menerangkan variabel terikat secara serentak. Sebaliknya jika F
hitung
F
tabel
dan sig
F
sig
α
maka Ho diterima, dengan demikian dapat dikatakan bahwa variabel bebas dari model regresi linear berganda tidak mampu menjelaskan variabel terikatnya Algifari,
2000:70.
3.6.4. Koefisien Determinasi
Menurut Ghozali 2005: 83 bahwa koefisien determinasi pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen. Nilai
koefisien determinasi adalah antara nol dan satu. Nilai koefisien determinasi yang kecil berarti kemampuan variabel-variabel independent dalam menjelaskan variasi variabel
dependen amat terbatas. Untuk menentukan nilai koefisien determinasi dinyatakan dengan nilai Adjusted R Square. Adapun rumus koefisien determinasi adalah :
3.6.5. Uji Asumsi Klasik
Untuk mendapatkan model regresi yang baik harus terbebas dari penyimpangan data yang terdiri dari multikolonieritas, heteroskedastisitas, dan normalitas. Cara yang
digunakan untuk menguji penyimpangan asumsi klasik adalah sebagai berikut Ghozali, 2005: 57-74.
1. Uji Multikolinearitas Uji multikolinearitas artinya antara variabel independen yang satu dengan variabel
independen yang lain dalam model regresi saling berhubungan secara sempurna atau
mendekati sempurna Algifari,2000:84. Konsekuensi yang sangat penting bagi model regresi yang mengandung multikolinearitas adalah bahwa kesalahan standar estimasi
akan cenderung meningkat dengan bertambahnya variabel independen, tingkat signifikansi yang digunakan untuk menolak hipotesis nol akan semakin besar, dan
probabilitas menerima hipotesis yang salah kesalahan β juga akan semakin besar. Akibatnya, model regresi yang diperoleh tidak sahih valid untuk menaksir nilai
variabel independen. Diagnosis secara sederhana terhadap adanya multikolinearitas di dalam model regresi adalah dengan melihat berdasarkan nilai variance inflation factor
VIF. Antara variabel bebas dikatakan multikoliniaritas apabila toleransinya 0,1 dan VIF 10.
Menghilangkan adanya multikolinearitas pada suatu model regresi terdapat bermacam-macam cara antara lain:
a. Menghilangkan salah satu atau beberapa variabel yang mempunyai korelasi tinggi dari model regresi, jika ini dilakukan berarti melakukan kesalahan spesifik karena
mengeluarkan variabel independen dari model regresi yang secara teoritis variabel tersebut dapat mempengaruhi variabel dependen.
b. Menambah data, cara ini bermanfaat jika dapat dipastikan bahwa adanya multikolinearitas dalam model disebabkan oleh kesalahan sampel, biasanya
digunakan pada penelitian yang menggunakan cross section atau data dari kuesioner. 2. Uji Heteroskedastisitas
Menurut Ghozali
2006:125-126 untuk
medeteksi ada
tidaknya heteroskedastisitas yaitu dengan melihat Grafik Plot dalan SPSS antara nilai prediksi
variabel terikat dependen Yaitu ZPRED dengan residualnya SRESID. Deteksi ada
tidaknya heteroskedastisitas dapat dilakukan dengan melihat ada tidaknya pola tertentu pada grafik scateterplot antara SRESID dan ZPRED dimana sumbu Y adalah Y yang
telah diprediksi, dan sumbu X adalah residual Y prediksi - Y sesungguhnya yang telah di-studentized.
a Jika ada pola tertentu, serta titik-titik yang ada membentuk pola tertentu yang
teratur bergelombang, melebar kemudian, menyempit, maka mengindikasikan telah terjadi heteroskedastisitas.
b Jika tidak ada pula yang jelas, serta titik-titik menyebar diatas dan dibawah angka
O pada sumbu Y, maka tidak terjadi heteroskedastisitas. Pengujian heteroskedastisitas dapat dilihat pula dari uji Glejser untuk meregresi
nilai absolute residual terhadap variabel bebas. Sebagai pengertian dasar, residual adalah selisih antara nilai observasi dengan nilai prediksi dan absolut adalah nilai mutlaknya.
3. Uji Autokorelasi Uji
autokorelasi bertujuan menguji apakah dalam model regresi linier ada
kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1 sebelumnya. Untuk menguji ada tidaknya, dalam penelitian ini menggunakan uju
Durbin Watson DW test. Pengambilan keputusan ada tidaknya autokorelasi Ghozali, 2007:96 :
Tabel 3.6 Autokorelasi Hipotesis nol
Keputusan Jika
Tidak ada autokorelasi positif Tolak
0 d dl Tidak ada autokorelasi positif
No decision d l ≤ d ≤ du
Tidak ada autokorelasi negative Tolak
4-dl d 4 Tidak ada autokorelasi negative
No decision 4-du ≤ d ≤ 4-dl
Tidak ada autokorelasi, positifnegatif Tidak ditolak
du d 4-du
4. Uji Normalitas Uji normalitas bertujuan untuk menguji apakah dalam modal regresi, variable
terikat dan variabel bebas keduanya mempunyai distribusi normal atau tidak. Model regresi yang baik memiliki distribusi data normal atau mendekati normal.Salah satu cara
termudah untuk melihat normalitas adalah dengan melihat histrogram yang membandingkan antara data observasi dengan distribusi yang mendekati distribusi
normal. Model regresi yang baik adalah memiliki distribusi data normal atau mendekati normal. Artinya kriteria berdistribusi normal apabila tampilan grafiknya menunjukkan
pola penyebaran disekitar garis diagonal dan mengikuti arah garis diagonal. Ghozali, 2006:147.
Kenormalan data juga dapat dilihat dari uji normalitas Kolmogorov-Smirnof berdasarkan nilai unstandardized residual e. Data dianalisis dengan bantuan komputer
program SPSS 16.0. Dasar pengambilan keputusan berdasarkan probabilitas. Jika probabilitas 0,05 maka data penelitian berdistribusi normal. Ghozali, 2006:151-152.
52
BAB IV HASIL PENELITIAN DAN PEMBAHASAN
4.1. Hasil Penelitian 4.1.1. Deskripsi Variabel Keputusan Berkunjung
Analisis deskriptif bertujuan untuk memperjelas gambaran terhadap variabel- variabel penelitian, variabel keputusan berkunjung dalam penelitian ini diukur dengan
lima indikator yaitu pengenalan kebutuhan,pencarian informasi, evaluasi alternatif, pembelian, dan perilaku pasca pembelian. Pada variabel ini digunakan 10 pernyataan,
masing-masing pernyataan skornya antara 1 sampai 4, sehingga skor minimal = 1 x 10 x 115 = 1150, dan skor maksimal = 4 x 10 x 115 = 4600. Rentang skor = 4600 - 1150 =
3450. Interval kelas 3450 : 4 = 862,5. Penelitian yang dilakukan terhadap 115 responden berkaitan dengan keputusan berkunjung diperoleh skor 3342. DP = skor total : skor
maksimal x 100 = 3342 : 4600 x 100 = 72,65 yang berada pada interval 61-80 termasuk pada kategori setuju. Berdasarkan skor total yang diperoleh, maka keputusan
berkunjung pada Objek Wisata Dampo Awang Beach Taman Rekreasi Pantai Kartini Rembang berada pada kategori baik. Hasil analisis deskriptif berkaitan dengan keputusan
berkunjung terangkum dalam tabel 4.1 :