47
BAB III
OBJEK DAN METODE PENELITIAN 3.1 Objek Penelitian
Penelitian ini dilakukan di Kabupaten Kuningan Jawa Barat dengan menganalisa variabel apa saja yang mempengaruhi pendapatan asli daerah sektor pariwisata. Dalam penelitian ini menggunakan satu variabel dependen dan tiga variabel independen. Variabel dependen yang digunakan adalah jumlah kunjungan ke objek wisata, jumlah kunjungan ke hotel, dan jumlah kunjungan ke rumah makan.Periode yang digunakan dalam penelitian ini adalah 10 tahun yaitu 2011 – 2020.
3.2 Metode Penelitian
Metode yang digunakan dalam penelitian ini adalah metode kuantitatif deskripti f yaitu menggunakan pendekatan yang disebut dengan analisis data sekunder(Sugiyono, 2016). Analisis data sekunder adalah metode penelitian yang menggunakan data sekund er sebagai sumber data utamanya. Maksud dari pemanfaatan data sekunder adalah untuk memperoleh informasi yang diperlukan dengan teknik uji statistic dari data yang diolah d an dipublikasikan oleh otoritas atau instansi yang berwenang dengan menggunakan pros edur pengujian secara sistematis dan objektif. Metode penelitian deskriptif menurut Sugi yono (2016) adalah suatu penelitian yang dilakukan untuk mengetahui nilai variable man diri, baik satu variable atau lebih (independen) tanpa membuat perbandingan atau mengh ubungkan dengan variable lain. Pendekatan ini bertujuan untuk mengetahui bagaimana v ariabel itu sendiri tanpa dampak atau hubungan kevariabel yang lain bersama dengan stud i eksperimental atau korelasi, metode analisis deskriptif adalah statistik yang dipergunakan untuk menganalisis data yang telah terkumpul
runtut waktu (time series) dari tahun 2011 sampai dengan tahun 2020 dengan menggunakan ordinary least square(OLS) dengan model regresi linear berganda yang proses pengolahannya menggunakan EViews 12.
3.2.1 Operasionalisasi Variabel
Menurut Sugiyono (2016) variabel adalah suatu atribut atau sifat atau nilai dari orang, objek atau kegiatan yang mempunyai variasi tertentu yang ditetapkan oleh peneliti untuk dipelajari dan kemudian ditarik kesimpulannya. Sesuai dengan judul penulis “Analisis Pengaruh Jumlah Kunjungan ke Objek Wisata, Jumlah Kunjungan ke Hoteldan Jumlah Kunjungan ke Rumah Makanterhadap Pendapatan Asli Daerah Sektor Pariwisata Kabupaten Kuningan Tahun 2011-2020”
Berikut untuk lebih jelasnya operasionalisasi variabel dalam penelitian yang penulis sajikan dalam bentuk tabel:
Tabel 3. 1 Oprasionalisasi Variabel
Variabel Definisi Simbol Satuan
(1) (3) (2) (4)
Pendapatan Asli DaerahSektor
Pariwisata
Penerimaan dari sumber- sumber di dalam wilayah suatu daerah tertentusektor pariwisata
PADSP Rupiah
Jumlah Kunjungan Ke
Objek Wisata
Jumlah kunjungan wisatawan
ke objek daya tarik wisata JKOW Orang Jumlah
Kunjungan Ke Hotel
Jumlah kunjungan wisatawan
ke hotel JKH Orang
Jumlah Jumlah kunjungan wisatawan JKRM Orang
49
Kunjungan Ke Rumah Makan
ke rumah makan
3.1.1. Teknik Pengumpulan Data
Penelitian dilaksanakan dengan cara studi kepustakaan, yaitu dengan mempelajari, memahami buku atau sumber lain yang berkaitan dengan permasalahan penelitian. Selain itu, juga mengumpulkan dan menelaah data sekunder yang berhubungan dengan objek yang akan diteliti.
Data diperoleh langusng dari DinasPemuda, Olah Raga dan Pariwisata Kab. Kuningan dan Badan Pendapatan Daerah Kab. Kuningan serta dokumen resmi lainnya.
3.1.1.1. Jenis dan Sumber Data
Data yang digunakan dalam penelitian ini adalah data sekunder yang diperoleh dari Dinas Pemuda, Olah Raga dan Pariwisata Kab. Kuningan dan Badan Pendapatan Daerah Kab. Kuningan. Data yang digunakan adalah data time series, yaitu proses pengumpulan data pada suatu objek tertentu berdasarkan urutan waktu
3.1.1.2. Prosedur Pengumpulan Data
Prosedur pengumpulan data yang dilakukan penulis dalam memilih objek penelitian adalah sebagai berikut:
1) Studi Kepustakaan (Library Research), yaitu dengan membaca literatur- literatur bidang ekonomi yang digunakan sebagai landasan kerangka berfikir dan teori yang sesuai dengan objek yang diteliti.
2) Dokumenter (Documentation), yaitu dengan mengidentifikasi dan menganalisis laporan-laporan mengenai ekonomi yang ditertibkan oleh Dinas Pemuda, Olah Raga dan Pariwisata dan Badan Pendapatan Daerah Kab. Kuningan.
3) Riset Internet (Online Research), yaitu dengan mencari dan mendapatkan berbagai data-data dan informasi tambahan yang berkaitan dengan penelititan dari situs-situs yang terpercaya
3.3 Metode Analisis Data
Metode analisis data yang digunakan oleh penulis dalam penelitian ini adalah metode kuadrat terkecil atau ordinary least square (OLS) dengan model regresi linear berganda. Metode analisis yang digunakan sebisa mungkin menghasilkan nilai parameter model yang baik. Beberapa studi menjelaskan dalam penelitian regresi dapat dibuktikan bahwa metode OLS menghasilkan estimator linear yang tidak bias dan terbaik yakni best linear unbiased estimator atau disingkat dengan BLUE. Namun ada beberapa syarat agar penelitian dapat dikatakan BLUE, persyaratan tersebut adalah model linear, tidak bias, memiliki tingkat varians yang terkecil dapat disebut sebagai estimator yang efisien.
Analisis regresi merupakan salah satu analisis statistik yang kerap kali digunakan untuk menganalisis hubungan antara dua variabel atau lebih. Analisis regresi juga dapat digunakan untuk menganalisis data dan mengambil kesimpulan tentang hubungan ketergantungan variabel terhadap variabel lainnya. Hubungan tersebut pada umumnya dinyatakan dalam bentuk persamaan matematika yang menyatakan hubungan antara variabel bebas (independent) dan variabel terikat
51
(dependent) dalam bentuk persamaan sederhana. Variabel bebas (independent) dalam penelitian ini yaitu jumlah kunjungan ke objek wisata, jumlah kunjungan ke hotel, dan jumlah kunjungan ke rumah makan. Sedangkan variabel terikat (dependent) dalam penelitian ini adalah pendapatan asli daerah sektor pariwisata.
Untuk melakukan pengujian regresi linear berganda, penulis menggunakan bantuan program softwareEviews 12. Persamaan regresi linear berganda dalam penelitian ini adalah sebagai berikut:
PADSP = β0 + β1JKOW + β2JKH + β3JKRM + ε Dimana:
PADSP = Pendapatan Asli Daerah Sektor Pariwisata JKOW = Jumlah Kunjungan ke ObjekWisata JKH = Jumlah Kunjungan ke Hotel
JKRM = Jumlah Kunjungan ke Rumah Makan
β0 = Konstanta
β1-β3 = Koefisien penjelas masing-masing input nilai parameter
ε = Eror term
3.1.2. Uji Asumsi Klasik
Uji asumsi klasik adalah persyaratan statistik yang harus dipenuhi pada analisis regresi linear berganda yang berbasis OLS. Uji ini untuk melihat apakah terjadi penyimpangan pada data atau tidak. Uji asumsi klasik dapat dilakukan menggunakan uji-uji sebagai berikut:
3.1.2.1. Uji Normalitas
Uji normalitas digunakan untuk mengetahui apakah residual variabel dependen dan independen berdistribusi normal atau tidak. Uji normalitas dilakukan untuk menguji apakah dalam model regresi, variabel-variabel memiliki distribusi normal. Model regresi yang baik adalah memiliki data distribusi yang normal atau mendekati normal. Data yang terdistribusi normal akan memperkecil kemungkinan terjadinya bias dengan membandingkan nilai Jarque-Bera dengan X2 tabel, yaitu:
1. Prob. Jarque-Bera < 0,05
Artinya residualnya berdistribusi tidak normal.
2. Prob. Jarque-Bera > 0,05
Artinya residualnya berdistribusi normal.
3.1.2.2. Uji Autokorelasi
Autokorelasi adalah hubungan antara residual satu observasi dengan residual observasi lainnya. Autokorelasi lebih mudah timbul pada data yang bersifat runtut waktu. Karena berdasarkan sifatnya, data masa sekarang dipengaruhi data masa sebelumnya. Adapun dasar pengambilan keputusan dalam uji autokorelasi adalah salah satunya dengan menggunakan metode Breusch Pagan Godfrey dengan kriteria:
1. Prob. Chi-square< 0,05 Artinya terjadi autokorelasi.
2. Prob. Chi-square> 0,05
Artinya tidak terjadi autokorelasi.
53
1. VIF > 10,00
3.1.2.3. Uji Heteroskedastisitas
Heterokedastisitas adalah keadaan dimana faktor penggangu tidak memilki varian yang sama. Dalam penelitian ini, metode yang digunakan untuk mengetahui masalah heterokedastisitas adalah dengan uji white. Asumsi yang digunakan ialah jika nilai χ2 hitung (Obs*R-Squared) < χ2 tabel atau variabel penggangu dan persamaan regresi mempunyai varian yang sama maka uji white test tidak memiliki masalah heterokedastisitas. Atau dapat diketahui dengan melihat nilai probablity, jika nilai probability Obs*R-Squared > 0,05 atau α 5%, maka tidak terdapat masalah heterokedastisitas.
3.1.2.4. Uji Multikolinearitas
Multikolinieritas adalah kondisi adanya hubungan linear antara variabel independen. Kondisi terjadinya multikolinearitas dapat ditunjukkan dengan berbagai informasi berikut, yaitu:
1) Nilai R2 tinggi, tapi variabel independen banyak yang tidak signifikan.
2) Dengan menghitung koefisien korelasi antarvariabel independen. Apabila koefisiennya rendah maka tidak terdapat multikolinearitas.
3) Dengan melakukan regresi auxiliary. Regresi ini dapat digunakan untuk mengetahui hubungan antara dua atau lebih variabel, sebagai variabel dependen dan variabel independen lain tetap diperlakukan sebagai variabel independen.
Adapun dasar pengambilan keputusan dalam uji multikolinearitas salah satunya adalah Variance Inflating Factor(VIF) dengan kriteria:
2. t hitung ≤ t tabel
Artinya terjadi multikolinearitas dalam model regresi.
2. VIF < 10,00
Artinya tidak terjadi multikolinearitas dalam model regresi.
3.1.3. Uji Hipotesis
Di dalam melakukan penelitian, hipotesis penelitian harus dibuktikan kebenarannya. Hipotesis yang ingin diuji kebenarannya biasanya dibandingkan dengan hipotesis yang salah yang nantinya akan ditolak.
3.1.3.1. Uji Signifikansi Parameter (Uji-t)
Uji-t digunakan untuk mengetahui pengaruh variabel independen terhadap variabel dependen. Adapun hipotesis pada uji-t ini adalah sebagai berikut:
1. Ho : βi≤ 0 Masing-masing variabel independen yaitu jumlah kunjungan ke objek wisata, jumlah kunjungan ke hotel, dan jumlah kunjungan ke rumah makan tidak berpengaruh Positif terhadap PAD sektor pariwisata.
2. H1 : βi> 0 Masing-masing variabel independen yaitu jumlah kunjungan ke objek wisata, jumlah kunjungan ke hotel, dan jumlah kunjungan ke rumah makan berpengaruh positif terhadap PAD sektor pariwisata.
Adapun ketentuan statistiknya adalah sebagai berikut:
1. t hitung > t tabel
Maka H0 ditolak artinya secara parsial jumlah kunjungan ke objek wisata, jumlah kunjungan ke hotel, dan jumlah kunjungan ke rumah makan berpengaruh positifterhadap PAD sektor pariwisata.
55
Maka H0 tidak ditolak artinya secara parsial jumlah kunjungan ke objek wisata, jumlah kunjungan ke hotel, dan jumlah kunjungan ke rumah makan tidak berpengaruh positif terhadap PAD sektor pariwisata
Pengambilan keputusan berdasarkan probabilitas adalah sebagai berikut:
1. Jika probabilitas t-statistik > 0,05, maka tidak ditolak 2. Jika probabilitas t-statistik ≤ 0,05, maka ditolak
3.1.3.2. Uji F-Statistik
Pengujian ini akan memperlihatkan hubungan atau pengaruh variabel independen secara bersama-sama terhadap variabel dependen. Maka dalam pengujian ini dilakukan hipotesis sebagai berikut:
1. H0 : βi = 0 Artinya secara bersama-sama variabel independen yaitu jumlah kunjungan ke objek wisata, jumlah kunjungan ke hotel, dan jumlah kunjungan ke rumah makan tidak berpengaruh positif dengan variabel dependen yaitu PAD sektor pariwisata.
2. H1 : βi > 0 Artinya secara bersama-sama variabel independen yaitu jumlah kunjungan ke objek wisata, jumlah kunjungan ke hotel, dan jumlah kunjungan ke rumah makan berpengaruh positif dengan variabel dependen yaitu PAD sektor pariwisata.
Cara melakukan uji F melalui pengambilan keputusan dengan membandingkan nilai statistik F dengan titik kritis menurut tabel. Dengan demikian keputusan yang diambil.
1. H0 tidak ditolak jika nilai F statistik < nilai F tabel, artinya secara bersama- sama variabel independen yaitu jumlah kunjungan ke objek wisata, jumlah kunjungan ke hotel, dan jumlah kunjungan ke rumah makan tidak berpengaruh positif dengan variabel dependen PAD sektor pariwisata.
2. H0 ditolak jika nilai F statistik > nilai F tabel, artinya secara bersama-sama variabel independen yaitu jumlah kunjungan ke objek wisata, jumlah kunjungan ke hotel, dan jumlah kunjungan ke rumah makan berpengaruh positif dengan variabel dependen PAD sektor pariwisata.
3.1.3.3. Koefisien Determinasi (R2)
Koefisien determinasi adalah menjelaskan hubungan antar variabel. Nilai koefisien determinasi adalah antara nol dan satu, semakin angka mendekati satu maka semakin baik garis regresi karena mampu menjelaskan data aktualnya, sebaliknya semakin angka mendekati nol maka kita mempunyai garis regresi yang kurang baik. Koefisien determinasi merupakan konsep statistik, sehingga sebuah garis regresi baik jika nilai R2 tinggi.
