30
Y = b + b
1
X
1 +
b
2
X
2
+ b
3
X
3
+ b
4
X
4
+ b
5
X
5
+ b
6
X
6
+ b
7
X
7
+b
8
X
8
+ b
9
X
9
+ b
10
X
10
+ e
i
…………………………………………………………………………….1
Dimana : Y = Jumlah kunjungan ke objek wisata dalam lima tahun terakhir
b
i
= Koefisien regresi untuk faktor X
i
, dimana i = 1,2,3,…..,10 X
1
= Biaya perjalanan individu ke objek wisata Rupiah per kunjungan diasumsikan berkorelasi negatif
.
X
2
= Pendapatan responden Rupiah per tahun diasumsikan berkorelasi
positif
.
X
3
= Tingkat pendidikan responden tahun diasumsikan berkorelasi
positif
.
X
4
= Umur responden tahun diasumsikan berkorelasi negatif
.
X
5
= Waktu tempuh jam diasumsikan berkorelasi negatif
.
X
6
= Besarnya responden orang diasumsikan berkorelasi negatif
.
X
7
= Lama di lokasi wisata hari diasumsikan berkorelasi positif
.
X
8
= Lama mengetahui objek wisata tahun diasumsikan berkorelasi
positif
.
X
9
= Jarak ke objek wisata km diasumsikan berkorelasi negatif
.
X
10
= Tanggungan responden orang
diasumsikan berkorelasi negatif
.
ε = Error term
b
1
- b
10
= Koefisien regresi untuk faktor X
1
-X
10
Pada regresi linier berganda dilakukan pengujian asumsi atau uji parameter untuk mengetahui apakah model fungsi permintaan tersebut layak atau tidak. Uji
parameter tersebut antara lain:
1. Uji Kenormalan
Uji normalitas dilakukan untuk melihat apakah error term dari data observasi mendekati sebaran normal sehingga statistik t dapat dikatakan sah. Hal
tersebut dapat dilihat dari normal probability plot dan histogram. Apabila terbentuk kuva normal yang menyerupai bentuk lonceng dalam histogram dan
letak titik-titik berada pada garis berbentuk linier dalam dalam normal probability plot
, maka asumsi kenormalan terpenuhi. Namun, untuk meyakini data mendekati sebaran normal perlu dilakukan sebuah uji. Salah satu uji yang dapat dilakukan
31 adalah uji Kolmogorov Smirnor. Hasil uji Kolmogorov Smirnor dapat dilihat pada
hasil analisis regresi berganda yaitu pada tabel One Sample Kolmogorov Smirnov Test
.
2. Uji Multikolinearitas
Multikolinear merupakan salah satu masalah yang sering timbul dalam Ordinary Least Square
OLS, yaitu terjadinya hubungan korelasi yang kuat antar peubah-peubah bebas. Masalah multikolinear dapat diketahui dengan melihat
langsung melalui output regresi berganda, dengan melihat nilai VIF, dimana jika nilai VIF 10 maka tidak terdapat masalah multikolinear.
3. Uji Heteroskedastisitas
Heteroskedastisitas berarti varians variabel tidak sama untuk semua pengamatan. Kesalahan yang terjadi tidak random tetapi menunjukkan hubungan
yang sistematis sesuai dengan besarnya satu atau lebih variabel bebas. Heteroskedastisitas akan muncul dalam bentuk residu yang semakin besar jika
pengamatan semakin besar. Cara mendeteksi heteroskedastisitas adalah dengan menggunakan uji Glejser. Selain itu, heteroskedastisitas dapat juga dideteksi
dengan metode grafik, uji Park, Uji Breusch-Pagan, Uji Goldfield-Quandt, dan white test
.
4. Uji Autokorelasi
Autokorelasi terjadi jika terdapat korelasi antar anggota sampel atau data pengamatan yang diurutkan berdasarkan waktu time series atau ruang cross
section . Cara untuk mendeteksi autokorelasi dalam analisis regresi berganda
adalah dengan uji Durbin-Watson. Jika nilai uji Durbin-Watson berada diantara nilai 1,55 dan 2,46 maka tidak terjadi autokorelasi di dalam model Firdaus,
32 2004, atau jika nilai Durbin-Watson berada diantara du
– 4-du maka tidak terjadi autokorelasi di dalam model Gujarati, 2006.
4.4.3 Nilai Ekonomi Wisata