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