untuk mendapatkan barang tersebut. WTP merefleksikan kemampuan membayar seseorang. Tingkat kesejahteraan seseorang dapat mempengaruhi keinginannya
untuk berkorban Putri et.al 2010. Haab dan McConnel 2002 dalam Fauzi 2010 menyatakan bahwa
pengukuran WTP yang dapat diterima reasonable harus memenuhi syarat: 1. WTP tidak memiliki batas bawah yang negatif
2. Batas atas WTP tidak boleh melebihi pendapatan 3. Adanya konsistensi antara keacakan randomness pendugaan dan keacakan
perhitungannya. WTP memiliki beberapa kelemahan dalam pengukuran keinginan
membayar. Misalnya, meskipun sebagian barang dan jasa yang dihasilkan dari sumberdaya alam dapat diukur nilainya karena diperdagangkan, sebagian yang
lain seperti keindahan pantai atau laut, kebersihan, dan keaslian alam tidak diperdagangkan sehingga tidak atau sulit diketahui nilainya, karena masyarakat
tidak membayar secara langsung. Selain itu, karena masyarakat tidak familier dengan cara pembayaran jasa seperti itu, keinginan membayar mereka juga sulit
diketahui. Walaupun demikian, dalam pengukuran nilai sumberdaya alam, nilai tersebut tidak selalu harus diperdagangkan untuk mengukur nilai moneternya,
yang diperlukan di sini adalah pengukuran seberapa besar kemampuan membayar masyarakat untuk memperoleh barang dan jasa dari sumberdaya Fauzi 2010.
2.4 Analisis Logistik
Menurut Rosadi 2011, regresi logistik merupakan salah satu model statistika yang dapat digunakan untuk menganalisis pola hubungan antara
sekumpulan variabel independen dengan suatu variabel dependen bertipe kategoris atau kualitatif. Kategori dari variabel dependen dapat terdiri atas dua
kemungkinan nilai dichotomous, seperti ya atau tidak, sukses atau gagal, dan lain-lain, atau lebih dari dua nilai polychotomous, seperti sangat tidak setuju,
tidak setuju, setuju, dan sangat setuju. Tujuan utama dari analisis regresi logistik adalah sebagai berikut:
1. Memprediksi probabilitas terjadinya atau tidak terjadinya event terjadinya nonevent berdasarkan nilai-nilai predictor yang ada. Event merupakan status
variabel respon yang menjadi pokok perhatian diberi nilai kode yang lebih tinggi daripada nonevent.
2. Mengklasifikasikan subjek penelitian berdasarkan ambang threshold probabilitas.
Model logit diturunkan berdasarkan fungsi peluang logistik kumulatif, dimana fungsi logit harus ditransformasikan sedemikian rupa agar menjadi bentuk
linier, salah satu bentuk transformasinya dikenal dengan transformasi logit. Li = Ln
= β + β
1
X
1
+ β
2
X
2
+ ... + β
j
X
j
Li dikenal dengan logit, yang merupakan logaritma dari rasio sebelumnya dan linier dalam variabel independen dan parameter. Estimasi parameter dari
metode regresi logistik dapat dilakukan dengan metode maximum likelihood estimator mle, dimana parameter optimal dapat diperoleh dengan metode
numerik Rosadi 2011. Interpretasi model logistik sama seperti model OLS yaitu dengan slope dari parameter. Slope diinterpretasikan sebagai perubahan logit p
akibat perubahan satu unit peubah bebas. β
adalah intersep model, β
j
adalah slope model peubah ke-j, dan X
j
adalah peubah penjelas ke-j. Peubah P
i
1-P
i
disebut odds, sering juga diistilahkan sebagai risiko atau kemungkinan, yaitu rasio peluang terjadi pilihan-1 terhadap peluang terjadi
pilihan-0 alternatifnya. Makin besar odds makin besar peluang terjadinya pilihan- 1. Jika peluang dari salah satu pilihan bernilai ½ maka nilai odds nya sama dengan
satu. Jika peluang pilihan-1 sebesar 0.8 lebih dari ½ maka nilai odds nya empat lebih dari satu. Oleh karena itu, nilai odds merupakan suatu indikator
kecenderungan seseorang menentukan pilihan-1 Juanda 2009. Beberapa ukuran yang dapat digunakan untuk mengevaluasi tingkat
kesesuaian model regresi logistik dengan data yaitu Pseudo-R
2
dan Proporsi Konkorinasi. Pseudo-R
2
merupakan nilai perkiraan atau pendekatan dari koefisien determinasi. Proporsi Konkorinasi yaitu menyatakan persentase secara deskriptif
data yang dapat diklasifikasikan secara tepat ke setiap kategori respons oleh model regresi logistik yang terbentuk.
