27
correlation yang mengukur kekuatan hubungan linier garis lurus dari kedua
variabel tersebut. Koefisien korelasi linear kadang-kadang disebut sebagai koefisien korelasi Pearson untuk menghormati Karl Pearson 1857-1936, yang
pertama kali mengembangkan ukuran statistik ini. Variabel-variabel yang akan dilihat hubungannya antara lain harga lahan
per meter persegi, jumlah penduduk, jumlah vila, jumlah obyek wisata, dan luas konversi lahan tahun 2001 hingga 2010. Melalui variabel-variabel tersebut kita
dapat melihat bagaimana hubungan antara variabel yang satu dengan yang lain. Interpretasi hasil perhitungan Pearson meyatakan jika hasil tersebut negatif,
positif, maupun nol akan menunjukan pola hubungan antar variabel tersebut, apakah saling mempengaruhi atau tidak.
4.4.3. Analisis Faktor-Faktor yang Mempengaruhi Konversi Lahan
Analisis data yang digunakan dalam mengkaji faktor-faktor pengaruh konversi lahan adalah analisis regresi linier berganda. Tujuannya adalah membuat
suatu deskripsi, gambaran, atau lukisan secara sistematis, faktual, dan akurat mengenai fakta-fakta. Analisis regresi linier berganda melalui beberapa tahapan
dalam menentukan nilai a dan b pada koefisien-koefisien di atas maka digunakan perumusan sebagai berikut:
Y = a + β
1
X
1 +
β
2
X
2 +
β
3
X
3
+ β
4
X
4
+ β
5
X
5 +
ε
……………………………………………..…
4.1 dimana:
Y = Luas lahan yang dikonversi Ha
a = Intersep
X
1
= Variabel harga lahan yang dijual Rpm
2
X
2
= Variabel lama menetap tahun X
3
= Variabel jumlah tanggungan dalam keluarga orang X
4
= Variabel pendapatan Rpbulan
28
X
5
= Variabel luas lahan yang dimiliki m
2
β
1
, β
2
, … β
5
= Koefisien regresi ε
= Error
term Analisis regresi linier berganda merupakan alat untuk memperoleh suatu
prediksi di masa lalu maupun yang akan datang dengan dasar keadaan saat ini. Prediksi dalam hal ini bukanlah merupakan hal yang pasti, namun mendekati
kebenaran. Tahapan penentuan nilai a dan b dapat dicari dengan teknik eliminasi dimana dilakukan dengan cara menghilangkan satu demi satu bagian sehingga
diperoleh nilai pernilai. Regresi linier sederhana dengan variabel ganda adalah analisis statistik
yang mencakup hubungan banyak variabel. Apabila dijumpai satu variabel terikat yang dipengaruhi oleh beberapa variabel bebas dalam mempengaruhi variabel
terikat itu bermacam, sehingga bentuk hubungannya pun tentunya berbeda-beda. Sifat hubungan berjenjang sering kali terjadi dalam kajian ilmu sosial. Variabel
lain menjembatani pengaruh variabel bebas terhadap variabel terikat tersebut dengan variabel antara. Variabel bebas itu sendiri mempunyai pola hubungan
yang tidak tetap. Artinya bisa benar-benar bebas, berkorelasi tetapi tidak signifikan atau mempunyai hubungan yang tidak erat.
Metode regresi linier berganda memiliki beberapa asumsi. Asumsi model regresi dikaitkan dengan pengujian parameter model dimana pengujian dikatakan
sah jika asumsi pengujian dipenuhi. Asumsi tersebut menyangkut sifat dari distribusi residual. Residual harus menyebar di sekitar 0, memiliki varians konstan
identik dan independen tidak berkorelasi satu sama lain. Salah satu syarat untuk mencapai ini yaitu data tidak bersifat time series. Regresi linier berganda
dibutuhkan kondisi antar variabel X tidak saling berkorelasi independent.
29
Terdapat beberapa kriteria yang dapat digunakan untuk menentukan bahwa model yang telah dihasilkan adalah baik. Menurut Sutandi 2009, model yang baik
haruslah memenuhi beberapa uji asumsi pelanggaran, seperti: 1.
Kriteria Ekonomi Model yang diuji berdasarkan kriteria ekonomi akan dilihat tandan dan besaran
tiap koefisien dugaan yang telah diperoleh. Kriteria ekonomi mensyaratkan tanda dan besaran yang terdapat pada tiap koefisien dugaan sesuai dengan teori
ekonomi. Apabila model tersebut memenuhi kriteria ekonomi, maka model tersebut dapat dikatakan baik secara ekonomi, namun, apabila kriteria tersebut
tidak memenuhi standar ekonomi maka model tersebut tidak dapat dikatakan baik secara ekonomi.
2. Kriteria Statistik dan Ekonometrika
Ada beberapa uji yang dapat digunakan untuk menentukan kesesuaian model regresi yang telah didapatkan secara statistika dan ekonometrika. Uji tersebut
adalah sebagai berikut: a.
Uji Normalitas Uji Normalitas diperlukan untuk mengetahui apakah error term dari data atau
observasi yang jumlahnya kurang dari 60 mendekati sebaran normal sehingga statistik t dapat dikatakan sah. Uji yang dapat dilakukan adalah uji Kolmogorov-
Smirnov. Kelebihan dari uji ini adalah sederhana dan tidak menimbulkan perbedaan persepsi di antara satu pengamat dengan pengamat yang lain.
Penerapan pada uji Kolmogorov Smirnov adalah bahwa jika signifikansi di atas 5 bearti tidak terdapat perbedaan yang signifikan antara data yang akan diuji
dengan data normal baku, artinya data tersebut normal.
30
b. Uji Multikolinieritas
Model yang melibatkan banyak peubah bebas sering terjadi masalah Multikolinieritas, yaitu terjadinya korelasi yang kuat antar peubah bebas. Masalah
ini dapat dilihat langsung melalui output komputer, dimana apabila nilai Varian Inflaction Factor
VIF 10 maka tidak ada masalah multikolinieritas. Hal ini berarti bebas uji asumsi pelanggaran dan persamaan yang digunakan merupakan
persamaan yang baik dan tidak terdapat pelanggaran. c.
Uji Heteroskedastisitas Salah satu asumsi metode penggunaan kuadrat terkecil adalah Homoskedastisitas,
yaitu ragam galat konstan dalam setiap amatan. Pelanggaran atas asumsi Homoskedastisitas adalah Heteroskedastisitas. Masalah Heteroskedastisitas dapat
dideteksi dengan uji glejser. Uji glejser dilakukan dengan meregresikan variabel- variabel bebas terhadap nilai absolut residualnya. Jika nilai signifikannya dari
hasil uji gletser lebih besar dari α 5 maka tidak terdapat Heteroskedastisitas.
d. Uji Autokorelasi
Uji autokolerasi dilakukan untuk melihat apakah terdapat hubungan diantara galat dalam persamaan regresi yang diperoleh. Jika kita mengabaikan adanya
autokorelasi, maka akan berdampak terhadap pengujian hipotesis dan proses peramalan. Uji paling sering digunakan dalam mendeteksi adanya autokolerasi
dalam suatu model adalah uji DW Durbin Watson Test, dan jika hasilnya mendekati 2 maka tidak ada autokolerasi Sutandi 2009.
31
V. GAMBARAN UMUM PENELITIAN
5.1. Keadaan Umum Lokasi Penelitian
Kecamatan Cisarua terletak di kaki Gunung Gede-Pangrango tepatnya di selatan wilayah Kabupaten Bogor pada 06
o
42’ LS dan 106
o
56’ BB. Ketinggian dari permukaan laut antara 650–1 400 m dpl dengan curah hujan rata-rata 3 178
mmth dan suhu udara antara 17.85
o
C – 23.91
o
C. Secara administratif Kecamatan Cisarua terdiri atas sembilan desa dan satu kelurahan, 33 dusun, 73 RW, dan 260
RT, dengan luas wilayah 6 373.62 ha. Batas wilayah Kecamatan Cisarua sebelah utara dan barat adalah Kecamatan Megamendung, sebelah selatan dan timur
berbatasan dengan Kabupaten Cianjur. Kecamatan Cisarua merupakan wilayah yang menjadi salah satu obyek
wisata nasional. Kecamatan ini dekat dengan lokasi wisata andalan Provinsi Jawa Barat, seperti Puncak, Taman Wisata Matahari, dan Taman Safari Indonesia.
Wilayah ini memiliki kondisi alam yang masih asri, udara yang sejuk, dan pemandangan yang indah. Hal ini menimbulkan minat wisatawan untuk
menjadikan wilayah ini sebagai tempat peristirahatan dan rekreasi. Banyaknya wisatawan yang datang ke wilayah tersebut mengakibatkan tingginya
pembangunan tempat-tempat peristirahatan seperti vila, perhotelan, dan rumah singgah. Wilayah yang menjadi lokasi pengambilan contoh dalam penelitian ini
adalah Kelurahan Cisarua dan Desa Tugu Utara. Kelurahan Cisarua terletak di 6.07979
o
LS dan 106.93435
o
BT dengan luas wilayah sebesar 200 ha. Batas wilayah Kelurahan Cisarua sebelah utara yaitu
Desa Leuwimalang atau Jogjogan, sebelah selatan berbatasan dengan Desa