10.95 Analisis Pengaruh Perdagangan Internasional Terhadap Permintaan Pariwisata Di Indonesia

27 lebih besar dari taraf nyata lima persen. Artinya, kondisi tersebut menandakan bahwa cukup bukti untuk mengatakan bahwa error yang terdapat pada model telah terdistribusikan secara normal. Tabel 11 Hasil Uji Normalitas Uji Normalitas Nilai Keterangan Jarque Bera 4.618 Lebih besar dari taraf nyata 5 Probabillity 0.099 Lebih besar dari taraf nyata 5 b. Uji Heteroskedastisitas Asumsi lain yang tidak boleh dilanggar dalam suatu model adalah terbebas dari masalah heteroskedastisitas. Pengujian dilakukan dengan melihat nilai Sum squared resid Weighted yang nilainya harus lebih kecil dari nilai Sum squared resid Unweighted . Pada Tabel 10 dapat dilihat bahwa nilai Sum squared resid Weighted sebesar 3.148 lebih kecil dari Sum squared resid Unweighted sebesar 3.571. Artinya, model ini sudah terbebas dari gejala heteroskedastisitas. c. Uji Multikolinieritas Suatu model yang baik adalah tidak terdapat hubungan linier sempurna antar peubah bebas dalam model tersebut. Jika terdapat hubungan tersebut, dapat dikatakan peubah-peubah bebas tersebut berkolinieritas ganda sempurna perfect multicollinearity . Uji multikolinieritas adalah pengujian yang dilakukan untuk mengetahui ada atau tidaknya hubungan linier antar variabel bebas. Keberadaan multikolinieritas dapat dilihat beradasarkan hasil uji korelasi antar variabel bebas Lampiran 2 Hasil Estimasi Nomor 6. Hasil pengujian menunjukkan bahwa tidak ada hubungan antar variabel bebas yang dapat dilihat berdasarkan nilai masing- masing variabel bebas yang lebih kecil dari nilai koefisien determinasi sebesar 0.989. Maka model ini terbebas dari gejala multikolinearitas. d. Uji Autokorelasi Autokorelasi digunakan untuk mendeteksi ada tidaknya korelasi antar error pada periode waktu yang berbeda pada model. Hasil pengujian ini dilihat dengan menggunakan selang nilai antara 1.55 sampai dengan 2.46. Jika nilai Durbin Watson DW berada diantara selang angka tersebut, maka model tersebut dapat dikatakan terbebas dari gejala autokorelasi. Nilai DW hasil estimasi pada Tabel 10 yaitu sebesar 1.881, artinya sudah tidak terdapat gejala autokorelasi pada model tersebut. Analisis Faktor yang Memengaruhi Permintaaan Pariwisata di Indonesia Variabel jarak ekonomi yang dilambangkan dengan EDIST pada model, menunjukkan nilai probabilitas sebesar 0.001, maka dapat dikatakan bahwa variabel tersebut berpengaruh negatif secara signifikan terhadap permintaan pariwisata di Indonesia. Setiap peningkatan jarak ekonomi sebesar satu persen, maka permintaan akan pariwisata di Indonesia akan menurun sebesar 2.065 persen. Hal ini sesuai dengan penelitian yang telah dilakukan Hafiz et al 2011