Model Fungsi Permintaan Wisata Kawasan Puncak dan Faktor- faktor yang Mempengaruhi

65

6.2.2. Model Fungsi Permintaan Wisata Kawasan Puncak dan Faktor- faktor yang Mempengaruhi

Dampak perubahan iklim mikro yang dirasakan responden di Puncak terhadap permintaan wisata dilakukan dengan model regresi linear berganda dimana ketiga parameter perubahan iklim, yaitu curah hujan, hari hujan, dan kecepatan angin merupakan variabel bebas independent dalam model fungsi permintaan wisata di kawasan Puncak. Sedangkan variabel tak bebasnya dependent adalah tingkat permintaan yang dilihat dari besarnya jumlah kunjungan responden ke Puncak dalam satu tahun terakhir. Selain parameter iklim, terdapat variabel bebas lainnya yang diduga mempengaruhi jumlah kunjungan wisatawan ke Puncak selama satu tahun terakhir. Variabel-variabel tersebut adalah biaya perjalanan, pendapatan responden, pendidikan terakhir, jarak tempuh, dan umur responden. Sehingga diperoleh delapan variabel bebas yang diduga akan mempengaruhi jumlah kunjungan responden sebagai variabel tak bebasnya. Delapan variabel tersebut adalah biaya perjalanan X 1 , kecepatan angin X 2 , curah hujan X 3 , hari hujan X 4 , pendapatan responden X 5 , pendidikan terakhir responden X 6 , jarak tempuh X 7 , dan umur responden X 8 . Regresi linear berganda meliputi pengujian hipotesis untuk mengetahui berapa besar dan nyata pengaruh faktor-faktor tersebut terhadap jumlah kunjungan wisatawan. Diperoleh hasil estimasi regresi linear berganda dengan menggunakan SPSS 13.0 for Windows seperti pada Tabel 9. 66 Tabel 9. Hasil Estimasi Model Permintaan Wisata di kawasan Puncak Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 Constant 40,770 4,496 8,845 0,000 X 1 -0,019 0,007 -0,214 -2,628 0,011 X 2 -1,288 0,733 -0,138 -1,757 0,085 X 3 -2,213 0,780 -0,227 -2,838 0,006 X 4 -3,840 0,968 -0,333 -3,969 0,000 X 5 1,548 0,456 0,284 3,392 0,001 X 6 -0,751 0,717 -0,064 -1,047 0,300 X 7 -39,770 0,663 -0,233 -3,457 0,001 X 8 -0,019 0,061 -0,044 -0,766 0,447 Dependent Variable: jumlah kunjungan Sumber: Data primer diolah 2011 Berdasarkan Tabel 9 dapat dilihat bahwa hampir semua variabel bebas X berpengaruh nyata terhadap variabel tidak bebasnya Y, karena memiliki nilai Sig . lebih kecil dari alpha α 5 dan 10. Terdapat dua variabel bebas yang tidak berpengaruh nyata, yaitu pendidikan terakhir X 6 dan umur responden X 8 karena memiliki nilai Sig. lebih besar dari alpha α 5 dan 10. Sehingga didapat model fungsi permintaan wisata di kawasan Puncak dengan hanya memasukkan variabel bebas yang berpengaruh nyata, yaitu: Y t = 40,770 – 0,019X 1 – 1,288X 2 – 2,213X 3 – 3,840X 4 + 1,548X 5 – 39,770X 7 Berdasarkan model tersebut diketahui bahwa variabel-variabel bebas yang berpengaruh nyata terhadap jumlah kunjungan wisatawan adalah sebagai berikut: 1. Biaya Perjalanan X 1 Biaya perjalanan merupakan penjumlahan seluruh biaya yang dikeluarkan wisatawan selama melakukan kegiatan wisata. Variabel biaya perjalan memiliki Sig . sebesar 0,011 menunjukkan bahwa variabel biaya perjalanan berpengaruh nyata pada taraf kepercayaan α 5. Nilai koefisien pada variabel ini bertanda negatif yaitu sebesar 0,019. Hal tersebut menunjukkan bahwa setiap peningkatan 67 biaya perjalanan sebesar Rp 1.000 akan menurunkan jumlah kunjungan sebanyak 0,019 kali per tahun, cateris paribus. 2. Kecepatan Angin X 2 Variabel kecepatan angin memiliki Sig. sebesar 0,085 menunjukkan bahwa variabel kecepatan angin berpengaruh nyata pada taraf kepercayaan α 10. Nilai koefisien pada variabel ini bertanda negatif yaitu sebesar 1,288. Hal tersebut menunjukkan bahwa setiap kenaikan kecepatan angin sebesar satu satuan akan menurunkan jumlah kunjungan sebanyak 1,288 kali per tahun, cateris paribus . Hal ini karena kecepatan angin yang besar membuat wisatawan tidak dapat melakukan kegiatan wisatanya karena beberapa wisata tertentu di Puncak tidak dapat berjalan bila kecepatan angin terlalu tinggi. Selain itu juga karena wisatawan merasa khawatir terjadinya resiko kecelakaan bila angin terlalu kencang. 3. Curah Hujan X 3 Variabel curah hujan memiliki Sig. sebesar 0,006 menunjukkan bahwa variabel curah hujan berpengaruh nyata pada taraf kepercayaan α 5. Nilai koefisien pada variabel ini bertanda negatif yaitu sebesar 2,213. Hal tersebut menunjukkan bahwa setiap kenaikan curah hujan sebesar satu satuan akan menurunkan jumlah kunjungan sebanyak 2,213 kali per tahun, cateris paribus. Hal ini dapat disebabkan karena curah hujan yang besar dapat mengganggu kondisi di tempat wisata seperti jalanan menjadi licin dan juga timbul resiko terjadinya longsor, sehingga mempengaruhi wisatawan dalam mengambil keputusan untuk berwisata. 68 4. Hari Hujan X 4 Variabel hari hujan memiliki Sig. sebesar 0,000 menunjukkan bahwa variabel curah hujan berpengaruh nyata pada taraf kepercayaan α 5. Nilai koefisien pada variabel ini bertanda negatif yaitu sebesar 3,840. Hal tersebut menunjukkan bahwa setiap kenaikan jumlah hari hujan sebesar satu satuan akan menurunkan jumlah kunjungan sebanyak 3,840 kali per tahun, cateris paribus. Hal ini dapat disebabkan karena kegiatan wisata khususnya wisata outdoor tidak dapat berjalan dengan baik bila terjadi hujan sehingga kegiatan wisata pengunjung menjadi terganggu. Selain itu juga biasanya wisatawan menjadi tidak tertarik dan merasa malas untuk berwisata bila terjadi hujan. Berdasarkan hasil estimasi model permintaan wisata di kawasan Puncak, ketiga parameter iklim yang dievaluasi, yakni kecepatan angin, curah hujan, dan hari hujan memiliki pengaruh signifikan terhadap permintaan wisata di kawasan Puncak. 5. Pendapatan Responden X 5 Variabel pendapatan memiliki Sig. sebesar 0,001 menunjukkan bahwa variabel pendapatan berpengaruh nyata pada taraf kepercayaan α 5. Nilai koefisien pada variabel ini bertanda positif yaitu sebesar 1,548. Hal tersebut menunjukkan bahwa setiap kenaikan pendapatan sebesar satu rupiah akan meningkatkan jumlah kunjungan sebanyak 1,548 per tahun, cateris paribus. Hal ini dapat disebabkan karena wisatawan yang memiliki pendapatan relatif tinggi akan memiliki peluang yang lebih besar untuk melakukan berbagai jenis kegiatan wisata di Puncak karena dapat mengalokasikan dana lebih besar dibandingkan dengan wisatawan yang pendapatannya rendah. 69 6. Jarak Tempuh X 7 Variabel jarak tempuh memiliki Sig. sebesar 0,001 menunjukkan bahwa variabel jarak tempuh berpengaruh nyata pada taraf kepercayaan α 5. Nilai koefisien pada variabel ini bertanda negatif yaitu sebesar 39,770. Hal tersebut menunjukkan bahwa setiap kenaikan jarak tempuh sebesar satu km akan menurunkan jumlah kunjungan sebanyak 39,770 kali per tahun, cateris paribus. Hal ini karena wisatawan yang berdekatan dengan lokasi wisata akan melakukan kunjungan lebih banyak dibandingkan dengan wisatawan yang berasal dari lokasi yang jauh. Sementara itu, terdapat dua variabel dalam model fungsi permintaan wisata yang tidak berpengaruh nyata secara parsial terhadap model. Variabel- variabel tersebut adalah tingkat pendidikan X 6 dan umur responden X 8 . 1. Lamanya Tingkat Pendidikan X 6 Lamanya tingkat pendidikan pada umumnya dapat mempengaruhi tingkat pengetahuan responden yang akhirnya dapat mempengaruhi jenis aktifitas wisata yang disukai. Namun dalam model fungsi permintaan wisata kawasan Puncak yang diperoleh, variabel tersebut tidak berpengaruh nyata. Hal ini dapat disebabkan karena semua orang dengan jenjang pendidikan yang berbeda dapat berwisata ke Puncak tanpa dipengaruhi oleh tinggi rendahnya jenjang pendidikan yang ditempuh. 2. Umur Responden X 8 Umur atau tingkat usia seseorang berpengaruh pada aktifitas wisata yang mereka lakukan. Anak-anak, remaja, dan usia dewasa memiliki kecenderungan aktifitas wisata yang berbeda. Namun, estimasi fungsi model permintaan wisata 70 kawasan Puncak menunjukkan bahwa umur responden tidak berpengaruh nyata pada model. Hal ini dapat disebabkan karena dalam penelitian ini anak-anak tidak dijadikan responden, padahal kawasan Puncak merupakan kawasan wisata yang dapat dinikmati oleh semua kalangan usia, mulai dari anak-anak hingga dewasa. Pengujian parameter dalam model regresi linear berganda dilakukan untuk mengetahui pengaruh dari variabel bebas independent terhadap variabel tak bebasnya dependent. Selain itu juga untuk mengetahui ada atau tidak adanya suatu kesalahan dalam model. Beberapa pengujian parameter tersebut antara lain: 1. Koefisien Determinasi R 2 Berdasarkan hasil estimasi regresi linear berganda yang dilakukan dengan menggunakan program SPSS 13.0 for Windows, diperoleh R 2 sebesar 0,879 seperti pada Tabel 10 berikut ini: Tabel 10. Hasil Estimasi Koefisien Determinasi Model Permintaan Wisata Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 0,933 a 0,870 0,850 3,38530 2,004 a. Predictors: Constant, X 1 , X 2 , X 3 ,X 4 , X 5 , X 6 , X 7 , X 8 b. Dependent Variable: jumlah kunjungan Sumber: Data primer diolah 2011 Koefisien determinasi yang diperoleh yaitu sebesar 87. Artinya, keragaman jumlah kunjungan responden mampu dijelaskan oleh variabel bebas X 1 , X 2 , X 3 ,X 4 , X 5 , X 6 , X 7 , dan X 8 dalam model sebesar 87 sedangkan sisanya sebesar 13 dijelaskan oleh faktor lain di luar model. Sehingga dapat disimpulkan bahwa model tersebut memiliki daya ramal yang sangat baik. 2. Uji Statistik F Uji statistik F dilakukan untuk menguji model regresi secara keseluruhan, dimana semua koefisien yang terlibat secara simultan memberikan pengaruh 71 nyata terhadap variabel dependen. Tabel 11 menunjukkan Sig. dari uji-F berdasarkan hasil estimasi regresi linear berganda sebagai berikut: Tabel 11. Hasil Estimasi Uji ANOVA Model Permintaan Wisata di Puncak ANOVA b Model Sum of Squares df Mean Square F Sig. 1 Regression 3916,86 8 489,607 42,722 0,000 a Residual 584,474 51 11,460 Total 4501,333 59 Sumber: Data primer diolah 2011 Hipotesis untuk uji-F yaitu: H : model tidak berpengaruh nyata H 1 : model berpengaruh nyata Berdasarkan Tabel 11 diperoleh nilai Sig. lebih kecil dari α 5, yang berarti tolak H . Sehingga dapat kita simpulkan bahwa model berpengaruh nyata atau variabel bebas secara bersama-sama simultan berpengaruh nyata terhadap variabel tidak bebasnya jumlah kunjugan. 3. Uji Statistik t Uji Satistik t dilakukan untuk mengetahui pengaruh variabel bebas secara parsial terhadap variabel tak bebas atau uji masing-masing variabel bebas terhadap variabel tak bebasnya. Hipotesis untuk uji-t yaitu: H : β=0 X tidak berpengaruh nyata terhadap Y H 1 : β≠0 X berpengaruh nyata terhadap Y Berdasarkan hasil estimasi regresi linear berganda pada Tabel 9 diperoleh hasil sebagai berikut: a Sig.0,011 α 5 artinya tolak H sehingga disimpulkan bahwa biaya perjalanan X 1 berpengaruh nyata terhadap jumlah kunjungan pada taraf 5. 72 b Sig.0,085 α 10 artinya tolak H sehingga disimpulkan bahwa kecepatan angin X 2 berpengaruh nyata terhadap jumlah kunjungan pada taraf 10. c Sig.0,006 α 5 artinya tolak H sehingga disimpulkan bahwa curah hujan X 3 berpengaruh nyata terhadap jumlah kunjungan pada taraf 5. d Sig.0,000 α 5 artinya tolak H sehingga disimpulkan bahwa hari hujan X 4 berpengaruh nyata terhadap jumlah kunjungan pada taraf 5. e Sig.0,001 α 5 artinya tolak H sehingga disimpulkan bahwa pendapatan X 5 berpengaruh nyata terhadap jumlah kunjungan pada taraf 5. f Sig.0,300 α 10 artinya terima H sehingga disimpulkan bahwa pendidikan X 6 tidak berpengaruh nyata terhadap jumlah kunjungan pada taraf 5 dan 10. g Sig.0,001 α 5 artinya tolak H sehingga disimpulkan bahwa jarak tempuh X 7 berpengaruh nyata terhadap jumlah kunjungan pada taraf 5. h Sig.0,447 α 10 artinya terima H sehingga disimpulkan bahwa umur X 8 tidak berpengaruh nyata terhadap jumlah kunjungan pada taraf 5 dan 10. 4. Uji Multikolinear Uji multikolinear dilakukan dengan melihat koefisien korelasi antar peubah penjelas X. Berdasarkan hasil analisis regresi berganda, semua variabel X memiliki korelasi di bawah 95, maka dapat dikatakan tidak terjadi multikolinearitas dalam model. Pada Tabel 12, hasil perhitungan nilai tolerance juga menunjukkan tidak ada peubah X independent yang memiliki nilai tolerance kurang dari 0,10 yang berarti tidak ada korelasi antar peubah yang melebihi 95. Hasil perhitungan Variance Inflation Factor VIF juga 73 menunjukkan tidak ada satu variabel bebas pun yang memiliki nilai VIF lebih dari 10. Maka dapat disimpulkan bahwa tidak terjadi masalah multikolinearitas dalam model regresi. Tabel 12. Hasil Estimasi Tolerance dan VIF dari Model Permintaan Wisata Collinearity Statistics Model Tolerance VIF 1 Constant X1 0,382 2,615 X2 0,415 2,410 X3 0,398 2,512 X4 0,361 2,772 X5 0,364 2,749 X6 0,681 1,469 X7 0,558 1,791 X8 0,781 1,280 Sumber: Data primer diolah 2011

5. Uji Heteroskedastisitas

Gambar 21 merupakan grafik scatterplots Y=SRESID dan X=ZPRED yang diperoleh dari hasil estimasi regresi linear berganda dengan program SPSS 13.0 for Windows menunjukkan bahwa titik-titik menyebar secara acak serta tersebar baik di atas maupun di bawah angka 0 pada sumbu Y. Sehingga dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada model regresi. Sumber: Data primer diolah 2011 Gambar 21. Grafik Scatterplots Y=SRESID dan X=ZPRED 74 Hanya saja grafik scatterplots memiliki kelemahan karena jumlah pengamatan mempengaruhi hasil ploting. Oleh karena itu dilakukan pengujian untuk mendeteksi ada tidaknya heteroskedastisitas. Pada Tabel 13 menunjukkan hasil uji yang digunakan, yaitu Uji Park, dimana: Regresi LnResidual 2 = fX i , Ln U 2i = b + b 1 X 1 + …+ b 8 X 8 Tabel 13. Hasil Estimasi Uji Park Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 Constant -2,49 3,472 -0,717 0,476 X 1 0,01 0,006 0,369 1,826 0,174 X 2 0,725 0,566 0,248 1,281 0,206 X 3 0,102 0,602 0,033 0,169 0,866 X 4 -1,132 0,747 -0,315 -1,515 0,136 X 5 0,391 0,352 0,23 1,11 0,272 X 6 0,051 0,554 0,014 0,093 0,926 X 7 0,111 0,512 0,036 0,216 0,830 X 8 0,005 0,047 0,015 0,108 0,914 a. Dependent Variable: LnResid 2 Sumber: Data primer diolah 2011 Hasil output di atas memberikan koefisien parameter untuk variabel independen X tidak ada yang berpengaruh nyata karena memiliki nilai Sig. lebih besar dari α 5 dan 10, sehingga dapat disimpulkan bahwa pada model regresi tidak terdapat heteroskedastisitas. Hal ini konsisten dengan hasil uji scatterplots. Pengaruh atau keterkaitan antara perubahan iklim mikro terhadap permintaan salah satu tempat wisata di Puncak, yaitu kebun teh Gunung Mas juga dianalisis dengan menggunakan model regresi linear berganda dimana data yang digunakan adalah data sekunder Januari 2007-Desember 2010. Estimasi dengan model regresi linear berganda ini digunakan untuk menentukan fungsi permintaan wisata sebagai variabel tidak bebas dependent dan unsur iklim sebagai variabel 75 bebasnya independent. Diperoleh hasil estimasi regresi linear berganda dengan menggunakan SPSS 13.0 for Windows seperti pada Tabel 14. Tabel 14. Hasil Estimasi Model Permintaan Wisata Kebun Teh Gunung Mas di kawasan Puncak Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 Constant 36.335,38 1.377,76 26,37 0,000 X 1 -11,194 6,000 -0,267 -1,866 0,069 X 2 -287,299 168,938 -0,328 -1,701 0,096 X 3 -1.058,66 570,579 -0,301 -1,855 0,070 R 2 70,1 F-Statistik 34,402 0,000 a Dependent Variable: jumlah kunjungan Sumber: Data primer diolah 2011 Berikut ini adalah model fungsi permintaan wisata kebun teh Gunung Mas yang diperoleh seperti pada Tabel 14, yaitu: Y= 36.335,38 - 11,194X 1 - 287,299X 2 - 1.058,66X 3 Dimana: Y = Jumlah pengunjung wisata kebun teh Gunung Mas orang X 1 = Hari hujan hari X 2 = Kecepatan angin kmjam X 3 = Curah hujan mm Model fungsi permintaan di atas memiliki R 2 sebesar 0,701 yang artinya keragaman jumlah pengunjung mampu dijelaskan oleh variabel X 1 , X 2 , dan X 3 dalam model sebesar 70,1 sedangkan sisanya dijelaskan oleh faktor lain di luar model. Berdasarkan hasil estimasi model regresi linear berganda yang tertera pada Tabel 14, diketahui bahwa ketiga parameter iklim berpengaruh nyata terhadap jumlah pengunjung wisata di Gunung Mas dimana nilai Sig. lebih kecil dari alpha α 10. 76 1. Hari Hujan X 1 Variabel hari hujan memiliki Sig. sebesar 0,069 menunjukkan bahwa variabel hari hujan berpengaruh nyata pada taraf kepercayaan α 10. Nilai koefisien pada variabel ini bertanda negatif yaitu sebesar 11,194. Hal tersebut menunjukkan bahwa setiap kenaikan jumlah hari hujan sebanyak satu hari akan menurunkan jumlah pengunjung sebanyak 11,194 orang, cateris paribus. 2. Kecepatan Angin X 2 Variabel kecepatan angin memiliki Sig. sebesar 0,096 menunjukkan bahwa variabel kecepatan angin berpengaruh nyata pada taraf kepercayaan α 10. Nilai koefisien pada variabel ini bertanda negatif yaitu sebesar 287,299. Hal tersebut menunjukkan bahwa setiap kenaikan kecepatan angin sebesar satu kmjam akan menurunkan jumlah pengunjung sebanyak 287,299 orang, cateris paribus . 3. Curah Hujan X 3 Variabel curah hujan memiliki Sig. sebesar 0,070 menunjukkan bahwa variabel curah hujan berpengaruh nyata pada taraf kepercayaan α 10. Nilai koefisien pada variabel ini bertanda negatif yaitu sebesar 1.058,655. Hal tersebut menunjukkan bahwa setiap kenaikan curah hujan sebanyak satu mm akan menurunkan jumlah pengunjung sebanyak 1.058,655 orang, cateris paribus. Pengujian parameter dalam model regresi linear berganda ini juga penting dilakukan untuk mengetahui ada atau tidak adanya suatu kesalahan dalam model. Beberapa pengujian parameter tersebut antara lain: 77 1. Uji Multikolinear Pada Tabel 15, hasil perhitungan nilai tolerance menunjukkan tidak ada peubah X independent yang memiliki nilai tolerance kurang dari 0,10 yang berarti tidak ada korelasi antar peubah yang melebihi 95. Hasil perhitungan Variance Inflation Factor VIF juga menunjukkan tidak ada satu variabel bebas pun yang memiliki nilai VIF lebih dari 10. Maka dapat disimpulkan bahwa tidak terjadi masalah multikolinearitas dalam model regresi. Tabel 15. Hasil Estimasi Tolerance dan VIF dari Model Permintaan Wisata Kebun Teh Gunung Mas Collinearity Statistics Model Tolerance VIF 1 Constant X1 0,331 3,024 X2 0,182 5,491 X3 0,258 3,881 Sumber: Data primer diolah 2011 2. Uji Heteroskedastisitas Uji Park dilakukan untuk mendeteksi ada tidaknya heteroskedastisitas. Pada Tabel 16 menunjukkan hasil uji yang digunakan, yaitu Uji Park, dimana: Regresi LnResidual 2 = fX i , Ln U 2i = b + b 1 X 1 + …+ b 3 X 3 Tabel 16. Hasil Estimasi Uji Park dari Model Permintaan Wisata Kebun Teh Gunung Mas Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 Constant 15,602 0,629 24,807 X 1 -0,004 0,003 -0,402 -1,616 0,113 X 2 -0,025 0,077 -0,11 -0,328 0,745 X 3 0,319 0,26 0,345 1,224 0,228 a. Dependent Variable: LnResid 2 Sumber: Data primer diolah 2011 Hasil output di atas memberikan koefisien parameter untuk variabel independen X tidak ada yang berpengaruh nyata karena memiliki nilai Sig. lebih 78 besar dari α 5 dan 10, sehingga dapat disimpulkan bahwa pada model regresi tidak terdapat heteroskedastisitas.

6.2.3. Pengaruh Kecepatan Angin terhadap Permintaan Wisata