PENGARUH JUMLAH KUNJUNGAN WISATAWAN DAN TINGKAT HUNIAN HOTEL

Download penelitian ini adalah untuk mengetahui bagaimana pengaruh jumlah kunjungan wisatawan dan tingkat hunian hotel terhadap pendapatan asli daer...
0 downloads 325 Views 512KB Size
Download PDF
Love PNG Images
perpustakaan.uns.ac.id

digilib.uns.ac.id

PENGARUH JUMLAH KUNJUNGAN WISATAWAN DAN TINGKAT HUNIAN HOTEL TERHADAP PENDAPATAN ASLI DAERAH BERDASARKAN KOTA DI PROVINSI JAWA TENGAH DENGAN PENDEKATAN FIXED EFFECT MODEL Dwi Lenggo Hascaryo, Sri Subanti, dan Pangadi Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sebelas Maret ABSTRAK. Salah satu faktor untuk mengetahui dampak pariwisata terhadap perekonomian daerah dan penentu tingginya tingkat perekonomian daerah adalah melalui berkembangnya pendapatan yang diterima daerah tersebut. Hal ini tentu menggambarkan situasi perekonomian yang bagus dimana setiap kegiatan pariwisata tentu akan menguntungkan bagi sisi perekonomian dari suatu daerah yang dikunjungi. Tujuan dari penelitian ini adalah untuk mengetahui bagaimana pengaruh jumlah kunjungan wisatawan dan tingkat hunian hotel terhadap pendapatan asli daerah di Kota Provinsi Jawa Tengah menggunakan analisis regresi data panel dengan pendekatan fixed effect model pada data time series selama 8 tahun (2006-2013) dan data cross section sebanyak 6 kota di Jawa Tengah. Analisis regresi fixed effect model ini membentuk model regresi data panel dengan memperhatikan efek perbedaan dari unit cross section. Hasil analisis ditemukan bahwa variabel jumlah kunjungan wisatawan dan tingkat hunian hotel berpengaruh positif dan signifikan terhadap pendapatan asli daerah di Kota Provinsi Jawa Tengah. Kata kunci : fixed effect model, jumlah kunjungan wisatawan, pendapatan asli daerah, regresi data panel, tingkat hunian hotel.

1. PENDAHULUAN Pariwisata di Indonesia merupakan salah satu kegiatan industri pelayanan dan jasa dalam usaha meningkatkan devisa negara di sektor non migas. Industri pariwisata memberikan dampak positif terhadap perekonomian nasional. Hal ini tampak dari kontribusi pariwisata terhadap pendapatan nasional dan daya serap lapangan kerja di sektor industri pariwisata. Provinsi Jawa Tengah merupakan daerah tujuan wisatawan untuk datang dan singgah karena memiliki banyak objek wisata yang sangat menarik. Jika banyak wisatawan yang datang maka hal tersebut dapat meningkatkan perekonomian masyarakat di sekitarnya. Jika industri pariwisata menjadi salah satu sektor yang diandalkan bagi pendapatan daerah, maka pemerintah Kota Provinsi Jawa Tengah dituntut untuk dapat menggali dan mengelola potensi pariwisata. Hal ini 1

commit to user

perpustakaan.uns.ac.id

digilib.uns.ac.id

mendorong meningkatnya jumlah kunjungan wisatawan dan hunian hotel sehingga meningkatkan pendapatan daerah yang nantinya akan mempengaruhi kegiatan

perekonomian

masyarakat

sekitarnya

serta

dapat

membiayai

penyelenggaraan pembangunan daerah. Qadarrochman (2010) melakukan analisis penerimaan daerah dari sektor pariwisata di kota Semarang dan faktor-faktor yang mempengaruhinya dengan menggunkan regresi yang ditransformasikan ke logaritma. Sipayung (2011) melakukan penelitian tentang analisa penerimaan pariwisata dan faktor-faktor yang mempengaruhi di sepuluh Kabupaten/Kota di Provinsi Sumatera Utara periode 2005-2010 menggunakan analisis regresi linier berganda. Berdasarkan uraian tersebut, maka peneliti melakukan penelitian tentang pengaruh jumlah kunjungan wisatawan dan tingkat hunian hotel terhadap pendapatan asli daerah berdasarkan kota di provinsi Jawa Tengah. Keuntungan penggunaan regresi data panel memungkinkan jumlah data meningkat sehingga mengurangi kolinearitas antar variabel. Selain itu, data panel juga dapat mengontrol heterogenitas individu (Hsiao, 2003).

2. METODE PENELITIAN 2.1. Analisis Regresi Data Panel Analisis regresi data panel adalah analisis regresi yang didasarkan pada data panel untuk mengamati hubungan antara satu variabel terikat dengan satu atau lebih variabel bebas. Menurut Gujarati (2003), data panel merupakan gabungan antara data cross-section dan data time series. Secara umum, model regresi data panel mempunyai bentuk berikut π‘Œπ‘–π‘‘ = 𝛼 + π›½π‘˜ π‘‹π‘˜π‘–π‘‘ + πœ€π‘–π‘‘ ; 𝑖 = 1,2, … , 𝑁 ; 𝑑 = 1,2, … , 𝑇

2

commit to user

perpustakaan.uns.ac.id

digilib.uns.ac.id

2.2. Analisis Regresi Data Panel Dengan Pendekatan Fixed Effect Model Fixed effect model adalah model regresi data panel dengan memperhatikan efek perbedaan dari unit cross-section. Fixed effect model mempunyai bentuk berikut π‘Œπ‘–π‘‘ = 𝛽1𝑖 + π›½π‘˜ π‘‹π‘˜π‘–π‘‘ + πœ€π‘–π‘‘ 2.3. Uji Spesifikasi Fixed Effect Model Uji spesifikasi fixed effect model digunakan untuk mengetahui apakah fixed effect model merupakan model yang sesuai (Wooldridge, 2004). 2.4. Uji Asumsi Klasik 1. Tidak terdapat multikolinearitas antar variabel bebas. 2. Tidak terdapat heteroskedastisitas. 3. Tidak terdapat autokorelasi. 4. Nilai residual memiliki distribusi normal. 2.5. Uji Signifikansi Parameter 1. Uji simultan (Uji F) 2. Uji parsial (Uji t)

3. HASIL PENELITIAN DAN PEMBAHASAN Data yang digunakan dalam penelitian ini adalah data pendapatan asli daerah, jumlah kunjungan wisatawan, dan jumlah wisatawan yang menginap di hotel Kota Provinsi Jawa Tengah. Penelitian menggunakan data tahun 2006-2013. Analisis data menggunakan software EViews 8.

3

commit to user

perpustakaan.uns.ac.id

digilib.uns.ac.id

3.1. Uji Spesifikasi Fixed Effect Model Uji spesifikasi fixed effect model merupakan pengujian untuk mengetahui apakah fixed effect model merupakan model yang sesuai. Tabel 1. Hasil uji signifikansi fixed effect model Effects Test Cross-section F Cross-section Chi-square

Statistic

d.f.

Prob.

14.201695 48.994900

(5,40) 5

0.0000 0.0000

dari hasil tersebut terlihat nilai Prob. untuk cross-section F = 0.0000 < 0.05, artinya dengan tingkat keyakinan 95% dapat dikatakan bahwa fixed effect model merupakan model yang sesuai. 3.2. Uji Asumsi Klasik 3.2.1. Multikolinearitas Tabel 2. Hasil uji multikolinearitas. X1 X2

X1 1.000000 0.820835

X2 0.820835 1.000000

terlihat bahwa semua variabel memiliki nilai lebih dari 0.8, sehingga dapat disimpulkan terjadi multikolinearitas dalam model regresi. Untuk mengatasi masalah multikolinearitas, digunakan cara transformasi data ke dalam bentuk first difference delta. Tabel 3. Uji multikolinearitas setelah dilakukan first difference delta. DX1 DX2

DX1 1.000000 0.799383

DX2 0.799383 1.000000

setelah dilakukan transformasi data, dapat dilihat bahwa tidak terdapat variabel yang memiliki nilai lebih dari 0.8, sehingga dapat disimpulkan tidak terjadi multikolinearitas dalam model regresi.

4

commit to user

perpustakaan.uns.ac.id

digilib.uns.ac.id

3.2.2. Heteroskedastisitas Tabel 4. Hasil uji heteroskedastisitas. Heteroskedasticity Test: White F-statistic Obs*R-squared Scaled explained SS

5.030981 7.410788 2.027127

Prob. F(5,2) Prob. Chi-Square(5) Prob. Chi-Square(5)

0.1741 0.1918 0.8454

dari hasil tersebut terlihat nilai p-value = 0.1918 > 0.05, artinya dengan tingkat keyakinan 95% dapat dikatakan bahwa tidak terdapat heteroskedastisitas dalam model regresi. 3.2.3. Autokorelasi Tabel 5. Hasil Uji Autokorelasi. Breusch-Godfrey Serial Correlation LM Test: F-statistic Obs*R-squared

2.955023 5.306411

Prob. F(2,3) Prob. Chi-Square(2)

0.1954 0.0704

dari hasil tersebut terlihat nilai p-value = 0.0704 > 0.05, artinya dengan tingkat keyakinan 95% dapat dikatakan bahwa tidak terdapat autokorelasi dalam model regresi. 3.2.4. Normalitas Tabel 6. Hasil Uji Normalitas. Mean Median Maximum Minimum Std. Dev. Skewness Kurtosis

8.88e-16 0.006728 0.152296 -0.115782 0.085472 0.348462 2.400511

Jarque-Bera Probability

0.281697 0.868621

dari hasil tersebut terlihat nilai p-value = 0.868621 > 0.05, artinya dengan tingkat keyakinan 95% dapat dikatakan bahwa nilai residual memiliki distribusi normal.

5

commit to user

perpustakaan.uns.ac.id

digilib.uns.ac.id

3.3. Estimasi Parameter Menggunakan Fixed Effect Model Fixed effect model adalah model regresi data panel dengan memperhatikan efek perbedaan dari unit cross section. Tabel 7. Hasil estimasi parameter fixed effect model Variable C X1? X2? Fixed Effects (Cross) _1β€”C _2β€”C _3β€”C _4β€”C _5β€”C _6β€”C Prob(F-statistic)

Coefficient

Std. Error

t-Statistic

Prob.

2.965549 0.929755 0.309767

2.299231 0.226358 0.125262

1.289800 4.107455 2.472959

0.2045 0.0002 0.0177

-0.007828 -1.328224 1.192038 -0.362040 0.025691 0.480363 0.000000

terlihat nilai parameter 𝛽1 adalah 2.965549 artinya apabila pada periode 20062013 terjadi perubahan jumlah kunjungan wisatawan dan tingkat hunian hotel, maka pendapatan asli daerah di Kota Provinsi Jawa Tengah akan tumbuh sebesar 2.96 persen. Nilai parameter 𝛽2 diperoleh sebesar 0.929755 artinya apabila terjadi kenaikan atau peningkatan jumlah kunjungan wisatawan sebesar 1 persen, maka akan menyebabkan pendapatan asli daerah meningkat sebesar 0.92 persen. Nilai parameter 𝛽3 diperoleh sebesar 0.309767 artinya apabila terjadi kenaikan atau peningkatan tingkat hunian hotel sebesar 1 persen, maka akan menyebabkan pendapatan asli daerah meningkat sebesar 0.30 persen. Untuk menghitung intersep 𝛽1 koefisien pada masing-masing Kota di Provinsi Jawa Tengah dapat dihitung sebagai berikut Tabel 8. Intersep individu Kota Kota

Intersep individu

Magelang

-0.007828 + 2.965549 = 2.957721

Surakarta

-1.328224 + 2.965549 = 1.637325

Salatiga

1.192038 + 2.965549 = 4.157587

6

commit to user

perpustakaan.uns.ac.id

digilib.uns.ac.id

Semarang

-0.362040 + 2.965549 = 2.603509

Pekalongan

0.025691 + 2.965549 = 2.99124

Tegal

0.480363 + 2.965549 = 3.445912

berdasarkan tabel hasil perhitungan intersep individu Kota, Magelang memiliki nilai intersep 𝛽1 sebesar 2.957721 artinya pendapatan asli daerah di Kota Magelang selama periode 2006-2013 memiliki pengaruh terhadap jumlah kunjungan wisatawan dan tingkat hunian hotel sebesar 2.95 persen. Surakarta memiliki nilai intersep 𝛽1 sebesar 1.637325 artinya pendapatan asli daerah di Kota Surakarta selama periode 2006-2013 memiliki pengaruh terhadap jumlah kunjungan wisatawan dan tingkat hunian hotel sebesar 1.63 persen. Salatiga memiliki nilai intersep 𝛽1 sebesar 4.157587 artinya pendapatan asli daerah di Kota Salatiga selama periode 2006-2013 memiliki pengaruh terhadap jumlah kunjungan wisatawan dan tingkat hunian hotel sebesar 4.15 persen. Semarang memiliki nilai intersep 𝛽1 sebesar 2.603509 artinya pendapatan asli daerah di Kota Semarang selama periode 2006-2013 memiliki pengaruh terhadap jumlah kunjungan wisatawan dan tingkat hunian hotel sebesar 2.60 persen. Pekalongan memiliki nilai intersep 𝛽1 sebesar 2.99124 artinya pendapatan asli daerah di Kota Pekalongan selama periode 2006-2013 memiliki pengaruh terhadap jumlah kunjungan wisatawan dan tingkat hunian hotel sebesar 2.99 persen. Tegal memiliki nilai intersep 𝛽1 sebesar 3.445192 artinya pendapatan asli daerah di Kota Tegal selama periode 2006-2013 memiliki pengaruh terhadap jumlah kunjungan wisatawan dan tingkat hunian hotel sebesar 3.44 persen. 3.4. Uji Signifikansi Simultan (Uji F) Terlihat nilai Prob (F-statistic) = 0.000000 < 0.05, artinya dengan tingkat keyakinan 95% paling tidak ada satu parameter regresi yang signifikan berpengaruh dalam model.

7

commit to user

perpustakaan.uns.ac.id

digilib.uns.ac.id

3.5. Uji Signifikansi Parsial (Uji – t) Terlihat variabel yang signifikan ditandai oleh nilai Prob. t-Statistic yang kurang dari 0.05. Sehingga dengan tingkat keyakinan 95% variabel yang signifikan mempengaruhi pendapatan asli daerah adalah jumlah kunjungan wisatawan dan tingkat hunian hotel.

4. KESIMPULAN 1.

Variabel jumlah kunjungan wisatawan berpengaruh positif dan signifikan terhadap pendapatan asli daerah di Kota Provinsi Jawa Tengah. Hal ini berarti bahwa setiap kenaikan jumlah kunjungan wisatawan sebesar 1% akan menyebabkan kenaikan pendapatan asli daerah sebesar 0.92 %.

2.

Variabel tingkat hunian hotel berpengaruh positif dan signifikan terhadap pendapatan asli daerah di Kota Provinsi Jawa Tengah. Hal ini berarti bahwa setiap kenaikan tingkat hunian hotel sebesar 1% akan menyebabkan kenaikan pendapatan asli daerah sebesar 0.30 %.

DAFTAR PUSTAKA Gujarati, D. N. (2003). Basic Econometrics. Mc Graw Hill, Inc, New York. Hsiao, C. (2003). Analysis of Panel Data. Cambridge University Press, New York. Qadarrochman, N. (2010). Analisis Penerimaan Daerah dari Sektor Pariwisata di Kota Semarang dan Faktor-Faktor yang Mempengaruhinya. Universitas Diponegoro, Semarang. Sipayung, K. (2011). Analisa Penerimaan Pariwisata dan Faktor-Faktor yang Mempengaruhi di Sepuluh Kabupaten/Kota di Provinsi Sumatera Utara Periode 2005-2010. Fakultas Ekonomi Bisnis, Universitas Padjadjaran, Bandung. Wooldridge, J.M. (2008). Econometric Analysis of Cross Section and Panel Data, The MIT Press. Cambridge, Massachusetts, London, England.

8

commit to user