62
Hasil output analisis regresi fungsi permintaan wisata Situs Megalitik
Gunung Padang dapat dilihat pada Tabel 19 dan Lampiran 1. Tabel 19. Fungsi Permintaan Wisata Situs Megalitik Gunung Padang
Variabel Koefisien
SE Koefisien
T P
VIF
Constant 7,3071
0,4797 15,23
0,000 BP Biaya Perjalanan
-0,00002473 0,00000470
-5,26 0,000
a
1,6
TP Tingkat Pendapatan 0,00000031
0,00000008 3,99
0,000
a
1,2
JT Jarak Tempuh -0,013869
0,006298 -2,20
0,030
b
1,3
UP Umur Pengunjung -0,06264
0,01574 -3,98
0,000
a
1,6
TA Tempat Rekreasi Alternatif -0,0537
0,1491 -0,36
0,720 1,3 LM Lama Mengetahui
0,00491 0,02819
0,17 0,862 1,3
R
2
66,2 R
2
adj 64,0
Sumber: Data Primer, diolah 2012 Keterangan: Tanda a, b, menunjukkan taraf nyata koefisien regresi masing-masing variabel
berturut- turut pada α : 1, 5
Berdasarkan hasil analisis regresi berganda diperoleh nilai R-sq sebesar 66,20. Nilai tersebut menunjukkan sebesar 66,20 keragaman permintaan
wisata dijelaskan oleh variabel bebas independent variable yang terdapat di dalam model, dan sisanya 33,80 dijelaskan oleh variabel-variabel lain yang
tidak dimasukkan ke dalam model.
7.2 Pemenuhan Asumsi Regresi Linier Berganda
Pelanggaran asumsi yang biasa terjadi dalam analisis regresi linier berganda adalah multikolinearitas, heteroskedastisitas, dan autokorelasi Hasan,
2002. Oleh karena itu, perlu dilakukan pemeriksaan asumsi untuk mengetahui tingkat keakuratan model yang telah dibangun. Pemenuhan asumsi dan uji
statistik yang dilakukan antara lain:
1. Uji Normalitas
Uji normalitas dilakukan dengan melihat normal probability plot dan
histogram Lampiran 2. Titik-titik yang terdapat pada normal probability plot
mengumpul dan terletak pada suatu garis berbentuk linier, sehingga dapat
63
disimpulkan bahwa data yang dimiliki telah menyebar normal. Cara lainnya
adalah dengan menggunakan uji Kolmogorov Sminov Lampiran 3. Hipotesis
yang dibangun adalah H jika sisaan menyebar normal, dan H
1
jika sisaan tidak menyebar normal. Apabila p-value lebih besar dari taraf nyata, maka terima H
. Berdasarkan hasil uji Kolmogorov Sminov diperoleh nilai p-value lebih besar dari
0,15 dan nilai Kolmogorov Sminov sebesar 0,075 lebih kecil dari nilai Kolmogorov Sminov tabel 0,161, sehingga dapat disimpulkan data yang dimiliki
telah menyebar normal Iriawan dan Astuti, 2006.
2. Uji Autokorelasi
Salah satu pelanggaran asumsi yang sering terjadi dalam analisis regresi berganda adalah autokorelasi. Sehingga uji autokorelasi perlu dilakukan untuk
mengetahui terjadinya korelasi antar anggota sampel atau data pengamatan. Uji Durbin Watson digunakan untuk mendeteksi terjadinya autokorelasi di dalam
model. Berdasarkan hasil analisis regresi diperoleh nilai uji Durbin Watson adalah 1,88943, dimana nilai tersebut berada di antara nilai 1,55 dan 2,46,
sehingga dapat disimpulkan bahwa sisaan saling bebas atau autokorelasi tidak
terjadi di dalam model Lampiran 1. 3.
Uji Multikolinearitas
Salah satu asumsi yang harus dipenuhi dalam analisis linier berganda adalah tidak terjadinya multikolinearitas. Masalah multikolinearitas dapat
dideteksi berdasarkan nilai VIF. Berdasarkan hasil analisis regresi, nilai VIF untuk masing-masing variabel bebas independent variable kurang dari sepuluh
VIF 10. Hal tersebut menunjukkan variabel bebas yang satu dengan variabel
64
bebas yang lain dalam model regresi tidak saling berkorelasi linier atau masalah
multikolinearitas tidak terjadi di dalam model Lampiran 1. 4.
Uji Heteroskedastisitas
Masalah heteroskedastisitas dapat dideteksi dengan menggunakan uji Glejser. Uji ini dapat digunakan untuk mendeteksi heteroskedastisitas dalam
sampel yang besar Gujarati, 2006. Uji Glejser dilakukan dengan cara meregresikan nilai absolut residual. Hipotesis yang dibangun adalah H
heteroskedastisitas, dan H
1
homoskedastisitas. Apabila nilai p-value lebih besar dari taraf nyata, maka tolak H
. Berdasarkan uji Glejser diperoleh nilai p-value sebesar 0,412, dimana nilai tersebut lebih besar dari taraf nyata 20, sehingga
dapat disimpulkan bahwa sisaan bersifat homogen, yang berarti masalah
heteroskedastisitas tidak terjadi di dalam model Lampiran 4. 5.
Uji Statistik F
Pengujian ini dilakukan terhadap model secara keseluruhan. Berdasarkan hasil analisis regresi berganda yang ditunjukkan dalam tabel analisis varians,
diketahui bahwa seluruh variabel bebas yang terdapat di dalam model regresi saling berpengaruh secara signifikan terhadap variabel terikatnya. Hal tersebut
ditunjukk an dengan nilai P yang lebih kecil dari taraf nyata 1 P α. Nilai P
dalam uji statistik F adalah 0,000, artinya semua variabel bebas dalam model regresi ini secara serentak atau bersama-sama mempengaruhi variabel terikat
Lampiran 1 .
6. Uji Statistik t
Uji statistik ini dilakukan untuk mengetahui variabel bebas yang secara nyata mempengaruhi variabel terikat. Berdasarkan hasil uji statistik t, terdapat
65
empat variabel bebas yang secara nyata mempengaruhi variabel terikatnya. Hal tersebut ditunjukkan dengan nilai P-value pada masing-masing variabel bebas
yang lebih kecil dari taraf nyata. Adapun empat variabel bebas tersebut adalah biaya perjalanan, tingkat pendapatan, jarak tempuh, dan umur pengunjung.
Variabel bebas yang tidak berpengaruh nyata terhadap variabel terikat, yaitu jumlah tempat rekreasi alternatif dan lama mengetahui keberadaan kawasan
wisata Situs Megalitik Gunung Padang. Hal ini ditunjukkan dengan nilai P-value dari masing-masing variabel bebas tersebut yang lebih besar dari taraf nyata
Tabel 19
.
7.3 Faktor-Faktor yang Berpengaruh Nyata terhadap Permintaan Wisata
