128
3 Autokorelasi
Dalam mendeteksi ada tidaknya masalah autokorelasi, maka digunakan Lagrange Multiplier LM test. Uji ini dilakukan
dengan meregresi semua variabel bebas dan variabel tidak bebas, kemudian dilakukan uji Breusch-Godfrey terhadap residu dari hasil
regresi model tersebut bentuk log-log sehingga diperoleh nilai observasi R square
untuk kemudian dibandingkan dengan χ
2
α=5 dengan derajat kebebasan satu. Kriteria pengujiannya adalah jika nilai observasi R
2
χ
2
atau n-1 R
2
χ
2
, maka terdapat masalah autokorelasi. Sebaliknya, jika nilai observasi R
2
χ
2
atau n-1 R
2
χ
2
, maka tidak terdapat masalah autokorelasi.
Tabel 4.41 Hasil LM test untuk Mendeteksi Autokorelasi
Breusch-Godfrey Serial Correlation LM Test: F-statistic
0.331695 Probability 0.605028
ObsR-squared 0.995574 Probability
0.318384 Sumber: Data olahan Eviews 5.0, 2009
Berdasarkan hasil analisis pada Tabel 4.41, didapat nilai observasi R
2
χ
2
α=5, df=1 sehingga dalam model tersebut tidak terdapat masalah autokorelasi.
b. Uji Statistik uji hipotesis
Uji hipotesis digunakan untuk memperkuat asumsi adanya pengaruh antara variabel biaya perjalanan, pendidikan, pendapatan,
129
jarak dan usia terhadap tingkat kunjungan per 1000 penduduk per tahun.
1 Uji t t-test
Uji t pada penelitian ini menggunakan tingkat signifikansi atau α=5 yang berarti bahwa tingkat keyakinan adalah 95.
Adapun kriteria pengujian uji t adalah membandingkan nilai t
hitung
dengan t
tabel
. Selain itu, terdapat kriteria pengujian lainnya yaitu dengan melihat nilai t-probabilitas. Jika nilai t-probabilitas yang
didapatkan lebih kecil dari tingkat signifikansi 5 maka nilai parameter yang didapatkan mempunyai pengaruh yang signifikan,
demikian juga sebaliknya. Hasil pengujian parameter individual dengan tingkat signifikansi 5 tersebut disajikan pada Tabel 4.42
yaitu:
Tabel 4.42 Hasil Uji t t-test
pada α=5 No.
Variabel t-Statistic
Prob. Kesimpulan
1. Biaya perjalanan
-7,848180 0,0014
Signifikan 2.
Pendidikan 2,864524
0,0457 Signifikan
3. Penghasilan
-2,781191 0,0498
Signifikan 4.
Jarak -3,564762
0,0235 Signifikan
5. Usia
4,159794 0,0141
Signifikan Sumber: Data olahan Eviews 5.0, 2009
2 Uji F F-test
Uji F pada penelitian ini juga menggunakan tingkat signifikansi atau α=5. Kriteria dari uji F adalah jika nilai
t-probabilitas yang didapatkan lebih kecil dari tingkat signifikansi 5 maka secara bersama-sama variabel bebas berpengaruh secara
signifikan terhadap variabel terikatnya, demikian juga sebaliknya.
130
Nilai probabilitas F-statistik dalam model persamaan tersebut adalah 0,000746 yang berarti signifikan pada tingkat signifikansi
5 dan bahkan pada tingkat signifikansi 1. Hal ini berarti bahwa variabel biaya perjalanan TC, pendidikan EDC, pendapatan
INC, jarak DIS dan usia AGE secara bersama-sama mempengaruhi tingkat kunjungan per 1000 penduduk per tahun
V.
3 Goodness of Fit atau Koefisien Determinasi
Koefisien determinasi R
2
menunjukkan seberapa besar persentase variasi variabel terikat dapat dijelaskan oleh variabel
bebas dalam model. Nilai R
2
berkisar antara 0–1. Semakin mendekati 1 berarti semakin besar variabel bebas mampu
menjelaskan variasi variabel terikat. Berdasarkan hasil pengolahan data pada Tabel 4.38 didapatkan nilai R
2
sebesar 0,986826, artinya bahwa variasi tingkat kunjungan per 1000 penduduk per tahun
dapat dijelaskan oleh variabel biaya perjalanan, pendidikan, pendapatan, jarak dan usia sebesar 98,68, sedangkan sisanya
dijelaskan oleh variabel-variabel lain di luar model.
c. Interpretasi Hasil
