33
X
2
= Umur X
3
= Tingkat pendidikan X
4
= Frekuensi berkunjung X
5
= Pendapatan X
6
= Jumlah tanggungan X
7
= Transportasi ke TPMI X
8
= Biaya berkunjung ke TPMI X
9
= Kondisi alam di TPMI X
10
= Pentingnya TPMI dikembangkan X
11
= Persepsi tentang ekowisata ε
= error galat e
= Exp ß odd ratio
k k
i i
X X
X P
P Ln
L β
β β
β +
+ +
+ =
− =
.... 1
2 2
1 1
1
Persamaan tersebut disebut dengan persamaan logistiklogit. Dimana Li dikenal dengan logit, yang merupakan logaritma dari rasio sebelumnya dan linear
dalam variabel independent dan parameter. Metode estimasinya adalah Maximum Likelihood Estimotor MLE dan koefisien yang didapatkan konsisten.
3.4.2.1.4. Pengujian Model Regresi Logit
-
Uji Wald
Uji Wald ini digunakan untuk menguji perbedaan pengaruh antara taraf atribut yang bernilai 1 dengan taraf lain dari atribut tersebut yang semua
peubahnya bernilai 0.
=
i i
SE W
β β
dimana ß
i
: Vektor koefisien dihubungkan dengan penduga koefisien X SE ß
i
: Galat kesalahan dari ß
i
H = ß
i
= 0 H
1
= ß
i
34
-
Odd Ratio
Odd Ratio merupakan kemunculan dari peubah respon Y=1 sebesar exp ß kali jika taraf atribut yang peubah bonekanya bernilai 1 muncul,
dibandingkan dengan taraf atribut tersebut yang semua peubah bonekanya bernilai 0 muncul. Dengan kata lain, odd ratio merupakan interprestasi dari
sebuah peluang. -
Kebaikan Model
Berbeda dengan regresi linier, dalam regresi logit, tingkat kebaikan model dapat dilihat secara langsung dari Percentage Correct dalam Classification
Table. Semakin presentase nilai yang muncul, semakin bagus model yang digunakan.
-
Omnibus Test of Model Coeffisient
Omnibus test of model coeffisient digunakan untuk melihat apakah model yang digunakan nyata atau tidak. Dalam metode pengujian ini terdapat nilai
khi kuadrat yang merupakan ratio likelihood antara model dengan variabel dengan model tanpa variabel
-
Interprestasi koefisien
1 Jika koefisien bertanda + maka odd ratio akan lebih dari 1 2 Jika variabelnya merupakan skala nomimal dummy, maka dummy =1
memiliki kecendrungan untuk Y=1 sebesar exp ß kali dibandingkan dengan dummy 0
3 Jika variabel bukan dummy, maka semakin besar X , maka exp ß ≥
1 sehingga semakin besar nilai X semakin besar pula kecenderungan
untuk Y=1. Pada tabel 12 berikut ini dapat dilihat variabel yang digunakan dalam analisis
regresi logit. Variabel yang dihitung dalam penelitian ini sebanyak sebelas variabel.
35
Tabel 2 Variabel yang digunakan dalam analisis regresi logit
Variabel Deskripsi
Kriteria
0 = Tidak Y1
Apakah setuju membayar retribusi masuk obyek wisata TPMI
1 = Ya 0= Rp 1000 – Rp 2500
Y2 Besar retribusi masuk obyek wisata
TPMI 1= Rp 2501 – Rp 4000
0= Perempuan X
1
Jenis kelamin 1 = Laki-laki
0= Rendah SD SLTP 1= Menengah SLTA
X
2
Tingkat pendidikan 2= Tinggi PT
0=17-35 tahun X
3
Umur 1= 36-55 tahun
0= 1,5 juta 1=1,5 juta - 2 juta
2=2 juta - 2,5 juta X
4
Pendapatan per bulan
3=lebih dari 2,5 juta 0= 2 orang
1=3 – 4 orang X
5
Jumlah anggota keluarga yang menjadi tanggungan responden
2=Lebih dari 4 orang 0=Belum pernah
1=1- 2 kali X
6
Frekuensi berkunjung ke TPMI 2= 2 kali
0=Kendaraan umum X
7
Transportasi ke TPMI 1=Kendaraan Pribadi
0= Rp. 100.00,-orang X
8
Biaya sekali berkunjung ke TPMI
1=Rp. 100.000 sd 300.000.- orang 0=Cukup
X
9
Kondisi alam pemandangan di TPMI
1=Baik 0=Kurang Penting
X
10
Pentingkah TPMI dikembangkan 1=Penting
0=Tidak pernah X
11
Pernah mendengar istilah ekowisata? 1= Pernah
Sumber : Data primer diolah 2005
Variabel tidak bebas yang digunakan dalam analisis regresi logit yakni kesediaan membayar WTP. Sementara itu, variabel bebas yang digunakan adalah
sebagai berikut 1 Jenis kelamin
2 Tingkat Pendidikan 3 Umur
4 Pendapatan per bulan 5 Jumlah anggota keluarga yang menjadi tanggungan responden
36
6 Frekuensi berkunjung ke TPMI 7 Transportasi ke TPMI
8 Biaya sekali berkunjung ke TPMI 9 Kondisi alam pemandangan di TPMI
10 Pentingkah TPMI dikembangkan 11 Pernah mendengar istilah ekowisata
3.4.3. Analisis Strategi Pengembangan
