Penilaian Economic Value Jasa Lingkungan untuk Kegiatan Wisata
pengunjung maka model permintaan rekreasi yang akan digunakan, sebagai berikut:
V = +
1
X
1
+
2
X
2
+
3
X
3
+
4
X
4
+
5
X
5
+
6
X
6
+
7
X
7
+
8
X
8
+
9
X
9
+
10
X
10
+
11
X
11
+
12
X
12
+
13
D
1
+
15
D
2
+
16
D
3
+ e
i
............................................................................... .4.4 Parameter dugaan yang diharapkan adalah
1
,
5
0 dan
2
,
3
,
4
,
6
,
7
,
8
,
9
,
10
,
11
dimana: V
: Jumlah kunjungan ke lokasi wisata unit perjalanan.
X
1
: Pengeluaran aktual ke lokasi wisata rupiah per perjalanan.
X
2
: Pendapatan rumahtangga juta rupiah per bulan.
X
3
: Tingkat pendidikan tahun.
X
4
: Usia tahun.
X
5
: Waktu yang dihabiskan pulang pergi menuju lokasi wisata
jam. X
6
: Waktu yang dihabiskan pulang pergi menuju lokasi wisata
alternatif jam. X
7
: Pengeluaran aktual ke lokasi wisata alternatif rupiah per
perjalanan. X
8
: Jumlah anggota rombongan yang ikut serta melakukan rekreasi
orang. X
9
: Lamanya waktu yang dihabiskan di lokasi jam.
X
10
: Tingkat pengetahuan terhadap lokasi wisata diukur dengan
lamanya seseorang mengetahui adanya lokasi wisata tahun. X
11
: Jumlah rekreasi outdoor yang dilakukan selama satu tahun
terakhir sebagai proksi untuk sikap terhadap rekreasi alam unit perjalanan.
X
12
: Preferensi terhadap wisata alam
D
1
: Dummy
status pernikahan, D=1 untuk wisatawan yang telah menikah dan D=0 sebaliknya.
D
2
: Dummy
jenis kelamin, D=1 untuk wisatawan yang berjenis kelamin pria dan D=0 sebaliknya.
e
i
: Error term
.
Jika data permintaan rekreasi tersedia untuk suatu populasi kemudian data tersebut digunakan untuk mengestimasi kurva permintaannya, seringkali data
yang tersedia merupakan data yang dikumpulkan di spesifik lokasi wisata on
site . Artinya minimal responden telah melakukan satu kali kunjungan wisata atau
data tersebut truncated. Hal ini dapat mengakibatkan bias dalam mengestimasi persamaan permintaan. Walaupun sejumlah literatur menyatakan model TCM
dapat diregresikan dengan metode Ordinary Least Squares OLS, sejumlah studi menyatakan bahwa model count data atau frekwensi lebih tepat digunakan untuk
analisis mikro ekonometrika. Model ini mengasumsikan bahwa variabel dependen jumlah kunjungan adalah integers 0,1,2,3,...,n. Model ini dispesifikasikan
untuk memperkirakan probabilitas dari pengamatan jumlah kunjungan, dimana probabilitasnya ditetapkan pada distribusi poisson Grafton et al. 2004. Penduga
parameter koefisien regresi poisson diperoleh dengan menggunakan metode maximum likelihood
. Guna menghindari masalah multikolinearitas maka sebelum variabel
independen dimasukkan ke dalam model terlebih dahulu dilakukan pemilihan variabel dengan melihat koefisien korelasi antar variabel. Koefisien korelasi yang
digunakan adalah koefisien korelasi pearson. Jika terdapat dua atau lebih variabel independen yang berkorelasi erat satu sama lain maka akan dipilih salah satu
berdasarkan derajat kepentingannya terhadap model. Setelah terpilih variabel yang diharapkan, selanjutnya model diestimasi dengan menggunakan regresi poisson,
dengan menggunakan program aplikasi komputer Stata Versi 9.0. Pengukuran surplus konsumen dari suatu lokasi wisata diestimasi dari
persamaan permintaan marshallian yang dihasilkan. Bentuk persamaan yang dihasilkan akan mempengaruhi penghitungan nilai surplus konsumen. Tabel 2
berikut ini menunjukkan penghitungan surplus konsumen SK dari dua model persamaan, Grafton et al. 2004; Garrod dan Willis, 1999.
Tabel 2. Penghitungan Nilai Surplus Konsumen dari Fungsi Permintaan Linier dan Semi-Log
Fungsi Permintaan
Persamaan Nilai SK Total
Kunjungan per Individu
Nilai SK per Kunjungan
Linier V = + c
2 β
V SK
2
2 β
V SK
Semi log Ln V = + c
β V
SK β
1 SK
Sumber: Garrod dan Willis 1999; Grafton et al. 2004. Ket: V: jumlah kunjungan, c: biaya perjalanan, : konstanta, : koefisien biaya perjalanan.