Key Player HASIL DAN PEMBAHASAN

Untuk menguji model estimasi ini, maka perlu dilakukan perhitungan dengan memasukkan angka rataan masing-masing variabel. Estimasi proxy WTP warisan = 42064 – 1232 40 – 766 4 + 620 6 + 0,0254 1000000 + 626 40 = 43.880 Berdasarkan hasil tersebut maka model estimasi tersebut dianggap cukup baik untuk mengestimasi nilai proxy WTP warisan karena rataan proxy WTP berdasarkan Excel Rp 49.700 dianggap cukup mendekati perhitungan dengan model Rp 43.880. Perlu diperhatikan bahwa hasil ini hanya proxy WTP estimasi, karena hasil ini didapat dari proxy WTP responden. Hasil regresi menunjukkan bahwa R-square dari regresi linear berganda untuk proxy WTP warisan ini adalah sebesar 67,3 yang menandakan bahwa sebesar 67,3 faktor-faktor yang mempengaruhi proxy WTP warisan hutan TNGHS dapat dijelaskan di dalam model, sedangkan untuk 22,3 dijelaskan oleh faktor lainnya yang berada di luar model. Nilai R-square ini juga sudah dianggap cukup baik dan layak untuk memprediksi besarnya proxy WTP warisan. Besarnya koefisien umur yaitu 1231,9 menjelaskan bahwa setiap bertambahnya umur masyarakat di Desa Puraseda dan Malasari sebanyak 1 tahun akan mengurangi proxy WTP warisan sebesar Rp 1.232tahun. Hal ini mengindikasikan bahwa semakin menua umur warga di Desa Puraseda dan Malasari maka keinginan menjaga TNGHS agar dapat dinikmati anak cucu mereka semakin berkurang. Hal ini dikarenakan paradigma yang masih kuat melekat pada warga Desa Malasari dan Puraseda bahwa TNGHS adalah milik Tuhan yang tidak membutuhkan perawatan dan penjagaan, serta bisa diekstraksi terus menerus. Dapat terlihat bahwa minimnya kesadaran untuk menjaga TNGHS. Koefisien variabel pendapatan sebesar 0,0254 dapat diartikan bahwa bertambahnya pendapatan masyarakat sebesar Rp 10.000bulan maka diprediksi bahwa akan meningkatkan proxy WTP sebesar Rp 254rumah tangga. Artinya semakin tinggi tingkat kesejahteraan sebuah rumah tangga di Desa Puraseda dan Malasari maka semakin tinggi juga kesadaran mereka untuk menjaga TNGHS agar dapat dinikmati anak cuc mereka di masa mendatang. Dan besaran koefisien lama tinggal yaitu 626 dapat diinterpretasikan bahwa jika masyarakat menambah lamanya mereka tinggal di kawasan tersebut sebanyak 1 tahun maka besarnya proxy WTP akan meningkat sebanyak Rp 626tahun. Jelas terlihat bawa semakin lama warga hidup di tengah kawasan maka semakin tinggi tingkat keinginan mereka menjaga TNGHS agar tetap lestari sehingga dapat dinikmati anak cucu di masa mendatang. 6.7.3 Analisis Rataan Proxy WTP terhadap Manfaat Perlindungan Habitat dan Ekosistem Hasil regresi untuk proxy WTP perlindungan ini telah lulus uji normalitas, autokorelasi, multikolinearitas, dan heterokedastistas yang dapat dilihat pada Lampiran 12. Menurut hasil regresi pada Tabel 14, dengan menggunakan selang kepercayaan 99 atau α=0,01 maka variabel pendidikan dan pendapatan berpengaruh signifikan, sedangkan jumlah tanggungan berpengaruh nyata di α=0,05. Tabel 14. Faktor yang Mempengaruhi proxy WTP perlindungan Predictor Coef SE Coef T P VIF Constant -12733 23288 -0,55 0,589 Umur thn -729,3 445,7 -1,64 0,113 1,641 Jumlah Tanggungan 6739 2671 2,52 0,018 1,163 Pendidikan 2691,5 929,1 2,9 0,007 1,309 Pendapatan 1,017167 0,002398 7,16 0,000 1,292 Lama Tinggal 331,8 272,7 1,22 0,234 1,418 Sumber: hasil analisis 2013 Keterangan : berpengaruh nyata pada α=1 berpengaruh nyata pada α=5 Estimasi proxy WTP perlindungan = -12733 – 729 Umur tahun + 6739 Jumlah tanggungan org + 2692 pendidikan + 0,0172 Pendapatan + 332 Lama tinggal Bila dimasukkan angka dari rataan Excel maka didapt hasil sebagai berikut: Estimasi proxy WTP Perlindungan = -12733 -729 40 + 6739 4 + 2692 6 + 0,0172 1500000 + 332 40 = 40.295 Berdasarkan hasil perhitungan makamodel estimasi dianggap sudah cukup mewakili karena hasil dari model Rp 40.295 dianggap cukup mendekati hasil rata-rata aritmatika Rp 38.940. Hasil perhitungan ini adalah estimasi proxy WTP yang diperoleh dari proxy WTP responden yang berasal dari rataannnya. Hasil