V. FAKTOR-FAKTOR YANG MEMPENGARUHI KUNJUNGAN EKOTURISME KE KEBUN RAYA BOGOR
5.1 Fungsi Frekuensi Kunjungan Ekoturisme ke Kebun Raya Bogor Model persamaan regresi log liner yang digunakan dalam penelitian in
adalah model persamaan regresi log linier yang dirumuskan dalam metode penelitian. Model regresi linier yang dirumuskan menggambarkan hubungan antara variabel dependent yaitu fungsi kunjungan ekoturisme ke KRB (Y) dengan beberapa variabel bebas yaitu usia (age), jenis kelamin (sex), status pernikahan (marital), tingkat pendidikan (edu), jenis pekerjaan (job), tingkat pendapatan (inc), frekuensi rekreasi (frek), daya tarik KRB (attrac), hari kunjungan (day), waktu dan jarak tempuh ke KRB dan tempat alternatif (tk, dk, ta dan da) serta biaya perjalana n ke KRB dan tempat alternatif (ck dan ca). Akan tetapi, dalam penelitian ditemukan variabel baru yang diduga mempengaruhi jumlah kunjungan ke KRB yaitu variabel ‘char’ yang menggambarkan sifat kunjungan yang dilakukan responden. Kunjungan yang bersifat rutin diberi nilai dummy = 1 sedangkan sebaliknya kunjungan yang bersifat tidak rutin diberi nilai = 0. Penambahan variabel baru tersebut menyebabkan penambahan jumlah variabel menjadi 16 dan memunculkan model baru sebagai berikut:
ln Y = bo + b1Age + b2Sex+ b3Marital + b4Edu + b5Job + b6Inc + b7Freq +
b8Atttrac + b9Day + b10Dk + b11Tk + b12Ck + b13Da + b14Ta +
Hasil analisis model 1 ternyata tidak memuaskan karena ditemukan masalah multikolinearitas. Pada Tabel 24 terlihat bahwa nilai VIF untuk variabel Dk, Tk, Da dan Ta lebih besar dari 10, nilai VIF yang besar tersebut menandakan adanya masalah multikolinearitas dalam model 1.
Tabel 28. Statistik Kolinearitas Model 1
Variabel
Statistik Kolinearitas
Toleransi VIF
Umur (Age) 0,446 2,242
Jenis kelamin (Sex) 0,689 1,451 Status pernikahan (Marital) 0,502 1,991 Tingkat pendidikan akhir (Edu) 0,736 1,359 Jenis pekerjaan (Job) 0,796 1,256 Pendapatan per bulan (Inc) 0,671 1,491 Frekuensi rekreasi per tahun (Frek) 0,487 2,055 Daya tarik KRB (Attrac) 0,417 2,397 Hari kunjungan (Day) 0,745 1,342 Jarak tempuh menuju KRB (Dk) 0,081 12,286 Waktu tempuh ke KRB (Tk) 0,079 12,660 Biaya perjalanan ke KRB (Ck) 0,541 1,850 Jarak tempuh ke objek wisata eko alternatif (Da) 0,005 184,963 Waktu tempuh ke objek wisata eko alternatif (Ta) 0,005 185,481 Biaya perjalanan keke objek wisata eko alternatif (Ca) 0,673 1,485 Karakteristik Kunjungan (Char) 0,583 1,717
Masala h multikolinearitas pada model 1 haruslah diatasi karena sebuah model yang memiliki masalah multikolinearitas akan menjadi tidak konsisten dan bias. Salah satu cara untuk menghilangkan masalah multikolinearitas dalam model adalah dengan cara menghilangkan variabel yang berkorelasi (Ramanathan, 1998) yang ditunjukkan oleh nilai VIF terbesar. Pada kasus ini, yang dihilangkan adalah variabel Tk dan Da. Penghilangan variabel Tk dan Da mengakibatkan munculnya model baru sebagai berikut:
ln Y = bo + b1Age + b2Sex+ b3Marital + b4Edu + b5Job + b6Inc + b7Freq+
b8Attrac + b9Day + b10Dk+ b11Ck + b12Ta + b13Ca+ b14Char ...(2)
Dimana ringkasan dari hasil analisis model dapat dilihat pada tabel berikut: Tabel 29. Ringkasan Hasil Analisis Regresi Model 2
Variabel Koefisien Sd. Error
Koefisien
T Sig.T
Konstanta 0,354 0,231 1,536 0,129 Umur (Age) 0,001 0,004 0,270 0,788 Jenis kelamin (Sex) -0,081 0,077 -1,056 0,294 Status pernikahan (Marital) 0,187 0,089 2,100 0,039* Tingkat pendidikan akhir (Edu) -0,003 0,013 -0,260 0,795 Jenis pekerjaan (Job) 0,006 0,071 0,089 0,930 Pendapatan per bulan (Inc) 0,000 0,000 -0,854 0,396 Frekuensi rekreasi per tahun (Frek) 0,051 0,011 4,525 0,000* Daya tarik KRB (Attrac) 0,947 0,099 9,550 0,000* Hari kunjungan (Day) 0,020 0,076 0,264 0,792 Jarak tempuh menuju KRB (Dk) 0,000 0,002 0,088 0,930 Biaya perjalanan ke KRB (Ck) 0,000 0,000 0,267 0,791 Waktu tempuh ke objek wisata eko
alternatif (Ta)
-0,001 0,001 -1,915 0,059* Biaya perjalanan keke objek
wisata eko alternatif (Ca)
0,000 0,000 1,516 0,134* Karakteristik Kunjungan (Char) 0,143 0,097 1,475 0,144* R2 = 85,7%
Adj R2 = 83,1% Fc = 32,592
SigF = 0.000 DW = 2,113
Dari hasil analisis regresi model 2 (lampiran) tidak ditemukan masalah multikolinearitas yang sebelumnya terdapat di model 2 karena tidak satupun peubah di model 2 memiliki nilai VIF > 10. Dari hasil analisis model 2 juga tidak ditemukan adanya penyimpangan asumsi regresi lainnya seperti, autokorelasi dan heteroskedastisitas. Autokorelasi dideteksi melaui besaran nilai statistik Durbin Watson, apabila nilai stat durbin watson > 1, 514 tidak terjadi autokorelasi, nilai stat durbin watson model 2 sebesar 2,113 sehingga dapat disimpulkan tidak terjadi autokorelasi pada model 2. Salah satu cara untuk mengecek keberadaan heteroskedastisitas adalah dengan memplotkan residual dengan fitted value. Hasil plot residual dengan fitted value pada model 4 menunjukkan sebaran acak yang berarti tidak ada masalah heteroskedastisitas pada model 4.
Goodness of fit atau kelayakan dari sebuah model pada umumnya diukur melalui nilai R2, namun karena penelitian ini menggunakan model regresi log linier berganda dimana variabel bebasnya lebih dari satu maka akan lebih baik apabila digunakan adjusted R2 untuk mengukur kelayakan model. Nilai R2 dari model 3 sebesar 85,7% sedangkan nilai adjusted R2 model sebesar 83,1%. Nilai adjusted R2 sebesar 83,1% berarti bahwa 83,1% fungsi kunjungan ekoturisme ke KRB dapat diterangkan oleh 14 variabel pada model 2 sedangkan sisa sebesar 16.9% diterangkan oleh faktor-faktor lain yang termasuk dalam error term.
Dalam model regresi berganda, hubungan antara seluruh variabel independent dengan variabel dependent diuji secara serempak menggunakan uji F. Satu atau lebih dari satu variabel bebas dalam model dikatakan mempunyai hubungan dengan variabel dependent apabila nilai Fhitung > Ftabel atau nilai dari
memberikan nilai F sebesar 32,740 dengan nilai sig.F sebesar 0,0000. Nilai P value model 2 lebih kecil daripada nilai taraf nyata ya ng dipergunakan (a = 5%), maka dapat disimpulkan bahwa ada satu atau lebih variabel bebas pada model 2 dapat menerangkan fungsi kunjungan ekoturisme ke Kebun Raya Bogor.
Apabila hubungan antara seluruh variabel independent dengan variabel dependent diuji serempak menggunakan uji F, maka hubungan secara individual antara masing- masing variabel independen dengan variabel dependen diuji menggunakan uji T dengan taraf uji sebesar 15%. Pada uji T, sebuah variabel bebas dikatakan secara nyata berpengaruh terhadap variabel terikat apabila nilai
Thitung > Ttabel atau nilai dari sig.T (P value) lebih kecil daripada taraf nyata (a).
Dari hasil uji T, seperti terlihat pada Tabel 29 terdapat 6 variabel yang nyata pada taraf uji 15% yaitu status pernikahan (marital), frekuensi rekreasi per tahun (frek), daya tarik KRB bagi responden (attrac), waktu tempuh menuju lokasi alternatif (ta), biaya perjalanan menuju objek wis ata eko alternatif (Ca) dan karakteristik kunjungan (char).
Pada Tabel 29 juga terlihat bahwa karakteristik sosial ekonomi responden yang mencakup usia, jenis kelamin, tingkat pend idikan, jenis pekerjaan dan tingkat pendapatan tidak berpengaruh nyata terhadap frekuensi kunjungan ke KRB pada taraf uji 15%. Hal tersebut dapat menjelaskan bahwa KRB sebagai objek wisata ekoturisme memiliki sifat non exclusion yang berarti bahwa KRB sebagai objek ekoturisme dapat dinikmati setiap orang tanpa batasan. Selain itu, variabel jarak tempuh dan biaya perjalanan ke KRB juga tidak berpengaruh nyata pada taraf uji 15%, hal tersebut menunjukkan bahwa konsumen ekoturisme di KRB memiliki daya bayar yang cukup tinggi.
5.2 Faktor – Faktor Yang Nyata Mempengaruhi Kunjungan Ekoturisme
