30
Hipotesis yang dibangun adalah BP, JT, UP, dan TA berpengaruh negatif terhadap jumlah kunjungan ke SMGP, sedangkan TP dan LM berpengaruh positif
terhadap jumlah kunjungan ke SMGP. Pendekatan ITCM menggunakan teknik ekonometrik seperti regresi berganda. Analisis regresi berganda adalah regresi
dimana variabel terikatnya dependent variable dijelaskan oleh lebih dari satu variabel bebas independent variable, namun masih menunjukkan hubungan yang
linier. Terdapat beberapa asumsi yang harus dipenuhi dalam penggunaan analisis regresi berganda agar menghasilkan estimator yang terbaik, sehingga diperoleh
model yang lebih akurat. Adapun beberapa pengujian statistik yang perlu dilakukan adalah:
1. Uji Normalitas
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.
2. Uji Statistik F
Uji F merupakan pengujian hipotesis koefisien regresi berganda untuk melihat apakah semua variabel bebas secara serentak atau bersama-sama
mempengaruhi variabel terikat, dengan kata lain pengujian regresi berganda ini dilakukan terhadap model secara keseluruhan. Tabel pengujiannya disebut tabel F.
Hasil uji statistiknya kemudian dibandingkan dengan nilai yang ada pada tabel untuk menerima atau menolak hipotesis nol yang dikemukakan.
31
3. Uji Statistik t
Uji t merupakan pengujian hipotesis koefisien regresi berganda dengan hanya satu variabel bebas mempengaruhi variabel terikat Hasan, 2002. Tabelnya
disebut tabel t-student. Hasil uji statistiknya kemudian dibandingkan dengan nilai yang ada pada tabel untuk menerima atau menolak hipotesis nol H
yang dikemukakan.
4. Uji Multikolinearitas
Multikolineritas terjadi jika antara variabel bebas yang satu dengan variabel bebas yang lain dalam model regresi saling berkorelasi linier. Biasanya
korelasinya mendekati sempurna atau sempurna. Cara untuk mendeteksi multikolinearitas adalah dengan melihat nilai Variance Inflation Factor VIF.
Jika VIF lebih besar dari 10 maka terjadi multikolineritas dalam model.
5. Uji Heteroskedastisitas
Heteroskedastisitas berarti varians variabel tidak sama untuk semua pengamatan. Heteroskedastisitas akan muncul dalam bentuk residu yang semakin
besar jika pengamatan semakin besar. Cara mendeteksi heteroskedastisitas adalah dengan menggunakan uji Glejser. Heteroskedastisitas dapat juga dideteksi dengan
metode grafik, uji Park, Uji Breusch-Pagan, Uji Goldfield-Quandt, dan white test.
6. Uji Autokorelasi
