IV. METODE PENELITIAN
4.5 Metode Analisis Data
Tujuan dari analisis data adalah menarik kesimpulan dari data yang dikumpulkan oleh peneliti ke dalam bentuk yang lebih mudah untuk diinterpretasikan. Metode analisis data dalam penelitian ini disajikan dalam bentuk matriks. Matriks metode analisis data dapat dilihat pada Tabel 4.1.
Tabel 4.1 Matriks metode analisis data
No Tujuan Penelitian Data yang Dibutuhkan Metode Analisis Data 1. Mengestimasi nilai ekonomi
wisata dan mengidentifikasi faktor-faktor yang mempengaruhi minat wisata
- Biaya perjalanan yang dikeluarkan pengunjung - Faktor-faktor yang
mempengaruhi minat wisata, dibutuhkan: biaya perjalanan, jumlah pendapatan, lama pendidikan, usia pengunjung, jarak tempuh, wisata alternatif, jumlah tanggungan, dan lama mengetahui kawasan
Travel Cost Method (TCM)
2. Menganalisis penerapan sistem segmentasi dan mengestimasi besarnya tarif wisata di tiap segmen wisata
Persepsi pengunjung dan pengelola serta besarnya Willingness To Pay (WTP) setiap pengunjung
Willingness To Pay (WTP)
3. Menganalisis manfaat ekonomi bagi kegiatan konservasi dan masyarakat sekitar kawasan Cagar Alam Rimbo Panti
Perubahan pendapatan masyarakat sekitar dan kontribusi bagi kegiatan konservasi
Analisis
Pendapatan dan Analisis
4.5.1 Nilai Ekonomi dan Faktor-Faktor yang Mempengaruhi Minat Wisata
Nilai ekonomi TWA Rimbo Panti diestimasi dengan menggunakan metode biaya perjalanan (travel cost method). Biaya perjalanan adalah seluruh biaya yang dikeluarkan pengunjung dalam satu kali perjalanan rekreasi meliputi biaya konsumsi selama rekreasi, biaya transportasi, biaya dokumentasi, dan biaya-biaya lain. Dihitung dengan rumus:
BP = TR + DC + KR + LL ...(1) Dimana:
BP = Biaya perjalanan rata-rata (Rp/orang/hari) TR = Biaya transportasi (Rp/orang/hari)
DC = Biaya dokumentasi (Rp)
KR = Biaya konsumsi selama rekreasi (Rp/orang/hari) LL = Biaya lain-lain (Rp)
Menurut Fauzi (2006), nilai ekonomi kawasan wisata dapat diperoleh dengan membentuk fungsi permintaan terlebih dahulu. Setelah mengetahui fungsi permintaan, surplus konsumen yang merupakan proxy dari nilai WTP terhadap lokasi rekreasi dapat diukur. Nilai surplus konsumen ini yang akan digunakan untuk mengestimasi nilai ekonomi kawasan TWA Rimbo Panti. Surplus konsumen tersebut dapat diukur melalui formula:
...(2) Keterangan:
SK = Surplus konsumen pengunjung per individu per kunjungan N = Jumlah kunjungan yang dilakukan oleh individu i
b1 = Koefisien dari variabel biaya perjalanan
Nilai ekonomi wisata dari TWA Rimbo Panti merupakan total surplus konsumen pengunjung dalam suatu periode waktu. Nilai ekonomi TWA Rimbo Panti diperoleh dengan menggunakan rumus sebagai berikut:
...(3) Keterangan:
NE = Nilai ekonomi kawasan wisata dalam satu tahun
SK = Surplus konsumen pengunjung per individu per kunjungan JP = Total jumlah pengunjung selama satu tahun
Fungsi permintaan kunjungan ke tempat wisata beserta faktor-faktor yang mempengaruhinya diestimasi dengan pendekatan Individual Travel Cost Method (ITCM). Menurut Fauzi (2006), pendekatan ITCM didasarkan pada data primer yang diperoleh melalui survei dan teknik statistika yang lebih kompleks. Kelebihan dari metode ini adalah dapat memberikan hasil yang lebih akurat. Fungsi permintaan wisata tiap individu per tahun kunjungan adalah sebagai berikut:
Y = - ԑ...(4) Dimana:
Y = jumlah kunjungan trip tahunan ke cagar alam (jumlah kunjungan per tahun)
X1 = biaya perjalanan individu ke lokasi cagar alam (Rp./kunjungan) X2 = pendapatan responden (Rp./bulan)
X3 = lama pendidikan responden (tahun) X4 = usia responden (tahun)
X5 = jarak tempuh ke lokasi cagar alam (km) X6 = tempat rekrasi alternatif
X7 = jumlah tanggungan (orang) X8 = lama mengetahui lokasi (bulan) ԑ = error term
= koefisien regresi untuk faktor
Hipotesis yang dibangun dalam penelitian ini terkait variabel-variabel yang dimasukkan ke dalam model yaitu sebagai berikut:
1. Peningkatan biaya perjalanan akan mengurangi jumlah kunjungan wisatawan ke TWA Rimbo Panti.
2. Peningkatan jumlah pendapatan akan meningkatkan jumlah kunjungan wisatawan ke TWA Rimbo Panti.
3. Semakin lama tingkat pendidikan seseorang, maka intensitas kunjungan ke TWA Rimbo Panti juga akan meningkat.
4. Peningkatan usia akan menambah jumlah kunjungan wisatawan ke TWA Rimbo Panti.
5. Semakin jauh jarak tempuh menuju lokasi, maka intensitas kunjungan wisatan ke TWA Rimbo Panti akan cenderung berkurang.
6. Semakin banyak lokasi alternatif yang tersedia, maka akan mengurangi jumlah kunjungan wisatawan ke TWA Rimbo Panti.
7. Semakin banyak jumlah tanggungan seseorang, maka akan mengurangi intensitas kunjungan ke TWA Rimbo Panti.
8. Semakin lama seseorang mengetahui keberadaan TWA Rimbo Panti, maka semakin banyak intensitas kunjungannya.
Pendekatan ITCM menggunakan teknik ekonometrik seperti regresi berganda. Analisis regresi berganda adalah regresi dimana variabel terikatnya (dependent variable) dijelaskan oleh lebih dari satu variabel bebas (independent
variable), namun masih menunjukkan hubungan yang linier. Variabel-variabel
diatas dipilih berdasarkan teori-teori penelitian terdahulu dan observasi di lapang. Terdapat beberapa asumsi yang harus dipenuhi dalam penggunaan analisis regresi berganda agar menghasilkan estimator yang terbaik, sehingga diperoleh model yang lebih akurat. Ada pun beberapa pengujian statistik yang diperlukan adalah:
a. Uji Normalitas
Uji normalitas dilakukan untuk melihat apakah error term dari data observasi mendekati sebaran normal sehingga statistik t dapat dikatakan sah. Hal tersebut dapat dilihat dari normal probability plot dan histogram. Apabila terbentuk kurva normal yang menyerupai bentuk lonceng dalam histogram dan letak titik-titik berada pada garis berbentuk linier dalam normal probability plot, maka asumsi kenormalan terpenuhi.
b. Uji Statistik F
Uji F merupakan pengujian hipotesis koefisien regresi berganda untuk melihat apakah semua variabel bebas secara serentak atau bersama-sama mempengaruhi variabel terikat, dengan kata lain pengujian regresi berganda ini dilakukan terhadap model secara keseluruhan. Tabel pengujiannya disebut tabel F. Hasil uji statistiknya kemudian dibandingkan dengan nilai yang ada pada tabel.
c. Uji Statistik t
Uji t merupakan pengujian hipotesis koefisien regresi berganda dengan hanya satu variabel bebas mempengaruhi variabel terikat (Hasan 2002). Tabelnya
disebut tabel t-student. Hasil uji statistiknya kemudian dibandingkan dengan nilai yang ada pada tabel untuk menerima atau menolak hipotesis nol (H0) yang dikemukakan.
d. Uji Multikolinearitas
Multikolineritas terjadi jika antara variabel bebas yang satu dengan variabel bebas yang lain dalam model regresi saling berkorelasi linier. Biasanya korelasinya mendekati sempurna atau sempurna. Cara untuk mendeteksi multikolinearitas adalah dengan melihat nilai Variance Inflation Factor (VIF). Jika VIF lebih besar dari 10 maka terjadi multikolineritas dalam model.
e. Uji Heteroskedastisitas
Heteroskedastisitas berarti varians variabel tidak sama untuk semua pengamatan. Heteroskedastisitas akan muncul dalam bentuk residu yang semakin besar jika pengamatan semakin besar. Cara mendeteksi heteroskedastisitas adalah dengan menggunakan uji Glejser. Heteroskedastisitas dapat juga dideteksi dengan metode grafik (uji Bartlett dan Levene), uji Park, Uji Breusch-Pagan, Uji Goldfield-Quandt, dan white test.
f. Uji Autokorelasi
Autokorelasi terjadi jika terdapat korelasi antar anggota sampel atau data pengamatan yang diurutkan berdasarkan waktu (time series) atau ruang (cross
section). Cara untuk mendeteksi autokorelasi dalam analisis regresi berganda
adalah dengan uji Durbin-Watson. Jika nilai uji Durbin-Watson berada di antara nilai 1,55 dan 2,46 maka tidak terjadi autokorelasi di dalam model (Firdaus 2004).
4.5.2 Penerapan Segmentasi dan Estimasi Tarif Masuk Setiap Segmen Wisata