TUGAS X STATISTIKA

ANALISIS REGRESI LINIER BERGANDA

DATA KATEGORI

ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI

HARGA PROPERTI BERDASARKAN NJOP

OLEH:
LARASHATI B’TARI SETYANING
03111850030017

DOSEN PEMBIMBING:
DR. VITA RATNASARI, S.Si, M.Si

PROGRAM PASCA SARJANA MANAJEMEN PROYEK KONSTRUKSI

FAKULTAS TEKNIK SIPIL LINGKUNGAN DAN KEBUMIAN
INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA
2018
Regresi Linier Berganda Data Kategori

TUGAS ANALISIS REGRESI LINIER BERGANDA DATA KATEGORI

Dalam menentukan besarnya nilai properti (tanah) terdapat suatu patokan atau dasar yang digunakan.
Patokan atau dasar tersebut dibedakan menjadi NJOP (Nilai Jual Objek Pajak) serta harga pasar.
Penelitian ini bertujuan untuk mengetahui faktor-faktor apa saja yang mempengaruhi nilai properti
menggunakan dasar NJOP. Dalam penelitian ini digunakan 5 variabel yang mempengaruhi nilai properti,
yaitu :

1. Jarak lokasi ke ke kantor kecamatan

2. Jarak lokasi ke MERR
3. Jarak lokasi ke pasar
4. Seberapa sering daerah tersebut terkena banjir
5. Tipe properti : daerah pemukiman dan perumahan.

Diambil sebanyak 20 sampel properti yang dijabarkan dalam tabel berikut :

Harga NJOP/m2 kecamatan (km) MERR (km) pasar (km) banjir/tahun tipe
1,416,000 7 3 5 0 perumahan
2,508,000 5 5 2 6 pemukiman
3,745,000 3 2 1 0 pemukiman
916,000 1 1 0.5 1 perumahan
1,032,000 1.5 2.5 0.5 0 perumahan
2,176,000 7 7 5 0 perumahan
1,416,000 6 5 5 0 perumahan
916,000 5 3 3 0 perumahan
2,925,000 5 5 2 0 pemukiman
916,000 7 3 3 0 perumahan
4,155,000 1 0.3 0.3 3 pemukiman
1,416,000 3 5 3 0 perumahan
916,000 1 0.5 1.5 6 perumahan
1,862,000 6 5 5 0 perumahan
916,000 1 2 2 0 perumahan
2,508,000 8 6 3.5 0 pemukiman
2,508,000 7 7 3 0 pemukiman
916,000 6 7 4 0 perumahan
916,000 6 6 4 0 perumahan
2,508,000 7 6 4 0 pemukiman

α yang digunakan = 10%

2
Regresi Linier Berganda Data Kategori

ANALISIS DATA DENGAN MENGGUNAKAN MINITAB

1. Input data di minitab

2. Proses Analisis Data Pertama

2.1. Penyusunan model

Setelah data diinput, maka langkah selanjutnya adalah analisis fit regression mode.
Klik Stat → Regression → Regression → Fit Regression Model

3
Regresi Linier Berganda Data Kategori

Setelah itu, akan muncul dialog seperti gambar di bawah, kemudian isikan
Responses : NJOP
Continous predictors : kecamatan, MERR, pasar, banjir
Categorical predictors : tipe

2.2. Output program

a. Anova model regresi

Hipotesis untuk model regresi adalah sebagai berikut :

H0 = model tidak sesuai dengan postulat model
H1 = model sesuai dengan postulat model
Dari output di atas didapatkan P-value untuk regression adalah 0.000 dimana P-value
tersebut lebih kecil dari α= 0.1 (masuk dalam daerah penolakan H0) sehingga model
regresi di atas sesuai dengan postulat model.

4
Regresi Linier Berganda Data Kategori

b. Koefisien

Hipotesis untuk koefisien adalah sebagai berikut :

H0 = predictor tidak berpengaruh terhadap response
H1 = predictor berpengaruh terhadap response
Interpretasi masing-masing predictor dijabarkan dalam tabel di bawah
Predictor P-Value α Kesimpulan
kecamatan 0.123 0.1 terima H0 tidak signifikan
MERR 0.271 0.1 terima H0 tidak signifikan
pasar 0.06 0.1 tolak H0 signifikan
banjir 0.374 0.1 terima H0 tidak signifikan
tipe 0 0.1 tolak H0 signifikan
Karena ada variabel yang tidak signifikan yaitu variabel jarak properti ke kecamatan,
jarak properti ke MERR dan banjir tahunan, maka harus dirunning ulang
menggunakan minitab dengan menghilangkan satu variabel yang tingkat
signifikansinya paling rendah. Tingakt signifikansi paling rendah dapat dilihat dari
nilai P-value yang paling tinggi yaitu variabel banjir tahunan, maka dicoba running
ulang dengan menghilangkan variabel banjir tahunan.

3. Proses Analisis Data Kedua

3.1. Penyusunan model

Setelah data diinput, maka langkah selanjutnya adalah analisis fit regression mode.
Klik Stat → Regression → Regression → Fit Regression Model

5
Regresi Linier Berganda Data Kategori

Setelah itu, akan muncul dialog seperti gambar di bawah, kemudian isikan
Responses : NJOP
Continous predictors : kecamatan, MERR, pasar
Categorical predictors : tipe

6
Regresi Linier Berganda Data Kategori

3.2. Output program

a. Anova model regresi

Hipotesis untuk model regresi adalah sebagai berikut :

H0 = model tidak sesuai dengan postulat model
H1 = model sesuai dengan postulat model
Dari output di atas didapatkan P-value untuk regression adalah 0.000 dimana P-value
tersebut lebih kecil dari α= 0.1 (masuk dalam daerah penolakan H0) sehingga model
regresi di atas sesuai dengan postulat model.

b. Koefisien

Hipotesis untuk koefisien adalah sebagai berikut :

H0 = predictor tidak berpengaruh terhadap response
H1 = predictor berpengaruh terhadap response
Interpretasi masing-masing predictor dijabarkan dalam tabel di bawah
Predictor P-Value α Kesimpulan
kecamatan 0.152 0.1 terima H0 tidak signifikan
MERR 0.323 0.1 terima H0 tidak signifikan
pasar 0.064 0.1 tolak H0 signifikan
tipe 0 0.1 tolak H0 signifikan
Karena ada variabel yang tidak signifikan yaitu variabel jarak properti ke kecamatan
dan jarak properti ke MERR, maka harus dirunning ulang menggunakan minitab

7
Regresi Linier Berganda Data Kategori

dengan menghilangkan satu variabel yang tingkat signifikansinya paling rendah.

Tingakt signifikansi paling rendah dapat dilihat dari nilai P-value yang paling tinggi
yaitu variabel jarak properti ke MERR, maka dicoba running ulang dengan
menghilangkan variabel jarak properti ke MERR.

4. Proses Analisis Data Ketiga

4.1. Penyusunan model

Setelah data diinput, maka langkah selanjutnya adalah analisis fit regression mode.
Klik Stat → Regression → Regression → Fit Regression Model

Setelah itu, akan muncul dialog seperti gambar di bawah, kemudian isikan
Responses : NJOP
Continous predictors : kecamatan, pasar
Categorical predictors : tipe

8
Regresi Linier Berganda Data Kategori

4.2. Output program

a. Anova model regresi

Hipotesis untuk model regresi adalah sebagai berikut :

H0 = model tidak sesuai dengan postulat model
H1 = model sesuai dengan postulat model
Dari output di atas didapatkan P-value untuk regression adalah 0.000 dimana P-value
tersebut lebih kecil dari α= 0.1 (masuk dalam daerah penolakan H0) sehingga model
regresi di atas sesuai dengan postulat model.

b. Koefisien

Hipotesis untuk koefisien adalah sebagai berikut :

H0 = predictor tidak berpengaruh terhadap response
H1 = predictor berpengaruh terhadap response
Interpretasi masing-masing predictor dijabarkan dalam tabel di bawah

Predictor P-Value α Kesimpulan

kecamatan 0.074 0.1 tolak H0 signifikan
pasar 0.094 0.1 tolak H0 signifikan
tipe 0 0.1 tolak H0 signifikan

Setelah menghilangkan variabel banjir dan MERR, variabel kecamatan yang semula
tidak signifikan menjadi signifikan, sehingga ketiga variabel ini yaitu jarak properti
ke kecamatan, jarak properti ke pasar dan tipe properti berpengaruh terhadap NJOP.

9
Regresi Linier Berganda Data Kategori

c. Uji multikolinearitas

Untuk mendeteksi adanya gejala multikolinearitas dapat dilihat nilai VIF pada
masing-masing predictor. Dikatakan tidak ada gejala multikolinearitas apabila VIF
<10. Interpretasi multikolinearitas masing-masing predictor dijabarkan dalam tabel di
bawah.
Predictor VIF Kesimpulan
kecamatan 5.28 Tidak ada korelasi
pasar 5.64 Tidak ada korelasi
tipe 1.98 Tidak ada korelasi

d. R Square

Berdasarkan output dapat disimpulkan bahwa jarak property ke kecamatan, jarak

property ke pasar dan tipe properti berpengaruh sebesar 78.93% terhadap NJOP,
sedangkan sisanya yaitu 21.07% dipengaruhi variabel lain yang tidak diteliti.

e. Persamaan Regresi

Persamaan Regresi Linier berganda secara umum dinyatakan:

Yi=𝞫0 + 𝞫1X1i +𝞫2X2i + ….. + 𝞫kXki + E
Dari data penelitian di atas dihasilkan persamaan regresi sebagai berikut :

10
Regresi Linier Berganda Data Kategori

• Tipe pemukiman
NJOP = 3344295 – 206050 kecamatan + 307896 pasar
• Tipe perumahan
NJOP = 1138479 – 206050 kecamatan + 307896 pasar
Dari persamaan diatas dapat disimpulkan bahwa:
• Untuk tipe properti pemukiman :
Apabila variabel lain bernilai konstan maka nilai NJOP akan berubah
sendirinya sebesar 3344295 ditambah dengan konstanta jarak properti
ke kecamatan dan jarak properti ke pasar.
• Untuk tipe properti perumahan :
Apabila variabel lain bernilai konstan maka nilai NJOP akan berubah
sendirinya sebesar 1138479 ditambah dengan konstanta jarak properti
ke kecamatan dan jarak properti ke pasar.

f. Uji distribusi residual

Probability Plot of RESI

Normal
99
Mean -1.28057E-10
StDev 461773
95 N 20
AD 0.527
90
P-Value 0.157
80
70
Percent

60
50
40
30
20

10

1
-1000000 -500000 0 500000 1000000
RESI

Hipotesis untuk uji distribusi adalah sebagai berikut :

H0 = residual berdistribusi normal
H1 = residual tidak berdistribusi normal
Dari hasil ouput terlihat bahwa P-value = 0.157 > α = 0.1 sehingga terima H0 (residual
berdistribusi normal)

11
Regresi Linier Berganda Data Kategori

g. Uji identik residual

Hipotesis untuk uji identik adalah sebagai berikut :

H0 = varian antar variabel sama (identik)
H1 = varian antar variabel tidak sama (tidak identik)
Dari hasil ouput terlihat bahwa P-value = 0.801 > α = 0.1 sehingga terima H0 (data
identik)

h. Uji independen

Autocorrelation Function for RESI

(with 5% significance limits for the autocorrelations)

1.0

0.8

0.6

0.4
Autocorrelation

0.2

0.0

-0.2

-0.4

-0.6

-0.8

-1.0

2 4 6 8 10 12 14 16 18
Lag

Karena tidak ada autocorelasi yang keluar dari batas atas dan batas bawah (garis
merah) maka asumsi residual independen terpenuhi.

12
Regresi Linier Berganda Data Kategori

i. Membuat Scatter Plot

Scatterplot of NJOP vs kecamatan, pasar

4500000 Variable tipe
kecamatan pemukiman
4000000 kecamatan perumahan
pasar pemukiman
pasar perumahan
3500000

3000000
NJOP

2500000

2000000

1500000

1000000

0 1 2 3 4 5 6 7 8 9
X-Data

j. Kesimpulan
Dari scatter plot dapat diambil kesimpulan :
• Untuk tipe properti pemukiman, semakin dekat jarak properti dengan kecamatan
dan pasar, maka akan semakin mahal harga properti tersebut.
• Untuk tipe properti perumahan, semakin dekat jarak properti dengan kecamatan
dan pasar, maka akan semakin murah harga properti tersebut.
• Eror untuk tipe properti perumahan lebih besar dibandingkan dengan tipe properti
pemukiman, dapat dilihat dari letak titik-titik berwarna ungu dan merah yang
letaknya berjauhan dengan garis persamaan yang berwarna ungu dan merah. Hal
ini mungkin disebabkan karena kesalahan pengambilan data, yaitu salah dalam
menentukan NJOP atau salah dalam melakukan pengukuran jarak properti ke
kecamatan dan ke pasar.
• Jika ingin membeli properti, sebaiknya dipilih lokasi di tengah-tengah, yaitu dekat
dengan pasar dan kecamatan. Dari scatter plot dilihat nilai tengah yaitu properti
yang berjarak 4-5 km dari kecamatan dan pasar. Untuk tipe properti perumahan
harganya berkisar antara Rp 1.000.000 – Rp 2.000.000/ m2 sedangkan untuk tipe
properti pemukiman harganya berkisar antara Rp 2.500.000 – Rp 3.000.000/m2

13