BAB V HASIL DAN PEMBAHASAN
A. Analisis Data 1. Uji Ketepatan Klasifikasi Uji ketepatan klasifikasi menunjukkan ketepatan prediksi dari model regresi dalam memprediksi peluang willingness to pay responden untuk perbaikan kualitas objek wisata Waduk Sermo. Hasil uji ketepatan klasifikasi ditampilkan dalam Tabel 5.1. berikut. Tabel 5.1. Hasil Uji Ketepatan Kalasifikasi Predicted Willingness To Pay Percentage Tidak Bersedia Correct Bersedia Membayar Membayar
Observed
Step 1 Willingness Tidak Bersedia To Pay Membayar Bersedia Membayar Overall Percentage
27
14
65,9
12
47
79,7 74,0
Berdasarkan Tabel 5.1. di atas diperoleh bahwa pada kolom prediksi, responden yang bersedia membayar adalah sebanyak 59 orang responden sedangkan pada hasil observasi yang sesungguhnya responden yang bersedia membayar adalah sebanyak 47 orang responden. Adapun responden yang tidak bersedia membayar adalah sebanyak 41 orang responden sedangkan pada hasil observasi yang sesungguhnya responden yang tidak bersedia membayar adalah sebanyak 27 orang responden. Maka diperoleh persentase
74
ketepatan model dalam mengklasifikasikan observasinya adalah sebesar 74 persen. Artinya dari 100 observasi, ada 74 observasi yang tepat pengklasifikasiannya oleh model regresi logistik. 2. Uji Kesesuaian Model a. Uji Nagelkerke R Square Uji Nagelkerke R Square dilakukan untuk mengetahui seberapa besar persentase kecocokan model dengan nilai berkisar antara 0 (nol) sampai 1 (satu). Nilai Nagelkerke R Square 1 (satu) menunjukkan ada kecocokan sempurna antara variabel terikat dengan variabel bebas, sedangkan Nilai Nagelkerke R Square 0 (nol) menunjukkan tidak ada hubungan antara variabel terikat dengan variabel bebas. Hasil uji Nagelkerke R Square ditunjukkan pada Tabel 5.2. berikut. Tabel 5.2. Hasil Uji Nagelkerke R Square Step 1
-2 Log likelihood 97,518
Cox & Snell R Square 0,315
Nagelkerke R Square 0,425
Dari hasil uji Nagelkerke R Square pada Tabel 5.2. diperoleh nilai Nagelkerke R Square sebesar 0,425 atau 42,5 persen yang menunjukkan bahwa variabel terikat dapat dijelaskan oleh variabel bebas dalam model penelitian ini. Sedangkan sisanya, yaitu sebesar 0,575 atau 57,5 persen dijelaskan diluar model penelitian ini. b. Uji Hosmer dan Lemeshow Uji Hosmer and Lemeshow dilakukan untuk menguji apakah data empiris sesuai dengan model sehingga model dapat dikatakan fit. Menurut 75
Ningsih (2015), jika nilai signifikansi > 0,05 atau 5%, maka model mampu
memprediksi
nilai
observasinya.
Sedangkan
jika
nilai
signifikansi < 0,05 atau 5%, maka model tidak mampu memprediksi nilai observasinya. Tabel 5.3. Hasil Uji Hosmer dan Lemeshow Step 1
Chi-square 10,260
Df 8
Sig. 0,247
Berdasarkan hasil uji Hosmer and Lemeshow yang ditunjukkan pada Tabel 5.3. di atas, diketahui bahwa nilai Chi-square sebesar 10,260 dengan nilai probabilitas signifikansi sebesar 0,247 > 0,05 maka model dikatakan fit dan mampu memprediksi nilai observasinya. Dengan demikian, dapat disimpulkan bahwa model regresi yang digunakan dalam penelitian ini layak dipakai untuk analisis selanjutnya. 3. Uji Signifikansi a. Uji Signifikansi Simultan (Overall Test) Uji signifikansi simultan dilakukan untuk mengetahui pengaruh variabel bebas secara simultan atau bersama-sama terhadap variabel terikat. Kriteria pengujiannya yaitu jika nilai signifikansi > 0,05, maka semua variabel bebas secara bersama-sama tidak mempengaruhi variabel terikat. Sebaliknya, jika nilai signifikansi < 0,05, maka semua variabel bebas secara bersama-sama dinyatakan mempengaruhi variabel terikat atau setidaknya terdapat satu variabel bebas yang mempengaruhi variabel terikat.
76
Tabel 5.4. Hasil Uji Signifikansi Simultan Chi-square
Df
Sig.
37,854
6
0,000
Block
37,854
6
0,000
Model
37,854
6
0,000
Step 1 Step
Pada Tabel 5.4. di atas menunjukkan bahwa nilai Chi-square Model sebesar 37,854dengan nilai probabilitas signifikansi model sebesar 0,000 < 0,05. Dengan demikian dapat disimpulkan bahwa semua variabel bebas secara simultan mempengaruhi variabel terikat atau setidaknya terdapat satu variabel bebas yang mempengaruhi variabel terikat. b. Uji Signifikansi Parsial (Partial Test) Uji parsial dilakukan untuk mengetahui pengaruh variabel bebas secara parsial terhadap variabel terikat. Kriteria pengujiannya yaitu jika nilai signifikansi > 0,05, maka variabel bebas tidak mempengaruhi variabel terikat. Sebaliknya, jika nilai signifikansi < 0,05, maka variabel bebas mempengaruhi variabel terikat. Nilai willingness to pay (WTP) dalam penelitian ini menggunakan metode Dichotomous Choice yang dihasilkan dari wawancara 10 orang wisatawan dalam Focus Group Discussion (FGD) dengan nilai rata-rata willingness to pay (EWTP) responden yaitu sebesar Rp. 8.200. Nilai variabel terikat dummy WTP adalah 1 jika WTP = Rp. 8.200 dan 0 jika WTP ≠ Rp. 8.200. Maka hasil uji signifikansi parsial ditunjukkan pada Tabel 5.5. berikut ini.
77
Tabel 5.5. Hasil Uji Signifikansi Parsial Variabel Constant JK(1) US SP(1) PDDKN PDPTN FK
Koefisien -4,190 (1,662) 0,092 (0,571) 0,014 (0,044) 1,359 (0,859) -0,043 (0,089) 0,728*** (0,335) 0,747*** (0,194)
Sig.
Exp(𝜷)
0,012
0,015
0,871
1,097
0,746
1,014
0,114
3,894
0,629
0,958
0,030
2,070
0,000
2,110
Keterangan : Variabel terikat : dummy WTP; () menunjukkan koefisien Standar Error; ***Signifikan pada level 1% ;
Berdasarkan hasil uji signifikansi parsial pada Tabel 5.5. di atas dapat diperoleh bahwa dari ke enam variabel bebas, terdapat dua variabel yang berpengaruh terhadap willingness to pay responden untuk perbaikan kualitas objek wisata Waduk Sermo. Kedua variabel tersebut adalah pendapatan dan frekuensi kunjungan. 1) Koefisien regresi jenis kelamin (JK) memiliki nilai probabilitas signifikansi sebesar 0,871 yang lebih besar dari tingkat signifikansi pada level 10%. Dengan demikian variabel jenis kelamin secara signifikan tidak mempengaruhi willingness to pay wisatawan. 2) Koefisien regresi usia (US) memiliki nilai probabilitas signifikansi sebesar 0,746 yang juga lebih besar dari tingkat signifikansi pada level
78
10%. Maka dari itu variabel usia tidak berpengaruh secara signifikan terhadap willingness to pay wisatawan. 3) Koefisien regresi status pernikahan (SP) memiliki nilai probabilitas signifikansi sebesar 0,114 yang juga lebih besar dari tingkat signifikansi pada level 10%. Maka dari itu variabel status pernikahan tidak berpengaruh secara signifikan terhadap willingness to pay wisatawan. 4) Koefisien regresi pendidikan (PDDKN) memiliki nilai probabilitas signifikansi sebesar 0,629 lebih besar dari tingkat signifikansi pada level 10%. Dengan demikian variabel pendidikan tidak berpengaruh secara signifikan terhadap willingness to pay wisatawan. 5) Koefisien regresi pendapatan (PDPTN) memiliki nilai probabilitas signifikansi sebesar 0,030 dengan tingkat signfikansi pada level 1% sehingga dapat dinyatakan bahwa pendapatan secara signifikan mempengaruhi willingness to pay wisatawan. Nilai koefisien sebesar 0,728 menunjukkan tanda positif (+) dan nilai Exp(𝛽) sebesar 2,070 berarti bahwa peluang responden dengan willingness to pay sebesar Rp. 8.200, memiliki 2,070 kali lebih besar ketika pendapatannya meningkat sebesar 1 unit. 6) Koefisien regresi frekuensi kunjungan (FK) memiliki nilai probabilitas signifikansi sebesar 0,000 dengan tingkat signfikansi pada level 1% sehingga dapat dinyatakan bahwa frekuensi kunjungan secara signifikan mempengaruhi willingness to pay wisatawan. Nilai koefisien sebesar 0,747 menunjukkan tanda positif (+) dan nilai Exp(𝛽) sebesar 2,110
79
berarti bahwa peluang responden dengan willingness to pay sebesar Rp. 8.200, memiliki 2,110 kali lebih besar ketika frekuensi kunjungannya meningkat sebanyak 1 kali kunjungan. B. Pembahasan Berdasarkan hasil regresi di atas, interpretasi hasil penyesuaian variabel wiillingness to pay wisatawan terhadap variabel-variabel bebas dengan menggunakan regresi logit akan dipaparkan sebagai berikut. 1. Pendapatan (PDPTN) Variabel pendapatan secara statistik bernilai positif dan signifikan mempengaruhi willingness to pay wisatawan. Dari hasil tersebut diperoleh bahwa peluang responden untuk bersedia membayar akan lebih besar ketika pendapatannya meningkat. Hal ini disebabkan dengan tingginya pendapatan akan membuat wisatawan memiliki dana lebih untuk dibayarkan. Hasil ini serupa dengan hasil penelitian yang telah dilakukan oleh Prasetyo dan Saptutyningsih (2013)
yang menyatakan bahwa pendapatan berpengaruh
positif dan signifikan terhadap willingness to pay dalam upaya perbaikan kualitas lingkungan desa-desa wisata di Kabupaten Sleman. 2. Frekuensi Kunjungan (FK) Dari hasil penelitian diketahui bahwa variabel frekuensi kunjungan secara statistik juga bernilai positif dan signifikan mempengaruhi willingness to pay wisatawan. Dari hasil tersebut diperoleh bahwa peluang responden untuk bersedia membayar akan lebih besar ketika frekuensi kunjungannya meningkat. Hal tersebut terjadi karena semakin seringnya wisatawan
80
berwisata ke Waduk Sermo, wisatawan semakin mengetahui kelebihan dan kekurangan objek wisata sehingga menjadi lebih peduli terhadap kualitas objek wisata Waduk Sermo agar kunjungan berikutnya wisatawan memperoleh kepuasan yang lebih tinggi. Berbeda dengan hasil penelitian Amanda (2009), frekuensi kunjungan tidak mempengaruhi willingness to pay secara signifikan terhadap pengunjung objek wisata Danau Situgede dalam upaya pelestarian lingkungan. Untuk variabel jenis kelamin, usia, status pernikahan, dan pendidikan secara statistik tidak signifikan terhadap willingness to pay untuk perbaikan kualitas objek wisata Waduk Sermo. Hal ini disebabkan karena keempat variabel tersebut tidak mampu mencerminkan kepedulian responden sehingga terdorong untuk bersedia membayar. Selain itu menurut Majumdar, dkk (2011) variabel demografi seringkali ditemukan tidak signifikan dalam penelitian dengan menggunakan Contingent Valuation Method (CVM). Seperti halnya hasil penelitian Amanda (2009) bahwa jenis kelamin dan status pernikahan tidak mempengaruhi willingness to pay pengunjung objek wisata Danau Situgede dalam upaya pelestarian lingkungan serta hasil penelitian Yavanica (2009) menyatakan bahwa tingkat pendidikan dan usia tidak mempengaruhi willingness to pay masyarakat terhadap program perbaikan lingkungan.
81
