AYU SAFITRIANI H1408
DAFTAR LAMPIRAN
II. TINJAUAN PUSTAKA DAN KERANGKA PEMIKIRAN
2.7 Model Logit
Analisis regresi logit merupakan bagian dari analisis regresi. Analisis ini mengkaji hubungan pengaruh-pengaruh peubah penjelas (χ) terhadap peubah respon (Y) melalui model persamaan matematis tertentu. Namun jika peubah respon dari analisis regresinya berupa kategorik, maka analisis regresi yang digunakan adalah analisis regresi logit (Hosmer dan Lemeshow, 1989). Peubah kategori bisa merupakan suatu pilihan ya/tidak atau suka/tidak. Sedangkan peubah penjelas pada analisis regresi logit ini dapat berupa peubah kategori maupun numerik, untuk menduga besarnya peluang kejadian tertentu dari kategori peubah respon.
Model logit diturunkan berdasarkan fungsi peluang logistik kumulatif yang dispesifikasikan sebagai berikut:
Pi = F(Zi) = F(α+βXi) = = (2.1)
= (2.2) Peubah Pi/(1-Pi) dalam persamaan di atas disebut odds, yang sering juga diistilahkan dengan risiko atau kemungkinan, yaitu rasio peluang terjadi pilihan satu terhadap peluang terjadinya pilihan nol alternatifnya. Nilai Odds adalah suatu indikator kecenderungan seseorang menentukan pilihan satu. Jika persamaan (2.2) ditransformasikan dengan logaritma natural maka:
= ln → ln = = α+βXi (2.3)
Persamaan (3) ini menunjukan bahwa salah satu karakteristik penting dari model logit adalah bahwa model ini mentransformasikan masalah prediksi
peluang dalam selang (0;1) ke masalah prediksi log odds tentang kejadian (Y=1) dalam selang bilangan riil (Juanda, 2009).
2.8 Analisis Regresi Linear Berganda
Pada regresi berganda (multiple regression model) dengan asumsi bahwa peubah tak bebas (respons) Y merupakan fungsi linier dari beberapa peubah bebas X1, X2, ... , Xk dan komponen sisaan ε (error). Model ini sebenarnya merupakan pengembangan model regresi sederhana dengan satu peubah bebas sehingga asumsi mengenai sisaan ε, peubah bebas X dan peubah tak-bebas Y juga sama. Persamaan model regresi liner berganda secara umum adalah sebagai berikut : Yi = β1X1i+ β2X2i+ β3X3i+ ... + βkXki+ εi (2.4) Subskrip i menunjukkan nomor pengamatan dari 1 sampai N untuk data populasi atau sampai n untuk data contoh (sample). Xki merupakan pengamatan ke-i untuk peubah bebas Xk . Koefisien β1 dapat merupakan intersep model regresi berganda.
Untuk mendapatkan koefisien regresi parsial digunakan metode kuadrat terkecil (Ordinary Least Square atau OLS). Metode OLS dilakukan dengan pemilihan parameter yang tidak diketahui sehingga jumlah kuadrat kesalahan pengganggu (Residual Sum of Square atau RRS) yaitu Σei 2 = minimum (terkecil). Pemilihan model ini didasarkan dengan pertimbangan metode ini mempunyai sifat-sifat karakteristik optimal, sederhana dalam perhitungan dan umum digunakan. Asumsi utama yang mendasari model regresi berganda dengan metode OLS adalah sebagai berikut (Firdaus, 2004) :
1. Nilai yang diharapkan bersyarat (Conditional Expected Value) dari εi
tergantung pada Xi tertentu adalah nol.
2. Tidak ada korelasi berurutan atau tidak ada korelasi (non-autokorelasi) artinya dengan Xi tertentu simpangan setiap Y yang manapun dari nilai rata- ratanya tidak menunjukkan adanya korelasi, baik secara positif atau negatif. 3. Varians bersyarat dari € adalah konstan. Asumsi ini dikenal dengan nama
asumsi homoskedastisitas.
4. Variabel bebas adalah nonstokastik yaitu tetap dalam penyampelan berulang jika stokastik maka didistribusikan secara independent dari gangguan €.
5. Tidak ada multikolinearitas antara variabel penjelas satu dengan yang lainnya.
6. € didistibusikan secara normal dengan rata-rata dan varians yang diberikan oleh asumsi 1 dan 2.
Apabila semua asumsi yang mendasari model tersebut terpenuhi maka suatu fungsi regresi yang diperoleh dari hasil perhitungan pendugaan dengan metode OLS dari koefisien regresi adalah penduga tak bias linier terbaik (best linier unbiased estimator atau BLUE). Sebaliknya jika ada asumsi dalam model regresi yang tidak terpenuhi oleh fungsi regresi yang diperoleh maka kebenaran pendugaan model tersebut atau pengujian hipotesis untuk pengambilan keputusan dapat diragukan. Penyimpangan 2, 3, dan 5 memiliki pengaruh yang serius sedangkan asumsi 1,4, dan 6 tidak.
2.9 Tinjauan Penelitian Terdahulu
Penelitian mengenai dampak kenaikan harga BBM terhadap omzet dan pengeluaran konsumsi rumah Tangga di kota Bogor yang dilakukan oleh yang dilakukan oleh Rahmadini (2007). Penelitian dilakukan dengan menggunakan uji statistik berupa uji t terhadap pendapatan dan pengeluaran sebelum dan sesudah kenaikan harga BBM serta analisis data kemudian dilakukan secara kualitatif dan dijabarkan dalam pendeskripsian. Berdasarkan hasil penelitian dapat disimpulkan bahwa adanya kenaikan harga BBM berpengaruh negatif dan signifikan terhadap pendapatan rumah tangga pengojeg motor. Sementara itu, kenaikan harga BBM berpengaruh positif dan signifikan terhadap pengeluaran konsumsi rumah tangga pengojeg motor.
Analisis antara sistem transportasi, struktur kota dan konsumsi BBM diteliti oleh Mudjiastuti (2004). Mudjiastuti menyimpulkan bahwa terdapat hubungan yang erat antara struktur kota dengan konsumsi BBM, ada hubungan yang erat anatara transportasi terhadap konsumsi BBM dan truk merupakan indikator paling kuat.
Analisis evaluasi kebijakan subsidi nonBBM yang dilakukan oleh Handoko (2005) menyimpulkan bahwa beban subsidi nonBBM lebih ringan dibandingkan dengan subsidi BBM. Secara total beban subsidi non-BBM relatif
stabil dari tahun ke tahun walaupun ada beberapa subsidi yang mengalami penurunan, akan tetapi ada juga subsidi yang mengalami kenaikan. Beban subsidi listrik, bunga kredit program, dan pangan mengalami penurunan pada 2006 sedangkan beban subsidi pupuk dan benih mengalami peningkatan.
Analisis mengenai persoalan pada subsidi BBM yang dilakukan oleh Nugroho (2004) menyimpulkan bahwa secara akuntansi subsidi BBM tidak terdapat kaitan antara pendapatan dan penjualan minyak mentah dengan biaya yang dibutuhkan untuk menyediakan BBM di dalam negeri. Subsidi BBM telah berkembang melampaui kemampuan dari pendapatan ekspor minyak bumi untuk menanggung beban subsidi BBM tersebut. Oleh karena itu, secara bertahap subsidi BBM perlu dihapuskan.
2.10 Kerangka Pemikiran Operasional
Krisis energi merupakan salah satu kabar yang melanda dunia saat ini. Krisis energi yang terjadi saat ini disebabkan oleh tingginya penggunaan sumber energi yang tidak terbarukan, terutama minyak bumi. Di sisi lain, kenaikan harga minyak dunia memberikan dampak yang sangat besar bagi Indonesia sejak status negara berubah menjadi net impotir karena konsumsi dan penurunan produksi BBM dalam negeri. Tingginya konsumsi yang tidak diimbangi dengan peningkatan produksi BBM, sehingga untuk mencukupi kebutuhan minyak dalam negeri dilakukan dengan cara impor.
Harga jual BBM bersubsidi yang lebih murah jika dibandingkan dengan harga bahan bakar lainnya serta dibandingkan dengan negara berkembang lainnya menunculkan oknum-oknum yang tidak bertanggung jawab. Mencari keuntungan besar dengan menjual BBM bersubsidi dengan harga yang lebih tinggi. Hal ini tentu saja merugikan pemerintah karena nilai subsidi yang dikeluarkan oleh pemerintah akan meningkat yang akan menyebabkan defisit APBN.
Dalam APBN, jumlah subsidi BBM diperkirakan dengan menggunakan asumsi-asumsi seperti asumsi harga minyak internasional dan asumsi penerimaan negara, sehingga tidak jarang terjadi perbedaan antara jumlah yang ditargetkan dengan jumlah subsidi yang terealisasi. Jumlah subsidi BBM yang terealisasi cenderung terus meningkat dari tahun ke tahun, baik dalam jumlah nominal
maupun dalam presentasenya terhadap pengeluaran negara secara total. Harga minyak mentah dunia melonjak hingga US$ 120 per barel. Padahal dalam Anggaran Pendapatandan Belanja Negara (APBN) 2012, pemerintah menetapkan subsidi sebesar Rp 123 triliun dengan asumsi harga minyak US$ 90 per barel. Hal tersebut juga menyebabkan terjadinya defisit APBN.
Kenaikan harga minyak dunia dan defisit APBN memaksa pemerintah untuk menurunkan subsudi BBM. Hal ini dianggap solusi untuk mengatasi defisit APBN yang besar untuk subsidi. Tidak dapat dipungkiri subsidi energi adalah subsidi yang paling besar dibandingkan dengan subsidi pendidikan dan subsidi pangan, subsidi pertanian dan subsidi lainnya. Penggurangan subsidi energi dalam hal ini adalah bahan bakar minyak (BBM) dilakukan dengan cara menaikkan harga jual di masyarakat.
Jasa angkutan barang merespon kebijakan penggurangan subsidi BBM dengan berbagai tanggapan. Responden dengan tingkat pendidikan yang lebih tinggi diduga akan memberikan respon positif terhadap kenaikan harga BBM. Responden dengan tingkat pendapatan yang lebih tinggi dianggap lebih mengerti tentang keadaan ekonomi Indonesia.
Kenaikan harga BBM memberikan dampak secara langsung bagi jasa transportasi. Jasa transportasi angkutan penumpang juga angkutan barang karena jasa tersebut adalah pengguna subsidi BBM terbesar untuk jenis bensin. Berbagai macam respon dari pemilik usaha jasa angkutan barang perihal kenaikan harga BBM perlu dipertimbangkan. Oleh karena itu diperlukan analisis mengenai respon terhadap kenaikan harga BBM dan kesediaan membayar harga BBM dari pemilik usaha jasa angkutan barang. Diharapkan dengan analisis ini dapart dijadikan dasar dalam pengambilan kebijakan subsidi BBM. Secara ringkas kerangka pemikiran disajikan pada Gambar 2.
Gambar 2. Kerangka Pemikiran
Naiknya harga minyak dunia Defisit anggaran belanja negara
Kebijakan menggurangi subsidi
Kenaikan harga BBM
Faktor-faktor yang memengaruhi respon dari pemilik jasa angkutan barang
terhadap kenaikan harga BBM
Kesediaan untuk membayar harga
BBM
Rekomendasi untuk kebijakan subsidi BBM Analisis Tabulasi Silang(Crosstab) Analisis Regresi Logit Penghitungan Willingness to Pay
2.11 Hipotesis Penelitian
Hipotesis dari variabel yang dianalisis adalah:
a. Willingness to pay; Rodriguez et al (2007) dalam penelitiannya mengenai
willingness to pay for organic food in Argentina menyebutkan bahwa banyak konsumen mencari keamanan pangan dan bersedia membayar harga lebih tinggi untuk dapat sehat dan mengurangi risiko penyakit. Sehingga diduga nilai willingness to pay yang diperoleh akan lebih tinggi dibandingkan dengan harga yang berlaku sekarang.
b. CC kendaraan; Menurut Maxensius dan tim penilitian ekonomi LIPI (2007) yang melakukan penelitian mengenai konsumsi dan transportasi, CC kendaraan secara signifikan berpengaruh positif terhadap konsumsi BBM. Semain besar CC kendaraan yang dimiliki maka akan semakin besar konsumsi BBM. Hal tersebut memengaruhi respon jasa angkutan barang terhadap kenaikan harga BBM.
c. Omzet; Rahmadini (2007) dalam penelitiannya mengenai dampak kenaikan harga BBM menyebutkan bahwa kenaikan harga BBM berpengaruh negatif terhadap pendapatan tukang ojeg. Sehingga variabel omzet akan memengaruhi respon jasa angkutan barang terhadap kenaikan harga BBM.
III. METODE PENELITIAN
3.1 Lokasi dan Waktu Penelitian
Penelitian ini dilakukan di wilayah Jakarta dan Bogor. Pemilihan wilayah Jakarta dengan pertimbangan wilayah tersebut merupakan Ibu Kota Indonesia yang merupakan pusat berbagai aktivitas. Sedangkan wilayah Bogor merupakan wilayah pinggiran Jakarta yang berkembang dan termasuk dalam wilayah yang memiliki aktivitas yang tinggi. Penelitian ini dilakukan selama 3 bulan yaitu mulai dari bulan Maret hingga Mei 2012.
3.2 Jenis dan Sumber Data
Data yang digunakan dalam penelitian ini meliputi data primer dan data skunder. Data primer mengenai kesediaan membayar dan respon dari pemilik usaha jasa transportasi angkutan barang jenis pick up yang menggunakan bahan bakar bersubsidi (premium), diperoleh melalui survei dengan menggunakan teknik wawancara yang dipandu oleh kuisioner. Survei yang dilakukan adalah survei mengenai kebijakan pemerintah terhadap BBM bersubsidi (premium) dengan respondennya adalah pemilik usaha jasa transportasi angkutan barang jenis pick up. Data Skunder dalam penelitian ini diperoleh dari PT Pertamina dan Kementrian Energi dan Sumber Daya Mineral.
3.3 Metode Pengumpulan Contoh
Metode pengambilan sampel data primer untuk penelitian ini menggunakan metode Convenience Sampling (Accidental Sampling). Pemilihan teknik ini karena tidak semua anggota populasi memiliki peluang yang sama untuk terpilih menjadi anggota responden. Di sisi lain, tidak ada informasi yang pasti mengenai jumlah dari usaha jasa mobil pick up yang khusus untuk disewakan dalam jasa angkutan barang di wilayah Jakarta dan Bogor. Dalam hal ini siapa saja pemilik usaha jasa transportasi angkutan barang jenis pick up yang
ditemui dan bersedia diwawancarai maka orang tersebut yang menjadi sampel. Sampel yang diwawancarai sebanyak 60 sampel.
3.4 Metode Analisis Data
Penelitian ini menggunakan analisis secara kualitatif dan kuantitatif. Data yang diperoleh dianalisis dengan menggunakan program software Microsoft Excel
2007 dan SPSS version 16.0 for Windows.
3.4.1 Analisis Besaran Willingness To Pay Responden Terhadap Kenaikan Harga BBM
Tahap-tahap dalam melakukan penelitian untuk menentukan WTP meliputi :
1. Membangun Pasar Hipotetis
Setelah kuisioner selesai dibuat, maka dilakukan kegiatan pengambilan contoh. Hal ini dapat dilakukan melalui wawancara dengan menggunakan kuisioner sebagai panduan. Pasar hipotetis dalam penelitian ini dibentuk atas dasar kabar kenaikan harga BBM pada tanggal 1 April 2012. Kabar tersebut menimbulkan banyak respon dari masyarakat. Penelitian ini mengambil respon dari para pemilik jasa angkutan barang yang menggunakan bahan bahak premium yaitu mobil pick up di wilayah Jakarta dan Bogor. Jika pemerintah mengeluarkan kebijakan untuk mengurangi subsidi BBM dengan menaikkan harga bahan bakar premium dengan alasan naiknya harga minyak dunia sehingga menyebabkan defisit APBN. Di sisi lain cadangan minyak bumi di dunia terutama di Indonesia yang semakin berkurang karena diekstraksi untuk keperluan minyak bumi dalam negeri. Penegeboran minyak bumi secara terus menerus akan berdampak pada habisnya cadangan minyak bumi yang dimiliki. Sehubungan dengan hal itu, akan ditanyakan apakah responden setuju dengan kenaikan harga BBM dan berapa besar nilai kesediaan membayar dari responden untuk kenaikan harga BBM tersebut? Apakah dengan harga BBM yang semakin mahal akan berdampak pada penngurangan penggunaan bahan bakar yang menyebabkan polusi?
2. Memperoleh Nilai WTP
Teknik yang digunakan dalam mendapatkan nilai WTP dilakukan dengan metode pertanyaan terbuka (open-ended question). Metode ini dilakukan dengan menanyakan langsung kepada responden berapa jumlah maksimal uang yang ingin dibayarkan atas perubahan. Sehingga mendapatkan jawaban serta angka pasti yang sesuai dengan responden tanpa adanya pengaruh dari luar. 3. Menghitung Nilai Willingness to Pay
Cara untuk menghitung besaran nilai WTP dengan melakukan nilai rata-rata dari penjumlahan keseluruhan nilai WTP dibagi dengan jumlah responden. Nilai WTP dibagi dengan rumus :
WTP = ∑in Wi . Pfi (2.5)
dimana:
WTP = Dugaan WTP (Rupiah)
Wi = Batas bawah WTP pada kelas ke- i Pfi = Frekuensi relatif kelas ke-i
n = Jumlah kelas
i = Sampel
4. Analisis Willingness to Pay Jasa Angkutan Barang terhadap Kenaikan Harga BBM.
Faktor-faktor yang mempengaruhi WTP jasa angkutann barang terhadap kenaikann harga BBM dapat dianalisa dengan menggunakan model regresi linear berganda. Model regresi dalam penelitian ini adalah:
WTPi = 0 + 1JTGi + 2PNDKi + 3OMZi + 4PBHi + 5CMi +
6FS i+ 7JMi+ εi (2.6) dimana:
WTPi = Besaran kesediaan membayar (Rp. / liter)
0 = Intersep
1 , 2, 3,…, 10 = Koefisien dari regresi
JTG = Jumlah tanggungan dari responden (Orang)
OMZ = Omzet per bulan (Jutaan Rupiah) PBH = Penggunaan BBM per hari (Liter) CM = CC mobil pick up (CC)
FS = Frekuensi sewa per minggu
JM = Jumlah mobil yang dimiliki (Mobil)
ε = Galat
Pengujian secara statistik perlu dilakukan untuk memeriksa kebaikan suatu model yang telah dibuat. Uji statistik yang digunakan dalam penelitian ini adalah :
1. Uji Kenormalan
Pengujian normalitas residual dapat dilihat dari grafik normal P-P Plot. Apabila setiap pancaran data residual berada di sekitar garis lurus melintang, maka dikatakan bahwa residual mengikuti fungsi distribusi normal. Selain dengan metode grafik normal P-Plot, untuk memvalidasi data bahwa residual mengikuti distribusi normal, perlu dilakukan pengujian normalitas dengan statistic uji Kolmogorov-Smirnov, dimana apabila diperoleh p-value lebih besar dari taraf nyata, maka dapat disimpulkan bahwa nilai residual mengikuti distribusi normal.
2. Uji Keragaman (R2 test)
Uji keragaman digunakan untuk melihat sejauh mana besar keragaman yang dapat diterangkan oleh variabel bebas terhadap variabel tak bebas. Uji ini juga digunakan untuk melihat seberapa kuat variabel yang dimasukkan ke dalam model dapat menerangkan model. Dua sifat R2adalah besaran negatif dan batasnya antara nol sampai satu. Suatu R2sebesar 1 berarti kecocokan sempurna sedangkan R2yang bernilai nol berarti tidak ada hubungan antara variabel tak bebas dengan variabel yang menjelaskan.
3. Uji F Statistik
Uji F digunakan untuk membuktikan secara statistik bahwa seluruh koefisien regresi juga signifikan dalam menentukan nilai dari variabel tak bebas. Untuk uji F hipotesis diuji adalah:
H0 : β0 = β1 = … = βn = 0
Jika seluruh nilai sebenarnya dari parameter regresi sama dengan nol, maka dapat disimpulkan bahwa tidak terdapat hubungan linear antara variabel tak bebas dengan variabel-variabel bebas.
4. Uji Multikolinearitas
Multikolinear adalah situasi adanya korelasi variabel-variebel bebas di antara satu dengan yang lainnya. Variabel-variabel bebas yang bersifat orthogonal adalah variabel bebas yang nilai korelasi di antara sesaman ya adalah nol. Jika korelasi di antara sesama variabel bebas ini sama dengan satu, maka konsekuensinya adalah koefisien-koefisien regresi menjadi tidak dapat ditaksir, nilai standard error setiap koefisien menjadi tak terhingga. Gujarati (2006) menyatakan indikasi terjadinya multikolinearitas dapat terlihat melalui:
a. Nilai R-squared yang tinggi tetapi sedikit rasio yang signifikan.
b. Korelasi berpasangan yang tinggi antara variabel-variabel independennya. c. Melakukan regresi tambahan (auxiliary) dengan memberlakukan variabel
independen sebagai salah satu variabel dependen dan variabel independen lainnya tetap diberlakukan sebagai variabel independen.
5. Uji Heteroskedastisitas
Salah satu asumsi metode pendugaan metode kuadrat terkecil adalah homoskedastisitas, yaitu ragam galat konstan dalam setiap amatan. Pelanggaran atas asumsi homoskedastisitas adalah heteroskedastisitas. Langkah-langkah pengujian heteroskedastisitas dengan uji white heteroskedastisitas sebagai berikut:
H0 : tidak ada heteroskedastisitas H1 : ada masalah heteroskedastisitas
Tolak H0 jika obs* R2 > λ2 df-2 atau probability obs* R2 < α Gejala heteroskedastisitas juga dapat dideteksi dengan melihat dari plot grafik hubungan antar residual dengan fits-nya. Jika pada gambar ternyata residual menyebar dan tidak membentuk pola tertentu, maka dapat dikatakan bahwa dalam model tersebut tidak terdapat gejala heteroskedastisitas atau ragam error sama.
6. Uji Autokorelasi
Salah satu asumsi dari model regresi linier adalah bahwa tidak ada autokorelasi atau korelasi serial antara sisaan (εt), atau dengan kata lain sisaan menyebar bebas. Masalah autokorelasi sering terjadi dalam data time series, meskipun demikian masalah ini dapat juga dalam data cross section. Untuk mendeteksi adanya autokorelasi dapat digunakan metode grafik atau dengan menggunakan uji Durbin-Watson, yaitu dengan asumsi sebagai berikut:
H0 : tidak ada autokorelasi H1 : ada autokorelasi
Kriteria keputusan: tolak H0 bila nilai Durbin-Watson d<du atau (4- du)<du atau terima H0 bila du<d<4-du.
3.4.2 Analisis Respon Terhadap Kenaikan Harga BBM 3.4.2.1 Analisis Crosstab
Tabulasi silang (crosstab) digunakan untuk menggambarkan jumlah data dan hubungan antar variabel. Selain itu, untuk menguji ada tidaknya hubungan antar variabel pengaruh dengan variabel terpengaruh dimana salah satu variabel minimal nominal dilakukan uji hipotesa. Crosstab digunakan untuk menyajikan deskripsi data dalam bentuk tabel silang yang terdiri atas baris dan kolam. Data input yang dimasukan dalam penggunaan crosstab adalah data nominal atau ordinal.
Fungsi dari analisis crosstab adalah untuk menggambarkan jumlah data dan hubungan antarvariabel. Uji ketergantungan untuk crosstab pada statistik ditentukan melalui chi-square test dengan mengamati ada tidaknya hubungan antarvariabel yang dimasukan (baris dan kolam). Penentuan chi-square test
menggunakan hipotesis yaitu:
H0 : Faktor yang diuji tidak berhubungan nyata dengan respon responden H1 : Faktor yang diuji berhubungan nyata dengan respon responden
Pengambilan keputusan dengan menggunakan nilai Asymp. Sig. (2-sided)
yang terdapat pada chi square test. Apabila nilai Asymp. Sig. (2-sided) lebih dari α (taraf nyata) maka H0 diterima. Apabila nilai Asymp. Sig. (2-sided) kurang dari
α (taraf nyata) maka H0 ditolak yang artinya ada hubungan antara baris dan kolam (Wahana, 2007).
3.4.2.2 Analisis Model Logit
Menentukan tingkat penerimaan responden terhadap pembayaran jasa lingkungan sebagai upaya konservasi dikumpulkan berupa data binner. Jika peubah respon dari analisis regresinya berupa kategorik, maka analisis regresi yang digunakan adalah analisis regresi logit (Hosmer dan Lemeshow, 1989). Peubah kategori bisa merupakan suatu pilihan ya/tidak atau suka/tidak. Sedangkan peubah penjelas pada analisis regresi logit ini dapat berupa peubah kategori maupun numerik, untuk menduga besarnya peluang kejadian tertentu dari kategori peubah respon.
Data binner merupakan bentuk data yang menggambarkan pilihan “Ya
atau Tidak”. Kondisi seperti ini, jenis penggunaan regresi yang sesuai untuk pemodelan adalah regresi logit. Hal yang membedakan model regresi logit dengan regresi biasa adalah peubah terikat dalam model bersifat dikotomi (Hosmer dan Lameshow, 1989). Bentuk fungsi ini model logit adalah :
pi 1 pi log Logit(pi) e (2.7) Logit(pi) = 0 + 1JTGi+ 2NDKi+ 3OMZi+ 4PBHi+ 5WTPi+ 6CMi+
7FSi+ 8JMi+ εi (2.8)
dimana:
Logit(pi) = Peluang responden Setuju dengan kenaikan harga BBM (bernilai 1 untuk “setuju” dan bernilai 0 untuk “tidak setuju”)
0 = Intersep
1 , 2, 3,…, 10 = Koefisien dari regresi
JTG = Jumlah tanggungan dari responden (Orang)
PNDK = Tingkat pendidikan (“1” untuk SD, “2” untuk SMP, “3” untuk SMA) OMZ = Omzet per bulan (Jutaan Rupiah)
WTP = Kesediaan membayar (Rupiah/ liter) CM = CC mobil pick up (CC)
FS = Frekuensi sewa per minggu
JM = Jumlah mobil yang dimiliki (Mobil)
ε = Galat
Pengujian terhadap parameter model dilakukan untuk memeriksa kebaikan model. Uji statistik yang dilakukan adalah dengan menggunakan statistik Odds Ratio. Pengertian dari Odd Ratio adalah Rasio peluang terjadi pilihan-1 terhadap peluang terjadi pilihan-0 (Juanda, 2009). Koefisien bertanda positif menunjukan nilai odds ratio yang lebih besar dari satu, hal tersebut mengindikasikan bahwa peluang kejadian sukses lebih besar dari peluang kejadian tidak sukses. Sedangkan koefisien yang bertanda negatif mengindikasikan bahwa peluang kejadian tidak sukses lebih besar dari peluang kejadian sukses.
3.5 Variabel dan Definisi Operasional
Variabel yang akan dimasukan ke dalam regresi dan diduga berpengaruh terhadap respon kenaikan harga BBM adalah:
1. Variabel terikat (dependent) yang digunakan memiliki nilai nol “0” dan satu
“1”. Nilai nol “0” mewakili jawaban responden yang tidak setuju dengan kenaikan harga BBM. Nilai satu “1” mewakili jawaban responden yang setuju dengan kenaikan harga BBM.
2. Variabel jumlah tanggungan diduga akan memengaruhi respon dari pemilik usaha jasa angkutan barang terhadap kenaikan harga BBM. Dikarenakan jumlah tanggungan terkait dengan besarnya pengeluaran responden setiap hari, semakin besar jumlah tanggungan maka akan semakin tidak setuju