Professional Documents
Culture Documents
1. Asumsi Klasik
a. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel
penganggu atau residual memilki distribusi normal. Model regresi yang baik adalah
memiliki distribusi data normal atau mendekati normal. Metode yang digunakan untuk
menguji normalitas adalah dengan menggunakan uji Kolmogorov Smirnov terhadap nilai
residual hasil persamaan regresi serta metode grafik normal PP-plot. Bila probabilitas
hasil uji Kolmogorov Smirnov lebih besar dari 0,05 maka asumsi normalitas terpenuhi.
Uji Asumsi Normalitas
Statistik Uji
Kolmogorov-Smirnov Z
Nilai sig.
0,933
Keterangan
Menyebar Normal
Berdasarkan hasil pengujian normalitas pada tabel di atas diketahui bahwa nilai
signifikansi residual regresi yang terbentuk lebih besar dari taraf nyata 5% sehingga dapat
dikatakan bahwa asumsi normalitas tersebut terpenuhi.
Jika menggunakan grafik PP-Plot dapat dilihat bahwa titik-titik dari data mendekati
garis diagonal sehingga dapat dinyatakan bahwa model tersebut menyebar secara normal.
Hasil pengujiannya adalah sebagai berikut:
VIF
1,046
1,840
1,802
1,062
Keterangan
Non Multikolinearitas
Non Multikolinearitas
Non Multikolinearitas
Non Multikolinearitas
Berdasarkan tabel di atas dapat diketahui variabel bebas dalam penelitian ini
memiliki Variance Inflation Factor lebih kecil dari 10, sehingga dapat dikatakan tidak
terdapat gejala multikolinearitas antara varibel bebas dalam penelitian ini.
c. Uji Heteroskedastisitas
Uji Heteroskedastisitas digunakan untuk melihat apakah terdapat ketidaksamaan
varians dari residual satu kepengamatan yang lain. Uji pendeteksian heteroskedastisitas
dapat pula dilakukan dengan metode grafik yaitu dengan melihat grafik plot antara nilai
prediksi variabel terikat (dependen) yaitu ZPRED dengan residualnya SRESID. Deteksi
ada tidaknya heteroskedastisitas dapat dilakukan dengan melihat ada tidaknya pola
tertentu pada grafik scatterplot antara SRESID dan ZPRED dimana sumbu Y adalah Y
yang telah terprediksi, dan sumbu X adalah residual (Y prediksi Y sesungguhnya). Hasil
pengujian menggunakan metode grafik adalah sebagai berikut:
du
1,742
4-du
2,259
4-dl
2,474
dw
1,839
Interprestasi
Tidak terjadi autokorelasi
Berdasarkan hasil yang ditunjukkan pada tabel diatas diketahui bahwa du < dw < 4du (1,742 < 1,839 < 2,259) maka dapat disimpulkan bahwa tidak terjadi autokorelasi.
Unstandardized Standardized
Coefficients
Coefficients
(B)
-1,488
,328
,668
t hitung
Sig.
Keterangan
-2,988
8,590
,004
,000
Signifikan
Signifikan
Tidak
Signifikan
Tidak
Signifikan
Tidak
Signifikan
Prasarana (X2)
,044
,200
1,935
,057
,026
,081
,788
,433
-,001
-,001
-,009
,993
Adjusted R2
F hitung
F table
Sig. F
t table
= 0,554
= 24,941
= 2,497
= 0,000
= 1,993
= 0,050
Variabel terikat pada regresi ini adalah Motivasi Wisatawan (Y) sedangkan variabel
bebasnya adalah Atraksi Wisata (X1), Prasarana (X2), Sarana Pencapaian dan Alat
Transportasi (X3) dan Sarana Pelengkap (X4). Model regresi berdasarkan hasil analisis di atas
adalah:
Y = -1,488 + 0,328X1 + 0,044X2 + 0,026X3 - 0,001X4 +e
Adapun interpretasi dari persamaan tersebut adalah sebagai berikut:
1. bo = -1,488
Nilai konstan ini menunjukkan bahwa apabila tidak ada variabel bebas (Atraksi
Wisata, Prasarana, Sarana Pencapaian dan Alat Transportasi dan Sarana Pelengkap)
maka variabel Motivasi Wisatawan adalah sebesar -1,488. Dalam arti kata Motivasi
Wisatawan bernilai sebesar -1,488 sebelum atau tanpa adanya variabel Atraksi Wisata,
Prasarana dan Sarana Pencapaian dan Alat Transportasi (dimana X1, X2, X3, X4 = 0).
2. b1 = 0,328
Nilai parameter atau koefisien regresi b1 ini menunjukkan bahwa setiap variable
Atraksi Wisata meningkat 1 satuan, maka Motivasi Wisatawan akan meningkat sebesar
0,328 kali atau dengan kata lain setiap peningkatan Motivasi Wisatawan dibutuhkan
variabel Atraksi Wisata sebesar 0,328 dengan asumsi variabel bebas yang lain tetap (X2,
X3, X4 = 0).
3. b2 = 0,044
Nilai parameter atau koefisien regresi b2 ini menunjukkan bahwa setiap variable
Prasarana meningkat 1 satuan, maka Motivasi Wisatawan akan meningkat sebesar 0,044
kali atau dengan kata lain setiap peningkatan Motivasi Wisatawan dibutuhkan variabel
Prasarana sebesar 0,044 dengan asumsi variabel bebas yang lain tetap (X1, X3, X4 = 0).
4. b3 = 0,026
Nilai parameter atau koefisien regresi b1 ini menunjukkan bahwa setiap variable
Sarana Pencapaian dan Alat Transportasi meningkat 1 satuan, maka Motivasi
Wisatawan akan meningkat sebesar 0,026 kali atau dengan kata lain setiap peningkatan
Motivasi Wisatawan dibutuhkan variabel Sarana Pencapaian dan Alat Transportasi
sebesar 0,026 dengan asumsi variabel bebas yang lain tetap (X1, X2, X4 = 0).
5. b4 = -0,001
Nilai parameter atau koefisien regresi b1 ini menunjukkan bahwa setiap variable
Sarana Pelengkap meningkat 1 satuan, maka Motivasi Wisatawan akan menurun sebesar
0,001 kali atau dengan kata lain setiap penurunan Motivasi Wisatawan dibutuhkan
variabel Sarana Pelengkap sebesar 0,001 dengan asumsi variabel bebas yang lain tetap
(X1, X2, X3 = 0).
Berdasarkan tabel regresi di atas diperoleh nilai Adjusted R Square sebesar 0,554 atau
55,4%. Artinya bahwa keragaman Motivasi Wisatawan dipengaruhi oleh 55,4% variabel
bebas Atraksi Wisata, Prasarana, Sarana Pencapaian dan Alat Transportasi dan Sarana
Pelengkap. Sedangkan sisanya yaitu sebesar 44,6% dipengaruhi oleh variabel lain diluar
variabel yang diteliti.
3. Pengujian Hipotesis
1.
Wisata (X1), Prasarana (X2), Sarana Pencapaian dan Alat Transportasi (X3) dan Sarana
Pelengkap (X4) mempunyai pengaruh yang signifikan secara bersama-sama (simultan)
terhadap variabel Motivasi Wisatawan.
Pengujian hipotesis dilakukan dengan uji F, dengan cara membandingkan nilai
Fhitung hasil analisis regresi dengan nila Ftabel pada taraf nyata = 0,05.
Prasarana (X2), Sarana Pencapaian dan Alat Transportasi (X3) dan Sarana Pelengkap
(X4) secara parsial memiliki pengaruh yang signifikan terhadap variabel terikat Motivasi
Wisatawan (Y), serta untuk melihat variabel bebas manakah yang paling dominan
pengaruhnya.
Rumusan hipotesisnya adalah sebagai berikut:
Ho: bi = 0
variabel bebas (X1, X2, X3, X4) secara parsial tidak berpengaruh signifikan terhadap
variabel terikat (Y)
Ha: bi 0
variabel bebas (X1, X2, X3, X4) secara parsial berpengaruh signifikan terhadap
variabel terikat (Y)
Kriteria pengujian:
a. Jika thitung > ttabel, maka Ho ditolak dan Ha diterima, artinya variabel bebas (X1, X2, X3,
X4) secara parsial berpengaruh signifikan terhadap variabel terikat (Y)
b. Jika thitung < ttabel, maka Ho diterima dan Ha ditolak, artinya variabel bebas (X1, X2, X3,
X4) secara parsial tidak berpengaruh signifikan terhadap variabel terikat (Y)
Berdasakan hasil analisis regresi diperoleh hasil sebagai berikut:
1) Variabel Atraksi Wisata (X1) memiliki nilai t hitung sebesar 8,590 dengan signifikansi
sebesar 0,000. Karena | thitung | > ttabel (8,590 > 1,993) atau sig. t < 5% (0,000 < 0,05),
maka dapat disimpulkan bahwa secara parsial variabel Atraksi Wisata (X1)
berpengaruh signifikan terhadap variabel Motivasi Wisatawan (Y)
2) Variabel Prasarana (X2) memiliki nilai thitung sebesar 1,935 dengan signifikansi
sebesar 0,057. Karena | thitung | < ttabel (1,935 < 1,993) atau sig. t > 5% (0,057 > 0,05),
maka dapat disimpulkan bahwa secara parsial variabel Prasarana (X2) tidak
berpengaruh signifikan terhadap variabel Motivasi Wisatawan (Y)
3) Variabel Sarana Pencapaian dan Alat Transportasi (X3) memiliki nilai t hitung sebesar
0,788 dengan signifikansi sebesar 0,433. Karena | t hitung | < ttabel (0,788 < 1,993) atau
sig. t > 5% (0,433 > 0,05), maka dapat disimpulkan bahwa secara parsial variabel
Sarana Pencapaian dan Alat Transportasi (X3) tidak berpengaruh signifikan terhadap
variabel Motivasi Wisatawan (Y)
4) Variabel Sarana Pelengkap (X4) memiliki nilai thitung sebesar -0,009 dengan
signifikansi sebesar 0,993. Karena | thitung | < ttabel (0,009 < 1,993) atau sig. t > 5%
(0,993 > 0,05), maka dapat disimpulkan bahwa secara parsial variabel Sarana
Pelengkap (X4) tidak berpengaruh signifikan terhadap variabel Motivasi Wisatawan
(Y)
Untuk menentukan variabel bebas yang paling dominan dalam mempengaruhi nilai
variabel terikat dalam suatu model regresi linier, maka digunakan nilai Koefisien Beta
(Beta Coefficient). Berdasarkan tabel hasil analisis regresi terlihat bahwa variabel yang
memiliki koefisien beta tertinggi terdapat pada variabel Atraksi Wisata (X1) dengan nilai
koefisien beta sebesar 0,668. Jadi dapat disimpulkan bahwa variabel yang paling dominan
mempengaruhi variabel Motivasi Wisatawan adalah variabel Atraksi Wisata (X1).