METODE PENELITIAN
H. Teknik Pengumpulan Data
Metode pengumpulan data adalah kuisioner. Kuisioner adalah sejumlah pertanyaan tertulis untuk mengetahui informasi secara tertulis dari responden dalam laporan mengenai kunjungan di obyek wisata Hutan Pinus Asri Mangunan.
I. Teknik Pengujian Instrumen 1. Uji Validitas
Uji validitas digunakan untuk mengukur sah atau valid tidaknya suatu kuesioner. Uji validitas yaitu suatu ukuran yang menunjukkan sejauh mana alat ukur yang digunakan mengukur variabel yang akan diukur (Martono, 2014:219).
Rumus yang digunakan adalah Product Moment :
𝑟𝑥𝑦 = 𝑛 ∑ 𝑥𝑦 − (∑ 𝑥)(∑ 𝑦)
√(𝑛 ∑ 𝑥2 − (∑ 𝑥)2) − (𝑛 ∑ 𝑦2− (∑ 𝑦)2)
Keterangan :
r = Koefisien korelasi
Ʃ xy = Jumlah hasil perkalian x dan y Ʃ x = Jumlah nilai variabel x
Ʃ y = Jumlah nilai variabel y
Ʃ x2 = Jumlah pangkat dua nilai variabel x Ʃ y2 = Jumlah pangkat dua nilai variabel y n = Banyaknya sampel
Kriteria uji validitas :
a. Jika rhitung ≥ rtabel, dan bernilai positif, maka pertanyaan (indikator) tersebut dikatakan valid.
b. Jika rhitung < rtabel, dan bernilai positif, maka pertanyaan (indikator) tersebut dikatakan tidak valid.
2. Uji Reliabilitas
Uji reliabilitas merupakan alat untuk mengukur kehandalan, ketetapan atau konsistensi suatu kuesioner. Reliabilitas yaitu ketetapan hasil penelitian apabila hasil penelitian diulang dua kali atau lebih (Martono, 2014:217).
Untuk itu peneliti menggunakan alat bantu program SPSS for windows.
SPSS memberikan fasilitas untuk mengukur reliabilitas dengan uji statistik Cronbach Alpha (α). Suatu variabel dikatakan reliabel jika memberikan nilai α >
0,60.
Rumus yang digunakan :
𝐴 = 𝐾. 𝑟
1 + (𝐾 − 1). 𝑟
Keterangan :
A = Koefisien reliabilitas K = Jumlah item reliabilitas
r = Rata-rata korelasi antar item 1 = Bilangan konstanta
Kriteria Uji reliabilitas :
a. Reliabilitas uji coba ≥ 0,60 berarti hasil uji coba memiliki reliabilitas yang baik.
b. Reliabilitas uji coba < 0,60 berarti hasil uji coba memiliki reliabilitas yang kurang baik.
J. Teknik Analisis Data 1. Uji Asumsi Klasik
a) Uji Normalitas
Uji normalitas adalah untuk melihat apakah nilai residual terdistribusi normal atau tidak. Model regresi yang baik adalah memiliki nilai residual yang terdistribusi normal. Jadi uji normalitas bukan dilakukan pada masing-masing variabel tetapi pada nilai residualnya. Pengamatan data yang normal akan memberikan nilai ekstrim rendah dan ekstrim tinggi
yang sedikit dan kebanyakan mengumpul di tengah. Demikian juga nilai rata-rata, modus dan median relatif dekat. Uji normalitas yang dilakukan dalam penelitian ini dengan uji histogram dan uji normal P Plot.
b) Uji Multikolinieritas
Menurut Gozali (2006, 91-106) pengujian ini bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antara variabel bebas dan terikat. Uji multikolinearitas digunakan untuk mengetahui ada atau tidaknya penyimpangan asumsi klasik multikolinearitas yaitu adanya hubungan linear antar variabel independen dalam model regresi. Prasyarat yang harus terpenuhi dalam model regresi adalah tidak adanya multikolinearitas. Jika ada korelasi yang tinggi di antara variabel-variabel bebasnya, maka hubungan antara variabel bebas terhadap variabel terikatnya menjadi terganggu. Alat statistik yang sering dipergunakan untuk menguji gangguan multikolinearitas adalah dengan variance inflation factor (VIF), korelasi pearson antara variabel-variabel bebas, atau dengan melihat eigenvalues dan condition index (CI). Ada beberapa metode pengujian yang bisa digunakan diantaranya yaitu dengan melihat nilai variance inflation factor (VIF) pada model regresi, Nilai VIF semua variabel independen lebih kecil dari 10,00 dandengan melihat nilai eigenvalue dan condition index Nilai Tolerance semua variabel independen lebih besar dari 0,10.
c) Uji heteroskedastisitas
Salah satu asumsi dalam regresi berganda adalah uji heteroskedastisitas. Model asumsi heteroskdastisitas adalah asumsi dimana varians dari residual tidak sama pada satu pengamatan ke pengamatan yang lainnya. Dalam regresi, salah satu yang harus dipenuhi adalah bahwa varians residual memiliki kesamaan antara satu pengamatan ke pengamatan lainnya. Model asumsi yang baik apabila model tersebut memiliki varians residual suatu periode pengamatan ke pengamatan lain yang konstan, sehingga model tersebut dapat dikatakan bahwa tidak terjadi gejala heteroskedastisitas. Dalam Scatterplots (https://www.spssindonesia.com, 2017) bahwa tidak terjadinya gejala heteroskedstisitas apabila titik-titik menyebar di atas dan di bawah atau di sekitar angka 0, titik-titik tidak mengumpul hanya di atas atau di bawah saja, penyebaran titik-titik data tidak boleh membentuk pola bergelombang melebar kemudian menyempit dan melebar kembali, dan penyebaran titik-titik data tidak berpola.
2. Uji Hipotesis a) Uji t
Uji t digunakan untuk menunjukkan seberapa jauh pengaruh satu variabel independen secara parsial dalam menerangkan variasi variabel dependen. Uji t dilakukan pertama dengan cara menentukan tingkat
signifikasi α = 5%. menentukan t hitung dengan menggunakan rumus berikut (Priyatno, 2008:84) :
t hitung = √𝑛−𝑘−2
𝑟
√1− 𝑟2
keterangan :
r : Koefisien korelasi parsial k : Jumlah variabel independen n : Jumlah data
kriteria pengujian :
1. Hα diterima jika thitung ≥ ttabel
2. Hα ditolak jika thitung < ttabel
Hasil uji t dapat dilihat pada tabel coefficients pada kolom sig (significance). Jika probabilitas nilai t atau signifikansi < 0,05, maka dapat dikatakan bahwa terdapat pengaruh antara variabel bebas terhadap variabel terikat secara parsial. Namun, jika probabilitas nilai t atau signifikansi >
0,05, maka dapat dikatakan bahwa tidak terdapat pengaruh yang signifikan antara masing-masing variabel bebas terhadap variabel terikat.
b) Uji F
Uji F digunakan untuk menunjukkan apakah semua variabel bebas (independen) yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama terhadap variabel terikat (dependen). Bentuk pengujiannya adalah :
H0 : Electronic word of mouth dan daya tarik secara bersama-sama tidak berpengaruh terhadap keputusan berkunjung.
Ha : Electronic word of mouth dan daya tarik, secara bersama-sama berpengaruh terhadap keputusan berkunjung.
Pengujian dilakukan dengan melihat atau membandingkan Fhitung dengan Ftabel. Jika pada tabel anova < α = 0,05 maka ditolak (berpengaruh) dan jika pada tabel anova ≥ α = 0,05 maka diterima (tidak berpengaruh). Pengujian hipotesis (Sugiyono, 2007:223) dapat dilakukan menggunakan rumus berikut :
F =
𝑟2 𝐾 1−𝑟2 (𝑛−𝑘−1)
Keterangan :
R2 : koefisien korelasi ganda K : Jumlah variabel independen n : Jumlah anggota sampel dk : (n-k-1) derajat kebebasan kriteria pengujian :
1. Jika nilai Fhitung ≥ daripada Ftabel pada α = 5%, maka H0 ditolak dan Ha diterima (berpengaruh).
2. Jika nilai Fhitung < daripada Ftabel pada α = 5%, maka H0 diterima dan Ha ditolak (tidak berpengaruh).
3. Analisa Regresi Linear Berganda
Analisis regresi linier berganda yaitu regresi yang digunakan untuk menguji hubungan lebih dari satu variabel bebas (Martono, 2014:217). Analisis ini untuk mengetahui arah hubungan antara variabel independen dengan variabel dependen apakah masing-masing variabel independen berhubungan positif atau negatif dan untuk memprediksi nilai dari variabel dependen apabila nilai variabel independen mengalami kenaikan atau penurunan. Data yang digunakan biasanya berskala interval atau rasio. Persamaan regresi linear berganda sebagai berikut :
Y = α + b1x1 + b2x2
Keterangan:
Y = variabel dependen (keputusan berkunjung) α = konstanta
b1 = koefisien regresi electronic word of mouth b2 = koefisien regresi daya tarik
x1 = variabel electronic word of mouth x2 = variabel daya tarik
4. Koefisien Determinasi
Dalam Riantika (2016), koefisien determinasi digunakan untuk mengetahui seberapa besar pengaruh variabel inependen terhadap variabel dependen.
Koefisien determinasi bertujuan untuk menentukan proporsi atau persentase total variasi variabel dalam variabel terikat yang diterangkan oleh variasi bebas.
Apabila analisis yang digunakan adalah regresi sederhana, maka yang digunakan adalah nilai R Square. Namun, apabila analsis yang digunakan adalah regresi berganda, maka yang digunakan adalah nilai Adjusted R Square. Hasil perhitungan Adjusted R Square dapat dilihat pada output Model Summary. Pada kolom Adjusted R Square dapat diketahui berapa persentase yang dapat dijelaskan oleh variabel-variabel bebas terhadap variabel terikat. Sedangkan sisanya dipengaruhi atau dijelaskan oleh variabel-variabel lain yang tidak dimasukkan dalam model penelitian.
53
BAB IV