BAB II. TINJAUAN PUSTAKA
2.4 Hipotesis
Dalam penelitian ini dapat dirumuskan hipotesis sebagai berikut :
a) Tingkat upah berpengaruh negatif terhadap penyerapan tenaga kerja padaindustri pariwisata di Kota Medan.
b) Jumlah Wisatawan berpengaruh positif terhadap penyerapan tenaga kerja pada industri pariwisata di Kota Medan.
c) Jumlah Kamar Hotel berpengaruh positif terhadap penyerapan tenagakerjapada
Penyerapan tenaga kerja (Y) Tingkat Upah
Minimum (X1)
Jumlah Wisatawan (X2)
Jumlah Kamar Hotel
(X3)
BAB III
METODE PENELITIAN 3.1 Jenis Penelitian
Penelitian ini menggunakan jenis data kuantitatif, yaitu metode data yang berupa berbentuk angka. Sumber data pada penelitian ini adalah data sekunder.Data sekunder berasal dari dokumentasi dan pencatatan dari Badan Pusat Statistik.
Penelitian ini mendeskripsikan variabel-variabel yang mempengaruhi penyerapan tenaga kerja pada industri pariwisata di Kota Medan, dengan menggunakan data sekunder yang diperoleh melalui studi kepustakaan dan mencatat teori-teori dari buku-buku literature, bacaan-bacaan yang berkaitan dengan masalah yang diteliti.Sumber data-data yang digunakan berasal dari Badan Pusat Statistik Kota Medan dan Badan Pusat Statistik Sumatera Utara, Dalam penelitian ini periode waktu yang digunakan berkisar pada tahun 2007-2016 3.2 Lokasi Penelitan
Penelitian ini dilakukan untuk menganalisis penyerapan tenaga kerja sektor pariwisata di Kota Medan dan kawasan wilayah Kota Medan yang berhubungan dan berkaitan dengan objek penelitian akan menjadi lokasi penelitain.
3.3 Definisi Operasional
d) Penyerapan tenaga kerja (Y) dalam penelitian ini adalah jumlah tenaga kerja yang terserap pada industri pariwisata di Kota Medan tahun 2002-2016 yang dinyatakan dalam satuan jiwa.
41
e) Tingkat upah minimum (X1) dalam penelitian ini adalah biaya tenaga kerja yang dibayarkan kepada pekerja di Kota Medan tahun 2002-2016 yang dinyatakan dalam satuannya adalah rupiah.
f) Jumlah Wisatawan mancanegara (X2) adalah banyaknya Wisatawan mancanegara yang berkunjung di Kota Medan tahun 2002-2016 yang dinyatakan dalam satuan jiwa.
g) Jumlah kamar hotel (X3) adalah banyaknya kamar hotel yang
dipesan(digunakan) wisatawan di Kota Medan tahun 2002-2016 yang dinyatakan dalam satuan unit kamar .
3.4 Metode Analisis Data
3.4.1 Analisis Regresi Linier Berganda
Analisis ini digunakan untuk mengetahui seberapa besar pengaruh variabel bebas yaitu: Tingkat Upah Minimum , Jumlah Kamar Hotel dan Jumlah Wisatawan terhadap variabel terikatnya yaitu penyerapan tenaga kerja.Persamaan regresi linier berganda adalah sebagai berikut :
Y = a + b1X1 + b2 X2 + b3 X3 + e ...
Keterangan : a = Konstanta
b1= koefisien regresi x1 b2=koefisien regresi x2 b3=koefisien regresi x3
Y = penyerapan tenaga kerja (orang per tahun) X1 = tingkat upah (rupiah per tahun)
X2 = jumlah Wisatawan (orang pertaun)
X3 = jumlah kamarhotel (kamar hotel per tahun) e = error/variabel penggangu
3.4.2 Deteksi Asumsi Klasik
Untuk meyakinkan bahwa persamaan garis regresi yang diperoleh adalah linier atau BLUE (Best Linear Unbiased Estimator) dan dapat dipergunakan (valid) untuk mencari peramalan, maka akan dilakukan pengujian asumsi multikolinearitas, heteroskedastisitas, dan normalitas.
1. Deteksi Multikolinearitas
Deteksi multikolinearitas adalah untuk menguji apakah pada model regresi ditemukan adanya korelasi antar variabel bebas (independen).Apabila terjadi korelasi, maka dinamakan terdapat problem multikolinearitas (Ghozali, 2011).Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel bebas. Untuk menuji ada atau tidaknya multikolinearitas di dalam model regresi adalah sebagai berikut:
Multikolinearitas dapat dilihat dari (1) nilai tolerance dan lawannya (2) Variance Inflation Factor (VIF).kedua ukuran ini menunjukkan setiapvariabel bebas manakah yang dijelaskan oleh variabel bebas lainnya.Tolerance mengukur variabilitas variabel bebas yang terpilih yang tidakdijelaskan oleh variabel bebas lainnya. Jadi, nilai tolerance yang rendah sama dengan nilai VIF yang tinggi (karena VIF = 1/Tolerance). Nilai cutoff yang umum dipakai untuk menunjukkan adanya multikolinearitasadalah nilai tolerance < 0,10 atau sama dengan nilai VIF
> 10 (Ghozali, 2011). Apabila di dalam model regresi tidak ditemukan uji seperti
43
di atas, maka model regresi yang digunakan dalam penelitian ini bebas dari multikolinearitas, dan demikian pula sebaliknya.
2. Deteksi Heteroskedastisitas
Deteksi heteroskedastisitas adalah untuk menguji apakah dalam model regresi terjadi ketidaksamaan varians dari residual satu pengamatan ke pengamatan yang lain. Jika varians dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas dan jika varians berbeda disebut heteroskedstisitas. Model regresi yang baik adalah yang homokedastisitas atau tidak terjadi heteroskedastisitas (Ghozali, 2011).
Cara untuk mengetahui ada tidaknya heteroskedastisitas adalah dengan melihat grafik plot antara nilai prediksi variabel terikat yaitu ZPRED dengan residualnya SRESID. Uji 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 diprediksi, dan sumbu X adalah residual (Y prediksi– Y sesungguhnya) yang telah di studentized.
Dasar analisisnya adalah:
Apabila terdapat pola tertentu, seperti titik-titik yang ada membentuk pola tertentu (bergelombang, melebar kemudian menyempit), maka mengindikasikan telah terjadi heteroskedastisitas.
Apabila tidak terdapat pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka nol pada sumbu Y, maka tidak terjadi heteroskedastisitas.
3. Deteksi Normalitas
Deteksi normalitas digunakan untuk menguji apakah dalam model regresi, kedua variabel (bebas maupun terikat) mempunyai distribusi normal atau setidaknya mendekati normal (Ghozali, 2011).Pada prinsipnya normalitas dapat diuji dengan melihat penyebaran data (titik) pada sumbu diagonal dari grafik atau dengan melihat histogram dari residualnya. Dasar pengambilan keputusannya adalah (Ghozali, 2011):
1. Jika data (titik) menyebar disekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogramnya menunjukkan pola distribusi normal, maka model regresi memenuhi asumsi normalitas.
2. Jika data menyebar jauh dari diagonal dan/atau tidak mengikuti arah garis diagonal atau garfik histogram tidak menunjukkan pola distribusi normal, maka model regrsi tidak memenuhi asumsi normalitas.
3.4.3 Pengujian Hipotesis
1. Uji Signifikasi Pengaruh Parsial (Uji t)
Uji t digunakan untuk menguji signifikansi hubungan antara variabel X dan Y, apakah variabel bebas benar-benar berpengaruh terhadap variabel terikat secara terpisah atau parsial (Ghozali, 2011).
Hipotesis yang digunakan dalam pengujian ini adalah:
1. H0 : Tingkat upah tidak berpengaruh terhadap penyerapan tenaga kerja H1 : Tingkat upah berpengaruh terhadap penyerapan tenaga kerja.
2. H0 : Jumlah kamarhotel tidak berpengaruh terhadap penyerapan tenaga kerja.
H1 : Jumlah kamar hotel berpengaruh terhadap penyerapan tenaga kerja.
45
3 H0 : Jumlah wisatawan tidak berpengaruh terhadap penyerapan tenaga kerja.
H1 : Jumlah wisatawan berpengaruh terhadap penyerapan tenaga kerja.
Dasar pengambilan keputusan dengan langkah pengujian :
H0.: b1 = .0, artinya tidak ada pengaruh yang positif dan signifikan ...dari variabel bebas (X) terhadap variabel terikat (Y).
H1 : b1 ≠. 0, artinya terdapat pengaruh yang positif dan signifikan ...dari variabel bebas (X) terhadap variabel terikat (Y).
Kriteria pengambilan keputusan pada penelitian ini menggunakan α = 5%
dan derajat kebebasan (n-k), kemudian dibandingkan dengan thitung.
Ho diterima: thitung < ttabel (tidak ada pengaruh yang nyata antara X1, X2, X3, X4, X5 dan Y).
Ha diterima: thitung >ttabel ..(ada pengaruh yang nyata antara X1, X2X3, X4, X5 dan Y).
2. Uji Ketepatan model ( Uji Statistik F )
Dalam penelitian ini, uji F digunakan untuk mengetahui tingkat siginifikansi pengaruh variabel-variabel independen secara bersama-sama (simultan) terhadap variabel dependen (Ghozali, 2011). Dalam penelitian ini, hipotesis yang digunakan adalah:
a. Ho : Tingkat upah, jumlah kamar hotel , jumlah wisatawan mancanegara tidak berpengaruh secara bersama-sama terhadap penyerapan tenaga kerja.
b. Ha : Tingkat upah, jumlah kamar hotel , jumlah wisatawan mancanegara berpengaruh secara bersama-sama terhadap penyerapan tenaga kerja
Dasar pengambilan keputusannya (Ghozali, 2011) adalah dengan menggunakan angka probabilitas signifikansi, yaitu:
Apabila probabilitas signifikansi > 0.05, maka Ho diterima dan Ha ditolak.
Apabila probabilitas signifikansi < 0.05, maka Ho ditolak dan Ha diterima.
3. Analisis Koefisien Determinasi (R²)
Koefisien determinasi (R²) pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel terikat (Ghozali, 2011).Nilai Koefisien determinasi adalah antara nol dan satu.Nilai R² yang kecil berarti kemampuan variabel-variabel bebas dalam menjelaskan variasi variabel terikat (penyerapan tenaga kerja) amat terbatas.Begitu pula sebaliknya, nilai yangmendekati satu berarti variabel-variabel bebas memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel terikat. Kelemahan mendasar penggunaan koefisien determinasi adalah bisa terhadap jumlah variabel bebas yang dimasukkan kedalam model.Setiap tambahan satu variabel bebas, maka R² pasti meningkat tidak perduli apakah variabel tersebut berpengaruh secara signifikan terhadap variabel terikat.Oleh karena itu, banyak peneliti menganjurkan untuk menggunakan nilai Adjusted R² pada saat mengevaluasi mana model regresi yang terbaik.Tidak seperti R², nilai Adjusted R² dapat naik atau turun apabila satu variabel independen ditambahkan kedalam model.
BAB IV
HASIL DAN PEMBAHASAN
4.1 Deskripsi Objek Penelitian
4.1.1 Kondisi Geografi
Kota Medan merupakan Ibu Kota Provinsi Sumatera Utara yang mempunyai 21 Kecamatan dan 151 Kelurahan. Medan berawal dari sebuah kampung yang didirikan oleh Guru Patimpus di pertemuan Sungai Deli dan Sungai Babura. Hari jadi Kota Medan ditetapkan pada tanggal 1 Juli 1590.
Selanjutnya pada tahun 1632, Medan dijadikan pusat pemerintahan Kesultanan Deli, sebuah kerajaan Melayu. Bangsa Eropa mulai menemukan Medan sejak kedatangan John Anderson dari Inggris pada tahun 1823. Peradaban di Medan terus berkembang hingga Pemerintah Hindia Belanda memberikan status kota dan menjadikannya pusat pemerintahan Karesidenan Sumatera Timur. Memasuki abad ke-20, Medan menjadi kota yang penting di luar Jawa, terutama setelah pemerintah kolonial membuka perusahaan perkebunan secara besar-besaran.
Medan adalah kota multietnis yang mana penduduknya terdiri dari orang-orang dengan latar belakang budaya dan agama yang berbeda-beda. Selain Melayu dan Karo sebagai penghuni awal, Medan didominasi oleh etnis Jawa, Batak, Tionghoa, Mandailing, dan India.
4.1.2 Luas dan Batas Wilayah
Kota Medan memiliki luas 26.510 hektare (265,10 km²) atau 3,6% dari keseluruhan wilayah Sumatra Utara. Dengan demikian, dibandingkan dengan
kota/kabupaten lainya, Medan memiliki luas wilayah yang relatif kecil dengan jumlah penduduk yang relatif besar. Secara geografis Kota Medan terletak antara 3º.27’ - 3º.47’ Lintang Utara dan 98º.35’ - 98º.44’ Bujur Timur dengan ketinggian 2,5 – 37,5 meter di atas permukaan laut.
h) Batas kota pemerintahan Daerah Tingkat I Sumatera Utara yang berbatasan langsung dengan Kabup ten Deli Serdang di sebela utara, selatan, barat dan timur.
Tabel 4.1
Luas Wilayah Dan Jumlah Kepadatan Penduduk Berdasarkan KecamatanTahun 2015
NO. KECAMATAN LUAS WILAYAH
JUMLAH
KELURAHAN TOTAL JUMLAH RUTA
49
12 Medan Helvetia 13.16 7 150,721 33,245 4.53
13 Medan Petisah 6.82 7 63,374 15,700 4.04
14 Medan Barat 5.33 6 72,683 17,014 4.27
15 Medan Timur 7.76 11 111,420 26,1 4.27
16 Medan Perjuangan
4.09 9 95,882 23,176 4.14
17 Medan Tembung 7.99 7 137,178 31,033 4.42
18 Medan Deli 20.84 6 181,460 40,410 4.49
19 Medan Labuhan 36.67 6 117,472 25,862 4.54
20 Medan Marelan 23.82 5 162,267 34,730 4.67
21 Medan Belawan 26.25 6 98,113 21,885 4.48
JUMLAH 265.10 151 2,210,624 507,205 4.36 Sumber : BPS Kota Medan
4.1.3 Iklim
Kota Medan mempunyai iklim tropis dengan suhu minimum menurut Stasiun BBMKG Wilayah I pada tahun 2015 yaitu 21,20C dan suhu maksimum yaitu 35,10C serta menurut Stasiun Sampali suhu minimumnya yaitu 21,80C dan suhu maksimum yaitu 34,30C.
Kelembaban udara di wilayah Kota Medan rata-rata 81 - 82%, dan kecepatan angin rata-rata sebesar 2,3m/sec, sedangkan rata-rata total laju penguapan tiap bulannya 108,2
Hari hujan di Kota Medan pada tahun 2015 per bulan 14 hari dengan rata-rata curah hujan menurut Stasiun Sampali per bulannya 141 mm.
4.2 Keadaan Penduduk
4.2.1 Jumlah Penduduk
Penduduk merupakan unsur penting dalam kegiatan ekonomi dalam membangun suatu perekonomian suatu daerah atau negara. Penulis
menyertakan tabel jumlah penduduk dan rumah tangga menurut kabupaten/
kota tahun 2017.
Tabel 4.2
Jumlah Penduduk Menurut Kecamatan dan Jenis Kelamin Kota Medan 2015
Medan Tuntungan 42288 43325 85613
Medan Johor 65207 66805 132012
Medan Amplas 61176 62674 123850
Medan Denai 72147 73914 146061
Medan Area 48897 50095 98992
Medan Kota 36769 37670 74439
Medan Maimun 20086 20577 40663
Medan Polonia 27636 28313 55949
Medan Baru 20025 20515 40540
Medan Selayang 52433 53717 106150
Medan Sunggal 57192 58593 115785
Medan Helvetia 74448 76273 150721
Medan Petisah 31303 32071 63374
Medan Barat 35902 36781 72683
Medan Timur 55036 56384 114720
Medan Perjuangan 47361 48521 95882
Medan Tembung 67759 69419 137178
Medan Deli 89632 91828 181460
Medan Labuhan 58025 59447 117472
Medan Marelan 80152 82115 162267
Medan Belawan 48463 49650 98113
Medan 1091937 1118687 2210624
Sumber : BPS Kota Medan
Tabel 4.2 menunjukkan jumlah penduduk tertinggi terdapat pada Kecamatan Medan Deli yaitu sebesar 181.460 jiwa dengan penduduk laki-laki 89.632 jiwa dan penduduk perempuan 91.828 jiwa. Lalu peringkat kedua adalah
51
4.3 Potensi Objek Pariwisata Kota Medan
Jumlah objek dan daya tarik wisata di Kota Medan ada sekitar 33 Objek dan masih ada beberapa Objek Wisata yang butuh pembenahan agar Objek Wisata Kota Medan semakin menjadi daya tarik untuk para wisatawan datang Ke Kota Medan, Obyek wisata Kota Medan yang terdiri dari obyek wisata alam,Budaya,Agama, rekreasi dan lain-lain
Tabel 4.3
Objek Wisata Kota Medan
No Nama Objek Jenis Objek Alamat / Lokasi
1. Istana Maimun Budaya/Sejarah Jl. Bridjend Katamso 2. Mesjid Raya Al-Mahsun Budaya/Sejarah Jl. Mesjid Raya 3. Gereja Katolik Budaya/Sejarah Jl. Pemuda 4. Klenteng Hindu Sri
Marlaman
Budaya/Sejarah Jl. H.Zainul Arifin 5. Mesjid Labuhan Budaya/Sejarah Labuhan Deli 6. Kebun Binatang Rekreasi/Fauna Sunggal
7. Tempat Pelelangan Ikan Rekreasi Medan Labuhan
8. Taman Sri Deli Rekreasi Jl. Sisingamangaraja
9. Taman Ahmad Yani Rekreasi Jl. Jenderal Sudirman 10. Taman Buaya/
Penangkaran Buaya
Rekreasi/Fauna Jl. Sunggal Desa Asam Kumbang
11. Danau Siombak Indah Alam /Bahari Medan Marelan
12. Ocean Fasifik Alam /Bahari Belawan
13. Perumahan Nelayan Indah Alam /Bahari Medan Labuhan 14. Rahmat Galery Rekreasi/Fauna Jl. S.Parman 15. Tanaman Bunga Angrek Rekreasi/Flora Jl. Ahmad Yani
16. Pekantan Kuliner Jl. Pandu
17. Merdeka Walk Kuliner Jl. Balai Kota
18. Taman Lili Suhery Kuliner Jl. Listrik 19. Pagaruyung Square Kuliner Jl. Pagaruyung 20. Balai Kota Budaya/Sejarah Jl. Balai Kota
21. Menara PDAM Budaya/Sejarah Jl. SM.Raja 22. Kantor Pos Induk Budaya/Sejarah Jl. Balai Kota 23. Klenteng Budha Budaya/Sejarah Jl. Jendral Sudirman 24. Titi Gantung Budaya/Sejarah Stasiun PJKA 25.
Pekan Raya Sumatera
Utara Budaya/Sejarah Jl. Jend.Gatot Subroto
26. Musium Negeri Sumut
Budaya/Sejara
h Jl. H.M.Joni
27. Musium Bukit Barisan
Budaya/Sejara
h Jl. H.Zainul Arifin
28.
Pusat Industri Kecil
Menteng Kerajinan Jl. Rahmat Menteng
29. Pabrik Bakaran Batu 1 Kerajinan Jl. Bromo 30. Rumah Tjong A Fie
Sumber : Dinas Budaya dan Pariwisata Kota Medan 4.3.1 Perkembangan Pariwisata di Kota Medan
Kota Medan yang mempunyai ragam icon pariwisata dalam hal pengembangan objek-objek wisata di Kota Medan yang terdiri dari Alam , Budaya dan objek wisata lainnya. Kota Medan terdiri dari tempat tempat yang memiliki destinasi wisata dengan daya tarik yang mampu menarik wisatawan mancanegara datang ke Kota Medan. Perkembangan pariwisata Kota Medan dapat dilihat dari meningkatnya jumlah hotel, kuliner dan berbagai sarana hiburan lainnya, yang tentunya juga meningkatkan jumlah wisatawan lokal maupun mancanegara, Sektor pariwisata merupakan sebagai salah satu pilar pembangunan Kota Medan yang semakin menunjukkan posisi dan peran yang sangat penting sejalan dengan perkembangan, serta kontribusi yang diberikan, baik dalam
53
penerimaan pendapatan daerah, pengembangan wilayah, penyerapan investasi dan tenaga kerja.
4.4 Hasil Analisis
4.4.1 Analisis Regresi Linier Berganda
Analisis yang digunakan dalam penelitian ini adalah analisis regresi linier berganda untuk mengetahui gambaran mengenai pengaruh tingkat upah, jumlah kamar di hotel, dan jumlah wisatawan mancanegara di Kota Medan terhadap penyerapan tenaga kerja pada industri pariwisata di Kota Medan. Hasil analisis regresi dapat dilihat pada tabel berikut:
Tabel 4.4
Hasil analisis Regresi Tingkat Upah Minimum (X1), Jumlah Wisatawan Mancanegara(X2) serta Jumlah Kamar Hotel (X3)
terhadap Penyerapan Tenaga Kerja (Y)
Variable Coefficient Std. Error t-Statistic Prob.
C 18.31193 13.37327 1.369293 0.1982
X1__UPAH_MINIMUM_ -0.000658 0.001189 -0.553498 0.5910
X2__JLH_WISATAWAN_ 0.033477 0.021978 1.523158 0.1559
X3__JLH_KAMAR_HOTEL_ 0.642596 0.389089 1.651541 0.1269
Sumber : Hasil pengolahan data Eviews 8
Berdasarkan Tabel 4.4 dapat diketahui persamaan regresi linier bergandanya, yaitu :
̂ Keterangan :
Y = penyerapan tenaga kerja (orang per tahun)
X1 = tingkat upah (rupiah per tahun) X2 = jumlah Wisatawan (orang pertaun)
X3 = jumlah kamarhotel (kamar hotel per tahun)
Interpretasi model:
Berdasarkan model persamaan diatas dapat di interpretasikan sebagai berikut:
a.) Pada saat seluuruh variable x konstan maka nilai variable Y(Tenaga Kerja) adalah sebesar 18,31193 dengan asumsi variable lain.
b.) Nilai Koefisien tingkat upah (X1) Sebesar -0,000658 dan bertanda
negative, ini menunjukan bahwa tingkat upah mempunyai hubungan yang berlawanan arah dengan penyerapan tenaga kerja. Hal ini mengandung arti bahwa setiap kenaikan tingkat upah satu satuan maka variable penyerapan tenaga kerja (Y) akan turun sebesar 0,000658 dengan asumsi bahwa variable bebas yang lain dari model regresi adalah tetap.
c.) Nilai Koefisien jumlah wisatawan (X2) Sebesar 0,033477 dan bertanda positif, ini menunjukan bahwa jumlah wisatawan mempunyai hubungan yang searah dengan penyerapan tenaga kerja. Hal ini mengandung arti bahwa setiap kenaikan jumlah wisatawan satu satuan maka variable penyerapan tenaga kerja (Y) akan naik sebesar 0,033477 dengan asumsi bahwa variable bebas yang lain dari model regresi adalah tetap.
d.) Nilai Koefisien jumlah kamar hotel (X3) Sebesar 0,642596 dan bertanda positif, ini menunjukan bahwa jumlah kamar hotel mempunyai hubungan yang searah dengan penyerapan tenaga kerja. Hal ini mengandung arti
55
bahwa setiap kenaikan jumlah kamar hotel satu satuan maka variable penyerapan tenaga kerja (Y) akan naik sebesar 0,642596 dengan asumsi bahwa variable bebas yang lain dari model regresi adalah tetap.
4.4.2 Uji Asumsi Klasik
Menurut Gujarati (2003) suatu model dikatakan baik untuk alat prediksi apabila mempunyai sifat-sifat best linear unbiased estimator (BLUE). Di samping itu suatu model dikatakan cukup baik dan dapat dipakai untuk memprediksi apabila sudah lolos dari serangkaian uji asumsi ekonometrika yang melandasinya.
Suatu model regresi berganda yang digunakan untuk menguji hipotesa harus memenuhi asumsi klasik. Uji asumsi klasik dilakukan juga untuk mendapatkan model regresi yang tidak bias dan efisien.
Uji asumsi klasik ini dilakukan untuk mengetahui kondisi data yang ada dalam penelitian ini dan menentukan model analisis yang paling tepat digunakan.
Uji asumsi klasik yang digunakan dalam penelitian terdiri dari :
1.) Uji Multikolinieritas
Deteksi multikolinearitas adalah untuk menguji apakah pada model regresi ditemukan adanya korelasi antar variabel bebas (independen).Apabila terjadi korelasi, maka dinamakan terdapat problem multikolinearitas (Ghozali, 2011).Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel bebas. Untuk menuji ada atau tidaknya multikolinearitas di dalam model regresi adalah sebagai berikut:
Multikolinearitas dapat dilihat dari (1) nilai tolerance dan lawannya (2) Variance Inflation Factor (VIF).kedua ukuran ini menunjukkan setiapvariabel bebas manakah yang dijelaskan oleh variabel bebas lainnya. Tolerance mengukur variabilitas variabel bebas yang terpilih yang tidakdijelaskan oleh variabel bebas lainnya. Jadi, nilai tolerance yang rendah sama dengan nilai VIF yang tinggi (karena VIF = 1/Tolerance). Nilai cutoff yang umum dipakai untuk menunjukkan adanya multikolinearitasadalah nilai tolerance < 0,10 atau sama dengan nilai VIF
> 10 (Ghozali, 2011). Apabila di dalam model regresi tidak ditemukan uji seperti di atas, maka model regresi yang digunakan dalam penelitian ini bebas dari multikolinearitas, dan demikian pula sebaliknya.
Tabel 4.5 Uji Multikolinieritas
Variance Inflation Factors Date: 07/06/19 Time: 07:02 Sample: 2002 2016
Included observations: 15
Coefficient Uncentered Centered
Variable Variance VIF VIF
C 178.8445 156.1163 NA
X1__UPAH_MINIMUM_ 1.41E-06 197.4551 38.76424 X2__JLH_WISATAWAN
_ 0.000483 11.68717 1.898954
X3__JLH_KAMAR_HOT
EL_ 0.151390 713.2390 42.83083
Sumber : Hasil pengolahan data Eviews 8
57
Hasil uji multikolinearitas dari masing – masing variabel independen menunjukan nilai variance Inflation Factor (VIF) dari variabel upah minimum dan jumlah kamar hotel memiliki nilai lebih dari 10. Jadi dapat dikatakan bahwa dari ketiga variabel bebas hanya variabel jumlah wisatawan mancanegara yang terbebas dari multikolinearitas dalam model regresi.
2.) Uji Heterokedastisitas
Deteksi heteroskedastisitas adalah untuk menguji apakah dalam model regresi terjadi ketidaksamaan varians dari residual satu pengamatan ke pengamatan yang lain. Jika varians dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas dan jika varians berbeda disebut heteroskedstisitas. Model regresi yang baik adalah yang homokedastisitas atau tidak terjadi heteroskedastisitas (Ghozali, 2011).
Tabel 4.6 Uji Heteroskedastisitas
Heteroskedasticity Test: Breusch-Pagan-Godfrey
F-statistic 3.052149 Prob. F(3,11) 0.0739
Obs*R-squared 6.814033 Prob. Chi-Square(3) 0.0781 Scaled explained SS 1.718499 Prob. Chi-Square(3) 0.6328
Sumber : Hasil pengolahan data Eviews 8
Berdasarkan hasil uji pada Tabel 4.6 dapat dilihat nilai Prob. Breusch-Pagan-Godfrey sebesar 0,0781 atau lebih besar dari 0,05 sehingga tidak terjadi permasalahan heteroskedastisitas.
3.) Uji Normalitas
Deteksi normalitas digunakan untuk menguji apakah dalam model regresi, kedua variabel (bebas maupun terikat) mempunyai distribusi normal atau setidaknya mendekati normal (Ghozali, 2011).Pada prinsipnya normalitas dapat diuji dengan melihat penyebaran data (titik) pada sumbu diagonal dari grafik atau dengan melihat histogram dari residualnya. Dasar pengambilan keputusannya adalah (Ghozali, 2011) Jika data (titik) menyebar disekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogramnya menunjukkan pola distribusi normal, maka model regresi memenuhi asumsi normalitas, dan jika data menyebar jauh dari diagonal dan/atau tidak mengikuti arah garis diagonal atau garfik histogram tidak menunjukkan pola distribusi normal, maka model regrsi tidak memenuhi asumsi normalitas.
Sumber : Hasil pengolahan data Eviews 8 Gambar 4.1
59
Pengujian normalitas dilakukan untuk menguji apakah dalam model regresi, variabel independen dan dependen memiliki distribusi normal. Data yang baik dan layak digunakan dalam penelitian adalah daya yang memiliki distribusi normal.
Berdasarkan hasil probabilitas Jarque-Bera dapat dilihat pada Gambar 4.1 sebesar 0,463776> 0,05 sehingga dapat disimpulkan bahwa data dalam penelitian berdistribusi normal.
Sumber : Hasil pengolahan data Eviews 8 Gambar 4.2
Uji Normalitas Dengan Grafik
Berdasarkan Gambar 4.2 dapat dilihat bahwa data (titik) menyebar disekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogramnya. Hal ini menunjukkan pola distribusi normal, maka model regresi memenuhi asumsi normalitas.
4.4.3 Pengujian Hipotesis
Pada pengujian hipotesis, akan dilakukan analisis koefisien determinasi, pengujian signifikansi koefisien regresi parsial secara menyeluruh atau simultan (uji F), dan uji signifikansi koefisien regresi parsial secara individu (uji t).
-8 -6 -4 -2 0 2 4 6 8
-8 -6 -4 -2 0 2 4 6
Quantiles of RESID
Quantiles of Normal
1.)Uji Signifikansi Koefisien Regresi Parsial secara Individu (Uji t)
Uji signifikansi koefisien regresi parsial secara individu merupakan suatu uji untuk menguji apakah nilai dari koefisien regresi parsial secara individu bernilai nol atau tidak (Gujarati, 2003:250, Supranto, 2005:196).
Cara pengambilan keputusan dapat dilakukan dengan membandingkan nilai probabilitas atau Sig. dengan nilai tingkat signifikansi, yakni . Jika nilai probabilitas tingkat signifikansi yang digunakan, dalam penelitian ini , maka nilai koefisien regresi parsial . Hal ini berarti pengaruh antara variabel bebas terhadap variabel terikat tidak signifikan secara statistik pada tingkat signifikansi 5%. Namun jika nilai probabilitas < tingkat signifikansi yang digunakan, maka nilai koefisien regresi parsial . Hal ini berarti pengaruh antara variabel bebas terhadap variabel terikat signifikan secara statistik
Cara pengambilan keputusan dapat dilakukan dengan membandingkan nilai probabilitas atau Sig. dengan nilai tingkat signifikansi, yakni . Jika nilai probabilitas tingkat signifikansi yang digunakan, dalam penelitian ini , maka nilai koefisien regresi parsial . Hal ini berarti pengaruh antara variabel bebas terhadap variabel terikat tidak signifikan secara statistik pada tingkat signifikansi 5%. Namun jika nilai probabilitas < tingkat signifikansi yang digunakan, maka nilai koefisien regresi parsial . Hal ini berarti pengaruh antara variabel bebas terhadap variabel terikat signifikan secara statistik