bab iv hasil dan pembahasan profil wisata...
Post on 16-Jul-2019
219 Views
Preview:
TRANSCRIPT
51
BAB IV
HASIL DAN PEMBAHASAN
Profil Wisata Geger Bintang Gunung Putri
Geger Bintang Gunung Putri terletak di Desa Jayagiri, Kecamatan Lembang
Kabupaten Bandung Barat dengan koordinat GPS : 6o47’56.3”S 107o38’06.5”E.
Objek wisata ini adalah beberapa objek wisata yang terletak di Kabupaten Bandung
Barat yang dikelola oleh Perum Perhutani Kesatuan Pemangku Hutan (KPH)
Bandung Utara yang melibatkan Lembaga Masyarakat Desa Hutan (LMDH) Jaya
Giri sebagai pelaksananya. Geger Bintang Gunung Putri terletak diketinggian
sekitar 1.587 mdpl sehingga para wisatawan yang berkunjung dapat menikmati
kesejukan udara di kawasan tersebut.
Pesona pemandangan di Gunung Putri yang sekarang dikenal menjadi
Geger Bintang Gunung Putri atau Geger Bintang Matahari Gunung Putri , nama
tersebut diambil karena posisi kawasan wisata ini berada di punggung bukit. Dari
ketinggian 1587 mdpl momen sunrise (matahari terbit) dan sunset (matahari
terbenam) dapat terlihat dengan jelas dan sangat indah, juga kelap-kelip citylight
Lembang dan Kota Bandung dapat terlihat. Gunung Putri juga memiliki wisata
sejarah berupa benteng peninggalan Belanda yang dibangun sekitar tahun 1913
hingga 1917 tepatnya pada masa Perang Dunia1
Dari Kota Bandung objek wisata ini dapat ditempuh menggunakan tiga
jalur, yaitu jalan raya Setia Budi, Punclut dan jalan Dago Giri yang semuanya akan
bertemu di jalan raya Lembang-Tangkuban Perahu Cibogo, tidak jauh dari
52
Alun Alun Lembang terdapat Hotel Augusta Lembang dan terdapat persimpangan
jalan di sebelah kiri kemudian ikuti jalan tersebut sekitar 2 KM sampai di gerbang
masuk Geger Bintang Gunung Putri Lembang.
Gambar 4.1 Wisata Geger Bintang Gunung Putri Lembang
Sumber : rasain.com
Gambar 4.1 Sunrise di Geger Bintang Gunung Putri Lembang
Sumber : Dokumen Penulis
53
4.2. Hasil Penelitian
4.2.1. Karakteristik Responden
Pengambilan data dalam penelitian ini dilakukan ketika akhir pekan dan
secara langsung di Objek wisata Geger Bintang Gunung Putri sebanyak 150
responden yang semuanya merupakan wisatawan lokal. Pengambilan data
dilakukan secara acak terhadap 150 responden dengan waktu pelaksanaan selama 5
hari yang dilakukan ketika akhir pekan dan dilakukan proses wawancara didekat
pintu keluar bertujuan pengambilan data dari wisatawan yang telah menikmati
seluruh wahana yang tersedia sehingga dapat memberikan penilaian. Pengambilan
sampel dilakukan dengan selang waktu 10 menit dari responden terakhir karena
pengambilan sampel bersifat random sampling. Dalam bab ini akan dijelaskan
gambaran wisatawan yang datang ke Objek Wisata Geger Bintang Gunung Putri
Lembang.Pengambilan data tersebut berhasil memperoleh karakteristik responden
sebagai berikut :
4.2.1.1 Aspek Geografis
Aspek geografis bertujuan untuk mengetahui karakteristik responden
berdasarkan daerah asal dan jarak tempuh menuju objek wisata Geger Bintang
Gunung Putri menurut kota asal. Daerah asal responden dalam penelitian ini berasal
dari 12 Kota/Kabupaten . Mayoritas responden yaitu berasal dari Kota Bandung
yaitu sebanyak 74 orang dan Kabupaten Bandung Barat sebanyak 25 orang dan
sisannya sebanyak 51 orang responden tersebar dari daerah Kota dan Kabupaten di
Jawa Barat serta wilayah Jabodetabek. Sedangkan jarak tempuh yang dilalui para
54
wisatawan sebanyak 72,7 % menempuh jarak ≥ 12.1 km karena mayoritas dari
Kota Bandung dikarenakan jarak terdekat dari Kota Bandung menuju Wisata Geger
Bintang Gunung Putri adalah ≥ 14 km.
Tabel 4.1 Jumlah Responden Objek Wisata Geger Bintang Gunung Putri
Lembang
No. Daerah Asal Jumlah Responden Persentase
1. Kota Bandung 74 49.33 %
2. Kabupaten Bandung Barat 25 16.67%
3. Kota Cimahi 17 11.33 %
4. Kabupaten Subang 8 5.33 %
5. Kota Bekasi 6 4 %
6. Kabupaten Bandung 5 3.33 %
7. Kabupaten Sumedang 5 3.33%
8. DKI Jakarta 4 2.67%
9. Kabupaten Ciamis 2 1.33%
10. Kabupaten Purwakarta 2 1,33%
11. Kabupaten Bogor 1 0,67 %
12 Kabupaten Sukabumi 1 0,67%
Jumlah 150 100%
Sumber : Hasil Olahan Data, 2018
Tabel 4.2 Jarak Tempuh Responden
No. Jarak Jumlah Responden Persentase
1. ≤ 4.7 km 9 6%
2. 4.8-8.0 km 11 7.33%
3. 8.1-12 km 21 14%
4. ≥ 12.1 km 109 72.67%
Jumlah 150 100%
Sumber : Hasil Olahan Data Primer 2018
55
4.2.1.2 Aspek Demografis
Aspek demografis dalam penelitian ini bertujuan untuk mengetahui
karakteristik responden berdasarkan usia, jenis kelamin pendidikan serta pekerjaan.
Tabel 4.3 Rentang Usia Responden Objek Wisata Geger Bintang Gunung
Putri Lembang
No. Rentang Usia Responden Jumlah Responden Persentase
1. 11-15 5 3.33 %
2. 16-20 94 62.67%
3. 21-25 40 26.67%
4. 26-30 8 5.33%
5 31-35 3 2%
Jumlah 150 100%
Sumber : Hasil Olahan Data Primer, 2018
Dilihat dari tabel diatas, maka jumlah responden tertinggi berada pada
rentang usia 15-20 tahun yaitu sebanyak 99 orang dan rentang umur terendah
berada pada rentang usia 31-35 tahun yaitu sebanyak 3 orang. Hal ini terjadi karena
Objek Wisata Geger Bintang Gunung Putri merupakan tempat wisata outdoor yang
untuk mencapainya harus berjalan terlebih dahulu dan dominasi pengunjung adalah
remaja berkisar anak SMA dan perguruan tinggi.
56
Gambar 4.1 Jenis Kelamin Responden Objek Wisata Geger Bintang
Gunung Putri
Gambar 4.1 Jenis kelamin
Responden dengan jenis kelamin laki laki lebih banyak mengunjungi Objek
Wisata Geger Bintang Gunung Putri Lembang yaitu sebesar 76 responden atau
50.67 % dan perempuan sebanyak 74 orang atau 49.33 %.
Untuk jenis pekerjaan, responden didominasi oleh pelajar dan mahasiswa
yaitu sebanyak 57 dan 58 responden, kemudian PNS/BUMN/Karyawan sebanyak
22 orang dan sisanya tersebar yakni ibu rumah tangga, buruh, wirasuhawan serta
sales sebanyal 13 orang dapat dilihat dari tabel 4.4
Tabel 4.4 Jenis Pekerjaan Responden Objek Wisata Geger Bintang Gunung
Putri Lembang
No. Pekerjaan Jumlah Responden Persentase
1. Pelajar 57 38%
2. Mahasiswa 58 38.67%
3. PNS/BUMN/Karyawan 22 14.67%
4. Lainnya 13 8.66%
5. Jumlah 150 100%
Sumber : Olahan data primer 2018
50.67 %49.33%
Jenis Kelamin
Laki Laki Perempuan
57
Untuk tingkat pendidikan responden dalam penelitian ini yaitu jenjang
pendidikan terakhir yang ditempuh responden. Responden dengan tingkat
pendidikan SMA menjadi jumlah responden yang tinggi yaitu sebanyak 91 orang.
Sementara responden dengan tingkat pendidikan terakhir perguruan tinggi paling
rendah yaitu sebanyak 15 orang.
Tabel 4.5 Tingkat Pendidikan Responden Objek Wisata Geger Bintang
Gunung Putri Lembang
No Tingkat Pendidikan Jumlah Responden Persentase
1. SD - 0%
2. SMP 44 29.33%
3. SMA 91 60.67
4. Perguruan Tinggi 15 10%
Jumlah 150 100%
Sumber : Olahan data primer 2018
4.2.1.3 Aspek Ekonomis
Aspek ekonomis dalam penelitian ini dilihat dari pendapatan perbulan untuk
yang sudah bekerja, namun untuk kalangan mahasiswa dan pelajar yang belum
bekerja maka dilihat dari daya beli pengunjung Objek Wisata Geger Bintang
Gunung Putri Lembang. Pendapatan Rp<1000000 merupakan pendapatan yang
dominan yaitu sebanyak 79 responden, hal ini dikarenakan dominan pengunjung
merupakan mahasiswa dan pelajar. Tingkat pendapatan dalam penelitian ini dapat
dilihat pada tabel 4.6 disajikan dengan menggunakan distribusi frekuensi.
58
Tabel 4.6 Tingkat Pendapatan Responden Objek Wisata Geger Bintang
Gunung Putri Lembang
No Tingkat Pendapatan (Rp) Jumlah Responden Persentase
1. < 1.000.000 79 52.66%
2. 1.000.000-2.000.000 28 18.67%
3. 2.000.000-3.000.000 28 18.67%
4. >3.000.000 15 10%
Jumlah 150 100%
Sumber : Olahan data primer 2018
4.2.1.4 Aspek Psikografis
Dalam aspek ini dapat dilihat karakteristik responden berdasarkan
intensitas, tujuan, rekan serta informasi mengenai Objek Wisata Geger Bintang
Gunung Putri Lembang.
Tabel 4.7 Intensitas Kunjungan Responden Geger Bintang Gunung Putri
Lembang
No Intensitas Kunjungan Jumlah Responden Persentase
1. 1 kali 87 58%
2. 2 -3 Kali 48 32%
3. ≥ 4 kali 15 10%
Jumlah 150 100%
Sumber : Olahan data primer 2018
Intensitas kunjungan bertujuan untuk menganalisis sudah berapa kali
responden mengunjungi Objek Wisata Geger Bintang Gunung Putri Lembang
dalam satu tahun terakhir. Dari tabel 4.7 dapat diketahui bahwa responden paling
banyak mendapatkan 1 kali kunjungan dalam satu tahun terakhir atau sekitar 58%.
Sementara itu untuk pertanyaan kuesioner dengan siapa mengunjungi Objek Wisata
Geger Bintang Gunung Putri Lembang
59
Tabel 4.8 Rekan Kunjungan Saat Berkunjung ke Objek Wisata Geger
Bintang Gunung Putri Lembang
No. Rekan Kunjungan Jumlah Responden Persentase
1. Keluarga 21 14%
2. Rombongan/Instansi 6 4%
3. Teman 118 78.67%
4 Lainnya 5 3.33 %
Jumlah 150 100%
Sumber : Olahan data primer 2018
4.2.2. Analisis Faktor
Penelitian ini menggunakan analisis faktor yang digunakan untuk
mengelompokan variabel variabel yang menjadi daya tarik objek wisata Geger
Bintang Gunung Putri menjadi faktor baru. Variabel faktor daya tarik yang diambil
merupakan hasil dari focus group discussion dan hasil penelitian Oliani, Rossy,
dan Gesvasoni (2011) yaitu bahwa letak geografis, iklim, sejarah dan tradisi,
kualitas sumber daya alam, kualitas objek wisata perkotaan, kebijakan publik,
akomodasi, transportasi menjadi daya tarik yang paling dominan. Menurut Valle et
all (2011) juga berpendapat bahwa faktor sejarah budaya menjadi faktor daya tarik
paling besar suatu objek wisata.Sugiyono (2008) menjelaskan bahwa:
1.Uji Kelayakan Variabel
Uji kelayakan variabel digunakan untuk menilai apakah variabel layak
untuk dianalisis lebih lanjut, yaitu menggunakan uji Kaiser-Meyer-Olkin Measure
of Sampling Adequacy dan Barlett’s Test Sphericity juga Anti-Image Matrics.
a. Menentukan hipotesis
60
Ho = Sampel/variabel belum memadai untuk dianalisis lebih lanjut
Ha = Sampel/ variabel sudah memadai untuk dianalisis lebih lanjut
b. Kriteria uji KMO dan barlett’s test dengan taraf signifikansi 5 %.
Sig> 0,05 maka Ho tidak dapat di tolak
Sig< 0,05 maka Ho ditolak
c. Angka MSA berkisar antara 0 sampai 1 dengan kriteria.
MSA = 1, variabel tersebut dapat diprediksi tanpa kesalahan oleh
variabel lain.
MSA = 0,5, variabel tersebut dapat diprediksi dan dianalisis lebih lanjut
Taraf signifikansi sebesar 0,000(0,000<0.005) dengan uji KMO-MSA
menunjukan bahwa Ho ditolak sehingga seluruh variabel yang diuji dapat dianalisis
lebih lanjut
Tabel 4.9 KMO dan Barlett’s Test
Kaiser-Meyer-Olkin Measure of Sampling Adequancy ,814
Bartlett’s Test of Approx. Chi-Square 1258,065
Sphericity Df 190
Sig.
Sumber : Hasil Olahan Data Primer 2018
Nilai KMO-MSA yaiut sebesar 0,814 (0,814>0,05), hal ini menunjukan
bahwa seluruh variabel yang diuji dapat dianalisis lebih lanjut. Kemudian untuk
menilai uji kelayakan variabel dapat juga dilihat melalui tabel anti-image matrics:
61
Tabel 4.10 Anti-Image Matrics
Variabel Korelasi Variabel Korelasi
P1 0,865 P11 0,782
P2 0,834 P12 0,871
P3 0,767 P13 0,848
P4 0,858 P14 0,803
P5 0,818 P15 0,872
P6 0,702 P16 0,855
P7 0,698 P17 0,791
P8 0,844 P18 0,833
P9 0,830 P19 0,770
010 0,759 P20 0,840
Sumber : Hasil Olahan Data Primer, 2018
2. Analisis Communalities
Communalities merupakan jumlah varians dari variabel awal yang dapat
dijelaskan oleh faktor yang ada dimana semakin besarnya communalities sebuah
variabel, diartikan semakin erat hubungan dengan faktor yang terbentuk. Hasil dari
keseluruhan nilai variabel P7 (Sunset) sebesar 0,795 menjadi nilai yang paling besar
dari seluruh variabel, dapat diartikan bahwa varians dari variabel P7 dapat
dijelaskan oleh faktor yang terbentuk sebesar 79,5% sama halnya dengan variabel
lainnya.
62
Tabel 4.11 Communalities
Initial Extraction
P1 1,000 ,636
P2 1,000 ,643
P3 1,000 ,690
P4 1,000 ,605
P5 1,000 ,762
P6 1,000 ,783
P7 1,000 ,795
P8 1,000 ,559
P9 1,000 ,542
P10 1,000 ,520
P11 1,000 ,535
P12 1,000 ,520
P13 1,000 ,567
P14 1,000 ,665
P15 1,000 ,551
P16 1,000 ,647
P17 1,000 ,732
P18 1,000 ,673
P19 1,000 ,578
P20 1,000 ,532
Sumber : Hasil Olahan Data Primer, 2018
3. Analisis Total Variance Explained
Dalam penelitian ini terdapat 20 variabel yang dimasukan ke dalam analisis
faktor. Terdapat dua macam analisis penjelasan varians, yaitu initial eigenvalues
dan extraction sums of squared loadings. Initial eigenvalues menunjukan nilai
variabel yang apabila dijumlahkan maka akan menunjukan nilai total varians.
Masing masing variabel memiliki varians =1, maka total varians adalah 20. Untuk
susunan eigenvalues diurutkan dari yang terbesar sampai yang terkecil dengan
kriteria eigenvalues lebih kecil maka tidak dapat digunakan dalam menghitung
jumlah faktor yang terbentuk.
63
Tabel 4.12 Total Variance Explained
Total Variance Explained
Compone
nt
Initial Eigenvalues Extraction Sums of Squared Loadings
Total
% of
Variance
Cumulativ
e % Total
% of
Variance Cumulative %
P1 6,052 30,262 30,262 6,052 30,262 30,262
P2 2,487 12,435 42,697 2,487 12,435 42,697
P3 1,446 7,231 49,929 1,446 7,231 49,929
P4 1,428 7,138 57,067 1,428 7,138 57,067
P5 1,122 5,611 62,678 1,122 5,611 62,678
P6 ,960 4,800 67,478
P7 ,941 4,703 72,181
P8 ,818 4,089 76,270
P9 ,674 3,372 79,642
P10 ,634 3,169 82,811
P11 ,584 2,922 85,733
P12 ,486 2,429 88,162
P13 ,398 1,992 90,154
P14 ,387 1,933 92,087
P15 ,347 1,735 93,822
P16 ,321 1,607 95,429
P17 ,279 1,397 96,826
P18 ,252 1,260 98,087
P19 ,206 1,030 99,117
P20 ,177 ,883 100,000 Extraction Method: Principal Component Analysis.
Dari hasil total variance explained tersebut jumlah angka eigenvalues
adalah 6,052 + 2,487 + 1,446 +1,428 +1,122 +0,960+0,941+ 0,818 +0,674 +0,634
+ 0,584 +0,486 +0,398 +0,387+0,347+0,321+0,279+0,252+0,206+0,177 =20.
Diketahui berdasarkan extraction sum of squared loadings terdapat 5 faktor
terbentuk. Lima faktor teratas memiliki nilai eigenvalues di atas 1 sedangkan faktor
lainnya memiliki nilai eigenvalues di bawah 1, sehingga proses factoring terbenti
di lima faktor.
64
4. Scree Plots
Grafik 4.7 Scree Plots
Dari hasil scree plots diatas maka terdapat lima faktor terbentuk yang
ditujukan dari satu faktor ke dua faktor garis menurun tajam sementara dari tiga
faktor ke empat faktor turun tapi tidak terlalu tajam atau slope-nya lebih kecil
kemudian dari empat faktor ke lima faktor penurunan nya tidak terlalu signifikan.
Hal ini menunjukan bahwa lima faktor merupakan jumlah yang paling optimal
untuk meringkas ke duapuluh variabel yang diuji.
5. Component Matrix
Tabel component matrix menunjukan distribusi ke dua puluh variabel pada
lima faktor yang terbentuk. Angka yang terdapat pada tabel tersebut merupakan
factor loadings dimana menunjukan besar korelasi antara satu variabel dengan lima
faktor baru yang terbentuk. Proses penentuan suatu variabel masuk ke faktor satu,
dua, tiga , empat atau lima adalah dengan melakukan perbandingan besar korelasi
65
pada setiap baris. Korelasi antar variabel dan faktor yang paling besar akan
dimasukkan ke dalam komponen faktor.
Tabel 4.13 Component Matrix
Component Matrixa
Component
1 2 3 4 5
Keindahan Alam ,605 ,079 ,265 -,336 ,283
Cuaca ,485 ,308 -,334 ,026 ,448
Cahaya Matahari ,497 ,242 -,383 -,037 ,486
Kesejukan Udara ,601 ,132 ,210 -,414 ,110
Pemandangan ,665 ,202 ,375 -,368 -,058
Sunrise ,417 ,653 ,130 ,397 -,088
Sunset ,374 ,692 ,039 ,416 -,040
City Light ,388 ,617 -,094 ,094 -,101
Fotografi ,491 ,302 ,095 -,187 -,407
Benteng Belanda ,543 -,271 ,347 -,164 -,061
Mushola ,469 -,323 ,381 ,075 ,246
Camping Ground ,707 -,121 -,060 -,037 ,016
Kondisi Jalan ,620 -,059 -,128 -,054 -,400
Harga ,552 ,022 -,469 -,340 -,154
Aksesdan Informasi ,557 -,093 -,353 -,063 -,321
Pelayanan Pengelola ,633 -,441 -,210 ,084 -,010
Lahan Parkir ,613 -,463 -,247 ,280 ,053
Toilet ,564 -,489 -,060 ,322 -,088
Kebersihan ,449 -,118 ,358 ,476 -,089
Keamanan ,621 -,156 ,169 ,244 ,185
Extraction Method: Principal Component Analysis.
Setelah diketetahui bahwa lima faktor adalah jumlah yang paling optimal.
maka distribusi 20 indikator tersebut kedalam lima faktor yang ada sebelum
dilakukan rotasi. Pada tabel tersebut juga terlihat korelasi antara masing-masing
indikator dengan faktor yang terbentuk. Namun demikian untuk indikator-indikator
tertentu tidak ada perbedaan yang nyata antara ke lima faktor loading, sehingga
indikator –indikator tersebut tidak dapat begitu saja dimasukan kesalah satu faktor
66
dengan hanya melihat mana yang lebih besar korelasinya, untuk itu perlu dilakukan
rotasu terhadap faktor faktor yang ada.
6. Rotated Componenet Matrix
Pada tabel berikut dapat dijelaskan hubungan korelasi antar masing-masing
indikator dengan faktor. Dengan menggunakan Rotation Metode dapat dijelaskan
bahwa korelasi yang kuat akan semakin kuat , sedangkan korelasi yang lemah akan
semakin lemah, sehingga akan tampak lebih jelas distribusi indikator indikator
tersebut dengan faktor yang ada. Dari tabel 4.9 dapat disimpulkan bahwa setiap
indikator dapat dimasukan kedalam suatu faktor karena mempunyai korelasi antar
indikator tersebut dengan faktor yang bersangkutan lebih besar dibandingkan
dengan faktor lain. Pada tabel component matrix sebelum rotasi masih terdapat
indikator-indikator tertentu tidak ada perbedaan yang nyata antara kelima faktor
loading, namun setelah dilakukan rotasi terlihat perbedaan yang nyata antar ke lima
faktor yang terbentuk terhadap indikator yang ada.
Tabel 4.14 Rotated Component Matrix
Rotated Component Matrixa
Indikator
Component
1 2 3 4 5
Keindahan Alam ,174 ,718 ,066 ,054 ,289
Cuaca ,104 ,131 ,264 ,113 ,730
Cahaya Matahari ,108 ,146 ,171 ,145 ,779
Kesejukan Udara ,069 ,711 ,097 ,206 ,206
Pemandangan ,101 ,797 ,252 ,229 ,021
Sunrise ,101 ,103 ,866 ,019 ,104
Sunset ,057 ,027 ,870 ,012 ,184
City Light -,105 ,135 ,656 ,225 ,221
Fotografi -,032 ,397 ,396 ,459 -,128
Benteng Belanda ,414 ,550 -,063 ,170 -,118
Mushola ,576 ,423 -,071 -,134 ,043
Camping Ground ,435 ,346 ,093 ,382 ,237
67
Kondisi Jalan ,286 ,221 ,182 ,633 -,046
Harga ,009 ,200 -,009 ,713 ,340
Aksesdan Informasi ,238 ,070 ,084 ,686 ,110
Pelayanan
Pengelola ,618 ,114 -,139 ,439 ,201
Lahan Parkir ,731 -,030 -,087 ,359 ,244
Toilet ,759 ,006 -,047 ,308 ,014
Kebersihan ,639 ,132 ,341 -,053 -,183
Keamanan ,622 ,284 ,170 ,035 ,185
Extraction Method: Principal Component Analysis.
Rotation Method: Varimax with Kaiser Normalization.
a. Rotation converged in 10 iterations.
Sumber : Hasil Olahan Data Primer 2018
1. Berdasarkan Tabel 4.9 dapat terlihat bagaimana terbentuknya distribusi
indikator pada masing masing faktor setelah dilakukan rotasi, indikator
P11,P12,P16,P17,P18,P19 dan P20 masuk kedalam faktor satu, karena korelasi
antar indikator ini dengan faktor 1 lebih besar dibandingkan dengan faktor lain
2. Indikator P1,P4, P5 dan P10 masuk kedalam faktor dua karena korelasi antar
indikator ini dengan faktor dua lebih besar dibandingkan dengan faktor lain.
3. Indikator P6,P7 dan P8 masuk kedalam faktor tiga, karena korelasi antar
indikator ini dengan faktor tiga lebih besar dibandingkan dengan faktor lainnya
4. Indikator P9,P13,P14 dan P15 masuk kedalam faktor empat, karena korelasi
antara indikator ini dengan faktor empat lebih besar dibandingkan dengan
faktor lain.
5. Indikator P2 dan P3 masuk pada faktor lima karena korelasi antar indikator
inidengan faktor lima lebih besar jika dibandingkan dengan faktor lain.
68
7. Penamaan Faktor
Pengelompokan keduapuluh indikator kedalam lima faktor yang terbentuk
dapat diliat pada tabel 4.10. Pada tabel tersebut dapat dilihat penamaan terhadap
kelima faktor yang terbentuk serta % of variance menunjukan tingkatan pengaruh
antar kelima faktor yang terbentuk. Semakin besar angka % of variance , maka
pengaruh yang akan semakin besar begitu pula sebaliknya.
Tabel 4.15 Penamaan Faktor
Kode Indikator Faktor
Loading
% of
Variance
Component Nama
Faktor
P11 Mushola 0,576 30,262 Faktor 1 Infrastruktur
P12 Camping Ground 0,435
P16 Pelayanan Pengelola 0,618
P17 Lahan Parkir 0,731
P18 Toilet 0,759
P19 Kebersihan 0,639
P20 Keamanan 0,622
P1 Keindahan Alam 0,718 12,435 Faktor 2 Keadaan
Alam dan
sejarah P4 Kesejukan Udara 0,711
P5 Pemandangan 0,797
P10 Benteng Belanda 0,550
P6 Sunrise 0,866 7,231 Faktor 3 Keindahan
Alam P7 Sunset 0,870
P8 City Light 0,656
P9 Fotografi 0,459 7,138 Faktor 4 Akomodasi
P13 Kondisi Jalan 0,633
P14 Harga Tiket 0,713
P15 Akses dan Informasi 0,686
P2 Cuaca 0,730 5,611 Faktor 5 Iklim
P3 Cahaya Matahari 0,799
Sumber : Hasil Olahan Data Primer 2018
8. Component Transformastion Matrix
Langkah akhir dari analisis faktor adanya dengan melihat korelasi pada
Tabel Component Transformation Matrix. Dengan memperlihatkan angka-angka
69
yang ada pada diagonal, antara component 1 dengan 1, component 2 dengan 2
component 3 dengan 3 component 4 dengan 4 dan component 5 dengan 5. Terlihat
kelima component tersebut memiliki nilai korelasi yang berbeda beda (0,559,
0,095, 0,140, -0,276 dan 0,744). Hal ini menunjukan bahwa kelima component yang
terbentuk memiliki tingkat korelasi yang berbeda beda.
Tabel 4.16 Component Transformation Matrix
Component Transformation Matrix
Component 1 2 3 4 5
1 ,559 ,520 ,307 ,479 ,306
2 -,568 ,095 ,785 -,080 ,215
3 ,162 ,582 ,140 -,560 -,550
4 ,573 -,603 ,477 -,276 -,067
5 ,105 ,135 -,206 -,612 ,744
Extraction Method: Principal Component Analysis.
Rotation Method: Varimax with Kaiser Normalization.
Sumber : Hasil Olahan Data Primer 2018
4.2.3. Estimasi Individual Travel Cost Method
Dengan observasi sebanyak 150 responden, intensitas kunjungan wisatawan
yang berkunjung ke Objek Wisata Geger Bintang Gunung Putri Lembang dalam
setahun terakhir minimum berkunjung 1 kali dan maksimum berkunjung ≥ 4 kali.
Rata rata biaya perjalanan yang dikeluarkan wisatawan ketika berkunjung adalah
sebesar Rp. 107.900 dengan biaya minimum yang dikeluarkan sebesar Rp.30.000
dan maksimal Rp.250.000. usia rata rata pengunjung adalah 20 tahun dengan usia
termuda yaitu 15 tahun dan tertua dalah 35 tahun. Sementara itu pendidikan terakhir
70
wisatawan rata rata SMA dengan pendidikan terendah yaitu SMP dan tertinggi yaitu
Perguruan Tinggi. Jarak tempuh pengunjung minimum kurang dari 4,6 km dengan
maksimum jarak lebih dari 12,1 km dan paling banyak wisatawan berkunjung
dengan tujuan rekreasi.
Tabel 4.17 Deskriptif Statistik Variabel Peneitian
Variabel Obs Mean Std. Dev Min Max
Usia 150 19.72 3.76155 15 35
Pendidikan 150 2.806667 .5986188 2 4
V 150 1.52 .6727685 1 3
Pendapatan 150 1,86 1.049321 1 4
Biaya 150 107900 46930.16 30000 250000
Jarak 150 3.586667 .8449349 1 4
Sumber : Hasil Olahan Data Primer,2018
1. Uji Statistik-t
Untuk mengetahui ada atau tidaknya pengaruh setiap masing-masing
variabel independen terhadap variabel dependen, penulis menggunakan uji t. Hal
ini dilihat dari p-value (P>│t│) masing-masing variabel independen, apabila
memiliki nilai lebih kecil dari tingkat signifikansi maka Ho ditolak atau signifikan.
Berdasarkan hasil regresi OLS pada tabel 4.12 yang telah dilakukan, diketahui
bahwa variabel biaya perjalanan, total pendapatan perbulan dan jarak memiliki
pengaruh terhadap jumlah intensitas kunjungan. Sementara untuk variabel biaya
usia dan tingkat pendidikan tidak memiliki pengaruh secara langsung terhadap
jumlah intensitas kunjungan.
71
2. Uji Statistik F
Uji F dilakukan untuk mengetahui joint significance dari seluruh variabel
independen terhadap variabel dependen. Hal ini dilihat dari nilai Prob > F.
Berdasarkan hasil regresi OLS yang telah dilakukan pada tabel 4.12 dalam
penelitian ini nilai Prob > F adalah 0,0000 sehingga nilai tersebut lebih kecil dari
0,05. Maka uji F menerima Ha pada tingkat signifikansi 5% atau paling tidak
terdapat beberapa variabel independen yang mempengaruhi secara signifikan
terhadap variabel dependen.
Tabel. 4.18 Model regresi OLS
Number of Obs = 150
Prob > F = 0.0000
R-squared = 0.4177
OLS
Variabel Koefisien Std.error T p> |t|
Q Biaya -0,00000616 0,00000119 -5.16 0.000***
Pendapatan 0.1818091 0.0484089 3.76 0.000***
Usia -0.0177582 0.0137083 -1.30 0.197
Pendidikan -0.0730745 0.0933673 -0.78 0.435
Jarak -0.2519478 0.0674849 -9.73 0.000***
_Cons 3.205264 0.3653261 9.05 0.374
*p<0.1; **p<0,05; ***p<0.01
Sumber : Hasl Olahan Data Primer 2018
Berikut merupakan fungsi permintaan seperti pada persamaan 3.2 dan
koefisien pada tabel 4.12
V = 3,305264 -0,000006.16X1 + 0,1818091 X2 -0,0177582X3 -0,0730745X4 –
0,2519478 X5
(4.1)
72
3. Uji Multikolinearitas
Melihat hasil output dengan command pwcorr pada STATA 14, yang
mana apabila nilai memiliki koefisien <0,8 maka model tidak memiliki masalah
multikolinearitas. Dalam penelitian ini lima variabel independen yang diuji tidak
memiliki masalah multikolinearitas karena semua nilai koefisien nya kurang dari
0,8.
4. Uji Heteroskedastisitas
Digunakannya uji heteroskedastisitas adalah untuk mengetahui ada atau
tidaknya penyimpangan asumsi klasik menggunakan command hettest pada
STATA 14. Dengan pengujian Breusch-Pagan dengan nilai chi-square, yaitu
sebesar 4, 23 dan Prob>chi2 sebesar 0,0397 (0,0000<0,05) yang berarti berada
dibawah taraf signifikansi 0,05 juga terdapat beberapa variabel independen yang
tidak signifikan. Hal ini mengindikasikan adanya masalah heteroskedastisitas pada
variabel independen. Untuk atasi masalah ini digunakan command robust standard
error dalam regresi model di software STATA 14.
4.2.3.1 Surplus Konsumen dan Willingness To Pay
Kesediaan membayar wisatawan dapat diketahui melalui perhitungan nilai
surplus konsumen per individu per tahun. Nilai –βCosti berasal dari koefisien hasil
73
regresi variabel biaya perjalanan yaitu sebesar 0,00000616. Surplus konsumen
dapat dihitung menggunakan rumus :
CSi=1
0,00000616=162.337.
(4.2)
Dari rumus diatas dapat diketahui nilai surplus konsumen setiap pengunjung
per perjalanan sebesar Rp. 162.337, jumlah kunjungan untuk periode 2018 adalah
42.000 pengunjung sehingga didapatkan total surplus konsumen sebesar Rp.
6.188.154.000. Untuk mendapatkan nilai kesediaan membayar atau willingness to
pay wisatawan objek wisata Geger Bintang Gunung Putri adalah dengan
menjumlahkan nilai nilai surplus konsumen dengan rata rata biaya perjalanan
wisatawan ke Gunung Putri. Maka didapatkan nilai kesediaan membayar atau WTP
sebesar Rp. 270.237 hal ini menggambarkan kesediaan membayar wisatawan
dalam mendapatkan seluruh fasilitas terbaik yang ditawarkan Geger Bintang
Gunung Putri Lembang dengan tingkat pendapatan tertentu.
4.3. Hasil Analisis Data
Berdasarkan analisis faktor yang dilakukan terdapat duapuluh faktor dan
dapat diringkas menjadi lima faktor utama yaitu infrastruktur, keindahan alam,
keadaan alam dan sejarah , akomodasi serta iklim. Dengan tingkat % of Variance
sebesar 30,262. Ini berarti faktor satu yaitu infrastruktur mempunyai pengaruh
paling besar diantara kelima faktor yang terbentuk, yang berarti dari duapuluh
indikator yang ada, 30.26% - nya dapat dijelaskan oleh satu faktor. Faktor yang
paling berpengaruh kecil adalah faktor iklim yaitu sebesar 5.6%.
74
Model yang digunakan dalam penelitian ini adalah ordinary least square
(OLS). Hasil regresi dalam penelitian ini terdapat pada tabel 4.12. Variabel biaya
perjalanan (X1) dapat diartikan sebagai biaya yang seluruhnya dikeluarkan oleh
setiap pengunjung dalam satu kali melakukan kegiatan rekreasi saat di objek wisata
Geger Bintang Gunung Putri (biaya transportasi, konsumsi, penggunaan wahana
dan lain-lain). Variabel biaya perjalanan memiliki nilai koefisien regresi sebesar -
0,00000616 yang menghasilkan nilai negatif dan signifikan di taraf uji 5%. Hal ini
berarti biaya perjalanan mempengaruhi jumlah intensitas kunjungan ke objek
wisata Geger bintang Gunung Putri secara signifikan (cateris paribus). Hal ini
berarti wisatawan akan sedikit melakukan kunjungan jika terjadi kenaikan biaya
kunjungan kelokasi tersebut.
Variabel total pendapatan per bulan (X2) memiliki nilai koefisien regresi
sebesar 0,1818091 yang menghasilkan nilai positif dan signifikan pada taraf uji 5%.
Hal ini berarti setiap kenaikan total pendapatan per bulan sebesar satu juta rupiah
akan mengakibatkan penambahan jumlah intensitas kunjungan sebesar 0,01818091
dengan asumsi bahwa biaya perjalanan, usia, tingkat pendidikan, dan jarak dalam
keadaan tetap/ konstan. Dengan demikian semakin tinggi total pendapatan per bulan
yang pengunjung terima maka jumlah intensitas kunjungan ke objek wisata Geger
Bintang Gunung Putri semakin bertambah (cateris paribus).
Variabel usia (X3) pengunjung memiliki nilai koefisien regresi sebesar
-0,0177582 yang menghasilkan nilai negatif dan tidak signifikan. Hal tersebut
berarti usia tidak berpengaruh terhadap jumlah intensitas kunjungan ke objek wisata
75
Geger Bintang Gunung Putri secara signifikan (cateris paribus). Hal ini ikarenakan
untuk masuk ke Objek Wisata Geger Bintang Gunung Putri tidak dibatasi oleh usia.
Variabel tingkat pendidikan (X4) pengunjung yang datang ke objek wisata
Geger Bintang Gunung Putri memiliki nilai koefisien regresi sebesar -0,0730745
yang menghasilkan nilai negatif dan tidak signifikan. Hal ini berarti tingkat
pendidikan tidak mempengaruhi jumlah intensitas kunjungan ke objek wisata Geger
Bintang Gunung Putri secara signifikan (cateris paribus). Hal tersebut dapat
disebabkan Geger Bintang Gunung Putri tidak membatasi kunjungan masuk
sehingga siapapun dengan tingkat pendidikan apapun dapat berwisata di objek
wisata ini.
Variabel jarak tempuh (X5) merupakan jarak tempat tinggal pengunjung ke
tempat rekreasi dihitung dalam satuan kilometer. Variabel ini memiliki nilai
koefisien regresi sebesar -0,2519478 yang menghasilkan nilai negatif dan
signifikan pada taraf uji 1%. Hal ini berarti setiap kenaikan jarak satu kilometer
yang ditempuh pengunjung untuk dapat sampai ke objek wisata Geger Bintang
Gunung Putri akan mengakibatkan penurunan jumlah intensitas kunjungan sebesar
0,2519478 dengan asumsi bahwa biaya perjalanan, total pendapatan per bulan, usia,
dan tingkat pendidikan dalam keadaan tetap/ konstan.
Surplus konsumen yang diperoleh sebesar Rp 162.337per individu per
tahun. Untuk nilai kesediaan membayar atau willingness to pay pengunjung adalah
sebesar Rp 270.237
top related