Analisis korelasi Analisis koefisien determinasi

4.2.2. Analisis korelasi

Sama hal dengan tipe konservasi lahan basah, analisis korelasi antara variabel biaya perjalanan dan biaya WTP terhadap tingkat kunjungan per 1000 penduduk pada konservasi ex-situ rusa di USU, dilakukan dengan metode pearson product moment menggunakan SPSS. Berikut adalah hasil dari olahan data tersebut. Tabel 22. Hasil Analisis Korelasi Correlations Tingkat Kunjungan Per 1000 Penduduk Biaya Perjalanan Biaya WTP Pearson Correlation Tingkat Kunjungan Per 1000 Penduduk 1 0,91 0,923 Biaya Perjalanan 0,91 1 0,931 Biaya WTP 0,923 0,931 1 Sig. 1-Tailed Tingkat Kunjungan Per 1000 Penduduk . Biaya Perjalanan . Biaya WTP . N Tingkat Kunjungan Per 1000 Penduduk 20 20 20 Biaya Perjalanan 20 20 20 Biaya WTP 20 20 20 Berdasarkan Tabel 22 di atas, maka dapat dilihat bahwa besarnya hubungan antara tingkat kunjungan per 1000 penduduk dengan biaya perjalanan adalah 0,91 Artinya hubungan kedua variabel tersebut sangat kuat. Korelasi positif akan menunjukkan bahwa hubungan antara tingkat kunjungan per 1000 penduduk dengan biaya perjalanan adalah searah, sehingga jika biaya perjalanan besar maka tingkat kunjungan per 1000 penduduk akan meningkat juga. Selanjutnya, hubungan yang dapat disimpulkan dari Tabel 22 tersebut adalah bahwa hubungan antara tingkat kunjungan per 1000 penduduk dan biaya kesediaan membayar Willingness to Pay adalah 0,923. Artinya hubungan kedua variabel tersebut sangat kuat. Universitas Sumatera Utara Selain itu, dari Tabel tersebut juga dijelaskan bahwa angka signifikansi hubungan antara tingkat kunjungan per 1000 penduduk dengan biaya perjalanan dan hubungan tingkat kunjungan per 1000 penduduk dengan biaya WTP adalah sama yaitu sebesar 0,00 Sig 0,05. Ini artinya bahwa jika angka signifikansi Sig 0,05 maka ada hubungan yang signifikan antar kedua variabel tersebut.

4.2.3. Analisis koefisien determinasi

Besarnya persentasi variabel terikat yaitu tingkat kunjungan per 1000 penduduk yang dapat diprediksi dengan menggunakan variabel bebas yaitu biaya perjalanan dan biaya kesediaan membayar willingness to pay dapat diketahui dengan menganalisis koefisien determinasinya. Untuk lebih jelasnya dapat dilihat pada Tabel 23 berikut ini. Tabel 23. Koefisien Determinasi Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate 1 .933a 0,871 0,855 0,038 a Prediktor : Konstan Biaya Perjalanan, Biaya Kesediaan MembayarWillingness To Pay b Dependent Variabel: Tingkat Kunjungan Per 1000 Penduduk Angka R Square angka korelasi atau r yang dikuadratkan adalah sebesar 0,871 maka angka tersebut dapat digambarkan bahwa sebesar 87,1 jumlah prediksi tingkat kunjungan per 1000 penduduk yang terjadi terhadap konservasi satwa liar pada ruang terbuka hijau dengan tipe lahan kering dapat dijelaskan dengan menggunakan variabel jumlah biaya perjalanan dan biaya kesediaan membayar biaya WTP. Sedangkan sisanya, yaitu 12,9 1,00-0,871 dapat dijelaskan oleh faktor-faktor penyebab lainnya. Dengan demikian, besarnya pengaruh biaya perjalanan dan biaya WTP terhadap kunjungan per 1000 penduduk pada konservasi satwa liar pada ruang terbuka hijau kota medan Universitas Sumatera Utara berdasarkan tipe lahan kering yaitu konservasi ex-situ rusa di Universitas Sumatera Utara Medan sebesar 87,1. Selain itu, dapat juga diketahui besarnya standard error of estimate SEE ialah 0,038 untuk tingkat kunjungan per 1000 penduduk. Jika dibandingkan dengan angka standar deviasi STD tingkat kunjungan per 1000 penduduk sebesar 0,101 Tercantum pada Tabel 21 maka angka tersebut lebih kecil. Angka tersebut menunjukan bahwa angka SEE baik untuk dijadikan angka prediktor dalam menentukan tingkat kunjungan per 1000 penduduk terhadap konservasi satwaliar pada ruang terbuka hijau kota medan berdasarkan tipe lahan kering yaitu Konservasi Ex-situ Rusa di Universitas Sumatera Utara. Tabel 24. Hasil Deskriptif Variabel Tingkat Kunjungan Per 1000 Penduduk, Biaya Perjalanan Dan Biaya WTP Descriptive Statistics Mean Std. Deviation N Tingkat Kunjungan Per 1000 Penduduk 0,05 0,101 20 Biaya Perjalanan 135790 280638 20 Biaya Wtp 40750 86177,83022 20 Sedangkan, jika dilakukan pengunjian secara parsial atau terpisah antara tingkat kunjungan per 1000 penduduk dengan biaya perjalanan, dan tingkat kunjungan per 1000 penduduk dengan biaya WTP, maka besarnya R Square adalah sebagai berikut ini. Tabel 25. Koefisien Determinasi berdasarkan Pengujian secara Parsial Model Summary b Prediktor R R Square Adjusted R Square Std. Error Of The Estimate Biaya Perjalanan .910a 0,828 0,818 0,043 Biaya WTP .923a 0,851 0,843 0,04 a Prediktor : konstan biaya perjalanan dan biaya WTP b Dependent variabel: tingkat kunjungan per 1000 penduduk Universitas Sumatera Utara Berdasarkan Tabel 25, maka dapat disimpulkan bahwa persentasi prediktor biaya WTP lebih besar dibandingkan dengan biaya perjalanan dalam menjelaskan tingkat kunjungan per 1000 penduduk yang terjadi terhadap konservasi satwa liar pada ruang terbuka hijau di kota medan yaitu pada konservasi ex-situ rusa di USU. Besarnya persentasi prediktor biaya WTP dan biaya perjalanan dalam memprediksi tingkat kunjungan per 1000 penduduk masing-masing adalah 85,1 dan 82,8.

4.2.4. Analisis uji kelayakan model regresi.