Setiap pengambilan keputusan seseorang dalam menentukan nilai sumberdaya tentunya dipengaruhi oleh sebab atau faktor tertentu. Penelitian ini merupakan penelitian sosial yang dipengaruhi banyak faktor baik tangible maupun intangible. Untuk itu perlu adanya pendugaan variabel-variabel bebas yang mempengaruhi keputusan seseorang. Pada penelitian ini, pendugaan variabel-variabel yang mempengaruhi responden dalam menentukan besaran nilai kompensasi (WTA) dilakukan dengan analisis regresi linier berganda. Model regresi yang baik tidak diperbolehkan melanggar beberapa asumsi yaitu berdistribusi normal, tidak mengalami multikolinearitas, autokorelasi dan heteroskedastisitas. Hasil uji tersebut
dalam menganalisis faktor-faktor yang mempengaruhi besarnya WTA adalah sebagai berikut:
1. Uji Normalitas
Uji normalitas dilakukan untuk melihat apakah data terdistribusi normal. Uji normalitas dilakukan dengan uji Kolmogorov-Spirnov dengan menggunakan software SPSS 16 (Lampiran 1). Nilai Asymp.Sig. (2-tailed) yang diperoleh yaitu sebesar 0,437 atau lebih besar dari taraf nyata 5%. Hal tersebut menunjukkan bahwa data dalam model regresi terdistribusi normal.
2. Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menentukan apakah dalam suatu model regresi linear ganda terdapat korelasi antar variabel bebas. Uji multikolinearitas dilakukan dengan cara melihat nilai tolerance dan Variance Inflation Factor (VIF). Pada tabel di atas menunjukkan masing-masing variabel memiliki nilai tolerance tidak kurang dari 0,0 maupun lebih dari 1. Selain itu pada tabel juga menunjukkan bahwa masing-masing variabel bebas memiliki nilai VIF kurang dari 10 (Lampiran 5). Hasil tersebut menunjukkan tidak ada pelanggaran multikolinearitas dalam penelitian ini.
3. Uji Autokorelasi
Uji autokorelasi bertujuan untuk mencari tahu apakah kesalahan (errors) suatu data pada satu objek pengamatan berkorelasi dengan objek pengamatan lainnya (Juanda, 2009). Untuk mengetahui ada atau tidaknya autokorelasi dilakukan dengan cara Uji Durbin-Watson (DW). Hasil menunjukkan bahwa nilai DW adalah 1,744 (Lampiran 4). Menurut Firdaus (2011) nilai DW yang berada diantara selang 1,55- 2,46 menunjukkan tidak adanya autokorelasi. Karena nilai DW berada di antara selang tersebut, maka dapat disimpulkan model tidak mengalami autokorelasi.
4. Uji Heteroskedastisitas
Untuk mengetahui ada tidaknya heteroskedastisitas dilakukan dengan melihat Grafik Scatterplot. Hasil dari Grafik Scatterplot (Lampiran 3) menunjukkan bahwa titik-titik menyebar secara acak. Hasil ini menunjukkan bahwa model dalam penelitian ini tidak mengalami heteroskedastisitas.
Penelitian ini menggunakan sembilan variabel bebas dalam model regresi untuk melihat faktor-faktor apa sajakah yang mempengaruhi besarnya nilai WTA yaitu usia, jenis kelamin, pendidikan, lama tinggal, pendapatan, tanggungan keluarga, jarak tempat tinggal dengan industri, kualitas udara di sekitar rumah, dan total kerugian responden yang didapat dari hasil penjumlahan biaya berobat dan nilai pendapatan yang hilang, sedangkan variabel terikatnya adalah nilai Willingness to Accept (WTA) responden.
Analisis regresi linier berganda dilakukan untuk melihat faktor-faktor apa sajakah yang berpengaruh nyata dan tidak berpengaruh nyata terhadap besarnya nilai WTA. Hasil uji keandalan menunjukkan bahwa R2 yang didapat sebesar 56,6% yang dapat diinterpretasikan bahwa sebesar 56,6% keragaman WTA responden dapat dijelaskan oleh variabel-variabel bebas yang ada pada model, sedangkan sisanya 43,4% dijelaskan oleh faktor lain di luar model. Hasil analisis regresi linier berganda dapat dilihat pada Tabel 23.
Tabel 23. Hasil analisis regresi linier berganda
Variabel B Sig. VIF
(Constant) 17710.781 .594 Usia 684.130 .174*** 2.574 Jenis Kelamin -3120.653 .673 1.231 Pendidikan 5128.057 .005* 5.795 Lama Tinggal -444.634 .311 2.650 Pendapatan -.002 .638 2.922 Tanggungan 7252.118 .109** 2.064 Jarak Tempat Tinggal -156.264 .103** 1.651 Kualitas Udara -12596.323 .124** 1.424 Total Kerugian .441 .522 1.879 Ket: * Nyata pada taraf α = 5%
** Nyata pada taraf α = 15%
*** Nyata pada taraf α = 20%
Model regresi linier berganda dalam penelitian kali ini adalah sebagai berikut:
Keterangan:
WTA = Nilai WTA Responden (Rp/bulan) LT = Lama tinggal (tahun)
UR = Usia responden (tahun)
DJK = Dummy jenis kelamin (1= laki-laki, 0= perempuan) PDK = Pendidikan formal responden (tahun)
PDT = Pendapatan responden (Rp/bulan) JT = Jumlah tanggungan keluarga (orang)
JTT = Jarak tempat tinggal dengan industri (meter)
KWUD = Skor kualitas udara (1=tidak baik, 2=kurang baik, 3=cukup baik, 4=baik, 5=sangat baik)
TKR = Total kerugian responden (Rp/bulan)
Hasil uji F (Lampiran 2) menunjukkan bahwa nilai Sig. 0,001 < 0,005, yang berarti variabel-variabel independen yang digunakan pada model secara bersama- sama berpengaruh signifikan terhadap besaran nilai WTA pada taraf nyata 5%.
Hasil uji t digunakan untuk mengetahui variabel-variabel mana sajakah yang secara signifikan mempengaruhi besaran nilai WTA. Hasil dari uji t adalah sebagai berikut:
1. Variabel usia responden (UR) memiliki nilai koefisien sebesar 684,130 yang berarti setiap usia responden naik satu tahun, maka nilai WTA akan naik sebesar Rp684,130. Hal ini sesuai dengan hipotesis awal bahwa semakin tinggi usia responden maka akan mempengaruhi pola pikir dan kepedulian responden terhadap lingkungan. Usia responden berpengaruh nyata terhadap nilai WTA dengan nilai probability 0,174 pada taraf nyata 20%.
2. Variabel pendidikan (PDK) memiliki nilai koefisien sebesar 5128,057 yang berarti jika waktu menempuh pendidikan formal responden naik satu tahun, maka nilai WTA akan naik sebesar Rp5.128,057. Hal ini sesuai dengan hipotesis awal dimana semakin tinggi tingkat pendidikan responden maka pola pikir dan pengetahuannya tentang lingkungan akan semakin luas, sehingga responden yang menempuh pendidikan formal lebih lama akan lebih menyadari kerugian yang dialaminya dan menginginkan
nilai ganti rugi yang lebih besar. Pendidikan responden berpengaruh nyata terhadap nilai WTA dengan nilai probability 0,005 pada taraf nyata 5%.
3. Variabel jumlah tanggungan keluarga (JT) memiliki nilai koefisien sebesar 7252,118 yang berarti setiap jumlah tanggungan keluarga bertambah satu orang, maka nilai WTA akan naik sebesar Rp7.252,118. Hal ini dikarenakan apabila jumlah tanggungan keluarga semakin banyak, maka kerugian yang dialami akibat pencemaran juga semakin besar sehingga responden akan menginginkan ganti rugi yang lebih besar. Biaya berobat dan nilai pendapatan yang hilang pada rumahtangga dengan jumlah tanggungan yang banyak tentu akan lebih memberatkan dibandingkan dengan rumahtangga yang memiliki tanggungan lebih sedikit. Jumlah tanggungan keluarga berpengaruh nyata terhadap nilai WTA dengan nilai probability 0,109 pada taraf nyata 15%.
4. Variabel jarak tempat tinggal (JTT) memiliki nilai koefisien sebesar -156,264 yang berarti jika jarak tempat tinggal dengan industri pengolahan aspal semakin dekat satu meter, maka nilai WTA akan naik sebesar Rp156,264. Hal ini sesuai dengan hipotesis awal dimana jarak tempat tinggal yang semakin dekat dengan industri pengolahan aspal diduga akan membuat nilai WTA responden semakin tinggi. Hal ini dikarenakan semakin dekat jarak tempat tinggal dengan industri maka semakin banyak pula dampak yang dirasakan sehingga nilai WTA akan lebih tinggi bila dibandingkan dengan responden yang jarak tempat tinggalnya lebih jauh. Jarak tempat tinggal berpengaruh nyata terhadap nilai WTA dengan nilai probability 0,103 pada taraf nyata 15%.
5. Variabel kualitas udara memiliki nilai koefisien sebesar -12596,323 yang berarti jika kualitas udara di sekitar tempat tinggal responden skornya naik satu satuan, maka nilai WTA akan turun sebesar Rp12.596,323. Hal ini sesuai dengan hipotesis awal yang menduga jika kualitas udara di sekitar tempat tinggal responden semakin baik, maka nilai kompensasi yang diharapkan akan semakin kecil karena kerugian yang diderita juga sedikit. Kualitas udara berpengaruh nyata terhadap nilai WTA dengan nilai probability 0,124 pada taraf nyata 15%.