IV METODE PENELITIAN
4.4 Metode Pengolahan dan Analisis Data
4.4.3 Estimasi Nilai WTP dari Masyarakat Terhadap Upaya Pelestarian RTH di Sekitar Waduk Ria Rio
4.4.3.1 Hipotesis penelitian
Keterangan:
TWTP = Total WTP responden (Rp) EWTPi = Dugaan rataan WTP ke-i (Rp) P = Jumlah populasi (orang) i = Responden ke-i (i=1,2,...,n)
Jumlah populasi yang termasuk ke dalam perhitungan ini adalah jumlah kepala keluarga di Kelurahan Kayu Putih.
6. Mengevaluasi model CVM
Pelaksanaan model CVM dievaluasi dilihat dari nilai R² dari model Ordinary Least Square (OLS) WTP.
4.4.3.1 Hipotesis penelitian
Hipotesis dalam penelitian ini adalah sebagai berikut:
1. Responden laki-laki diduga memiliki nilai WTP yang lebih tinggi dibandingkan dengan responden perempuan. Hal ini disebabkan karena
24
responden laki-laki bertindak sebagai kepala keluarga dalam sebuah rumah tangga cenderung lebih tegas dalam pengambilan keputusan dibandingkan responden perempuan.
2. Usia responden diduga berpengaruh positif terhadap nilai WTP, artinya semakin bertambah usia responden maka nilai WTP yang akan diberikan diduga akan semakin tinggi. Hal ini disebabkan karena usia cenderung mempengaruhi pola pikir seseorang dalam pengambilan keputusan dan kepedulian terhadap lingkungan.
3. Tingkat pendidikan responden diduga berpengaruh positif terhadap nilai WTP, artinya semakin tinggi tingkat pendidikan responden maka nilai WTP yang akan diberikan diduga akan semakin tinggi. Hal ini disebabkan karena tingkat pendidikan cenderung mempengaruhi pola pikir seseorang untuk mendapatkan suatu kondisi lingkungan yang lebih baik dan nyaman. 4. Tingkat pendapatan keluarga responden diduga berpengaruh positif
terhadap nilai WTP, artinya semakin tinggi pendapatan keluarga maka nilai WTP yang akan diberikan diduga akan semakin tinggi.
5. Jumlah tanggungan keluarga responden diduga berpengaruh negatif terhadap nilai WTP, artinya semakin banyak jumlah tanggungan keluarga responden maka diduga nilai WTP yang akan diberikan akan semakin menurun.
6. Lama tinggal responden diduga berpengaruh positif terhadap nilai WTP, artinya semakin lama seorang responden tinggal di lokasi tersebut maka diduga nilai WTP yang akan diberikan akan semakin meningkat. Hal ini disebabkan semakin lama responden tinggal di suatu lokasi maka responden akan memiliki rasa peduli terhadap lingkungan tempat tinggalnya.
7. Jarak tempat tinggal diduga berpengaruh negatif terhadap nilai WTP, artinya semakin jauh jarak tempat tinggal responden maka diduga nilai WTP yang akan diberikan semakin menurun.
8. Status tempat tinggal milik sendiri diduga akan meningkatkan nilai WTP yang akan diberikan responden dibandingkan dengan responden dengan status tempat tinggal kontrak.
25 4.4.4 Analisis Regresi Faktor-Faktor yang Mempengaruhi WTP Masyarakat
Model regresi berganda dilakukan untuk mengetahui faktor-faktor apa saja yang mempengaruhi besarnya WTP responden. Persamaan regresi berganda nilai WTP dalam penelitian adalah sebagai berikut:
WTPi= β0 + β1JKi+ β2Ui + β3PDDKi+ β4PDPTi + β5JTKi + β6LTi + β7JTTi + β8STTi + ε
...(5)
Keterangan: WTPi = Nilai WTP responden ke i (Rp) β0 = Intercept β1..β8 = Koefisien regresiJKi = Jenis kelamin responden ke-i (1 = laki-laki, 0 = perempuan) Ui = Usia responden ke-i (tahun)
PDDKi = Lama pendidikan formal responden ke-i (tahun) PDPTi = Pendapatan rumah tangga responden ke-i (Rp/bulan) JTKi = Jumlah tanggungan keluarga responden ke- i (orang) LTi = Lama tinggal responden ke-i di lokasi penelitian (tahun) JTTi = Jarak tempat tinggal responden ke-i (meter)
STTi = Status tempat tinggal responden ke-i (1 = milik sendiri, 0 = kontrak)
ε
= Galat atau errori = Responden ke-i (i=1,2,...,n) 4.4.4.1 Pengujian Parameter
Pengujian parameter regresi dilakukan dengan menguji signifikasi nilai koefisien regresi secara parsial yang diperoleh dengan metode Ordinary Least Square (OLS). Pengujian parameter secara statistik menguji apakah persamaan matematis yang akan dipergunakan untuk meramalkan sudah cocok atau belum (goodness of fit test) atau menguji apakah setiap koefisien dari suatu variabel bebas dapat menunjukkan bahwa pengaruh variabel tersebut terhadap variabel tak bebas cukup nyata (significant) (Firdaus 2004).
a. Pengujian statistik
Pengujian statistik terhadap model dapat dilakukan dengan tiga cara, yaitu uji keandalan, uji statistik t, dan uji statistik f.
26
1. Uji keandalan
Menurut Firdaus (2004), koefisien determinasi mengukur tingkat ketepatan/kecocokan (goodness of fit) dari regresi linear sederhana maupun berganda. Pada regresi linear berganda hubungan tiga variabel yaitu regresi Y terhadap X2 dan X3, ingin diketahui berapa besarnya persentase sumbangan X2
dan X3 terhadap variasi naik turunnya Y secara bersama-sama. Besarnya persentase sumbangan ini disebut koefisien determinasi berganda (R²). Semakin dekat nilai R² dengan satu, maka semakin cocok garis regresi untuk meramalkan Y. Rumus umum untuk mencari nilai R² adalah
...(6)
Keterangan:
R2 = Koefisien determinasi JKR = Jumlah kuadrat regresi JKT = Jumlah kuadrat total 2. Statistik uji t
Menurut Firdaus (2004), analisis untuk menguji signifikasi nilai koefisien regresi secara parsial yang diperoleh dengan menggunakan metode OLS adalah statistik uji t. Rumus umum untuk mencari nilai thitung dari masing-masing koefisien regresi adalah:
...(7) Hipotesis statistik: Ho: β = 0 (X tidak berpengaruh terhadap Y)
H1: β ≠ 0 (X berpengaruh terhadap Y)
Nilai thitung dibandingkan dengan nilai ttabel. Jika thit ≥ ttab atau thit ≤ ttab maka Ho ditolak atau terima Ho jika ttab< thit < ttab , dengan ttabel = t 0,5α;df=n-2
3. Statistik uji f
Menurut Firdaus (2004), pengujian hipotesis koefisien regresi berganda dilakukan dengan analisis varian. Analisis varian dalam regresi berganda pada hakikatnya diperlukan untuk menunjukkan sumber-sumber variasi yang menjadi komponen variasi dari model regresi. Analisis varian ini akan menghasilkan pengertian tentang bagaimana pengaruh sekelompok variabel bebas secara bersama-sama
b
s b t
27 terhadap variabel tak bebas. Statistik uji yang digunakan dalam hal ini adalah statistik uji f. Rumus umum untuk mencari nilai fhitung adalah
Statistik uji:
...(8) Keterangan:
JKK = jumlah kuadrat untuk nilai tengah kolom JKG = jumlah kuadrat galat
K = jumlah peubah Kriteria uji:
Tolak H0 jika Fhit≥ Ftab , Ftab= Fα(v1,v2) dimana v1 = 1 dan v2 = n 2 b. Pengujian ekonometrika
Pengujian ekonometrika terhadap model dapat dilakukan dengan uji asumsi klasik. Asumsi yang dimaksud adalah data residual menyebar normal, tidak ada hubungan linear sempurna antar variabel bebas, komponen sisaan memiliki nilai harapan sama dengan nol dan ragamnya konstan untuk setiap pengamatan, serta tidak adanya korelasi antar sisaan. Uji asumsi klasik ini terdiri dari uji normalitas, uji multikolinearitas, uji heteroskedastisitas, dan uji autokorelasi.
1. Uji normalitas
Menurut Juanda (2009), normalitas adalah suatu kondisi dalam model regresi dimana variabel sisaan memiliki distribusi normal. Normalitas dalam statistik parameter seperti regresi dan Analysis of Variance merupakan syarat utama. Maksud data berdistribusi normal adalah bahwa data akan mengikuti bentuk distribusi normal. Uji normalitas bertujuan untuk mengetahui apakah sisaan terstandardisasi yang diteliti berdistribusi normal atau tidak. Uji normalitas dilakukan pada nilai sisaan model. Asumsi normalitas dapat diperika dengan pemeriksaan output normal P-P plot atau normal Q-Q plot. Asumsi normalitas terpenuhi ketika penyebaran titik-titik output plot mengikuti garis diagonal plot dan ketika pengujian menghasilkan P-value (Sign) > α. Nilai alpha ditentukan sebesar 1%, 5%, atau 10%.
2. Uji multikolinearitas
Menurut Juanda (2009), salah satu asumsi dari model regresi berganda adalah bahwa tidak ada hubungan linear sempurna antar peubah bebas dalam
28
model tersebut, jika hubungan tersebut ada maka dikatakan bahwa peubah bebas tersebut berkolinearitas ganda sempurna (multikolinearitas). Multikolinearitas dapat dideteksi dari nilai Variance Inflation Factor (VIF). Jika VIF > 10, maka dapat diambil kesimpulan bahwa model tersebut mengalami multikolinearitas. 3. Uji heteroskedastisitas
Menurut Juanda (2009), salah satu asumsi dari model regresi berganda adalah bahwa ragam sisaan sama atau homogen. Jika ragam sisaan tidak sama untuk tiap pengamatan ke-i dari peubah-peubah bebas dalam model regresi maka akan mengalami heteroskedastisitas. Sala satu cara untuk mendeteksi heteroskedastisitas adalah dengan melakukan uji White. Tahapan dalam melakukan uji White adalah sebagai berikut:
a. Estimasi regresi dengan OLS sehingga memperoleh residu ei, b. Lalu kerjakan regresi pelengkap berikut ini:
ei2= Ai+ A2 X2i+A3 X3i+A4 X2i2+A5 X3i2+A6 X2i X3i+vi ...(9) c. Tentukan nilai R2 dari regresi pelengkap dengan hipotesis nol bahwa tidak
ada heteroskedastisitas.
d. Jika nilai khi- kuadrat yang diperoleh melebihi nilai khi-kritis pada tingkat signifikansi yang dipilih atau jika nilai ρ nilai khi-kuadrat yang dihitung cukup rendah (1-5%), hipotesis nol bisa ditolak.
4. Uji autokorelasi
Menurut Juanda (2009), salah satu asumsi dari model regresi linear adalah bahwa tidak ada korelasi serial antar sisaan. Jika antar sisaan tidak bebas, maka dapat dikatakan model mengalami autokorelasi. Masalah ini dapat dilihat dari sisaan dalam suatu periode waktu berkorelasi langsung dengan sisaan dalam periode waktu berikutnya. Statistik uji yang sering digunakan adalah uji Durbin-Watson. Tabel 8 merupakan selang nilai statistik DW serta keputusannya.
Tabel 8 Selang nilai statistik Durbin Watson serta keputusannya
Hipotesis nol Keputusan Jika
tidak ada autokorelasi positif tolak 0 < d < dl tidak ada autokorelasi positif tidak ada keputusan dl ≤ d ≤ du
tidak ada autokorelasi negatif tolak 4-dl < d <4 tidak ada autokorelasi negatif tidak ada keputusan 4-du ≤ d ≤ 4-dl tidak ada autokorelasi positif dan
negatif
29 V GAMBARAN UMUM