48
TWTP
= t
terdapat beberapa pilihan dengan gambar daerah Tumbuhan Sowang yang masih banyak, sudah punah atau hilang dengan kualitas lingkungan yang buruk. Kelebihan
metode ini adalah memberikan semacam stimulan untuk membantu responden berpikir lebih leluasa tentang nilai maksimum yang akan diberikan tanpa harus
terintimidasi dengan nilai tertentu, seperti pada metode tawar menawar.
3. Memperkirakan Nilai Rata-rata WTP Tumbuhan Sowang
WTP Tumbuhan Sowang dapat diduga dengan menggunakan nilai rata-rata dari penjumlahan keseluruhan nilai WTP dibagi dengan jumlah responden. Dugaan
rataan WTP dihitung dengan rumus :
Dimana : MWTP = Rata-rata mean WTP
n = Jumlah sampel
WTP
i
= Nilai WTP maksimum responden ke - i i
= Responden ke-i yang bersedia membayar
4. Menjumlahkan Data
Setelah menduga nilai tengah WTP maka selanjutnya diduga nilai total WTP dari masyarakat dengan menggunakan rumus :
Dimana : TWTP = Total WTP
WTPi = WTP individu sampel ke-i n
i
= Jumlah sampel ke-i yg bersedia membayar sebesar WTP N
= Jumlah sampel P
= Jumlah populasi i
= Responden ke-i yang bersedia membayar
n i
i
WTP n
MWTP
1
1
49
4.4.3. Analisis Kesediaan Membayar untuk Nilai WTP Tumbuhan Sowang
Analisis kesediaan setiap responden untuk membayar dalam upaya pelestarian Tumbuhan Sowang pada kawasan cagar alam Pegunungan Cycloops dilakukan
dengan menggunakan analisis regresi logit. Menurut Pujianti 2008, regresi logistik terdiri dari regresi logistik biner dan regresi logistik multinomial. Regresi logistik
biner digunakan saat variabel dependen merupakan variabel dikotomus kategorik dengan 2 macam kategori, sedangkan Regresi Logistik Multinomial digunakan saat
variabel dependen adalah variabel kategorik dengan lebih dari 2 kategori. Regresi Logistik tidak memodelkan secara langsung variabel dependen Y dengan variabel
independent X, melainkan melalui transformasi variabel dependen ke variabel logit yang merupakan natural log dari odds rasio. Transformasi tersebut diformulasikan
sebagai persamaan:
dimana L
i
sering disebut sebagai indeks model logistik, yang nilainya sama dengan ln
; dan adalah odd, yaitu nilai rasio kemungkinan terjadinya suatu
peristiwa dengan kemungkinan tidak terjadinya peristiwa. Parameter model estimasi logit harus diestimasi dengan metode maximum likelihood ML.
Analisis regresi logit digunakan untuk menganalisis peluang kesediaan responden untuk memberikan nilai dengan model logistiknya sebagai berikut:
L
i
= β0 + β
1
JKi + β
2
URi + β
3
TPi + β
4
PKi + β
5
PRi + β
6
KRi + β
7
JRi + β
8
ARi + εi
Dimana : L
i
= Peluang responden bersedia untuk membayar bernilai 1 untuk “setuju” dan bernilai 0 untuk “tidak setuju”
β0 = Intersep
Β
1
,.., β
8
= Koefisien regresi JK
= Jumlah Keluarga dari para responden UR
= Usia responden Tahun TP
= Tingkat pendidikan responden PK
= Pekerjaan dari para responden dummy bernilai 1 untuk pekerjaan “PNSTNIPolisi” dan yang lain bernilai 0, dummy
L
i
= Ln =
β0 + β
1
X
1i
+ β
2
X
2i
L + … + β
n
X
ni
+ εi
50
bernilai 1 untuk pekerjaan “Swasta Pedagang” dan yang lain bernilai 0, dummy 3 bernilai 1 untuk pekerjaan “Petani
Buruh” dan yang lain bernilai 0
PR = Rata-rata Pendapatan responden per bulan dummy bernilai 1
untuk pendapatan “Rp.500.000–Rp.1.000.000” dan yang lain bernilai 0, dummy 2 bernilai 1 untuk pendapatan
“Rp.1.100.000–Rp.1.500.000” dan yang lain bernilai 0, dummy 3 bernilai 1 untuk pendapatan “Rp.1.600.000–
Rp.2.000.000” dan yang lain bernilai 0, dummy 4 bernilai 1 untuk pendapatan “Rp.1.600.000–Rp.2.000.000” dan yang lain
bernilai 0
KR = Rata-rata Pengeluaran responden per bulan dummy bernilai 1
untuk pengeluaran “Rp.500.000–Rp.1.000.000” dan yang lain bernilai
0, dummy 2 bernilai 1 untuk pengeluaran “Rp.1.100.000–Rp.1.500.000” dan yang lain bernilai 0,
dummy 3 bernilai 1 untuk pengeluaran “Rp.1.600.000– Rp.2.000.000” dan yang lain bernilai 0, dummy 4 bernilai 1
untuk pengeluaran “Rp.1.600.000–Rp.2.000.000” dan yang lain bernilai 0
JR = Jarak rumah ke lokasi pemanfaatan Tumbuhan Sowang Km
AR = Asal dari setiap responden dummy bernilai 1 untuk asal
responden “masyarakat asli” dan yang lain bernilai 0, dummy 2 bernilai 1 untuk asal responden “masyarakat pendatang” dan
yang lain bernilai 0.
i = Responden ke-i yang bersedia ikut untuk pelestarian
tumbuhan Sowang i = 1, 2, 3,…, n ε
= Error Variabel jumlah keluarga, usia responden, tingkat pendidikan, pekerjaan
responden, tingkat pendapatan, tingkat pengeluaran, jarak responden, dan asal responden diduga merupakan variabel yang berpengaruh terhadap kesediaan
membayar dalam upaya pelestarian Tumbuhan Sowang. Variabel-variabel tersebut dipilih berdasarkan teori-teori yang ada dan penelitian-penelitian terdahulu.
51
4. 5. Pengujian Parameter 4.5.1. Odds Ratio