V. HASIL DAN PEMBAHASAN
5.5 Keterkaitan Perkembangan Wilayah dengan Kunjungan Wisata
Tingkat perkembangan wilayah ditentukan berdasarkan informasi kondisi sosial ekonomi, PDRB, dan pendapatan (PAD) masyarakat dari setiap kecamatan serta jumlah kunjungan wisata. Sedangkan untuk faktor penentu perkembangan wilayah ditentukan berdasarkan informasi aksesibilitas, fasilitas pelayanan publik, penggunaan lahan, luas tanam dan produksi tanaman pertanian.
Dalam menguji tingkat perkembangan wilayah dilakukan 2 teknik analisis yaitu analisis entropi dan analisis komponen utama. Hasil analisis entropi digunakan untuk analisis komponen utama (Lampiran 10). Variabel-variabel tingkat perkembangan wilayah yang telah dirasionalisasi kemudian distandarisasi secara berulang sehingga menghasilkan nilai skor terkecil 0 dan nilai skor terbesar 1, setelah distandarisasi dilakukan 4 kali PCA yaitu dari 27 variabel asal yang terdiri dari 13 kapasitas wilayah, 4 kapasitas pemerintahan daerah, 7 kapasitas sumberdaya manusia, dan 3 kapasitas kunjungan wisata menjadi 4 variabel utama yang terdiri dari indeks komposit kapasitas wilayah, indeks komposit kapasitas pemerintahan daerah, indeks komposit kapasitas sumberdaya manusia, dan indeks komposit kapasitas kunjungan wisata. Factor loading hasil PCA dapat dilihat pada Tabel 13. Ke mudian factor score hasil PCA variabel-variabel perkembangan wilayah dikonsistenkan arahnya, untuk factor score indeks kapasitas wilayah dan indeks kapasitas sumberdaya manusia digabungkan dengan menggunakan rumus di bawah ini :
( )( )
∑
∑
= α α α α λ λ i i KW F IKW _( )( )
∑
∑
= α α α α λ λ i i KSDM F IKSDM _ Dimana : ii
IKSDM : Indeks (komposit) Sumberdaya Manusia
α
,
_KWi
F : Score kecamatan ke-i untuk faktor ke-α hasil PCA variabel-variabel
kapasitas wilayah setelah arahnya dikonsistenkan
α
,
i
IKSDM : Score kecamatan ke-i untuk faktor ke-α hasil PCA variabel-variabel kapasitas sumberdaya manusia setelah arahnya dikonsistenkan
α
λ : Eigenvalue faktor ke-α hasil PCA.
Tabel 13. Nilai Factor Loading Variabel-variabel Perkembangan Wilayah (IPK) Factor Loading Variabel -variabel Perkembangan Wilayah (IPK)
a. factor loading Variabel-variabel kapasitas wilayah
Variabel Asal Factor
1 Factor 2 Factor 3 Factor 4 Factor 5 PDRB_Kap 0.423 0.246 -0.176 0.538 0.062 IDE 0.137 0.093 0.109 0.158 0.912 LPE 0.732 0.390 0.157 0.207 0.351 LPE_1 0.131 -0.153 -0.799 0.058 -0.445 LPE_2 0.006 0.216 0.122 0.754 0.005 LPE_3 0.359 0.385 0.158 0.506 -0.471 LPE_4 -0.047 -0.962 -0.049 -0.050 -0.022 LPE_5 -0.037 -0.076 0.058 0.731 0.122 LPE_6 0.106 0.935 0.087 0.174 0.077 LPE_7 0.851 -0.010 0.355 0.033 -0.114 LPE_8 0.847 -0.056 -0.232 -0.086 -0.181 LPE_9 0.396 0.047 0.742 0.311 -0.213 LPE_IDE 0.872 0.175 0.086 0.134 0.388 Expl.Var 3.252 2.281 1.497 1.874 1.642 Prp.Totl 0.250 0.176 0.115 0.144 0.126 b. factor loading variabel-variabel kapasitas pemerintahan Daerah
Variabel Asal Factor 1 c. Factor Loading variabel-variabel kapasitas sumberdaya manusia Variabel Asal Factor 1 Factor 2 TERIMA_KAP 0.863 K_PLN -0.306 0.719 PAD_KAP 0.935 K_TV -0.026 0.816 TERIMA_HA 0.896 R_PER 0.099 0.788 PAD_HA 0.930 K_PRAS 0.891 0.082 Expl.Var 3.285 UNEMP 0.741 -0.226 Prp.Totl 0.821 Srt_Mskn 0.876 -0.157 d. Factor Loading variabel-variabel kunjungan wisata
Variabel Asal Factor
1 Krt_SHT 0.925 0.051 WISMAN 0.550 Expl.Var 3.068 1.888 WISNUS 0.965 Prp.Totl 0.438 0.270 LPW -0.852 Expl.Var 1.958 Prp.Totl 0.653
Sumber : Hasil Analisis PCA
PDRB_kap : PDRB per Kapita Tahun 2003 IDE : Indeks Diversifikasi Entropy Tahun 2003
LPE : Laju pertumbuhan ekonomi tahun 2000-2003 LPE_1 : Laju pertumbuhan ekonomi sektor pertanian
LPE_2 : Laju pertumbuhan ekonomi sektor pertambangan & galian LPE_3 : Laju pertumbuhan ekonomi sektor industri olah
LPE_4 : Laju pertumbuhan ekonomi sektor listrik, gas, & air LPE_5 : Laju pertumbuhan ekonomi sektor bangunan
LPE_6 : Laju pertumbuhan ekonomi sektor perdagangan, hotel, & restoran
LPE_7 : Laju pertumbuhan ekonomi sektor angkutan & komunikasi LPE_8 : Laju pertumbuhan ekonomi sektor sewa, jasa perusahaan
LPE_9 : Laju pertumbuhan ekonomi sektor jasa lainnya LPE_IDE : Laju Pertumbuhan ekonomi entropy
PAD_kap : Pendapatan asli daerah per kapita tahun 2003 Terima_Ha : Penerimaan per hektar tahun 2003
Terima_kap : Penerimaan per kapita tahun 2003
Wisnus : Wisatawan nusantara Wisman : Wisatawan mancanegara
LPW : Laju pertumbuhan wisatawan
K_PLN : Banyaknya keluarga pengguna listrik PLN Unemp : Jumlah penggangguran
K_TV : Banyaknya keluarga yang mempunyai TV R_Per : Banyaknya rumah permanen
K_Pras : Jumlah keluarga prasejahtera & sejahtera 1 Srt_mskn : Surat miskin
Krt_Sht : Kartu sehat
Indeks komposit perkembangan kecamatan (IPK) merupakan variabel gabungan ukuran kapasitas wilayah, kapasitas pemerintahan daerah, kapasitas sumberdaya manusia, dan kapasitas kunjungan wisata. Secara rinci factor score hasil PCA dapat dilihat pada lampiran 11.
Untuk melihat faktor-faktor penentu tingkat perkembangan dilakukan 8 kali PCA yaitu dari 45 variabel asal yang terdiri dari 3 aksesibilitas, 4 fasilitas pendidikan, 3 fasilitas kesehatan, 6 fasilitas ibadah, rekreasi dan hiburan, 4 fasilitas ekonomi, 9 areal penggunaan lahan, 7 luas tanam tanaman pertanian , dan 7 produksi tanaman pertanian. Sedangkan untuk jumlah penduduk dan pengeluaran tidak dilakukan PCA. Dari 45 variabel asal yang telah dirasionalisasi kemudian distandarisasi secara berulang sehingga menghasilkan nilai skor terkecil 0 dan nilai skor terbesar 1 menjadi 18 variabel baru yang akan digunakan untuk analisis auto regresi spasial yaitu indeks komposit aksesibilitas, indeks komposit pendidikan tingkat rendah, indeks komposit pendidikan tingkat tinggi, indeks komposit fasilitas kesehatan, indeks komposit fasilitas tempat hiburan dan jenis objek wisata, indeks komposit fasilitas tempat ibadah, indeks komposit fasilitas ekonomi, indeks komposit areal perkebunan, indeks komposit areal persawahan, indeks komposit areal industri, perdagangan, dan jasa, indeks komposit areal perumahan dan pariwisata, indeks komposit areal tanaman pangan dan hortikultur,
indeks komposit areal budidaya ikan, indeks komposit produksi tanaman perkebunan dan hortikultur, indeks komposit produksi tanaman hutan, indeks komposit produksi budidaya ikan, indeks komposit kepadatan penduduk dan indeks komposit pendapatan. Nilai factor loading hasil PCA dapat dilihat pada Lampiran 12.
Selanjutnya hasil analisis komponen utama (Lampiran 13) tersebut dianalisis menggunakan analisis auto regresi spasial metode forward stepwise.
Factor score hasil PCA yang akan digunakan untuk analisis auto regresi spasial
terlebih dahulu dilakukan standarisasi secara berulang sehingga menghasilkan nilai skor terkecil 0 dan nilai skor terbesar 1. Dari hasil analisis diperoleh 6 model matematis, tetapi hanya 4 model matematis yang memiliki hubungan paling baik.
Model matematis ke 1 dilakukan antara indeks perkembangan kecamatan terhadap indeks kapasitas wilayah, indeks kapasitas sumberdaya manusia, indeks kapasitas pemerintahan daerah, matriks kontiguitas antar wilayah kecamatan berdasarkan ketetanggaan batas wilayah administratif, dan matriks kontiguitas antar wilayah kecamatan berdasarkan kebalikan fungsi jarak. Hasil analisis dapat dilihat pada Tabel 14.
Model matematis ke 1 menunjukkan nilai determinasi 0.89 yang berarti 89% dari tingkat perkembangan kecamatan (IPK) khususnya aspek kapasitas kunjungan wisata, kapasitas sumberdaya manusia, dan kapasitas pemerintahan daerah.
Tabel 14. Ringkasan Hasil Analisis Regresi Faktor Penunjang Perkembangan Wilayah Model :
IPK = A0 + A1 K_Wis + A2 KSDM + A3 KPD Dimana :
IPK : Indeks Perkembangan Kecamatan K_Wis : Kapasitas Kunjungan Wisata KSDM : Kapasitas Sumberdaya Manusia
KPD : Kapasitas Pemerintahan Daerah
A0, A1, A2, A3 : parameter yang nilainya diduga dari regresi
Parameter Koefisien Regresi Nilai
t-student derajat bebas = 26 Taraf Nyata (p-level)
Simbol Keterangan Nilai
Dugaan
Galat Baku
Ao Intercept 0.0390 0.0325 1.1986 0.2415
A1 Koefisien Kapasitas Kunjungan Wisata 0.6452 0.0538 11.9850 0.0000
A2 Koefisien Kapasitas Sumberdaya Manusia 0.4994 0.0739 6.7555 0.0000
A3 Koefisien Kapasitas Pemerintahan Daerah 0.3277 0.0752 4.3568 0.0002
Koefisien determinasi (R2) = 0.8990
Sumber : Hasil Analisis Regresi
Indeks kapasitas kunjungan wisata berpengaruh positif terhadap tingkat perkembangan di suatu wilayah. Dengan koefisien regresi sebesar 0.65, maka setiap peningkatan kunjungan wisata sebanyak satu satuan akan me ningkatkan perkembangan wilayah sebesar 0.65 satuan. Fenomena ini menunjukkan bahwa semakin banyak wisatawan yang berwisata ke Kabupaten Ciamis dapat meningkatkan perkembangan wilayah yang ditandai oleh peningkatan pendapatan daerah yang diperoleh dari sektor pariwisata. Hal ini terbukti bahwa wilayah yang memiliki indeks tingkat perkembangan kecamatan yang tinggi seperti Kecamatan Cijeungjing, Pangandaran, Panjalu, dan Kalipucang banyak dikunjungi wisatawan.
Koefisien regresi kapasitas sumberdaya manusia sebesar 0.49 artinya semakin tinggi kapasitas sumberdaya manusia maka tingkat perkembangan wilayah akan meningkat sebesar 0.49 satuan. Kapasitas sumberdaya manusia (human capacity) ini mencakup segenap kapasitas yang ada dalam diri manusia termasuk kemampuannya untuk berpartisiasi dalam berbagai aspek kehidupan. Kapasitas sumberdaya manusia dapat dicerminkan oleh kualitas manusia, kualitas fisik manusia dicerminkan oleh pendidikan, kesehatan dan ketahanan jasmani yang memungkinkan seseorang untuk dapat hidup sehat, aktif dan produktif serta
berumur panjang. Semakin baik kualitas sumberdaya manusia di suatu wilayah maka akan berpengaruh terhadap peningkatan pembangunan ekonomi.
Koefisien regresi kapasitas pemerintahan daerah sebesar 0.33 artinya peningkatan kapasitas pemerintahan sebesar satu satuan maka tingkat perkembangan wilayah akan meningkat sebesar 0.33 satuan.
Dilihat dari variabel-variabel yang mempengaruhinya yaitu kapasitas kunjungan wisata, kapasitas sumberdaya manusia, dan kapasitas pemerintah daerah maka model 1 ini dapat digunakan untuk menduga tingkat perkembangan di suatu wilayah karena ketiga variabel tersebut berpengaruh positif terhadap tingkat perkembangan wilayah.
Model matematis ke 2 dilakukan antara indeks kapasitas pemerintahan daerah dengan matriks kontiguitas antar wilayah kecamatan berdasarkan ketetanggaan batas wilayah administratif, matriks kontiguitas antar wilayah kecamatan berdasarkan kebalikan fungsi jarak., dan 18 faktor penentu tingkat perkembangan. Hasil analisis dapat dilihat pada Tabel 15.
Model matematis ke 2 menunjukkan nilai determinasi 0.74 yang berarti 74% dari Kapasitas Pemerintahan Daerah (KPD) khususnya aspek wilayah tetangganya, jarak, kawasan industri, perdagangan, jasa, fasilitas tempat hiburan dan jenis objek wisata, kawasan tanaman pangan dan hortikultur, produksi tanaman hutan, dan pendapatan.
Tabel 15. Ringkasan Hasil Analisis Regresi Faktor Penunjang Kapasitas Pemerintahan
Daerah
Model :
IKPD = A0 – A1 W1 - A2 Jrk + A3 Hib_OW + A4 IPJ+ A5 Pgn_Horti – A6 PTH + A7 Rev
Dimana :
IKPD : Indeks Kapasitas Pemerintahan Daerah
W1 : Matriks kontiguitas antar wilayah kecamatan berdasarkan kebalikan fungsi jarak.
Jrk : Jarak
Hib_OW : Fasilitas tempat hiburan dan jenis objek wisata IPJ : Kawasan industri, perdagangan, dan jasa Pgn_Horti : Kawasan tanaman pangan dan hortikultur PTH : Produksi tanaman hutan
Rev : Pendapatan
A0, A1, A2, A3, A4, A5, A6, A7 : parameter yang nilainya diduga dari regresi
Parameter Koefisien Regresi Nilai
t-student derajat bebas = 26 Taraf Nyata (p-level) Simbol Keterangan Nilai Dugaan Galat Baku Ao Intercpt 0.3656 0.0859 4.2540 0.0003
A1 Koefisien matriks kontiguitas antar wilayah
kecamatan berdasarkan kebalikan fungsi jarak -0.5076 0.1117 -4.5437 0.0002
A2 Koefisien jarak/aksesibilitas -0.4111 0.1672 -2.4589 0.0223
A3
Koefisien fasilitas tempat hiburan dan jenis objek
wisata 0.4672 0.1655 2.8225 0.0099
A4 Koefisien kawasan industri, perdagangan dan jasa 0.4123 0.1654 2.4928 0.0207
A5 Koefisien kawasan tanaman pangan dan hortikultur 0.3689 0.1858 1.9862 0.0596
A6 Koefisien produksi tanaman hutan -0.2968 0.1265 -2.3458 0.0284
A7 Faktor Pendapatan 0.6491 0.1305 4.9718 0.0001
Koefisien determinasi (R2) = 0.7353
Sumber : Hasil Analisis Regresi
Perkembangan suatu wilayah dipengaruhi oleh wilayah tetangganya atau lebih dekat dibandingkan wilayah yang jauh. Berdasarkan hasil penelitian didapatkan nilai negatif, artinya bahwa terjadi kompetisi antar wilayah. Interaksi wilayah yang bersebelahan akan cenderung lebih tingi dibanding dengan wilayah lebih jauh dan tidak bersebelahan, karena interaksi wilayah yang dekat hubungan mutualisme akan lebih menguntungka n dibandingkan yang lebih jauh. Hal ini karena jaraknya lebih pendek dan biaya transportasi lebih murah.
Jayadinata (1992) dalam studinya mengindentifikasi bahwa dalam meningkatkan perkembangan kegiatan sosial dan ekonomi, infrastruktur merupakan hal yang penting. Pembangunan tidak berjalan lancar jika infrastruktur tidak baik. Jarak dapat mempengaruhi terhadap biaya yang dikeluarkan untuk mendapatkan pelayanan. Semakin jauh jarak maka biaya yang dikeluarkan akan semakin besar dan waktu yang diperlukan aka n semakin lama. Hal tersebut akan mempengaruhi kapasitas pemerintah sehingga dapat menghambat pembangunan
ekonomi. Kabupaten Ciamis mempunyai potensi dalam sektor pariwisata, semakin baik fasilitas hiburan dan objek wisata maka akan dapat menarik wisatawan lebih banyak sehingga kapasitas pemerintah akan berjalan baik pula. Kemudian peningkatan luas areal industri, perdagangan, dan jasa dapat meningkatkan kapasitas pemerintah, karena dapat menambah lapangan pekerjaan sehingga jumlah pengangguran akan berkurang.
Kawasan tanaman pangan dan hortikultur berpengaruh positif terhadap kapasitas pemerintahan daerah, artinya kawasan tanaman pangan dan hortikultur memberikan kontribusi bagi pendapatan daerah sehingga dapat mendorong perkembangan wilayah. Sedangkan produksi tanaman hutan berpengaruh negatif terhadap kapasitas pemerintahan daerah, artinya terjadi kompetisi antar wilayah sehingga dapat menghambat pembangunan wilayah.
Model matematis ke 3 dilakukan antara indeks kapasitas sumberdaya manusia dengan matriks kontiguitas antar wilayah kecamatan berdasarkan ketetanggaan batas wilayah administratif, matriks kontiguitas antar wilayah kecamatan berdasarkan kebalikan fungsi jarak., dan 18 faktor penentu tingkat perkembangan. Hasil analisis dapat dilihat pada Tabel 16.
Tabel 16. Ringkasan Hasil Analisis Regresi Faktor Penunjang Kapasitas Sumberdaya
Manusia
Model :
IKSDM = A0 – A1 W1 + A2 Rev + A3 Jrk + A4 PTR+ A5 Eko+ A6 IPJ Dimana :
IKSDM : Indeks Kapasitas Sumberdaya Manusia
W1 : Matriks kontiguitas antar wilayah kecamatan berdasarkan kebalikan fungsi
jarak. Rev : Pendapatan Jrk : Jarak
PTR : Pendidikan Tingkat Rendah Eko : Fasilitas Ekonomi
IPJ : Kawasan industri, perdagangan dan jasa
Parameter Koefisien Regresi Nilai t-student derajat bebas = 26 Taraf Nyata (p-level) Simbol Keterangan Nilai Dugaan Galat Baku Ao Intercpt 0.3034 0.1704 1.7808 0.0909
A1 Koefisien matriks kontiguitas antar wilayah
kecamatan berdasarkan kebalikan fungsi jarak -1.4080 0.3456 -4.0743 0.0006
A2 Koefisien pendapatan 0.5516 0.1796 3.0711 0.0063
A3 Koefisien jarak/aksesibilitas 0.4196 0.2305 1.8206 0.0845
A4 Koefisien Pendidikan Tingkat Rendah -0.4391 0.1492 -2.9435 0.0083
A5 Koefisien Fasilitas Ekonomi 0.3905 0.2200 1.7746 0.0920
A6 Koefisien kawasan Industri, Perdagangan, Jasa 0.3642 0.1873 1.9442 0.0668
Koefisien determinasi (R2) = 0.7082
Sumber : Hasil Analisis Regresi
Model di atas menunjukkan nilai determinasi 0.71 yang berarti 71% dari Kapasitas Sumberdaya Manusia (KSDM) khususnya aspek wilayah tetangganya, pendapatan, jarak, pendidikan tingkat rendah, fasilitas ekonomi, dan kawasan industri, perdagangan, dan jasa.
Kapasitas sumberdaya manusia dipengaruhi oleh wilayah tetangganya sehingga terjadi interaksi pusat-pusat aktifitas antar wilayah. Interaksi tersebut dapat membentuk suatu jaringan aktifitas wilayah dan terjalinnya hubungan yang saling menguntungkan antar wilayah.
Tingkat pendidikan sangat mempengaruhi kualitas sumberdaya manusia. Pendidikan rendah akan mengakibatkan rendahnya kemampuan untuk menguasai ilmu pengetahuan, teknologi, dan produktivitas kerja yang akan berdampak pada lemahnya ketahanan daya saing wilayah. Pada umumnya pendidikan rendah ini berasal dari keluarga miskin, karena berbagai keterbatasannya masyarakat miskin tidak mempunyai pilihan, kesempatan, dan peluang untuk memperbaiki taraf hidup dan kualitas kehidupannya. Hal tersebut disebabkan oleh daya belinya yang rendah sehingga tidak mampu menyediakan pangan secara memadai untuk memenuhi kebutuhan gizi keluarga.
Dalam kondisi serba terbatas itu sangat sulit bagi keluarga miskin untuk menempuh jenjang pendidikan. Jika keadaan tersebut berlanjut maka kemiskinan menjadi semacam turunan. Dengan demikian dalam upaya membangun SDM yang berkualitas, pemberdayaan keluarga miskin menjadi keharusan dan tuntutan moral. Oleh sebab itu pendidikan tinggi sangat penting dalam meningkatkan kualitas sumberdaya manusia sehingga masyarakat dapat mempunyai kehidupan yang layak dengan pendapatan yang layak pula.
Kesehatan merupakan faktor utama dalam meningkatkan kualitas sumberdaya manusia. Informasi kesehatan dan gizi diperlukan oleh masyarakat agar masyarakat mengetahui kondisi fisiknya. Oleh karena itu, fasilitas kesehatan yang baik dapat membantu dalam pengembangan sumberdaya manusia yang baik pula seperti: Rumah sakit, Puskesmas, Poliklinik. Fasilitas hiburan dan objek wisata merupakan salah satu alternatif untuk mengembangkan kualitas sumberdaya manusia karena dapat mengurangi jumlah pengangguran.
Model matematis ke 4 dilakukan antara indeks kapasitas kunjungan wisata dengan matriks kontiguitas antar wilayah kecamatan berdasarkan ketetanggaan batas wilayah administratif, matriks kontiguitas antar wilayah kecamatan berdasarkan kebalikan fungsi jarak., dan 18 faktor penentu tingkat perkembangan. Hasil analisis dapat dilihat pada Tabel 17.
Model matematis ke 4 menunjukkan nilai determinasi 0.94 yang berarti 94% dari kapasitas kunjungan Wisata (K_Wis) khususnya aspek wilayah tetangganya, aksesibilitas, kepadatan penduduk, pendidikan tingkat tinggi, fasilitas kesehatan, fasilitas tempat hiburan dan jenis objek wisata, fasilitas ekonomi, kawasan persawahan, dan produksi budidaya ikan.
Tabel 17. Ringkasan Hasil Analisis Regresi Faktor Penunjang Kapasitas Kunjungan
Wisata
Model :
IKWis = A0 – A1 W2 + A2 Jrk – A3 Kep_Pdk + A4 PTT + A5 Kes+ A6 Hib_OW + A7
Eko– A8 Swh + A9 PBI Dimana :
IKWis : Indeks kapasitas kunjungan wisata
W2 : Matriks kontiguitas antar wilayah kecamatan berdasarkan ketetanggaan
batas wilayah administratif Jrk : Jarak
Kep_pdk : Kepadatan penduduk PTT : Pendidikan tingkat tinggi Kes : Fasilitas kesehatan
Hib_OW : Fasilitas tempat hiburan dan jenis objek wisata Eko : Fasilitas ekonomi
Swh : Kawasan persawahan PBI : Produksi budidaya ikan
A0, A1, A2, A3, A4, A5, A6 : parameter yang nilainya diduga dari regresi
Parameter Koefisien Regresi
Nilai t-student derajat bebas = 26 Taraf Nyata (p-level) Simbol Keterangan Nilai Dugaan Galat Baku t(20) p-level (taraf nyata) Ao Intercpt -0.3796 0.0990 -3.8354 0.0010 A1
Koefisien matriks kontiguitas antar wilayah kecamatan berdasarkan ketetanggaan batas wilayah administratif
-0.6321 0.1167 -5.4189 0.0000
A2 Koefisien Jarak/aksesibilitas 0.4424 0.1214 3.6456 0.0016
A3 Koefisien Kepadatan Penduduk -0.5288 0.1261 -4.1939 0.0004
A4 Koefisien Pendidikan Tingkat Tinggi 0.6385 0.1131 5.6479 0.0000
A5 Koefisien Fasilitas Tempat Hiburan dan
Jenis Objek Wisata 0.3868 0.1164 3.3224 0.0034
A6 Koefisien Fasilitas Kesehatan 1.0906 0.1387 7.8648 0.0000
A7 Koefisien Fasilitas Ekonomi 0.3616 0.1592 2.2721 0.0343
A8 Koefisien kawasan Persawahan -0.4208 0.1404 -2.9979 0.0071
A9 Koefisien Produksi Budidaya Ikan 0.5140 0.1482 3.4682 0.0024
Koefisien determinasi (R2) = 0.9409
Sumber : Hasil Analisis Regresi
Keunggulan komparatif suatu daerah akan menjadi daya tarik bagi wisatawan, selain itu daya dukung sarana prasarana pariwisata seperti jaminan ketersediaan fasilitas ekonomi , fasilitas kesehatan, fasilitas hiburan dan objek wisata, dan aksesibilitas dapat mendorong jumlah wisatawan. Fasilitas ekonomi dibutuhkan oleh wisatawan seperti akomodasi, pasar, toko, dan bank. Sebagian besar wisatawan yang melakukan wisata memilih akomodasi yang lengkap dan
nyaman agar wisatawan tinggal lebih lama. Kemudian pasar dan toko yang menyediakan handicraft yang menarik dan lengkap akan lebih diminati oleh wisatawan. Fasilitas kesehatan sangat penting bagi kenyamanan wisatawan agar wisatawan terjamin jasmaninya sehingga wisatawan lebih lama tinggal di lokasi objek wisata. Fasilitas hiburan dan objek wisata merupakan faktor utama dalam menarik kunjungan wisata agar wisatawan tinggal lebih lama. fasilitas tersebut seperti: bar, bioskop, tempat olahraga.
Fasilitas-fasilitas tersebut diatas merupakan faktor penentu dalam menarik kunjungan wisata agar wisatawan lebih lama tinggal sehingga pengeluaran wisatawan pun lebih besar. Hal ini dapat meningkatkan pendapatan daerah sehingga perkembangan pariwisata lebih berkembang.
Industri pariwisata tidak terlepas dari bisnis perhotelan, restoran, rekreasi dan hiburan, karena walaupun dalam keadaan kondisi krisis pun pendapatan yang diperoleh sub sektor ini ternyata tidak mengalami penurunan bahkan menunjukkan peningkatan yang signifikan.
Semakin baiknya kondisi aksesibilitas dan sarana prasarana dapat menyebabkan wisatawan menetap lebih lama. Nilai koefisien aksesibilitas positif artinya semakin mudah lokasi objek wisata dapat dijangkau maka semakin banyak orang yang akan berkunjung ke lokasi tersebut. Demikian pula dengan fasilitas-fasilitas, semakin lengkap fasilitas maka semakin banyak orang berkunjung ke lokasi objek wisata.
Kawasan persawahan berpengaruh negatif terhadap perkembangan pariwisata. Dengan koefisien sebesar -0.42 berarti setiap peningkatan luas areal sawah sebesar 0.42 satu satuan akan menurunkan perkembangan pariwisata
sebesar 0.42 satuan. Fenomena ini menunjukkan bahwa lahan persawahan belum mempunyai nilai ekonomi bagi pariwisata. Oleh sebab itu perlu dikembangkan suatu paket agrowisata agar konversi lahan dapat terkendali, contohnya penataan lahan sawah yang baik. Selain itu, diperlukan suatu paket promosi dan informasi menarik agar wisatawan tertarik menikmati pemandangan sawah.
Produksi budidaya ikan berpengaruh positif terhadap perkembangan pariwisata. Fenomena ini menunjukkan bahwa perikanan lebih diminati karena sebagian besar wisatawan mengunjungi objek wisata alam.