Daya Dukung Kawasan untuk Aktivitas Wisata di Pulau Pari

tidak dimasukkan ke dalam model. Variabel-variabel tersebut diperkirakan mempunyai pengaruh yang kuat terhadap jumlah kunjungan wisata ke Pulau Pari. Pulau Pari yang merupakan objek wisata alam, khususnya wisata pulau memang memiliki karakteristik yang berbeda dengan jenis wisata lainnya. Pulau Pari sebagai salah satu objek wisata pulau sangat dipengaruhi oleh alam. Kondisi alam diantaranya seperti cuaca, kecepatan angin, dan ketinggian ombak, sangat mempengaruhi aktivitas kunjungan wisata ke Pulau Pari, karena setiap pengunjung yang datang ke Pulau Pari diharuskan untuk menyebrang menggunakan kapal, dan ini sangat dipengaruhi oleh kondisi alam. Tabel 17 Hasil regresi linear kunjungan wisata ke Pulau Pari dengan individual travel cost method Model Unstandardized Coefficients Standardized Coefficients T Sig. Collinearity Statistics B Std. Error Beta Tolerance VIF Constant 1.113 .660 1.687 .096 Biaya Perjalanan -1.187E-7 .000 -.043 -.310 .757 .638 1.568 Pendapatan -3.786E-8 .000 -.092 -.537 .593 .422 2.369 Jumlah Tanggungan .139 .092 .262 1.522 .133 .420 2.379 Pendidikan .032 .052 .113 .608 .545 .360 2.779 Jarak .000 .004 -.029 -.162 .872 .399 2.507 Lama Perjalanan -.080 .088 -.162 -.911 .366 .397 2.521 Umur -.017 .023 -.181 -.767 .446 .223 4.474 Lama Mengetahui .026 .011 .325 2.355 .022 .654 1.529 Lama Kunjungan .108 .152 .096 .708 .481 .677 1.478 R-sq = 17,6 persen R-Sq adj = 6,4 persen DW = 1,755 Sumber : Data Primer Diolah, 2013 Keterangan : signifikan pada taraf nyata α = 0,05 5 persen sig nifikan pada taraf nyata α = 0,15 15 persen Variabel-variabel yang merupakan kondisi alam seperti cuaca, kecepatan angin, dan ketinggian ombak tersebut bukan merupakan data time series. Selain itu, secara konsep variabel-variabel tersebut cenderung homogen di setiap responden, karena merupakan pendapat seseorang. Contohnya, mengenai kondisi cuaca baik dan buruk. Pada saat yang sama, jika kondisi cuaca memang buruk, maka semua orang akan menganggap bahwa cuaca tersebut buruk dan tidak memungkinkan untuk melakukan aktivitas wisata, misalnya untuk wisata snorkling. Oleh karena itu, variabel-variabel tersebut tidak dapat dimasukkan ke dalam model persamaan, namun variabel-variabel tersebut memiliki pengaruh yang kuat terhadap jumlah kunjungan wisata di Pulau Pari. Pada hasil regresi di Tabel 17 dapat dilihat hasil uji t dengan taraf nyata 5 persen dan 15 persen, diperoleh terdapat dua variabel bebas yang berpengaruh secara signifikan terhadap jumlah kunjungan di Pulau Pari. Variabel lama mengetahui berpengaruh pada taraf nyata 5 persen dan jumlah tanggungan berpengaruh pada taraf nyata 15 persen. Koefisien lama mengetahui bernilai positif, yaitu 0,026. Nilai koefisien ini menunjukkan bahwa setiap penambahan 1 bulan lama mengetahui objek wisata, diduga akan menambah jumlah kunjungan wisata ke Pulau Pari Kepulauan Seribu sebesar 0,26, dengan asumsi cateris paribus. Sedangkan koefisien jumlah tanggungan bernilai 0,139, artinya setiap penambahan 1 orang jumlah tanggungan, diduga akan menambah jumlah kunjungan wisata ke Pulau Pari, sebesar 1,39, dengan asumsi cateris paribus. Hasil analisis regresi linear berganda pada Tabel 17 diperoleh nilai VIF masing-masing variabel kurang dari 10. Hal ini menunjukkan tidak adanya multikolinearitas dalam model regresi. Uji heteroskedastisitas dilihat dengan melihat pola penyebaran titik. Hasil regresi menunjukkan titik-titik yang menyebar di atas dan di bawah angka 0 pada sumbu Y, artinya output regresi pada Chart Lampiran 2 tidak membentuk pola yang jelas. Jadi dapat disimpulkan bahwa tidak terjadi heteroskedastisitas dalam model regresi. Uji autokorelasi diketahui dengan membandingan nilai Durbin-Watson DW dengan DW tabel. Nilai DW dari hasil regresi diperoleh 1,755. Untuk nilai dL dan dU dapat dilihat pada tabel DW untuk signifikansi 0,05 dengan n jumlah data=76 dan k jumlah variabel independen=9. Didapatkan nilai dL adalah 1,3747 dan dU adalah 1,8989, jadi nilai 4-dU=2,1011 dan 4-dL=2,6253. Hal ini berarti nilai DW 1,755 berada pada daerah antara dL dan dU, maka tidak menghasilkan kesimpulan yang pasti. Berdasarkan hasil regresi tersebut, dengan memasukkan nilai rata-rata pendapatan, jumlah tanggungan, pendidikan, jarak, lama perjalanan, umur, lama mengetahui, dan lama kunjungan, maka dapat diperoleh fungsi : JK = 1,113 - 0,0000001187 TC + 0,233483