Jumlah tanggungan (org) Lama bekerja di kawasan TWA (thn)

LAMPIRAN 88

Lampiran 1. Data Responden Masyarakat Desa Karang Tengah 11 No Jenis pekerjaan Jenis kelamin (L=1 ; P=) Umur (thn) Lama pendidikan (thn) Jumlah tanggungan (org) Lama bekerja di kawasan TWA (thn) Jarak rumah ke TWA (km) Pendapatan dari adanya TWA (rupiah/bulan) Pendapatan non TWA (rupiah /bulan) Pendapatan total (Pendapatan TWA+Non TWA) 1 Penjaga karcis 8 9 4 5 1 1.3. 5. 1.55. Pedagang 1 4 3 3 3 1 95. 35. 1.3. 3 Pedagang 8 6 3 1 1.1. 1.1. 4 Penjaga taman 45 1,5 575. 75. 1.35. 5 Penjaga taman 35 3 1,5 575. 55. 1.15. 6 Penjaga taman 4 3 3 1,5 575. 5. 1.75. 7 Penjaga taman 34 6 1,5 575. 75. 1.35. 8 Buruh wisata 4 1 1 45. 65. 1.1. 9 Pedagang 35 6 4,5 1.1. 1.1. 1 Pedagang 3 3 1 1.. 1.. 11 Buruh wisata 1 35 3 1 6. 35. 95. 1 Security 1 8 4 4,5 1.4. 1.4. 13 Buruh wisata 3 3 1 75. 75. 14 Buruh wisata 1 31 6 3 3 1 65. 65. 15 Buruh wisata 6 1,5 75. 3. 1.5. 16 Pedagang 1 5 6 1,5 1.. 1.. 17 Buruh wisata 35 1 1 55. 35. 9. 18 Buruh wisata 3 3 1,5 6. 45. 1.5. 19 Pedagang 1 5 6 3,5 9. 9. Buruh wisata 1 5 4 1,5 75. 75. 1 Buruh wisata 18 3 1,5 6. 35. 95. Buruh wisata 3 1 55. 45. 1.. 3 Pedagang 1 44 6 3 4 1 1.1.. 1.3. 89

9 4 Buruh wisata 5 1 55. 35. 9. 5 Buruh wisata 3 3,5 65. 45. 1.1. 6 Buruh wisata 6 1 5. 3. 8. 7 Pedagang 1 9 6 3,5 1.1. 3. 1.4. 8 Penjaga karcis 1 5 5 3 4,5 1.. 1.. 9 Warung 4 3 5,5 1.8. 1.8. 3 Warung 6 1 1 9. 9. 31 Warung 8 4 4 4,5 1.4. 1.4. 3 Warung 1 38 3 4,5 1.. 1.. 33 Warung 1 6 3 5,5 1.8. 1.8. 34 Warung 1 3 5,5 1.. 1.. 35 Warung 6,5 1.. 1.. 36 Warung 35 6 4 4,5 1.6. 1.6. 37 Tukang ojek 1 5 9 5 1 1.. 35. 1.35. 38 Tukang ojek 1 34 6 5,5 1.88. 1.88. 39 Tukang ojek 1 35 4 4 5 1 1.65. 1.65. 4 Tukang ojek 1 4 1 3 1.. 3. 1.5. 41 Tukang ojek 1 35 4 3 5 1 1.3. 1.3. 4 Tukang ojek 1 5 3 3 5 1,5 1.5. 1.5. 43 Tukang ojek 1 3 6 3 5 1.8. 1.8. 44 Tukang ojek 1 3 5 4 5 3 1.. 1.. 45 Tukang ojek 1 8 6 3 5 1.5. 1.5. 46 Tukang ojek 1 4 6 4 5 1,5 1.8. 1.8. 47 Tukang ojek 1 7 6 5 1.. 1.. 48 Tukang ojek 1 3 5 5 5 1 1.5. 1.5. 49 Tukang ojek 1 3 6 5 1.5. 1.5. 5 Tukang ojek 1 6 6 3 5 3 1.. 1.. 51 Tukang ojek 1 3 6 3 5 3 1.8. 1.8. 5 Tukang ojek 1 35 6 3 5 1 1.8. 1.8. 53 Tukang ojek 1 35 6 5 5 1.4..4.

91 54 Tukang ojek 1 35 3 4 5 1 1.8. 1.8. 55 Supir angkot 1 5 3 4 5 1.. 15..15. 56 Supir angkot 1 7 4 5 1,5 1.8. 3..1. 57 Pedagang 1 14 9 3 3,5 46. 46. 58 Pedagang 1 8 6 3 5,5 1.. 1.. 59 Security 1 45 6 3,5 1.15. 45. 1.6. 6 Security 1 35 6 3 1 8. 55. 1.35.

Lampiran. Hasil Estimasi Model Regrsi Linier Berganda dengan Minitab 14. Welcome to Minitab, press F1 for help. Regression Analysis: Y (juta/thn) versus X1 (jml tang, X (umur/thn,... Weighted analysis using weights in Y (juta/thn) The regression equation is Y (juta/thn) = -.344 +.134 X1 (jml tanggungan/org)+.11 X (umur/thn) +.199 (lama bekerja d TWA/thn) +.8 (pendidikan akhir/thn)-.6 (jarak rmh/km) +.68 (jenis kelamin l=1 ;p=) Predictor Coef SE Coef T P VIF Constant -.3438.517-1.37.178 X1 (jml tanggungan/org).1335.4865.74.8 1.3 X (umur/thn).11178.4613.4.19 1. X3 (lama bekerja d TWA/thn).199.3359 5.9. 1.7 X4 (pendidikan akhir/thn).78.188 1.14.61 1.3 X5 (jarak rmh/km) -.6.618 -.1.9 1.3 X6 (jenis kelamin l=1 ;p=).68.145.65.518 1.5 S =.31457 R-Sq = 66.1% R-Sq(adj) = 6.3% Analysis of Variance Source DF SS MS F P Regression 6 1.375 1.763 17.5. Residual Error 53 5.431.989 Total 59 15.486 Source DF Seq SS X1 (jml tanggungan/org) 1 3.8669 X (umur/thn) 1.5599 X3 (lama bekerja d TWA/thn) 1 5.588 X4 (pendidikan akhir/thn) 1.188 X5 (jarak rmh/km) 1. X6 (jenis kelamin l=1 ;p=) 1.419 Unusual Observations Obs X1(jml tanggungan/org) Y(juta/thn) Fit SE Fit Residual St Resid 16. 1..5913.15.687.36R 4. 1..8883.1699.3117 1.35 X 53 5..4 1.8966.11.534.86R R denotes an observation with a large standardized residual. X denotes an observation whose X value gives it large influence. Durbin-Watson statistic = 1.83165 Residual Plots for income Pengujian Hipotesis 1. Uji Multikolinearitas Predictor Coef SE Coef T P VIF Constant -.3438.517-1.37.178 X1 (jml tanggungan/org).1335.4865.74.8 1.3 X (umur/thn).11178.4613.4.19 1. X3 (lama bekerja d TWA/thn).199.3359 5.9. 1.7 X4 (pendidikan akhir/thn).78.188 1.14.61 1.3 X5 (jarak rmh/km) -.6.618 -.1.9 1.3 X6 (jenis kelamin l=1 ;p=).68.145.65.518 1.5 Nilai VIF <1 maka artinya tidak terjadi pelanggaran Multikolinearitas 9

. Kenormalan H = eror menyebar normal H 1 = tidak menyebar normal Residual Plots for income Normal Probability Plot of the Residuals Residuals Versus the Fitted Values Percent 99.9 99 9 5 1 1.1-4 - 4 -.5 1. Fitted Value 1.5. Histogram of the Residuals Residuals Versus the Order of the Data Frequency 1 9 6 3 - -1 1 3-1 5 1 15 5 3 35 4 45 Observation Order 5 55 6 6 5 4 3 1 -.4 -....4.6 Series: Residuals Sample 1 6 Observations 6 Mean.E-16 Median.11 Maximum.68994 Minimum -.54994 Std. Dev..7166 Skewness.3479 Kurtosis.57839 Jarque-Bera 1.648713 Probability.438517 Nilai Probability (,438517) > alpha 5% maka terima H artinya asumsi error menyebar normal terpenuhi 93

3. Homoskedastisitas H : Homoskedastisitas H 1 : Heteroskedastisitas Residual Plots for SRES1 Normal Probability Plot of the Residuals Residuals Versus the Fitted Values Percent 99.9 99 9 5 1 1.1-4 - 4 4 -..1 Fitted Value. Frequency 15 1 5 Histogram of the Residuals -1.. 1..4 3.6 Residuals Versus the Order of the Data 4-1 5 1 15 5 3 35 4 45 5 55 6 Observation Order Hasil plot model tidak membentuk pola atau menyebar bebas. Artinya, model adalah homoskedastisitas atau tidak terjadi pelanggaran asumsi heteroskedastisitas. Regression Analysis: SRES1 versus X1 (jml tanggung, X (umur/thn),... Weighted analysis using weights in Y (juta/thn) The regression equation is SRES1 = -.13 +.3 (jml tanggungan/org)+.31 X (umur/thn)+.9 (lama bekerja d TWA/thn) +.19 (pendidikan akhir/thn) -.59 (jarak rmh/km) +.91 (jenis kelamin l=1 ;p=) Predictor Coef SE Coef T P VIF Constant -.18 1.31 -.1.9 X1 (jml tanggungan/org).9.199.11.99 1.3 X (umur/thn).314.1889.17.869 1. X3 (lama bekerja di TWA/thn).9.1376.7.948 1.7 X4 (pendidikan akhir/thn).185.7484.17.864 1.3 X5 (jarak rmh/km) -.587.53 -.3.817 1.3 X6 (jenis kelamin l=1 ;p=).95.48.1.833 1.5 S = 1.885 R-Sq =.4% R-Sq(adj) =.% Analysis of Variance Source DF SS MS F P Regression 6.34.57.3 1. Residual Error 53 87.931 1.659 Total 59 88.7 94

Source DF Seq SS X1 (jml tanggungan/org) 1.55 X (umur/thn) 1.55 X3 (lama bekerja di TWA/thn) 1.37 X4 (pendidikan akhir/thn) 1.55 X5 (jarak rmh/km) 1.65 X6 (jenis kelamin l=1 ;p=) 1.74 Unusual Observations Obs X1 (jml Tanggungan/org) SRES1 Fit SE Fit Residual St Resid 16..356.144.513.1.9R 9. 1.78.14.51 1.676.6R 38. 1.96.8.416 1.698.R 4. 1.347.8.696 1.67 1.34 X 53 5..858.5.414.68 3.6R 55 4. 1.98.158.37 1.8.14R R denotes an observation with a large standardized residual. X denotes an observation whose X value gives it large influence. Durbin-Watson statistic = 1.8313 Residual Plots for SRES1 95

Lampiran 3. Data Kegiatan Orientasi Batas Kawasan No Nama Pal Kegiatan Orientasi Batas Kawasan Keterangan 1. Patok E. 89 Patah. Patok E. 9 Hilang 3. Patok E. 91 Hilang 4. Patok E. 65 Ada 5. Patok E. 66 Hilang 6. Patok E. 67 Ada 7. Patok E. 68 Hilang 8. Patok E. 69 Ada 9. Patok E. 7 Hilang 1. Patok E. 71 Hilang 11. Patok E. 7 Ada 1. Patok E. 73 Hilang 13. Patok E. 74 Ada 14. Patok E. 75 Hilang 15. Patok E. 76 Ada 16. Patok E. 77 Hilang 17. Patok E. 78 Hilang 18. Patok E. 79 Hilang 19. Patok E. 8 Hilang. Patok E. 81 Hilang 1. Patok E. 8 Hilang. Patok E. 83 Ada 3. Patok E. 84 Hilang 4. Patok E. 85 Ada 5. Patok E. 86 Ada 6. Patok E. 87 Hilang 7. Patok E. 88 Hilang Sumber : Balai Pengelolaan TWA Gunung Pancar (11) 96

Lampiran 4. Dokumentasi Penelitian Gambar (a) Gerbang Kawasan TWA Gunung Pancar Gambar (b) Kantor Pusat Informasi BBKSDA Gambar (c) Tanda panah menunjukkan yang dibangun pada tahun 6 kantor PT WWI Gambar (d) Hamparan pohon pinus di kawasan TWA Gunung Pancar Gambar (e) Pesona keindahan Gunung Pancar 97