BAB IV HASIL DAN PEMBAHASAN Profil Wisata...

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%


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%


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%


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%


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.


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


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


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


Rotation Method: Varimax with Kaiser Normalization.

a. Rotation converged in 10 iterations.


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


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


Rotation Method: Varimax with Kaiser Normalization.


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

BAB IV HASIL DAN PEMBAHASAN Profil Wisata...

Documents

Transcript of BAB IV HASIL DAN PEMBAHASAN Profil Wisata...