4.1. Lokasi dan Waktu Penelitian
Penelitian ini dilakukan di Kota Bogor, Provinsi Jawa Barat. Pemilihan lokasi dilakukan secara sengaja dengan mempertimbangkan: (1) Penelitian ini cocok diterapkan pada daerah sub-urban seperti Kota Bogor, (2) Kota Bogor merupakan salah satu kota yang mengalami kemacetan lalu lintas dari waktu ke waktu, (3) Adanya kesesuaian data yang diharapkan dapat mendukung dan mewujudkan tujuan penelitian yang diajukan. Pengambilan data primer melalui kuisioner dilakukan pada bulan Februari 2009 hingga Juli 2009.
4.2. Jenis dan Sumber Data
Penelitian ini menggunakan data primer, data sekunder, dan didukung dengan pendekatan kualitatif. Data primer didapatkan dengan cara memberikan kuisioner kepada pengguna jalan dan melakukan pengamatan langsung di lokasi penelitian.. Jenis data lain yang digunakan dalam penelitian ini adalah data sekunder. Jenis data sekunder diambil dari beberapa instansi yang terkait dengan objek penelitian seperti BPS Kota Bogor,, BAPPEDAL, DLLAJ Kota Bogor, SAMSAT Kota Bogor, Dinas Tata Ruang Kota Bogor, perpustakaan, internet serta berbagai penelitian terdahulu yang terkait dalam penelitian ini..
4.3. Metode Pengambilan Sample
Teknik pengambilan jumlah sample dalam penelitian ini menggunakan non-probability sampling method karena jumlah populasi pengguna jalan tidak diketahui secara pasti. Pengambilan sample dilakukan secara purposive dimana setiap responden yang ditemui diasumsikan sebagai pengguna jalan dan pernah
mengalami kemacetan di Kota Bogor. Banyaknya responden dalam penelitian ini berjumlah 551 orang yang terdiri dari 144 responden pengguna mobil pribadi, 110 orang sopir angkot, 181 pengendara sepeda motor, dan sisanya sebanyak 116 orang adalah penumpang angkutan umum. Jumlah sample yang diambil mengacu pada penelitian-penelitian CVM sebelumnya dimana jumlah responden yang diambil berkisar 500 hingga 1000 responden (Mitchell dan Carson, 1989).
4.4. Metode Pengolahan dan Analisis Data
Data dan informasi yang diperoleh dianalisis secara kuantitatif dan deskriptif. Metode deskriptif digunakan untuk melihat dampak sosial dari kemacetan lalu lintas melalui kuisioner dan indepth interview, sedangkan metode kuantitatif menggunakan rumus nilai tengah contoh. Metode CVM digunakan untuk mengestimasi besarnya nilai WTA pengguna jalan. Selanjutnya untuk menentukan tingkat validitas, reabilitas, dan signifikansi dalam penggunaan CVM, dilakukan pengujian secara regresi dengan program Minitab 14 for Windows. Berikut adalah metode pengolahan data untuk setiap tujuan penelitian seperti yang terlihat pada Tabel 4.
Tabel 4. Metode Pengolahan Data
No. Tujuan Penelitian Alat Analisis Teknik Pengumpulan Data
4.5. Perhitungan Nilai Rata-Rata
Perhitungan besarnya pengeluaran untuk pembelian BBM pengguna jalan saat kendaraan mereka berada pada lalu lintas lancar dan saat kemacetan dilakukan dengan cara mengagregatkan jumlah pengeluaran seluruh responden saat kendaraan mereka berada pada lalu lintas lancar dan saat kendaraan berada dalam kemacetan lalu dibagi dengan jumlah responden. Rata-rata pengeluaran pengguna jalan dapat dicari dengan rumus nilai tengah contoh (Walpole, 1982), yaitu:
keterangan:
=
rata-rata pengeluaran pengguna jalan saat lalu lintas normal∗=
rata-rata pengeluaran pengguna jalan saat lalu lintas macetc =
pengeluaran pengguna jalan saat lalu lintas normalc* =
pengeluaran pengguna jalan saat lalu lintas macet i = 1,2,3,...,n yaitu banyaknya peubah bebas dalam fungsin =
jumlah responden 4.6. Model Regresi BergandaModel ekonometrika yang baik harus memenuhi tiga kriteria yaitu kriteria ekonometrika, statistika, dan ekonomi. Berdasarkan kriteria ekonometrika, model harus sesuai dengan asumsi klasik, artinya harus terbebas dari gejala heteroskedastisitas, autokorelasi, dan multikolinearitas (Gujarati, 2003).
Kesesuaian model dengan kriteria statistik dilihat dari hasil uji F, uji t, dan koefisien determinasi (R2).
Berdasarkan kriteria ekonomi, tanda dan besarnya variabel-variabel eksogen dalam model harus sesuai dengan hipotesis, kecuali pada kondisi-kondisi
=
∑=∗=
∑=∗
tertentu yang bisa dijelaskan. Metode statistik inferensia yang digunakan yaitu model regresi linier berganda dengan metode pendugaan kuadrat terkecil OLS (Ordinary Least Square) yang didasarkan pada asumsi yang ada.
Karena asumsi-asumsi model regresi berganda terpenuhi, maka pendugaan faktor-faktor yang mempengaruhi besarnya WTA dari pengguna jalan sesuai dengan model regresi berganda, sehingga dengan mengganti variabel-variabel independent yang mempengaruhi WTA sebagai variabel dependent, maka digunakan fungsi WTA sebagai berikut (Hanley dan Spash, 1993):
WTA = f (α0+α1Z1+α2Z2+α3Z3+α4Z4+α5Z5+α6 Z6+ α7Z7+α8Z8+ Є)
keterangan:
α0 = Intersep
α1... α8 = Koefisien regresi Z1 = Tingkat pendidikan Z2 = Tingkat pendapatan Z3 = Jenis pekerjaan
Z4 = Umur
Z5 = Frekuensi terkena kemacetan Z6 = Durasi terkena kemacetan Z7 = Jarak tujuan perjalanan Z8 = Kategori pengguna jalan
Є = Galat
Variabel-variabel di atas dimasukkan ke dalam model karena dianggap mempunyai pengaruh pada besarnya WTA yang akan diungkapkan (expressed WTA) oleh responden. Variabel-variabel tersebut juga merupakan salah satu komponen dalam melakukan perhitungan dalam penelitian ini. Keterangan untuk setiap variabel yang berada pada model dapat dilihat pada Tabel 5.
Tabel 5. Indikator Pengukuran WTA
Variabel Keterangan Variabel Cara Pengukuran WTA Willingness to Accept (Rp) Responden ditanyakan besarnya
kompensasi yang bersedia mereka terima melalui open-ended question Z1 Tingkat pendidikan (Tahun) Responden ditanyakan jenjang
pendidikan mereka mulai dari tingkat sekolah dasar hingga perguruan tinggi.
Z2 Tingkat pendapatan (Rp) Responden diminta untuk menjawab rata-rata pendapatan.Kisaran tersebut dikelompokan menjadi 1 juta hingga > 5 juta rupiah.
Z3 Jenis pekerjaan Menanyakan responden mengenai
profesi mereka. Jenis pekerjaan dibedakan menjadi, PNS, Karyawan swasta, PengusahaatauWiraswasta dan sebagainya.
Z4 Umur (Tahun) Responden ditanyakan lansung umur mereka
Z5 Frekuensi terkena kemacetan Responden ditanyakan berapa kali mengalami kemacetan dalam setiap hari perjalanan mereka.
Z6 Durasi kemacetan (Menit) Menanyakan kepada responden durasi waktu saat terjebak dalam kemacetan.
Z7 Jarak tujuan perjalanan (Km) Menanyakan kepada responden jarak tempuh daerah asal ke lokasi tujuan perjalanan.
Z8 Kategori pengguna jalan Pengguna jalan ini dikategorikan menjadi pengguna mobil pribadi, sopir angkutan umum, pengendara sepeda motor, dan penumpang angkutan umum
4.7. Pengujian Parameter
Model akan diuji berdasarkan hipotesis yang diajukan. Pengujian hipotesis berdasarkan statistik bertujuan untuk melihat nyata tidaknya variabel-variabel bebas yang dipilih terhadap variabel tak bebas yaitu WTA. Pengujian ini menggunakan nilai-P (P-value). Berdasarkan nilai-P dapat diketahui berapa persen variabel-variabel bebas berpengaruh terhadap variabel tak bebas WTA.
Selain itu, untuk memeriksa kebaikan dari model yang telah dibuat, dilakukan pengujian statistika lainnya, seperti:
1. Uji Keandalan
Uji ini dilakukan dalam evaluasi pelaksanaan CVM. Berhasil tidaknya pelaksanaan CVM dilihat dengan nilai koefisien determinasi (R2) dari OLS (Ordinary Least Square) WTA. Nilai koefisien determinasi (R2) untuk barang lingkungan yang belum mempunyai harga dapat ditolerir sampai batas minimum 15% (Mitchell dan Carson, 1989), dimana:
H0: Model tidak berpengaruh terhadap respon (WTA) H1: Model berpengaruh terhadap respon (WTA) P-value < 0.15 tolak Ho
2. Uji Statistik F
Pengujian ini dilakukan untuk mengetahui pengaruh variabel (Zi secara bersama-sama terhadap variabel tidak bebasnya). Prosedur pengujiannya antara lain (Ramanathan, 1997):
H0: β1 = β2 = β3 = ... = βk= 0 H1: β1 = β2 = β3 = ... = βk≠ 0
= /( − 1)
/ ( − 1) dimana:
JKK = Jumlah Kuadrat Untuk nilai Tengah Kolom JKG = Jumlah Kuadrat Galat
n = Jumlah Sampel k = Jumlah Peubah
Jika F < tabel, maka H0diterima, artinya variabel (Zi) secara serentak tidak berpengaruh nyata terhadap variabel tidak bebasnya
Jika F > tabel, maka H0 ditolak, artinya variabel (Zi) secara serentak berpengaruh nyata terhadap variabel tidak bebasnya
3. Uji Statistik t
Uji statistik t dilakukan untuk mengetahui seberapa jauh masing-masing variabel bebasnya (Zi) mempengaruhi sosial ekonomi masyarakat setempat sebagai peubah tidak bebas, prosedur pengujiannya adalah sebagai berikut (Ramanathan, 1997):
H0: βi = 0, artinya variabel bebas (Zi) tidak berpengaruh nyata terhadap variabel tidak bebasnya
H1: βi ≠ 0, artinya variabel bebas (Zi) b rpengaruh nyata terhadap variabel tidak bebasnya
( )=βi − 0 Sβi
Jika t < t tabel, maka H0diterima, artinya variabel (Zi) tidak berpengaruh nyata terhadap variabel tidak bebasnya
Jika t > t tabel, maka H0 ditolak, artinya variabel (Zi) berpengaruh nyata terhadap variabel tidak bebasnya
4. Uji Terhadap Kolinear Ganda (Multicolinearity)
Model yang melibatkan banyak peubah bebas sering terjadi masalah multicolinearity, yaitu terjadinya korelasi yang kuat antar variabel bebas.
Menurut Koutsoyiannis dalam Ramanathan (1997), deteksi adanya multicolinearity dalam sebuah model dapat dilakukan dengan membandingkan besarnya nilai koefisien determinasi (R2) dengan koefisien determinasi parsial antar dua peubah bebas (r2). Hal ini dapat dibuat suatu matriks koefisien determinasi parsial antar peubah bebas. Kolinear ganda dapat dianggap tidak masalah apabila koefisien determinasi parsial antar dua peubah bebas tidak melebihi nilai koefisien determinasi atau koefisien korelasi berganda antar semua peubah secara simultan. Namun, multicolinearity dianggap sebagai
masalah serius jika koefisien determinasi parsial antar dua peubah bebas melebihi atau sama dengan nilai koefisien determinasi atau koefisien korelasi berganda antar semua peubah secara simultan, atau secara matematis dapat dituliskan dalam pertidaksamaan berikut:
, > , … ,
Masalah multicolinearity juga dapat dilihat langsung melalui ouput komputer, dimana jika nilai VIF < 10 maka tidak ada masalah multicolinearity.
5. Uji Heteroskedastisitas
Salah satu asumsi metode pendugaan metode kuadrat terkecil adalah heteroskedastisitas, yaitu ragam galat konstan dalam setiap amatan.
Pelanggaran atas asumsi homokedastisitas adalah heteroskedastisitas.
Pendeteksian adanya masalah ini, maka dilakukan pengujian terhadapanya seperti yang disarankan oleh Goldfeld dan Quandt dalam Ramanathan (1997).
Contoh amatan diurutkan menurut peubah-peubah bebasnya kemudian dibagi dua anak contoh dengan pemisah contoh berjumlah 16 untuk contoh ukuran 60. Kedua contoh anak tersebut masing-masing diregresikan kemudian dihitung jumlah kuadrat galat (JKG) dari masing-masing regresi tersebut.
Jumlah kuadrat regresi dari regresi anak contoh pertama dikonotasikan (JKG1). Jumlah kuadrat regresi dari regresi anak contoh kedua dikonotasikan (JKG2). Statistik ujinya adalah:
= 1
2
Jika tidak ada masalah heteroskedastisitas maka nilai F-hitung akan menuju 1.
Masalah heteroskedastisitas masih dapat ditolerir jika F-hitung < F tabel
dengan derajat bebas v1 = v2 = (n-c-2k)/2 dimana n adalah jumlah contoh, c adalah jumlah contoh pemisah, dan k adalah jumlah parameter yang diduga.
6. Uji Autokorelasi
Autokorelasi adalah korelasi antar anggota serangkaian penelitian yang diurutkan menurut waktu (time series) atau ruang (cross section) atau terdapatnya unsur error yang berurutan dalam model (tidak acak).
Autokorelasi dapat terjadi apabila terdapat bias spesifikasi yaitu adanya variabel penting yang tidak dimasukkan ke dalam model. Konsekuensi autokorelasi adalah signifikansi, yang artinya uji F dan uji t menjadi kurang kuat dan taksiran terlalu rendah. Pendeteksian autokorelasi dapat dilakukan dengan metode grafik dan uji d Durbin-Watson. Berdasarkan hipotesis diharapkan model terbebas dari masalah autokorelasi. Apabila hipotesis didefinisikan sebagai berikut:
H0: Tidak Autokorelasi H1: Autokorelasi
P-value > taraf nyata terima Ho