Metode Biaya Perjalanan

II. KERANGKA PEMIKIRAN

2.9 Metode Biaya Perjalanan

Berdasarkan kesediaan membayar, terdapat dua metode yang dapat dipergunakan untuk memperkirakan nilai rekreasi sebuah kawasan konservasi: pendekatan biaya perjalanan (travel cost method) dan pendekatan nilai hipotetis. Namun, penilaian kawasan konservasi terutama yang dinilai terlalu rendah (underpriced) pada umumnya menggunakan metode biaya perjalanan.

Pemilihan metode biaya perjalanan dikarenakan metode ini memiki kemungkinan bias yang lebih kecil dibandingkan dengan pendekatan nilai hipotetis yang potensi penyimpangannya besar karena sifat hipotetis pendekatan dimana perilaku pasar tidak sepenuhnya diamati (Dixon, 1994). Pendekatan biaya perjalanan juga dinilai lebih efektif untuk mengukur nilai ekonomi objek wisata yang memiliki jumlah pengunjung yang cukup besar (Kamiharja, 2001).

Akan tetapi, metode biaya perjalanan juga memiliki beberapa kelemahan yaitu :

1. Atribut populasi yang tidak homogen (Tisdell,1991)

2. Tujuan kunjungan wisata yang tidak homogen (Tisdell,1991)

3. Kenyataan bahwa nilai ekonomi kawasan wisata tidak dapat ditentukan oleh jumlah kunjungan saja (Tisdell,1991)

4. Tidak dimasukkannya biaya waktu yang hilang untuk menempuh perjalanan ke lokasi wisata ke dalam model TCM (Turner et al,1994) 5. Multiple Visit Journey. Tujuan lokasi wisata yang lebih dari satu dalam

satu hari (Turner et al,1994)

6. Non paying visitor Dihilangkannya sampel pengunjung yang tidak membayar. (Randall, 1994 dalam Wijayanti,2003)

namun, secara keseluruhan TCM bekerja baik dengan dasar karena model TCM secara konsisten mendukung sifat–sifat yang diimplikasikan dalam teori permintaan seperti efek harga sendiri yang negatif (Smith, 1994 dalam Wijayanti, 2003)

Ada dua pendekatan metode biaya perjalanan yaitu Zonal Travel Cost Method (ZTCM) dan Individual Travel Cost Method (ITCM). ITCM lebih sering digunakan karena beberapa alasan yaitu 1), pengamatan jauh lebih kecil dibandingkan keseluruhan populasi zona; dan 2), kelompok individu seringkali terdispersi karena mereka mempunyai tujuan wisata yng berbeda, namun ITCM juga memiliki kelemahan yaitu bias pemilihan sampel (sample selection bias) dimana semakin sering seseorang berkunjung maka peluang untuk terpilih menjadi sampel juga semakin besar serta sensitifitas terhadap error dan pemilihan bentuk fungsi.

Pendekatan biaya perjalanan memanfaatkan informasi tentang waktu dan pengeluaran moneter yang dilakukan oleh para pengunjung untuk mengadakan perjalanan ke dan dari objek wisata. Pendekatan ini memperkirakan kurva permintaan untuk pemakaian kawasan konservasi sebagai tempat wisata. Informasi ini kemudian digunakan untuk menghitung surplus konsumen yang dinikmati para pengunjung. Dasar pendugaan pada model biaya perjalanan dengan pendekatan suplus konsumen adalah bahwa konsumen akan memberikan reaksi yang sama terhadap kenaikan biaya masuk ke objek wisata eko. Dalam perhitungannya, pengunjung dari tempat yang jauh dengan biaya yang paling tinggi dianggap memiliki surplus konsumen yang paling rendah atau sama sekali tidak memiliki surplus, sebaliknya, pengunjung yang tinggal lebih dekat dengan

biaya perjalanan terendah akan memiliki surplus konsumen terbesar. Beberapa asumsi yang dipakai dalam pendekatan biaya perjalanan menurut Hufcshmidt et al (1987) adalah :

1. Semua pemakai memperoleh manfaat total yang sama yang besarnya sama dengan biaya perjalanan pemakai marjinal

2. Surplus konsumen pemakai marjinal adala h nol 3. Biaya perjalanan merupakan data ganti bagi harga

Pendekatan biaya perjalanan mengukur biaya transportasi dari dan ke objek wisata serta pengeluaran lain selama di perjalanan dan di dalam objek wisata yang mencakup dokumentasi, kons umsi, parkir dan pengeluaran lainnya namun tidak mencakup tiket masuk. Model dasar yang dipakai pendekatan ini menggambarkan derajat kunjungan tiap 1000 penduduk sebagi fungsi faktor dari biaya perjalanan, waktu yang diperlukan untuk perjalanan, tempat pengganti dan penghasilan rata – rata. Hubungannya dapat disimpulkan sebagai berikut (Dixon, 1994):

V

io

= ƒ ( C

i

, T

i

, A

i

, S

i

, Y

i

)

Dimana Vio = derajat kunjungan / 1000 orang tanpa pungutan masuk Ci = biaya perjalanan pulang pergi antara zona i dan objek

wisata

Ti = waktu total untuk perjalanan pergi pulang Ai = citarasa

Si = tempat pengganti yang tersedia bagi masyarakat di zona i Yi = penghasilan rata – rata tiap orang di zona i

2.10 Regresi

Persamaan regresi dinyatakan sebagai persamaan matematika yang memungkinkan kita meramalkan nilai – nilai suatu peubah tak bebas dari satu atau lebih peubah bebas (Walpole, 1982), sedangkan Ramanathan (1998) menyatakan bahwa model regresi linear adalah model yang menunjukan hubungan antara variabel dependent dengan satu atau lebih variabel independent. Istilah regresi sendiri berasal dari telaah yang dilakukan Sir Francis Galton (1822 – 1911) yang membandingkan tinggi badan anak laki- laki dengan tinggi badan ayahnya. Galton menemukan bahwa tinggi badan anak laki – laki dari ayah yang tinggi setelah beberapa generasi cenderung menurun (regressed) mendekati nilai tengah populasi. Sekarang istilah regresi diterapkan pada semua jenis peramalan dan tidak harus berimplikasi pada peramalan yang mendekati nilai tengah populasi.

Regresi menunjukkan hubungan kausalitas (sebab akibat ) antara 2 macam variabel yaitu 1) variabel independent disebut juga variabel penjelas dan secara umum disimbolkan dengan X dan 2) variabel dependent yaitu variabel terikat yang nilainya dipengaruhi atau tergantung variabel dependent dan disimbolkan dengan Y. Regresi sendiri memiliki dua bentuk yaitu regresi sederhana dimana hanya terdapat satu buah variabel penjelas dan regresi berganda dimana terdapat lebih dari satu va riabel penjelas.

Dalam analisis regresi asumsi-asumsi mendasar harus terpenuhi, yang apabila tidak dipenuhi akan berakibat pengujian yang dilakukan menjadi tidak efisien dan kesimpulan yang didapat berbias. Asumsi yang ada dalam analisis regresi adalah:

1. Galat menyebar saling bebas dan mengikuti sebaran normal dengan nilai tengah nol dan ragam s2e (tidak terjadi autokorelasi)

2. ragam galat homogen atau tidak terjadi masalah heteroskedastisitas

3. galat saling bebas, artinya galat pada waktu ke-t tidakmempunyai hubungan dengan galat pada waktu sebelumnya

4. tidak ada hubungan antar peubah x sehingga tidak terjadi adanya multikolinearitas (keadaan dimana antar peubah X saling berhubungan) 5. galat bersifat bebas dengan peubah X

Bentuk dasar dari persamaan regresi sederhana secara umum berbentuk linear yang menunjukkan bahwa nilai atau parameter dari koefisien regresi ( a dan ß) berhubungan linear.

Y

t

= a + ßX

t

+µ

t

Dimana Y adalah variabel dependent dan X variabel independent dengan t menunjukkan waktu pada time series data dan menunjukkan observasi pada cross section data. Sedangkan a dan ß adalah koefisien regresi dimana dalam model a dan ß adalah parameter yang akan diestimasi. Dalam hal ini a menyatakan intersep atau perpotongan dengan sumbu tegak dan ß adalah kemiringan atau gradiennya. Sedangkan pengertian a dan ß spesifik tergantung pada fungsinya. µ dinyatakan sebagai error yang bersifat random atau acak (galat acak) yang disebakan oleh empat efek yaitu oleh penghilangan variabel, non linearitas, kesalahan pengukuran dan efek yang tidak dapat diprediksi lainnya (Ramanathan, 1998).