6 KAJIAN EKONOMI PELESTARIAN PENYU
6.3 Analisis Faktor-faktor yang Mempengaruhi Besarnya Nila
Analisis faktor-faktor yang mempengaruhi nilai WTP responden wisatawan nusantara dan mancanegara dilakukan dengan menggunakan analisis regresi berganda. Adapun variabel-variabel bebas yang digunakan untuk menganalisis faktor-faktor yang mempengaruhi nilai WTP responden wisatawan nusantara dan mancanegara antara lain umur, tingkat pendidikan, pendapatan, jumlah tanggungan, dan frekuensi kunjungan. Analisis faktor-faktor yang mempengaruhi nilai WTP responden dijelaskan sebagai berikut.
6.3.1 Analisis Faktor-faktor yang Mempengaruhi Nilai WTP Responden Wisatawan Nusantara
Berdasarkan hasil pengolahan data yang dilakukan dengan menggunakan Minitab for Windows Relase 14, diperoleh model WTP responden pengunjung yang dihasilkan adalah sebagai berikut :
WTP = - 8.439 + 249 Umur + 927 Tingkat Pendidikan + 0,000149Pendapatan
– 1.001 Jumlah Tanggungan - 735 Frekuensi Kunjungan + εi
Hasil output analisis regresi berganda model WTP responden pengunjung disajikan pada Tabel 18 dan Lampiran 10.
Tabel 18. Hasil Regresi Berganda WTP Responden Wisatawan Nusantara
Variabel Koefisien T P VIF
Constant -8439 -1,23 0,23 UM (Umur) 249,1 3,39 0,002*** 1,4 TP (Tingkat Pendidikan) 927,4 2,04 0,051* 1,6 PD (Pendapatan) 0,0001491 0,53 0,53 2,7 JT (Jumlah Tanggungan) -1001,5 -1,5 0,145 1,8 FK (Frekuensi Kunjangan) -735,4 -2,11 0,044** 1,4 R2 58,5% R2 (adj) 51,1%
Sumber: Hasil Analisis Data (2013)
Keterangan : Tanda ***,**, dam * menunjukan taraf nyata koefisien regresi masing-masing variabel berturut-turut pada α : 1%, 5%, 10%.
Berdasarkan hasil analisis regresi berganda diperoleh nilai R2 (adj) sebesar 51,1%. Nilai tersebut menunjukkan sebesar 51,1% keragaman WTP responden dapat diterangkan oleh keragaman variabel-variabel penjelas yang terdapat dalam model, dan sisanya 48,9% dijelaskan oleh variabel-variabel lain yang tidak dimasukkan ke dalam model.
Setelah didapatkan model keseluruhan kemudian parameter model tersebut diuji secara statistika agar model tersebut memenuhi semua asumsi model yaitu BLUE (Best Linear Unbiased Estimator). Pelanggaran asumsi yang biasa terjadi dalam analisis regresi linear berganda adalah multikolinearitas, heteroskedastisitas, dan autokorelasi. Pemenuhan asumsi dan uji statistik yang dilakukan antara lain :
1. Uji Normalitas
Uji normalitas dilakukan dengan melihat normal probability plot dan histogram (Lampiran 11). Titik-titik yang terdapat pada normal probability plot mengumpul dan terletak pada suatu garis berbentuk linear sehingga dapat disimpulkan bahwa data yang dimiliki telah menyebar normal. Cara lainnya adalah dengan menggunakan uji Kolmogorov Smirnov (Lampiran 12). Berdasarkan hasil uji Kolmogorov Smirnov diperoleh nilai p-value lebih besar dari 0,15 dan nilai Kolmogorov Smirnov sebesar 0,094 lebih kecil dari nilai Kolmogorov Smirnov tabel (0,161), sehingga dapat disimpulkan data yang dimiliki telah menyebar normal.
2. Uji Autokolerasi
Uji autokolerasi perlu dilakukan untuk mengetahui terjadinya korelasi antar anggota sampel atau data pengamatan. Uji Durbin Watson digunakan untuk
mendeteksi terjadinya autokolerasi di dalam model. Berdasarkan analisis regresi diperoleh nilai uji Durbin Watson adalah 2,01628, dimana nilai tersebut berada diantara nilai 1,55 dan 2,46, sehingga dapat disimpulkan bahwa autokolerasi tidak terjadi dalam model (Lampiran 10).
3. Uji Multikolinearitas
Salah satu pelanggaran asumsi dalam analisis regresi berganda adalah adanya multikolinearitas. Masalah multikolinearitas dapat didteksi berdasarkan nilai VIF. Berdasarkan hasil analisis regresi, nilai VIF untuk masing-masing variabel bebas kurang dari sepuluh (VIF < 10). Hal tersebut menunjukkan variabel bebas yang satu dengan variabel bebas yang lain dalam model regresi tidak saling berkorelasi linear atau tidak terjadinya masalah multikolinearitas dalam model (Lampiran 10).
4. Uji Heteroskedastisitas
Masalah heteroskedastisitas dapat dideteksi dengan menggunakan uji Glesjer. Uji Glesjer dilakukan dengan cara meregresikan nilai absolut residual. Hipotesis yang dibangun adalah H0 yang berarti heteroskedastisitas, dan H1 yang berarti homoskedastisitas. Apabila nilai p-value lebih besar dari taraf nyata, maka tolak H0. Berdasarkan uji Glesjer diperoleh p-value sebesar 0,873, dimana nilai tersebut lebih besar dari taraf nyata 20%, sehingga dapat disimpulkan bahwa sisaan bersifat homogen, yang berarti masalah heteroskedastisitas tidak terjadi dalam model (Lampiran 13).
5. Uji Statistik F
Berdasarkan analisis regresi berganda dalam tabel analisis varians, diketahui bahwa seluruh variabel bebas yang terdapat di dalam model regresi saling berpengaruh secara signifikan terhadap variabel terikatnya. Hal tersebut
ditunjukkan dengan nilai P yang lebih kecil dari taraf nyata 1% (P < α). Nilai P
dalam uji statistik F adalah 0,000, artinya semua variabel bebas dalam model regresi ini secara serentak atau bersama-sama mempengaruhi variabel terikat (Lampiran 10).
6. Uji Statistik t
Uji statistik t dilakukan untuk mengetahui variabel bebas yang secara nyata mempengaruhi variabel terikat. Berdasarkan hasil uji statistik t, terdapat
tiga variabel bebas yang mempengaruhi variabel terikat secara nyata. Hal tersebut ditunjukkan dengan nilai p-value pada masing-masing variabel bebas yang lebih kecil dari taraf nyata. Variabel bebas yang berpengaruh nyata adalah umur, tingkat pendidikan, dan frekuensi kunjungan. Variabel bebas yang tidak berpengaruh nyata adalah pendapatan dan jumlah tanggungan. Hal ini ditunjukkan dengan nilai p-value dari masing-masing variabel bebas tersebut yang lebih besar dari taraf nyata (dapat dilihat di Tabel 18).
6.3.2 Analisis Faktor-faktor yang Mempengaruhi Nilai WTP Responden Wisatawan Mancanegara
Berdasarkan hasil pengolahan data yang dilakukan dengan menggunakan Minitab for Windows Relase 14, diperoleh model WTP responden pengunjung yang dihasilkan adalah sebagai berikut :
WTP = 106.743 - 698 Umur + 740 Tingkat Pendidikan + 0,00084 Pendapatan
– 13.677 Jumlah Tanggungan –32.764 Frekuensi Kunjungan + εi
Hasil output analisis regresi berganda model WTP responden pengunjung disajikan pada Tabel 19 dan Lampiran 14.
Tabel 19. Hasil Regresi Berganda WTP Responden Wisatawan Mancanegara
Variabel Koefisien T P VIF
Constant 106.743 2,60 0,016 UM (Umur) -698 -1.04 0,310 1,2 TP (Tingkat Pendidikan) 740 0,27 0,787 1,3 PD (Pendapatan) 0,00084 0,65 0,523 1,2 JT (Jumlah Tanggungan) -13.677 -3.93 0,001** 1,2 FK (Frekuensi Kunjangan) -32.764 -2.11 0,045* 1,2 R2 52,8% R2 (adj) 43,0%
Sumber: Hasil Analisis Data (2013)
Keterangan : Tanda ** dan * menunjukan taraf nyata koefisien regresi masing-masing variabel berturut-turut pada α : 1%, 5%.
Berdasarkan hasil analisis regresi berganda diperoleh nilai R2 sebesar 43%. Nilai tersebut menunjukkan sebesar 43% keragaman WTP responden dapat diterangkan oleh keragaman variabel-variabel penjelas yang terdapat dalam model, dan sisanya 57% dijelaskan oleh variabel-variabel lain yang tidak dimasukkan ke dalam model.
Setelah didapatkan model keseluruhan kemudian parameter model tersebut diuji secara statistika agar model tersebut memenuhi semua asumsi model yaitu BLUE (Best Linear Unbiased Estimator). Pelanggaran asumsi yang
biasa terjadi dalam analisis regresi linear berganda adalah multikolinearitas, heteroskedastisitas, dan autokorelasi. Pemenuhan asumsi dan uji statistik yang dilakukan antara lain :
1. Uji Normalitas
Uji normalitas dilakukan dengan melihat normal probability plot dan histogram (Lampiran 15). Titik-titik yang terdapat pada normal probability plot mengumpul dan terletak pada suatu garis berbentuk linear sehingga dapat disimpulkan bahwa data yang dimiliki telah menyebar normal. Cara lainnya adalah dengan menggunakan uji Kolmogorov Smirnov (Lampiran 16). Berdasarkan hasil uji Kolmogorov Smirnov diperoleh nilai p-value lebih besar dari 0,15 dan nilai Kolmogorov Smirnov sebesar 0,099 lebih kecil dari nilai Kolmogorov Smirnov tabel (0,161), sehingga dapat disimpulkan data yang dimiliki telah menyebar normal.
2. Uji Autokolerasi
Uji autokolerasi perlu dilakukan untuk mengetahui terjadinya korelasi antar anggota sampel atau data pengamatan. Uji Durbin Watson digunakan untuk mendeteksi terjadinya autokolerasi di dalam model. Berdasarkan analisis regresi diperoleh nilai uji Durbin Watson adalah 2,44503, dimana nilai tersebut berada diantara nilai 1,55 dan 2,46, sehingga dapat disimpulkan bahwa autokolerasi tidak terjadi dalam model (Lampiran 14).
3. Uji Multikolinearitas
Salah satu pelanggaran asumsi dalam analisis regresi berganda adalah adanya multikolinearitas. Masalah multikolinearitas dapat didteksi berdasarkan nilai VIF. Berdasarkan hasil analisis regresi, nilai VIF untuk masing-masing variabel bebas kurang dari sepuluh (VIF < 10). Hal tersebut menunjukkan variabel bebas yang satu dengan variabel bebas yang lain dalam model regresi tidak saling berkorelasi linear atau tidak terjadinya masalah multikolinearitas dalam model (Lampiran 14).
4. Uji Heteroskedastisitas
Masalah heteroskedastisitas dapat dideteksi dengan menggunakan uji Glesjer. Uji Glesjer dilakukan dengan cara meregresikan nilai absolut residual. Hipotesis yang dibangun adalah H0 yang berarti heteroskedastisitas, dan H1 yang
berarti homoskedastisitas. Apabila nilai p-value lebih besar dari taraf nyata, maka tolak H0. Berdasarkan uji Glesjer diperoleh p-value sebesar 0,244, dimana nilai tersebut lebih besar dari taraf nyata 20%, sehingga dapat disimpulkan bahwa sisaan bersifat homogen, yang berarti masalah heteroskedastisitas tidak terjadi dalam model (Lampiran 17).
5. Uji Statistik F
Berdasarkan analisis regresi berganda dalam tabel analisis varians, diketahui bahwa seluruh variabel bebas yang terdapat di dalam model regresi saling berpengaruh secara signifikan terhadap variabel terikatnya. Hal tersebut
ditunjukkan dengan nilai P yang lebih kecil dari taraf nyata 1% (P < α). Nilai P
dalam uji statistik F adalah 0,002, artinya semua variabel bebas dalam model regresi ini secara serentak atau bersama-sama mempengaruhi variabel terikat (Lampiran 14).
6. Uji Statistik t
Uji statistik t dilakukan untuk mengetahui variabel bebas yang secara nyata mempengaruhi variabel terikat. Berdasarkan hasil uji statistik t, terdapat dua variabel bebas yang mempengaruhi variabel terikat secara nyata. Hal tersebut ditunjukkan dengan nilai p-value pada masing-masing variabel bebas yang lebih kecil dari taraf nyata. Variabel bebas yang berpengaruh nyata adalah jumlah tanggungan dan frekuensi kunjungan. Variabel bebas yang tidak berpengaruh nyata adalah umur, tingkat pendidikan, dan pendapatan. Hal ini ditunjukkan dengan nilai p-value dari masing-masing variabel bebas tersebut yang lebih besar dari taraf nyata (Tabel 19).
6.4 Faktor-faktor yang Berpengaruh Nyata terhadap Nilai WTP Responden