Tugas 1 Statistik Gilang Ramadhan
Tugas 1 Statistik Gilang Ramadhan
GILANG RAMADHAN
6012221099
Dosen Pengajar 1
Dr. Muhammad Sjahid Akbar
NIP. 19720705 199802 1 001
1 BAB I
PENDAHULUAN
1.1 LATAR BELAKANG
Wilayah Kabupaten Sidoarjo berada di selatan Surabaya, dan secara geografis kedua kota
ini seolah-olah menyatu. Sektor industri di Sidoarjo berkembang cukup pesat karena lokasi yang
berdekatan dengan pusat bisnis kawasan Indonesia Timur (Surabaya). Daerah perkotaan sebagai
pusat aktivitas perdagangan, industri, pendidikan dan berbagai aktivitas lainya pasti berpengaruh
pada kebutuhan hunian yang semakin meningkat seiring dengan peningkatan pembangunan dan
pendapatan masyarakat.
Melihat antusias masyarakat akan permintaan hunian yang layak, banyak penyedia
properti (Developer) membidik segmen menengah ke bawah dengan kategori rumah sederhana.
Dengan berkembangnya pembangunan real estate maka semakin banyak pilihan rumah tinggal
menuntut masyarakat untuk menentukan harga rumah tinggal yang sesuai dengan
mempertimbangkan beberapa hal pokok seperti lokasi dan fasilitas sehingga penyedia properti
juga dituntut mampu menyediakan hunian layak yang mampu terbeli oleh masyarakat.
Penilaian properti dengan menggunakan analisis regresi dapat menyediakan dasar
pengambilan keputusan bagi pemilihan pembelian rumah, keperluan investasi, asuransi, ataupun
untuk perbankan.
Pada umumnya penilaian properti dilakukan dengan metode perbandingan penjualan,
karena metode ini paling bisa mempresentasikan kondisi pasar yang terjadi pada waktu itu. Hal
ini tidak dapat dipungkiri karena nilai pasar tidak akan dapat diestimasi secara benar tanpa
adanya referensi data pasar. Selain itu para penilai juga jarang menggunakan penyesuaian umur,
penyesuaian lokasi, atau penyesuaian kondisi, penyesuaian status renovasi. Sehingga dapat
disimpulkan bahwa penilai dengan pengalaman lebih banyak akan mendapatkan hasil penilaian
yang jauh lebih baik.
1.3 TUJUAN
Adapun tujan dari penyusunan tugas ini adalah.
1. Mengetahui model regresi untuk pengambilan keputusan bagi pemilihan pembelian
rumah.
2. Mengetahui keakuratan model pengambilan keputusan bagi pemilihan pembelian
rumah dengan mengunakan metode regresi.
1.4 BATASAN MASALAH
Batasan masalah pada tugas ini adalah sebagai berikut :
5
1. Data jurnal yang diambil yaitu dari Jurnal Teknik Sipil, Institut Teknologi Nasional
Malang
2. Data variabel proyek diambil hanya 2 variabel dari jurnal.
1 BAB II
TINJAUAN PUSTAKA
Oleh karena itu didunia yang sempurna, peristiwa yang diprediksi dapat dijelaskan secara
metematis sebagai Y = a + bX . Dalam dunia nyata, peristiwa yang terjadi , jarang bahkan tidak
ada yang sempurna. Sehingga persamaan tersebut menjadi Y= a+ bX + e . Notasi e atau error
digambarkan sebagai residual antara nilai pengamatan Y dengan nilai prediksi Y.
Perhitungan yang lebih teliti mengenai hubungan antar variabel-variabel tersebut
selanjutnya dikembangkan dengan bentuk metode kuadrat terkecil (least sequared error).
Dengan menggunakan kuadrat terkecil ini, perbedaan vertikal antara garis regresi dan
pengamatan aktualnya dikuadratkan, kemudian dijumlahkan, dan garis regresi yang terpilih
adalah yang memiliki jumlah kuadrat terkecil.
Regresi linear berganda merupakan lanjutan dari regresi linear sederhana dimana
variabel bebas atau independen yang digunakan lebih dari satu. Teknik analisis yang
digunakan dengan metode analisis regresi linear berganda dengan persamaan berikut :
Y =α + β 1 X 1+ β 2 X 2
Keterangan :
α = konstanta
β1 , β2 = koefisien regresi linear berganda
X1 = Lokasi
X2 = Fasilitas
f. Uji Parsial (uji t)
Uji Parsial (uji t) yaitu untuk menguji bagaimana pengaruh masing-masing
variabel bebasnya secara sendiri-sendiri terhadap variabel terikatnya. Untuk
mengetahui hubungan secara individu antara variabel bebas terhadap variabel terikat,
maka dapat dilakukan dengan membuat hipotesis :
1. H 0 : β i=0, Artinya tidak terdapat pengaruh variabel independen terhadap
variabel dependen.
2. H 0 : β i ≠ 0, Artinya terdapat pengaruh signifikan dari variabel independen
terhadap variabel dependen.
g. Uji F
Uji F bertujuan untuk mencari apakah variabel independen secara bersama – sama
(stimultan) mempengaruhi variabel dependen. Uji F dilakukan untuk melihat
pengaruh dari seluruh variabel bebas secara bersama-sama terhadap variabel terikat.
Uji ini digunakan untuk melihat apakah variabel independen secara keseluruhan
berpengaruh signifikan terhadap variabel dependen. Kriteria pengambilan keputusan
adalah :
1. Jika nilai p-value > 0,05 dan Fhitung < Ftabel maka H0 diterima
2. Jika nilai p-value < 0,05 dan Fhitung > Ftabel maka H1 maka diterima
No Variabel Indikator
1 Lokasi Letak bangunanterhadap pusat kota
2 Fasilitas Kelengkapan penunjang sekitar perumahan (system keamanan, kondisi,
drainase, system air bersih)
9
Score
Sampel Y (Harga (Rp))
X1 (Lokasi) X2 (Fasilitas)
1 1,0 2,0 79000000
2 2,0 2,5 90000000
3 1,5 2,8 93500000
4 1,0 3,4 104500000
5 3,0 4,0 157500000
6 1,0 2,0 196000000
7 1,8 2,5 216000000
8 1,7 3,0 191850000
9 4,0 2,5 240075000
10 2,5 3,5 122567000
Sumber: Jurnal
2.4.2 Analisa Regresi Linier Berganda
Berdasarkan pada variabel penelitian maka dapat dirumuskan model regresiyang sesuai
dengan data yang diperoleh sehingga digunakan persamaan sebagai berikut:
Y =α + β 1 X 1+ β 2 X 2
Keterangan
α = konstanta
β1 , β2 = koefisien regresi linear berganda
X1 = Lokasi
X2 = Fasilitas
10
BAB III
METODE REGRESI LINEAR BERGANDA
3. Coefficients
4. Analysis of Variance
5. Normal Probability
12
6. Versus Fits
7. Scatter Plot
13
Hipotesis :
H0 = Tidak terdapat hubungan linear antara variable independen dengan variable
dependen
H1 = Terdapat hubungan linear antara variable independen dengan variable dependen
Kriteria Pengujian :
1. Apabila P value > 0,05 (α) maka H0 diterima
2. Apabila P value < 0,05 (α) maka H0 ditolak
Tabel 0.2 Tabel Analysis Of Variance
Dari tabel didapatkan nilai P-value untuk X1-X2 >α, maka terdapat hubungan linear
antara Lokasi dan Fasilitas (H0 diterima).
3.2.3 Uji Heterokedastitas
Hipotesis :
H0 = Tidak terdapat gejala heterokedastisitas dalam model regresi berganda
H1 = Terdapat gejala heterokedastisitas dalam model regresi berganda
Kriteria Pengujian :
1. Apabila tidak ada pola yang jelas, seperti titik titik menyebar diatas dan dibawah
maka H0 diterima
2. Apabila ada pola yang jelas, seperti titik titik membentuk pola tertentu yang teratur
maka H0 ditolak
15
Dari tabel didapatkan nilai Nilai VIF 1,13 ; 1.13 < 10. Dan nilai VIF < 10, dapat
disimpulkan tidak terjadi multikolinearitas (H0 diterima). Sehingga, tidak terjadi
multikolinearitas dalam model regresi berganda.
3.2.5 Uji Autokorelasi
Uji Autokorelasi diuji tanpa dan dengan run test dengan hipotesis :
H0 = Tidak terjadi autokorelasi dalam model regresi berganda
H1 = Terjadi autokorelasi dalam model regresi berganda
Kriteria Pengujian :
1. Apabila nilai DW terletak antara DU dan (4-DU) maka H0 diterima
2. Apabila nilai DW lebih kecil dari DL , atau lebih besar dari (4-DL) maka H0 ditolak
3. Apabila DW terletak antara DL dan DU , maka tidak menghasilkan kesimpulan
16
Pengecekan terlebih dahulu mengambil nilai dU dan dL pada tabel Durbin – Watson.
Berikut adalah table Durbin – Watson : (α = 5%)
n = jumlah ruas
d = hasil nilai dari Durbin – Watson
k = total variabel bebas
dL >d < dU
0,6972 > 0,0440366 < 1,6413
Jadi nilai DW lebih kecil dari DL , atau lebih besar dari (4-DL) maka H0 ditolak
17
3.2.6 Uji Keseluruhan
Tabel 0.5 Tabel P-Value
Dari tabel didapatkan ada nilai P-value > α, maka disimpulkan uji keseluruhan belum
terpenuhi. Harus mencari nilai eigen value dan dilakukan uji Z.
Kriteria Pengujian :
1. Apabila P value > 0,05 maka H0 diterima
2. Apabila P value < 0,05 maka H0 ditolak
Dari tabel didapatkan nilai P-value < α, maka dapat disimpulkan bahwa variable
pekerjaan peningkatan jalan (variable z) berpengaruh terhadap total biaya (H0 ditolak).
Dari tabel didapatkan nilai P-value > α, maka tidak terdapat pengaruh variable X1 luas
lahan pekerjaan terhadap total biaya proyek (H0 diterima).
Persamaan awal :
Persamaan Akhir
Persamaan awal :
Persamaan Akhir
4
22
BAB IV
KESIMPULAN
4.1 KESIMPULAN
Berdasarkan hasil penelitian dapat disimpulkan sebagai berikut :
1. Persamaan regresi awal yaitu Total Harga (Y) = 158305406 + 34881086 (X1) -
27384512 (X2). Namun apabila menggunakan persamaan awal tidak semua variabel
berpengaruh sehingga digunakan persamaan baru yang dipakai dengan nilai Z. Total
Harga (Y) = 149099200 + 34201466 Z
2. Keakuratan model regresi Total Harga (Y) = 149099200 + 34201466 Z berpengaruh
terhadap harga perumahan sebesar 32,76%.