III. KERANGKA PEMIKIRAN
3.1. Kerangka Pemikiran Teoritis
Kerangka pemikiran teoritis memuat konsep-konsep yang berkaitan dengan kerugian-kerugian akibat keberadaan industri peleburan besi dan baja. Konsep-konsep yang berkaitan dengan penelitian ini adalah konsep mengenai pendekatan biaya pengobatan, analisis Willingness to Accept (WTA), model regresi linier berganda, dan model regresi logistik.
3.1.1. Pendekatan Biaya Pengobatan
Dampak perubahan kualitas lingkungan dapat berakibat negatif pada kesehatan, yaitu menyebabkan penurunan tingkat kesehatan pada anggota rumahtangga yang tinggal disekitar industri. Menurut Kementrian Lingkungan Hidup (2007), tahapan pelaksanaan cost of illness adalah:
1. Mengetahui bahwa telah terjadi gangguan kesehatan yang berakibat perlunya biaya pengobatan.
2. Mengetahui biaya pengobatan yang dibutuhkan sampai sembuh. 3. Menghitung total biaya pengobatan.
3.1.2. Analisis Willingness to Accept
Willingness to Accept (WTA) merupakan salah satu bagian dari metode CVM yang digunakan. Tahapan-tahapan metode CVM mengarahkan penelitian pada besar nilai WTA dari masyarakat yang terkena dampak negatif akibat pencemaran udara oleh industri peleburan besi dan baja.
Asumsi-asumsi yang diperlukan dalam pelaksanaan pengumpulan nilai
Willingness to Accept (WTA) dari setiap sampel adalah :
1. Sampel merupakan rumahtangga yang terletak dilokasi penelitian dan bersedia menerima ganti rugi.
2. Nilai WTA yang diberikan konsumen merupakan nilai minimum yang bersedia diterima oleh rumahtangga jika ganti rugi yang diberikan benar-benar dilaksanakan.
3. Industri peleburan besi dan baja bersedia memberikan ganti rugi atas penurunan kualitas lingkungan.
4. Sampel dipilih secara acak dari populasi yang terkena dampak penurunan kualitas lingkungan dan responden merupakan anggota rumahtangga.
Metode yang dapat digunakan untuk memperoleh besarnya penawaran nilai WTA/WTP (Hanley dan Spash, 1993) :
1. Bidding Game (Metode Tawar-Menawar)
Metode yang digunakan dengan mempertanyakan kepada responden tentang sejumlah nilai tertentu yang diajukan sebagai titik awal dan selanjutnya semakin meningkat sampai titik maksimum yang disepakati.
2. Open-Ended Question (Metode Pertanyaan Terbuka)
Menyatakan langsung kepada responden berapa jumlah maksimum uang yang ingin dibayarkan atau jumlah minimum uang yang ingin diterima akibat perubahan kualitas lingkungan. Metode ini memiliki kelebihan yaitu responden tidak perlu diberi petunjuk yang bisa mempengaruhi nilai awal yang ditawarkan sehingga tidak akan menimbulkan bias titik awal. Kelemahan metode ini terletak pada kurangnya akurasi nilai serta terlalu besar variasinya, selain itu seringkali ditemukan respoden yang kesulitan menjawab pertanyaan yang diberikan terutama bagi mereka yang tidak memiliki pengalaman mengenai pertanyaan yang ada dalam kuesioner.
3. Closed-Ended Question (Metode Pertanyaan Tertutup)
Metode pertanyaan tidak jauh berbeda dengan Open-ended Question hanya saja bentuk pertanyaannya tertutup. Responden diberikan beberapa nilai WTA/WTP yang disarankan kepada mereka untuk dipilih, sehingga responden tinggal memberikan jawaban sesuai dengan keinginan dan kemampuan mereka.
4. Payment Card (Metode Kartu Pembayaran)
Metode ini menawarkan kepada responden suatu kartu yang terdiri dari berbagai nilai kemampuan untuk membayar atau kesediaan menerima,
sehingga responden dapat memilih nilai maksimal/minimal sesuai dengan preferensinya. Metode ini dikembangkan untuk membatasi bias titik awal dari metode tawar-menawar. Mengembangkan kualitas metode ini terkadang diberikan semacam nilai patokan yang menggambarkan nilai yang dikeluarkan oleh seseorang dengan tingkat pendapatan tertentu bagi barang lingkungan yang lain. Keunggulan metode ini adalah memberikan stimulan untuk membantu responden berpikir lebih leluasa tentang nilai maksimum atau minimum yang akan diberikan tanpa harus terintimidasi dengan nilai tertentu, seperti pada metode tawar-menawar. Penggunaan metode ini dibutuhkan pengetahuan statistik yang baik.
Selain metode tersebut, terdapat pula metode bertanya Contingent Rangking. Metode ini tidak menanyakan langsung berapa nilai yang ingin dibayarkan atau diterima, tetapi responden diberikan pilihan rangking dari kombinasi kualitas lingkungan yang berada dengan nilai moneter yang berbeda. Responden diminta mengurutkan beberapa pilihan dari yang paling disukai sampai kepada yang tidak disukai. Metode ini menggunakan skala ordinal sehingga diperlukan pengetahuan statistik yang sangat baik dan jumlah sampel yang besar.
3.1.3. Model Regresi Linier Berganda
Menurut Firdaus (2004), model regresi berganda (multiple regression model), yaitu suatu model dimana variabel dependen bergantung pada dua atau lebih variabel independen. Model regresi berganda yang paling sederhana adalah regresi tiga variabel, yang terdiri dari satu variabel dependen dan dua variabel independen. Metode analisis berganda merupakan metode analisis yang didasarkan pada metode Ordinary Least Square (OLS). Menurut Gujarati (1978), sifat-sifat penaksiran OLS adalah: (1) penaksiran tadi tidak bias, (2) penaksiran tadi mempunyai varian yang minimum, (3) konsisten, (4) efisien, dan (5) linier. Asumsi-asumsi yang dapat digunakan untuk model regresi linier berganda dengan OLS adalah (Firdaus, 2004):
2. Cov ( , ) = 0, i ≠ j. Asumsi ini dikenal sebagai asumsi tidak adanya korelasi berurutan atau tidak ada autokorelasi.
3. Var ( ) = , untuk setiap i. Asumsi ini dikenal sebagai asumsi homoskedastisitas, atau varians sama.
4. Cov ( | ) = Cov ( | ) = 0. Artinya, variabel pengganggu dan variabel independen X tidak berkorelasi.
5. Tidak ada multikolinieritas (multicolinearity), yang berarti tidak terdapat hubungan linieritas yang pasti diantara variabel independen.
Secara umum, fungsi regresi berganda dituliskan sebagai berikut (Juanda, 2009):
Y = α0 X0i + α1 X1i + α2 X2i + ... + αj Xji + Ui
Jika semua pengamatan bernilai 1, maka model diatas menjadi Y = α0 + α1 X1i + α2 X2i + ... + αj Xji + Ui
dimana :
Y = Variabel dependen
i = Nomor pengamatan dari 1 sampai n (sampel) Xji = Pengamatan ke-i untuk variable independen Xj α0 = Intersep
α1,2,..n = Parameter Xi
Ui = Variabel pengganggu
3.1.4. Model Regresi Logistik
Menurut Rosadi (2011), regresi logistik merupakan salah satu model statistika yang dapat digunakan untuk menganalisis pola hubungan antara sekumpulan variabel independen dengan suatu variabel dependen bertipe kategoris atau kualitatif. Kategori dari variabel dependen dapat terdiri atas dua kemungkinan nilai (dichotomous), seperti ya/tidak, sukses/gagal, dan lain-lain, atau lebih dari dua nilai (polychotomous), seperti sangat tidak setuju, tidak setuju, setuju, dan sangat setuju.
Menurut Firdaus, Harmini, dan Farid (2011), model regresi logistik merupakan suatu model untuk menerangkan peluang kejadian tertentu dari kategori variabel dependen menggunakan metode Maximum Likelihood Estimator
(MLE). Dalam analisis regresi logistik, pemodelan peluang kejadian tertentu dari kategori variabel dependen dilakukan melalui transformasi dari regresi linier ke logit. Formula transformasi logit adalah:
Logit(pi) = Log
Dengan pi adalah peluang munculnya kejadian kategori sukses dari variabel dependen untuk orang ke-i dan log adalah logaritma dengan basis bilangan e. Ilustrasikan proses transformasi logit disajikan pada Gambar 1.
pi Logit (Pi)
Logit transform
Predictor Preditor
Gambar 1. Transformasi Logit