52 sekitar kawasan Taman Wisata Alam Grojogan Sewu sebagian besar merupakan
penduduk asli yang ikut berkontribusi pada kegiatan wisata.
6.2 Faktor-Faktor yang Mempengaruhi Permintaan Wisata ke Taman
Wisata Alam Grojogan Sewu
Frekuensi kunjungan dalam satu tahun terakhir merupakan dependent
variable , sedangkan faktor-faktor yang mempengaruhi permintaan untuk
berwisata merupakan independent variable. Jumlah variabel yang digunakan dalam penelitian ini terdiri dari tujuh variabel yang diduga mempengaruhi
permintaan berwisata ke Taman Wisata Alam Grojogan Sewu. Variabel bebas tersebut adalah umur responden X1, pendapatan X2, jarak ke lokasi wisata
X3, biaya perjalanan X4, jumlah tanggungan X5, aksesibilitas menuju lokasi wisata X6, dan panorama alam di lokasi wisata X7.
Berdasarkan hasil analisis regresi berganda dengan bantuan Minitab 14 diperoleh fungsi permintaan ke Taman Wisata Alam Grojogan Sewu. Adapun
bentuk dari model persamaan fungsi permintaan tersebut adalah:
Y = 0,95 - 0,00856 X1 + 0,0000003 X2 – 0,006515 X3 – 0,00000188 X4 –
0,18428 X5 + 0,0587 X6 + 0,3083 X7
Keterangan: Y = Jumlah kunjungan setahun terakhir ke Taman Wisata Alam Grojogan Sewu
X1 = Umur Tahun X2 = Pendapatan Rupiah
X3 = Jarak Km X4 = Biaya perjalanan Rupiah
X5 = Jumlah tanggungan orang X6 = Dummy Aksesibilitas menuju lokasi 1=sangat sulit, 2=sulit, 3=mudah,
4=sangat mudah X7 = Dummy daya tarik alam di lokasi wisata 1=sangat tidak menarik, 2=tidak
menarik, 3=menarik, 4=sangat menarik
53 Dalam penelitian ini digunakan taraf uji 10, karena analisis dilakukan
pada bidang sosial ekonomi dengan responden manusia yang memiliki keberagaman karakteristik yang tinggi. Selain itu, penelitian ini terkait dengan
wisata yang tentunya tidak dapat dilepaskan dari berbagai persepsi wisatawan. Hasil regresi fungsi permintaan Taman Wisata Alam Grojogan Sewu dapat dilihat
pada tabel berikut atau pada Lampiran 1. Tabel 14. Fungsi Permintaan ke Taman Wisata Alam Grojogan Sewu
Variabel Koefisien
SE Koefisien T
P VIF
Constant X1
X2 X3
X4 X5
X6 X7
0,9479 -0,00856
0,00000030 -0,006515
-0,00000188 -0,18428
0,0587 0,3083
0,8184 0,01815
0,00000004 0,001734
0,00000066 0,07981
0,1809 0,1629
1,16 -0,47
7,63 -3,67
-2,82 -2,31
0,32 1,89
0,250 0,638
0,000 0,000
0,006 0,023
0,746 0,062
2,6 1,5
1,2 1,5
2,5 1,1
1,1
R-Sq = 46, 9 R-Sq adj = 42,9
DW = 1,89
Keterangan: Tanda = menunjukan taraf nyata pada α = 1
Tanda = menunjukan taraf nyata pada α = 5 Tanda = menunjukan taraf nyata pada α = 10
Sumber: Data Primer Diolah, 2012
Dari hasil regresi diperoleh R-sq sebesar 46,9. Hal ini menunjukan sekitar 46,9 keragaman permintaan wisata Taman Wisata Alam Grojogan Sewu
dapat dijelaskan oleh variabel-variabel bebas yang terdapat dalam model, sedangkan sisanya yaitu sebesar 53,1 dijelaskan oleh faktor-faktor lain yang
tidak dimasukan ke dalam model.
6.2.1 Pemenuhan Asumsi Regresi Linear Berganda
Model regresi yang diperoleh dengan metode OLS Ordinary Least Square
diharapkan menjadi model regresi yang menghasilkan pendugaan linear yang tidak bias terbaik Best Linear Unbiased EstimatorBLUE. Suatu model
dikatakan BLUE apabila memenuhi persyaratan normalitas, non multikoleniaritas, homoskedastisitas, dan non autokorelasi Juanda, 2009. Untuk mengetahui
54 kebaikan suatu model yang telah dibuat, perlu dilakukan pengujian secara
statistik. Berikut adalah uji yang dilakukan untuk mengetahui kebaikan dari suatu model:
1. Uji Normalitas
Uji normalitas data bertujuan untuk mendeteksi distribusi data residual dalam suatu variabel yang akan digunakan dalam penelitian, untuk menguji
apakah sisaan menyebar normal dapat dilakukan dengan menggunakan uji
Kolmogrov-Smirnov Lampiran 2. Berdasarkan hasil uji Kolmogrov-Smirnov
diperoleh bahwa nilai Kolmogrov-Smirnov sebesar 0,077 dan P-value uji normal residual sebesar yaitu 0,144. Nilai statistik Kolmogrov-Smirnov yang diperoleh
dari pengamatan lebih kecil dari nilai statistik Kolmogrov-Smirnov pada tabel yaitu 0,134. Dengan demikian, dapat disimpulkan bahwa distribusi data residual
dalam variabel yang digunakan dalam penelitian ini telah menyebar normal.
2. Uji Multikolinearitas
Pengujian masalah multikolinearitas didasarkan pada nilai VIF. Pada Lampiran 1 menunjukan nilai VIF masing-masing variabel bebas memiliki nilai
kurang dari sepuluh VIF 10. Hal ini mengindikasikan bahwa tidak terjadi masalah multikolinearitas.
3. Uji Autokorelasi
Salah satu asumsi tentang regresi linear berganda yang perlu dipenuhi adalah tidak terjadinya masalah autokorelasi. Untuk memastikan tidak adanya
autokorelasi dapat dilakukan melalui uji Durbin Watson DW dengan hipotesis bahwa jika nilai DW cukup dekat dengan dua, maka terima H
, dan bila mendekati nol atau empat maka tolak H
Gunawan, 1994. Berdasarkan hasil
