- Mengetahui apakah terdapat hubungan antara luas kosan, jarak kosan dari kampus terhadap harga kosan.

- Mengetahui seberapa kuat hubungan antara luas kosan, jarak kosan dari kampus terhadap harga kosan.

Dapat dijadikan bahan pertimbangan bagi mahasiswa yang ingin mencari kosan untuk mengetahui bahwa fasilitas dengan luas kamar yang ditawarkan, dan jarak kosan dari kampus terhadap harga yang ditawarkan sudah sesuai dengan harapan penggunanya.

No
1 2 3

Jarak
40 100 2000

Luas
9 6 9

Harga
6 4 6

No.
16 17 18

Jarak
500 200 800

Luas
8.5 12 12

Harga
5.5 7 8

4
5 6 7 8 9 10 11 12 13 14 15

1000
100 125 300 1500 200 350 500 300 100 120 200

9
15 12 9 6 9 10 8.25 12 12 9 12

6
8.5 8.5 6.5 5 4.5 4.25 7.1 7.3 6 6.5 7

19
20 21 22 23 24 25 26 27 28 29 30

50
800 700 500 800 200 300 500 250 500 300 350

9
12 9 6 9 6 6 6 6 12 6 6

6
6 8.5 4 4.5 4 4 5 5 6 6 5

One-Sample Kolmogorov-Smirnov Test x1 N Normal Parameters(a,b) Most Differences Mean Std. Deviation 30 456.1667 x2 30 9.0917

437.82315 2.56341 .227 .227 -.171 1.242 .091 .186 .186 -.172 1.019 .250

Extreme Absolute Positive Negative

Kolmogorov-Smirnov Z Asymp. Sig. (2-tailed) a Test distribution is Normal. b Calculated from data.

Dari tabel di atas diperoleh bahwa nilai Z x1= 1.242 dan Z x2 = 1.019 sehingga p>0.05 maka H0 dapat diterima sehingga data tersebut berdistribusi normal.

Residuals Statisticsa

Minimum Maximum Mean Predicted Value Std. Predicted Value Standard Error 4.6851 -1.269 of .192 8.1270 2.263 .699 5.9217 .000 .307

Std. Deviation N .97469 1.000 .104 30 30 30

Predicted Value Adjusted Predicted Value 4.5850 8.0176 5.9238 .97022 30

Residual Std. Residual Stud. Residual Deleted Residual Stud. Deleted Residual Mahal. Distance Cook's Distance

-2.00289 -1.959 -1.998 -2.08432 -2.124 .059 .000

2.57628 2.520 2.577 2.69502 2.912 12.582 .102 .434

.00000 .000 .000 -.00210 .007 1.933 .023 .067

.98659 .965 .998 1.05542 1.044 2.453 .026 .085

30 30 30 30 30 30 30 30

Centered Leverage Value .002

a. Dependent Variable: harga

Ada atau tidaknya pencilan didapatkan dari meilhat nilai Std Residual. Apabila nilai std residual berada diantara -3 sampai 3 maka dikatakan tidak terdapat pencilan.
Pada output tabel diketahui bahwa nilai std residual antara -1.959 sampai 2.520 (berada diantara -3 sampai 3) sehingga dapat diketahui bahwa tidak ada pencilan dari data yang diperoleh.

Berguna untuk mengetahui apakah pada model regresi terjadi ketidaksamaan variansi residual. Jika terjadi kesamaan varian residual dinamakan homokedastisitas.

Dalam praktek, heteroskedastisitas banyak ditemui pada data cross section, karena pengamatan dilakukan pada individu yang berbeda tetapi pada saat yang sama. Model regresi yang baik tidak boleh terjadi heteroskedastisitas.

Dari plot di atas diketahui bahwa plot data berada pada rentang -1.96 sampai 1.96 dan tidak ada yang berada diluar batas itu sehingga dapat dikatakan tidak terjadi heterokedastisitas.

Karena ketiga asumsi di atas sudah terpenuhi, yaitu data terdistribusi normal, tidak ada outlier dan tidak terjadi heterokedastisitas maka analisa menggunakan regresi linear berganda dapat dilakukan.

Analisa Regresi Linier Berganda

Coefficientsa Standardized Unstandardized Coefficients Coefficients Model 1 (Constant) jarak luas B 2.375 .00015 .382 Std. Error .753 .000 .075 .048 .707 Beta t 3.156 .348 5.127 Sig. .004 .730 .000

a. Dependent Variable: harga

Dari output menggunakan SPSS, diperoleh bahwa persamaan regresi linier untuk variable-variabel tersebut yaitu: y = 2.375 + 0.00015 x1 + 0.382x2

Berdasarkan persamaan di atas, diperoleh bahwa :

b0 = 2.375 yang berarti jika semua variabel konstan maka kinerja masih bersifat positif.

Jika variabel jarak diubah maka harga juga akan berubah. Nilai positif berarti bahwa perubahan bersifat searah. Apabila jarak bertambah, maka harga juga akan bertambah dengan koefisien regresi sebesar 0,00015, begitu juga sebaliknya.
Jika variabel luas bertambah, maka harga juga akan bertambah. Nilai positif disini juga berarti bahwa hubungan antara luas dan harga berbanding searah. Apabila luas bertambah, maka harga juga akan bertambah dengan koefisien regresi sebesar 0,382 begitu juga sebaliknya.

Model Summaryb Adjusted Model R 1 .703a R Square .494 Square .456 R Std. Error of the Estimate 1.02248

a. Predictors: (Constant), luas, jarak b. Dependent Variable: harga

Uji F digunakan untuk mengetahi apakah variabel-variabel independen secara simultan (serempak) berpengaruh terhadap variabel dependen.

Derajat kepercayaan yang digunakan adalah 0,05. Apabila nilai F hasil perhitungan lebih besar daripada nilai F menurut tabel maka hipotesis alternatif, yang menyatakan bahwa semua variabel independen secara simultan(serempak) berpengaruh signifikan terhadap variabel dependen.

H0 : 1=2=0 H1 : minimal ada 1 yang 0 Tingkat signifikansi = 5% Statistik uji. Berdasarkan tabel ANOVA diperoleh nilai sig = 0.0001 Daerah kritis : Ho ditolak jika nilai sig <

Kesimpulan :
Dari tabel diperoleh nilai Fhitung sebesar 13,176 dengan nilai probabilitas (sig)=0,0001. Nilai Fhitung (13,176 > Ttabel(4,21), dan nilai (sig) lebih kecil dari nilai probabilitas 0,05 atau nilai 0,0001<0,005; maka H0 ditolak, yang berarti bahwa luas kamar dan jarak kosan secara bersama-sama (simultan) berpengaruh signifikan terhadap harga kos-kosan.

Selanjutnya, dilakukan pengujian secara parsial (uji-t) untuk mengetahui tingkat signifikansi pengaruh variabel bebas secara parsial (individu).
Coefficientsa Unstandardized Coefficients Model 1 B (Constant) 2.375 jarak luas .0001 .382 Std. Error .753 .000 .075 .048 .707 Standardized Coefficients Beta t 3.156 .348 5.127 Sig. .004 .730 .000

a. Dependent Variable: harga

H0= variabel independen tidak mempengaruhi variabel dependen secara signifikan H1= variabel independen mempengaruhi variabel dependen secara signifikan Daerah penolakan = sig < alpha

analisa: Untuk variabel jarak diketahui bahwa nilai t = 0,348 dengan sig = 0.73 yang berarti sig > 0,05. Hal ini dapat disimplakan bahwa variabel jarak tidak mempengaruhi variabel harga secara signifikan. Hal ini juga bisa dilihat dari nilai koefisien regresi x1 yang kecil dan hampir mendekati 0. Untuk variabel luas diketahui bahwa nilai t= 5,127 dengan sig = 0,000 < 0,05. Hal ini dapat disimpulkan bahwa variabel luas memperngaruhi variabel harga secara signifikan.

Kesimpulan
Analisa menggunakan regresi linier berganda dapat dilakukan karena memenuhi asumsi berdistribusi normal, tidak ada outlier dan tidak terjadi heterokedastisitas. Setelah dilakukan pengujian multiple regression dengan menggunakan SPSS dapat diketahui bahwa, terdapat hubungan kuat (nilai multiple R = 0,703) antara luas kosan, jarak kosan dari kampus dengan harga kamar kosan yang ditawarkan. Nilai r square sebesar 0,494 berarti bahwa 49,4% variabel harga sama-sama dipengaruhi oleh variabel jarak dan luas sedangkan 50,6% dipengaruhi oleh variabel-variabel diluar luas dan jarak.