar 0,062 masuk toleransi yang disyaratkan IAAO (<10% untuk properti apartemen baru). Nilai COV sebesar 9% masuk toleransi yang disyaratkan IAAO (<10% untuk properti apartemen). III.5.4 Model empiris
Berdasarkan koefisien model regresi ulang maka model empiris untuk mengestimasi nilai sewa pada objek kajian adalah: Nilai =9.427.605+995.601Luas+552.665Lantai–674.836Parkir–717.245Hotel
Model empiris yang diperoleh, digunakan untuk memprediksi nilai satuan unitunit apartemen lain pada objek kajian. Karena pada model empirik terdapat variabel-variabel lokasi yang harus diidentifikasi dengan analisis jaringan, maka terlebih dahulu dilakukan identifikasi variabel lift pada setiap unit yang akan dinilai, kemudian nilai pasar dapat dihitung menggunakan model empiris yang terbentuk.
