75
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 -2 Log
likelihood Cox Snell R
Square Nagelkerke R
Square
1 97,518
0,315 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
76
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 Chi-square
Df Sig.
1 10,260
8 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.
77
Tabel 5.4. Hasil Uji Signifikansi Simultan
Chi-square Df
Sig. Step 1 Step
37,854 6
0,000
Block
37,854 6
0,000
Model 37,854
6
0,000
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.
78
Tabel 5.5. Hasil Uji Signifikansi Parsial
Variabel Koefisien
Sig. Exp
� Constant
-4,190 1,662
0,012 0,015
JK1 0,092
0,571 0,871
1,097 US
0,014 0,044
0,746 1,014
SP1 1,359
0,859 0,114
3,894 PDDKN
-0,043 0,089
0,629 0,958
PDPTN 0,728
0,335 0,030
2,070 FK
0,747 0,194
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
79
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 � 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
� sebesar 2,110
80
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
