28
4. Memperkirakan kurva lelang bids curve
Kurva permintaan dipengaruhi oleh beberapa unsur, dimana unsur tersebut mempengaruhi pendugaan kurva permintaan, adapun pendugaan
kurva permintaan seperti berikut : WTP
PNDK, PNDTN, BP, JT, LK Dimana :
WTP Nilai WTP yang ingin dibayarkan Rp
PNDK Tingkat pendidikan tahun
PNDTN Tingkat Pendapatan Rpbulan
BP Biaya perjalanan Rp
JK Jenis Kelamin orang
LK Lamanya di lokasi jam
5. Mengagregatkan data
Data dijumlahkan dimana nilai rata-rata permintaan dikonversikan terhadap populasi yang ditunjuk. Maka nilai total WTP adalah :
TWTP = EWTP.Ni Dimana :
TWTP = Total WTP Rp EWTP = Rataan WTP Rp
Ni = Populasi orang
6. Evaluasi penggunaan CVM
Tahap ini melakukan penilaian terhadap sejauh mana penggunaan CVM telah berhasil di aplikasikan. Evaluasi penggunaan CVM dilakukan
dengan menggunakan koefisien determinasi R² dari analisis regresi.
4.5.3 Analisis Faktor-faktor yang Mempengaruhi Besarnya Nilai WTP Pengunjung Objek Wisata Kandis
Faktor-faktor yang diduga mempengaruhi besarnya nilai WTP diolah menggunakan model regresi linier berganda. Analisis regresi linier berganda
menyangkut studi tentang hubungan antara satu variabel yang disebut variabel tak bebas atau variabel yang dijelaskan dan satu atau lebih variabel
lain yang disebut variabel bebas atau variabel penjelas Gujarati, 2006.
29 Fungsi persamaan yang digunakan untuk mencari besarnya nilai WTP
yang akan di bayarkan oleh reponden di pengaruhi oleh beberapa hal, dimana fungsi persamaannya adalah :
Ԑ
Dimana : Y = Nilai WTP yang ingin dibayarkan Rp
β 0 = Konstanta β1..β6 = Koefisien regresi
JK = Jenis Kelamin bernilai 1 jika pria, bernilai 0 jika wanita
WK = Waktu yang di habiskan dilokasi Jam TPK = Tingkat pendidikan Tahun
US = Usia Tahun BP = Biaya perjalanan Rp
TP = Tingkat pendapatan Rpbulan Ԑ = Galat
4.6 Pengujian Parameter
Pengujian terhadap parameter dilakukan untuk memeriksa kebaikan model :
4.6.1 Uji Likelihood ratio
Menguji secara keseluruhan apakah model logit dapat menjelaskan keputusan pilihan kualitatif Y Juanda, 2009.
β β
β model tidak dapat menjelaskan
untuk j=2,3,....k model dapat menjelaskan likelihood ratio merupakan rasio fungsi kemungkinan
lengkap terhadap fungsi kemungkinan Ho benar.
4.6.2 Uji Odds ratio
Peubah dalam persamaan disebut odds atau resiko atau kemungkinan yaitu rasio peluang terjadi peubah bernilai satu muncul terhadap peluang
terjadi peubah bernilai nol muncul Juanda, 2009. Dengan kata lain odds
30 ratio merupakan interpretasi dari sebuah peluang. Odds ratio tidak
membutuhkan variabel yang menyebar normal dan juga hubungan antar variabel tidak terjadi homoskedastisitas.
4.6.3 Uji Keandalan
Uji keragaman untuk melihat sejauh mana keragaman yang dapat diterangkan oleh variabel bebas terhadap variabel tidak bebas. Uji ini di
lakukan untuk evaluasi pelaksanaan CVM dilihat dengan nilai R-Square R² dari OLS Ordinary Least Square WTP.
4.6.4 Uji Heteroskedastisitas
Salah satu asumsi dari model regresi liniear adalah bahwa ragam sisaan
ε sama atau homogen, asumsi ini disebut homoskedastisitas. Jika ragam sisaan tidak sama maka menimbulkan masalah heteroskedastisitas.
Untuk mendeteksi adanya autokorelasi dapat menggunakan metode grafik Juanda, 2009.
4.6.5 Uji Multicolinearity
Salah satu asumsi dasar dari model regresi berganda adalah bahwa tidak ada hubungan linear sempurna antar peubah bebas dalam model
tersebut. Jika hubungan tersebut ada, kita katakan bahwa peubah-peubah bebas tersebut berkolinearitas ganda sempurna perfect Multicolinearity.
Multikolinearitas muncul jika dua atau lebih peubah atau kombinasi peubah bebas berkolerasi tinggi antara peubah yang satu dengan yang
lainnya Juanda, 2009. Multikolinearitas dapat dilihat dari OLS, simpangan baku, dalam uji-F, dan melihat langsung melalui output regresi berganda
dengan melihat nilai VIF, dimana jika nilai VIF 10 maka terdapat masalah multikolenearitas.
Kategori