See discussions, stats, and author profiles for this publication at: https://www.researchgate.

net/publication/339497296

STATISTIKA PARIWISATA: Sebuah Review Ringkas

Book · February 2020

CITATIONS READS

0 50

3 authors, including:

I Putu Eka N. Kencana Agung Suryawan Wiranatha

Udayana University Udayana University
90 PUBLICATIONS   68 CITATIONS    32 PUBLICATIONS   48 CITATIONS   

SEE PROFILE SEE PROFILE

Some of the authors of this publication are also working on these related projects:

EVALUASI SITUS WEB PARIWISATA WONDERFUL INDONESIA BERDASARKAN MODEL ICTRT (INFORMATION, COMMUNICATION, TRANSACTION, RELATIONSHIP, AND
TECHNICAL-MERIT) View project

Master Thesis View project

All content following this page was uploaded by I Putu Eka N. Kencana on 26 February 2020.

The user has requested enhancement of the downloaded file.

 STATISTIKA
PARIWISATA
Sebuah Review Ringkas

,::1.:,ti'

Eka N Kencana
Agung Suryawan Wiranatha
I Gusti Ayu Oka Suryawardani

""ffi- @ @EI
STATISTIKA PARIWISATA
Sebuah Review Ringkas

Eka N Kencana
Agung Suryawan Wiranatha
I Gusti Ayu Oka Suryawardani

Pustaka Larasan
2019
 i:,

STAflSTIKAPARI\ilISATA
Sebuah Review Ringkas

Penulis
EkaN Kencana
Agung Suryawan Wiranatha
I Gusti AYu Oka Suryawardani

Pracetak
Slamat Trisila

Penerbit
Pustaka Larasan
Jalan Tunggul Ametung IIIA No' 118
Denpasar, Bali 80016
Ponsel: 0817353433
Pos-el: pustaka.larasan@gmail'com

Bekerja sama dengan

Pusat Unggulan Pariwisata

Universitas UdaYana

Cetakan Pertama: 2019

rsBN 978=602-540143-5

Ilustrasi cover: www.fr eePik'com

II
 Dedicated for
Students of Tourism and Statistics
and for people who love science

III
Daftar Isi
Daftar Isi iv
Daft,ar Gambar v

DaftarTabel vi
Kata Pengantar vii
1 Materi I
Karakteristik Data Pariwisata I
l.L Pembelajaran
T\rjuan 1
1.2 Resume Teori 1
1.3 Tbtorial 3
1.4 Kerja Mandiri . . 8

2 Materi II
Penyusunan dan Pengujian Kuesioner 11
2.1 T\rjuan Pembelajaran . 11
2.2 Resume Teori 11
2.3 T\rtorial L4
2.4 Kerja Mandiri 19

3 Materi III
Analisis Eaktor Data Kepariwisataan 21
3.1 T[juan Pembelajaran 2L
3.2 Resume Teori 2L
3.2.1 Kelayakan Matriks Data 23
3-2.2 Menentukan Jumlah Faktor 24
3.2.3 Menginterpretasikan Faktor 25
3.3 T\rtorial 27
3.4 KerjaMandiri.... 36

Materi fV
Analisis I(onstmk 37
4.1 T\rjuan Pembelajaran 37
4.2 Resume Teori 37
4.3 T\rtorial 42
4.4 Kerja Mandiri 50

tv
Daftar Gambar
1 Jumlah Kuajungan Wisatawan pada Tahun 2016 . . . . . 4
2 Distribusi per Kabupaten - Tahun 2016 . b
3 Perkembangan Kunjungan ke 6 Destinasi, Tahun 2011-
2015 . 6
4 Perkembangan Kunjungan periode Tahun 2011-2015 7
5 Log Perkembangan Kunjungan periode Tahun 2011-201b 7
6 Tahapan dala,m Surtey 12
7 Menyusun Kuesioner 14
8 Melakukan Uji Validitas dan Reliabilitas . . 16
9 Hasil Uji Validitas dan Reliabilitas 16
10 Representasi Kausalitas EFA dan CFA . 22
11 Tahapan Awal Melakukan AF . . 28
L2 Penentuan Jnmls,h Faktor 30
13 Scre* Plot untuk Menentukan Faktor 33
14 Plot F1 vs F2 35
15 Iudikator Formatif vs Indikator Reflektif 39
4l
17 MainWindoudariSmartPlS ...... 43
18 Meng-import Data pada SmartPLS 44
19 Kausalitas Motivasi Internal dengan Thtst . 46
20 Koefisien Jalur dan Outer Loading dari Model 47
Daftar Thbel
1 Jumlah Kunjrrngan Wisatawan - Tahun 2016 . 2
2 Ena,m Besar Obyek Wisata di Bali - Tahun 2011-2015 . . . . 3
3 Jumlah Kunjungan Menurut Lokasi - Tahun 2016 b
4 Jumlah Kunjungan Wismau Menurut Asal 8
5 Validitas dan Reliabilitas dari Tourists Loyalties 15
6 Validitas dan Reliabilitas dari Kepuasan Wisatawan 18
7 Validitas dan Reliabilitas dari Kepuasan Wisatawan 19
8 Korelasi Antaritem pada Matriks Data untuk Diekstraksi . . . 29
I Nilai Komunalitas Setiap ltem (h2) 30
10 Total Variance Erplained da,ri Faktor Terekstraksi 31
11 Nilai MSA dan Foctor Loading Item Setelah Dirotasi . 32
L2 Hasil Re-Analisis Faktor - SBo dan SBz Dieliminasi . . . . . . 32
13 Hasil Re-Analisis Faktor - SBo dan SBz Dieliminasi - 2 Fbktor 34

vi
 Kata Pengantar

Pada dasawarsa terakhir saat harga minyak dan gas bumi merosot ta-jam
yang disertai berkurangnya cadangan yang dimiliki Indonesi& salah satu
penggerak alternatif pertumbuhan perekonomian Indonesia adalah
pariwisata. Berdasarkan Pusat Data Kementerian pariwisata RI, pada tahun
2014 pariwisata menduduki peringkat keempat setelah minyak & gas bumi,
batu bara, dan minyak kelapa sawit dalam menyusun devisa ne-gara. Data
yang dirujuk dari World Travel & Tourism Council (WTTC) menunjukkan
kontribusi langsung parhvisata dan bisnis perjalanan pada produk Domestik
Bruto (PDB) Indonesia pada tahun 2014 tercatat sebesar Rp 325,42 triliun;
sekitar 3,2 persen dari nilai PDB Indonesia padatahun tersebut.
Sebagai salah satu dat', 34 provinsidi Indonesia, Bali tidak memiliki sumber
daya alam signifikan untuk mendorong pertumbuhan ekonominya.
Mempertimbangkan hal ini, maka semenjak tahun l9gO-an, bersama sektor
pertanian dalam arti luas, pariwisata berbasis pada nilai-nilai budaya Bali
dipilih sebagai the driving forces pembangunan dan pertumbuhan ekonomi
regional. Pariwisata, seperti halnya lapangan usaha lain, memiliki.kelebihan
dan kekurangan tersendiri.

Memperhatikan (a) pesatnya pembangunan dan aktivitas kepariwisataan di

Bali, dan (b) dampak positif dan atau negatif yang ditimbulkannya pada
berbagai dimensi kehidupan masyarakat, maka mata kuliah Statistika
Pariwisata dimunculkan pada rancangan kurikulum program studi
t Matematika FMIPA-UNUD sebagai salah satu upaya untuk mengkaji
i
I
i
pariwisata dari perspektif sains kuantitatif.

,
Materi ringkas ini disusun sebagai modul pembelajaran kuliah yang di-
rancang diselesaikan dalam I (satu) semester pada mata kuliah Staustika
Pariwisata. Separa umum, materi ditujukan agar peserta kuliah:
1. memahami data pariwisata dan mirmpu meringkas serta menyajikan
informasi yang berharga &ri perspektif Statistika Deskriptif;
2. memahami teknik dan metode untuk mengukur konsep-konsep pari-
wisata yang cenderung bersifat laten serta sulit untuk diamati secara
langsung;
3. mampu membangun model sederhana tentang kausalitas antarlaten dari
konsep-konsep pariwisata; dan
4. dapat membangun model deret waktu sederhana pada data kepari-
wisataan.

vii
Terima kasih penulis sarnpaikan kepada Pusat UnggUlan Pariwisata
Universitas Udayana atas inisiatif dan dukungurnya dalam penulisan buku
ini. Akhir kata seperti pepatah Barat yang mengatakan it fu not about the
gun, but it is about the man behind it, materi yang tidak sempurna ini
hanya akan berrranfaat bila didasari oleh keinginan mahasiswa dalam
menambah wirrf,iuxm dan pengetahuannya dalam melahrkan studi kepari-
wisataan dari perspektif kuantitatif.

Denpasar, Meret2019

Penulis

ENK-ASW.IGAOS
PT PAR Universitas Udayana
2019

viii
 ' Man is still th,e most
ertro,odi,nary computer of all

John F. Kennedy

I Materi I
Karakteristik Data Pariwisata

1.1 TujuanPembelajaran

* Mengenal karakteristik data pada ranah kepariwisataan: data

cross sutionol, dan data deret waktu t'i,me series;

* Mematrami perbeda^an indikator dengan variabel laten; dan

* Mengeksplorasi data kepariwisataan dan menyariloanya meng-

gunakan teknik Statistika Deskriptif.

1.2 Resume Teori

Secara umum, terdapat tiga jenis data yang dikenal pada ranah Statistika,
ueliputi: (a) data cross sect'ional; (b) data deret wahtu (time series); dwt
(e) data panel. Dua jenis data perta,ura sangat laaim ditemui pada riset
Lepariwisataa,n. Sebagai introduksi, akan kita guna,kan data kunjungan
risatawan (mancanegara dan nusantara) ke 10 obyek wisata terpopuler
di Provinsi Bali pada tahun 20L6. Perhatikan Tabel L berikut:
 Tabel 1: Jumlah Kunjrrngan Wisatawan - Tlahun 2016

No Nama Obyek Wisata Jumlah

(Orans)
1 Tanah Lot Kabupaten Tabanan 3 524 335
2 Uluwatu Kabupaten Badung 1 59L 674
3 Pantai Pendawa Kabupaten Badung 906 001
4 Ulun Danu Beratan Kabupaten Tabanan 687 916
5 Maadala Suci Wa.nara Wana Kabupaten Gianyar 665 303
6 Kebun Raya Eka Karya Kabupaten Tabanan 570 055
7 Pantai Labuan Sait Kabupaten Badung 544 460
8 Pura Tirta Empui Kabupaten Giaayar 524 467
I Penelokan Batur Kabupaten Bangli 492 201
10 Pura Taman Ayun Kabupaten Badung 369 963
Sumber: Dinas Pariwisata Provinsi Bati (2018)

Data pada Tabel 1 merupakan data'cruss sectional. Kenapa? Berbagai

referensi menyatakan cross secti,onal d,atamerupakan data yang diperoleh
dengan mengamati sejumlah subyek riset (individu, perusahaa,n, wilayah,
dan lainnya) pada titik waktu yarlg sama. Perhatikanlan, subyek riset
pada Tabel 1 adalah 10 obyek wisata di Provinsi Bali dengan data yang
dicatat berupa kunjungan wisatavran ke masing-masing obyek pada waktu
yilng sema, tahun 2016. .

Pada sa,at masing-masing subyek riset dia,rrati pada lebih dari satu
titik waktu, maka Anda berhadapan dengan data deret waktu (time seri,es
doto). Perhatiken perkembangan 6 besar obyek wisata di BaIi berdasarkan
jrmle-h ftsjunga,n wisatawan pada periode 20L 1-20 1 5 pada Tabel 2 :
Menjadi pertanyaan penting, apakah makna dari ketiga statistik ter*
but? Bila dicermati, hanya dua destinasi - Tanah Lot dan Uluwatu -
yang mencatat jumlah kunjungan melebihi nilai rerata data. Selain itu-
tingginya selisih dari jumlah kunjungan maksimum deagan kunjungaa
minimum mengindikasikan adanya perbedaan yang drastis pada keme
narikan antardestinasi yang dapat dijadikan 'informasi awal' mengenei
preferensi wisatawan. Bar chartjumlah kunjungan wisatawa,n ke 10 des-
tinasi tersebut diperlihatkan pada Gambar 1.

KunjrrIrgan Wisetswan ke l0 Besar Dedti.ard Wiasts di Bali - Tahun a)16

4,0m,000

4500,0m

^{ 3,0m,m0

9c 2,ioo,mo
I
:,mo,mo
"{
x
€ 1,5m,m0

- r,ooo,os

5S,m0

-..".*.J
"'"':-.tu"
":"""/

Ga,rnbar 1: Jumlah Kunjungan Wisatawan pada Tahun 2016

Mari kita ringkas Tabel 1 dengan mengelompokkan masing-masing obyek

menurut lokasinya, seperti ditunjukle,n pada Tabel 3:
 Tabel 3: Jumlah Kunjungan Menurut Lokasi - Tahun 2016

No Lokasi Obyek Jumlah Jumlah

Obyek (Orang)
1 Kabupaten Badung 4 3 412 098
2 Kabupaten Bangli 1 492 20t
3 Kabupaten Gianyar 2 I 789 770
4 Kabupaten Tabanan 3 4 782 306
Total 10 I 876 375
Sumber: Dinas Pariwisata Provinsi Bali (2018)

Melalui pemeringkasan informasi pada Tabel 1, terlihat 10 besar destinasi

wisata di Bali didominasi hanya oleh Kabupaten Badung, Gianyar dan Ta-
banan dengan 'sedikit' kontribusi oleh Bangli dengan destinasi Penelokan
di Kintamani. Untuk memperlihatkan kontribusi relatif setiap kabu-
paten, Auda bisa membuat p,ie chart seperti pada gambar 2.

*ll*du$$$ *tla*rgli *(iirula;' e'fabnn*n

Gambar 2: Distribusi per Kabupaten - Tahun 2016

r
1
I
{
i

Untuk membahas hasil analisis SnartPLS, Anda harus memulai dengan

memeriksa kelayakan model pengukuran (measwument at at out er mode\
melalui beberapa kriteria. Setelah meyakini model pengukura,n Anda
layak digunakan, barulah Anda menganalisis hubungan kausal dari model
struktural - sering disebut inner model - yang dibangun. Berihut adalah
beberapa kriteria yang lazim digunakan pada kedua sub-model darr nilei
yang diperoleh pada analisis yang kita lakukan:

Model Pengukuran

Kelaya,kan dari model pengukuran masing-masing konstruk bisa diukur

dengan mencermati nilai dari beberapa kriteria berikut:

1. Koefisien o Cronbach setidak-tidaknya bernilai 0.70 (Hair et aL"

2014; Nunnaly, 1978);

2. Koefisien pAya\gmirip dengan koefisien o Cronbach minimal berni

lai 0.70 (Dijkstra & Henseler, 2015);
3. Nilai Auerage Vari,ance ExtractedlAYE > 0.50 (Peng & Lat,20L2);
4. Nilai outer loading masing-masing indikator ' 0.70 (Hair et d
2Ot4).

Perhatikanlah hasil analisis PLS Algorltbn Anda. Klik kriteria kuali-

tas Construct Reliability and Validity. Hasil analisis menunjuklu
AVE dari konstruk Motivasi Internal (INT-MOT) :0.472 < 0.50
mengindikasikan ada yang 'kurang tepat' pada model pengukuran
struk ini. Untuk memeriksanya, klik kriteria 0uter Loading untuk
riksa kualitas pengukurau konstruk. Perhatikanlah! Terdapat 3
- IN.T2, INTS, dan INT6 dengan load,ing di bawah 0.70 yang di
Sebelum tindakan remedial kita lakukan, kita perhatika^n luaran
untuk sub.model struktural.

48
Model Struktural

Tidak seperti halnya denga, kelayakan dari meidel pengukura*, tidak ada
acuan yang disepakati para pakar untuk rnenilai kur,litas model struktu-
rai pada PLs-sEM seperti ya,ng lazim digunakan sEM berba^sis couari-
once. Sebagai teknik arralisis yang tergolong pada teknik statistika non-
parametrik" Anda dianjurkan untuk memeriksa beberapa nilai pada kriteri
Model Fit yang tersedia dari hasil analisis pLS Algorithm. salah satu-
nya adalah nilai Standanlized R.oot Mean Square Re"sidualfSRMR yang
lebih kecil dari 0.I0 dianggap baik.
Kebiasaan lain dari peneliti adalah memeriksa signifikansi dari koefisien
jalur yang terbentuk dan signifikarsi auter l,oad,i,ng masing-masing indika-
tor. Bila koefisien jalur signilikan dan SRMR baik, maka dapat disim-
pulkan modei strukturai yang dibangun layak crigunakan. Hasil analisis
bootstrap rnenunjukkan koefisien jalur I'ang menunjukkan penga^rh Mo-
tivasi rnternal terhadap ?zsf sebesar 0.6s12. Nilai ini signifiLn dengan
P values :0.000 yang menunjukkan bahwa motivasi internal wisatawan
;''ang berkunjung mempengaruhi kepercayaannya pada kualitas destinasi
Jatiluwih. Bila Anda perhatikan pasangan hipotesis sebelumnya, jelas
terlihat Ho harus ditolak.

Re-Spesifikasi Model

hgatlah kembaii bahwa terdapat 3 item dari konstruk Motivasi rnterna;

i'ang memiliki nilai loadinE lebih rendah dari yang dipersyaratkan dan
nilai sRtrtIR sedikit lebih besar dari 0.10. Memperhatikan hal ini, kita
akan mencoba untuk memperbaiki model, dengan mengeriminasi rNT2
memiliki niiai outer load,ing terendah 0.b45. Agar model awal tidak
''ang
berubah, maka Moder Jati-ruwih sederhana.sprsn akan disalin. Laku-
kan langkah-langkah berikut dengan cermat:
2Ni1ai penduga
dari ori,ginar sampre, dan pada rerata sampel h:asir baotstrapsebesar
L676. Penuiis biasa menggunakan nilai origi,nal sampel, meski penulis lain juga
banyak
=enggunakan nilai sample rnean.

49
 Klik kanan Model Jatiluwih Sederhana.splsn dijendela proyek
Anda. Pilih rrr"oo [Drpli..t" l. Bila ada pesan untuk menyimpan file
sebelumrrya, simpaniah. Selanjutnya Anda akan dibukakan wind,ow
baru dan SnartPLS meminta Anda untuk memasukkan nama model
struktural yangg baru. Ketik Model Tanfa INT2 dan klik tombol
loK l;

Pada kanvas Anda akan tersedia modei dengan nama Model TanFa
INT2. Klik kanan it"* [-lNfI dan pilih op.i lE"t"t"l untuk
mengeliminasi item ini dari model;

Lakukan analisis PLS Algoritbm dan Bootstrapping seperti yang

telah kita lakuka,n sebelumnya. Periksa kelayakan kedua sub.model
yang terbentuk.

Apakah Anda puas dengan hasil analisis yang diperoleh? Perhatikan-

Iah bahwa item INT6 memiliki loading: 0.595; lebih kecil dari 0.70;
sedangkan rrilai loading untuk INT1 dan INTS telah mendekati 0.70.
Bila Anda akan mengeliminasi INT6, lakukan lagi 3 tahapan se-
belumnya.

4.4 Kerja Mandiri

Saatnva Anda meuggunakan secara lengkap kelima konstruk pada data
Jatiluwih 65.csv. Buatlah SEM dengan kriteria kausalitas:
1. Motivasi Internal dan Eksternal mempengaruhi T)^usl;

2. Ttust mempengaruhi Sati,sfactionl dan

3. Satisfaction mempenganthi Loyalties.
Lakukan analisis dan interpretasikan hasil yang Anda peroleh.

50
ILeferensi
Bollen, K. A. (2002). Latent variables in Psychology and the social sci-
ences. Annual Reui,ew of Psychology, 55, G054J4.

Borsboom, D., Mellenbergh, G. J., & Heerden, J. v. (2009). The Theorit-

ical Status of Latent Variables. Psychological Reu,i.ew, 110(Z),208-219.
Burgess, T. F. (2001). Guid,e to the Design of Questionnairs: A general
introduction to the d,esign of questionnaires for survey research. TJK:
University of Leeds.
Churchill, G. A. (1979). A Paradigm for Developing Better Measures of
Marketing Constructs. Joumal o! Marlceting Research, XVI,65-Tg.
Dijkstra, T. K. & Henseler, J. (2015). Consistent and asymptotically
normal PLS estimators for linear structural equations. Computational
Statistics €l Data .A,nalys,i,s, 81, 70*23.
Dinas Pariwisata Provinsi Bali (2018). Statistik - Dinas pariwisata.
Drost, E. A. (2011). Validity and Reliability in Social Science Research.
E d,ucation Res earch and, P erspectiu es, 3 8 (l), 10b-1 28.
Field, A. (2009). D,i,scoaeri,ng Statistics Using SPSS (Brd ed.). SAGE
Publications, Inc.
Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2010). Multi-
uari,ate Data Analysis with Readings (7th ed.). New Jersey: prentice-
HaIl, Inc.
Hair, J. F., Hult, G. T. M., Ringle, C. M., & Sarstedt, M. (2014). A
Pri,mer on Partial Least Squares Stntetural Equation Mod,eting @LS-
SEM). SAGE Publications, Inc.
Izenman, A. J. (2008). Modem Multiaariate Statisticat Techniques: Re-
gression, Classifiation, and Manifold Learning. New york: Springer
Science*Business Media, LLC.

51
Jarvis, C. B., Mackenzie, S. 8., & Podsakof, P. M' (2003). A Critical Re-
view of Construct Indicators and Measurement Model Misspecification
in Marketing and Consumer Research. Journal oJ Consumer Researrl4
94 199-218.
Kencana, E. N. & Jayanegara, K. (2017). Komparasi Daya Tarik Wisata
Budaya di Kabupaten Badung: sebuah Pendekatan Kuantitatif. Lapo-
ran Penelitian, Universitas Udal'ana.
Krosnick, J. A. & Presser, s. (2009). Handbook of surley Research (2DLd

ed.)., chapter Question and Questionnaire Desigu. Elsevier'

Nunnaly, J. C. (1978). Psgchometri'c Theory (2nd ed.)' McGraw-Hill'
Pa,nayides, P. (2013). Coefficient Alpha. Interpret With cautioD^. Europe's
Joumal of Psychology, I (4), 687-{96.
Peng, D. X.& Lai, F. (2012). Using partial least squares in operations
ma,nagement research: A practical guideline and summary of past re-
search. Joum,al of Opemtion Management, 30,467-480'
Tabachnick, B. G. & Fidell, L. s. (2007). using Multi,aari,ate statistics
(sth ed.). Boston: Pearson Education, Inc.
Trochim, w. M. (2000). The Research Methods Knowleilge Base (Znd
ed.). Cincinnati, OH: Atomic Dog Publishing.
Wikipedia, The Free Encyclopedia (2017). Questionnaire' Online'
wikipedia, The Flee Encyclopedia (2018). cronbach's alpha - wikipedia.
Online.
Wiranatha, A. S., Suryawardani, A.O., Satriawan, K., Pujaastawa, I', &
Kencana, E. N. (2016). Strategi Pemasaran Pariwisata Berbasis Subak
di Bali Bagi wisatawan Mancanegara. Laporan Penelitian, Konsorsium
Riset Pariwisata, DenPasar - Bali'
Wong, K.-L., Ong, S.-F., & Kuek, T.-Y. (20L2). Constructing a survey
questionnaire to collect data on service quality of business academics.
European Journal of Social Sciences, 29(2),209-22L-
 rsBI 1?6-L0e-5\81-rl:l-5

,llllllIluililIl|ufllltl

View publication stats