14.63 Analisis Pengaruh Perdagangan Internasional Terhadap Permintaan Pariwisata Di Indonesia
27 lebih besar dari taraf nyata lima persen. Artinya, kondisi tersebut menandakan
bahwa cukup bukti untuk mengatakan bahwa error yang terdapat pada model telah terdistribusikan secara normal.
Tabel 11 Hasil Uji Normalitas Uji Normalitas
Nilai Keterangan
Jarque Bera 4.618
Lebih besar dari taraf nyata 5 Probabillity
0.099 Lebih besar dari taraf nyata 5
b. Uji Heteroskedastisitas Asumsi lain yang tidak boleh dilanggar dalam suatu model adalah terbebas
dari masalah heteroskedastisitas. Pengujian dilakukan dengan melihat nilai Sum squared resid Weighted
yang nilainya harus lebih kecil dari nilai Sum squared resid Unweighted
. Pada Tabel 10 dapat dilihat bahwa nilai Sum squared resid Weighted
sebesar 3.148 lebih kecil dari Sum squared resid Unweighted sebesar
3.571. Artinya, model ini sudah terbebas dari gejala heteroskedastisitas. c. Uji Multikolinieritas
Suatu model yang baik adalah tidak terdapat hubungan linier sempurna antar peubah bebas dalam model tersebut. Jika terdapat hubungan tersebut, dapat
dikatakan peubah-peubah bebas tersebut berkolinieritas ganda sempurna perfect multicollinearity
. Uji multikolinieritas adalah pengujian yang dilakukan untuk mengetahui ada atau tidaknya hubungan linier antar variabel bebas. Keberadaan
multikolinieritas dapat dilihat beradasarkan hasil uji korelasi antar variabel bebas Lampiran 2 Hasil Estimasi Nomor 6. Hasil pengujian menunjukkan bahwa tidak
ada hubungan antar variabel bebas yang dapat dilihat berdasarkan nilai masing- masing variabel bebas yang lebih kecil dari nilai koefisien determinasi sebesar
0.989. Maka model ini terbebas dari gejala multikolinearitas. d. Uji Autokorelasi
Autokorelasi digunakan untuk mendeteksi ada tidaknya korelasi antar error
pada periode waktu yang berbeda pada model. Hasil pengujian ini dilihat dengan menggunakan selang nilai antara 1.55 sampai dengan 2.46. Jika nilai
Durbin Watson DW berada diantara selang angka tersebut, maka model tersebut
dapat dikatakan terbebas dari gejala autokorelasi. Nilai DW hasil estimasi pada Tabel 10 yaitu sebesar 1.881, artinya sudah tidak terdapat gejala autokorelasi pada
model tersebut.
Analisis Faktor yang Memengaruhi Permintaaan Pariwisata di Indonesia
Variabel jarak ekonomi yang dilambangkan dengan EDIST pada model, menunjukkan nilai probabilitas sebesar 0.001, maka dapat dikatakan bahwa
variabel tersebut berpengaruh negatif secara signifikan terhadap permintaan pariwisata di Indonesia. Setiap peningkatan jarak ekonomi sebesar satu persen,
maka permintaan akan pariwisata di Indonesia akan menurun sebesar 2.065 persen. Hal ini sesuai dengan penelitian yang telah dilakukan Hafiz et al 2011