DAFTAR TABEL
TINJAUAN PUSTAKA
2.5 Penelitian Sebelumnya
Penelitian ini akan menganalisis hubungan antara pertumbuhan ekonomi dan degradasi lingkungan melalui variabel gas CO2 dan beberapa komponen gas rumah kaca (GRK) yang merepresentasikan indikator lingkungan. Berbagai
penelitian tentang hubungan antara pertumbuhan ekonomi dengan degradasi lingkungan telah banyak dilakukan dan didapatkan hasil yang beragam.
Grossman dan Krueger (1995) melakukan penelitian tentang hubungan pertumbuhan ekonomi dengan kualitas lingkungan. Mereka menggunakan GDP per kapita sebagai indikator pertumbuhan ekonomi dan menggunakan polusi udara perkotaan, oksigen pada aliran sungai, dan kontaminasi aliran air sungai oleh logam berat sebagai indikator lingkungan. Penelitian ini menggunakan pendekatan reduce-form untuk melihat hubungan pertumbuhan ekonomi dengan indikator lingkungan yang telah ditetapkan. Data diperoleh dari 287 titik sungai pada 58 negara tahun 1979 sampai dengan tahun 1990. Penelitian telah memberikan dukungan untuk model EKC. Untuk kebanyakan indikator, pertumbuhan ekonomi membawa tahap awal kerusakan diikuti oleh fase berikutnya perbaikan. Titik balik untuk polutan yang berbeda bervariasi, tetapi dalam banyak kasus didapatkan Negara mencapai titik balik pada tingkat pendapatan perkapita sebesar 8.000 dollar.
Kahuthu (2006) melakukan penelitian untuk mengetahui dampak pertumbuhan ekonomi terhadap kerusakan lingkungan yang dilihat melalui gas CO2 dan luas hutan. Data yang digunakan adalah data panel yang terdiri dari 84 Negara dari berbagai level pertumbuhan selama tahun 1960-2000. Model yang digunakan adalah model kuadratik yang diestimasi menggunakan fixed effect model. Penelitian ini menghasilkan dukungan terhadap EKC model dimana terdapat hubungan berbentuk kurva-U terbalik antara pertumbuhan ekonomi dengan kerusakan lingkungan. Hasil dari pengulangan estimasi setelah melakukan modifikasi pada model dengan menambahkan variabel keterbukaan ekonomi
menyebutkan bahwa jika suatu Negara semakin terintegrasi (memiliki tingkat keterbukaan ekonomi yang lebih tinggi) maka akan semakin tinggi tingkat emisi yang dihasilkan dan semakin tinggi titik puncak yang harus dicapai agar kemudian pertumbuhan ekonomi mengarah pada pengurangan emisi dan kerusakan lingkungan.
Choi et al. (2010) melakukan penelitian akan hubungan emisi CO2 dengan pertumbuhan ekonomi dan keterbukaan ekonomi pada negara Korea, Cina, dan Jepang untuk tahun 1971-2006. Melalui proses estimasi yang dilakukan menggunakan metode OLS. Hasil yang didapat untuk studi kasus Negara Korea tidak sejalan dengan konsep EKC yang menyebutkan bahwa hubungan pertumbuhan ekonomi dengan degradasi lingkungan akan membentuk kurva-U terbalik. Untuk Negara Cina, hubungan antara pertumbuhan ekonomi dengan emisi CO2 membentuk kurva-N. Pertumbuhan ekonomi tidak dapat memberikan peningkatan kualitas lingkungan secara berkesinambungan karena pada titik balik kedua, pertumbuhan ekonomi akan kembali memberikan dampak negatif bagi kualitas lingkungan di Cina. Sedangkan untuk kasus negara Jepang, penelitian mengarah pada kurva-N terbalik dalam menggambarkan pola hubungan antara pertumbuhan ekonomi dengan emisi CO2. Meskipun untuk kasus negara Jepang pada akhirnya peningkatan ekonomi dapat memberikan perbaikan kualitas lingkungan yang ditinjau melaui emisi CO2 dalam penelitian ini, namun model hubungan yang ditemukan berbeda dengan EKC model yang berbentuk kurva-U terbalik.
Hutabarat (2000) melakukan penelitian menggunakan analisis regresi berganda dengan model Fixed Effect Model (FEM) dengan metode Fixed Effect
Model Fixed Cross Section yang telah dilakukan untuk mengetahui pengaruh variabel PDB sektor industri terhadap kualitas lingkungan yang ditinjau melalui emisi Sulfur dan emisi CO2 di lima negara ASEAN selama 21 tahun. Dari penelitian tersebut, ditemukan hubungan yang membentuk fungsi kubik untuk kasus emisi surfur dan emisi CO2.
Akpan dan Chuku (2011) melakukan penelitian mengenai hubungan pertumbuhan ekonomi dan degradasi lingkungan untuk studi kasus negara Nigeria. Mereka menggunakan data tahun 1960 sampai dengan tahun 2008 dengan GDP per kapita sebagai indikator pertumbuhan ekonomi dan CO2 sebagai indikator degradasi lingkungan. Model ARDL digunakan untu melihat hubungan antara keduanya. Akpan dan Chuku (2011) juga turut memasukan tingkat keterbukaan ekonomi (openness ratio) sebagai variabel lain yang turut mempengaruhi degradasi lingungan. Hasil penelitian ini menemukan bahwa untuk studi kasus negara Nigeria, pertumbuhan ekonomi berasosiasi dengan peningkatan degradasi lingkungan baik untuk jangka pendek maupun jangka panjang. Hubungan kurva-N terbalik sebagai hasil penelitian tidak memberikan dukungan terhadap EKC model.
Penelitian ini berbeda dengan penelitian sebelumnya. Penambahan indikator lingkungan CH4 dan N2O sebagai emisi komponen gas rumah kaca diharapkan dapat memberikan pengaruh yang lebih spesifik akan pertumbuhan ekonomi terhadap degradasi lingkungan. Penambahan indikator keterbukaan ekonomi dilakukan kembali untuk menangkap pengaruh tingkat keterbukaan ekonomi. Berbeda dengan Choi et,al (2010), penelitian ini menggunakan cross
section dan time series yang lebih banyak. Meskipun tidak sebanyak Kahutu (2006), namun indikator lingkungan yang digunakan lebih banyak dengan time series yang lebih up to date.
2.6. Kerangka Pemikiran
Perhatian utama masyarakat perekonomian dunia tertuju pada cara-cara untuk mempercepat tingkat pertumbuhan pendapatan nasional. “Pengejaran pertumbuhan” merupakan tema sentral dalam kehidupan ekonomi semua negara di dunia dewasa ini. Dalam melakukan percepatan pertumbuhan ekonomi, pertumbuhan ekonomi dilakukan untuk mewujudkan perbaikan kualitas hidup dan mengatasi permasalahan yang berkaitan atau berakar dari masalah kesejahteraan. Perbaikan infrastruktur, pelayanan masyarakat, dan kualitas kehidupan merupakan beberapa fokus dari pertumbuhan ekonomi. Suatu sistem perekonomian dapat berintegrasi dengan perekonomian lain untuk menciptakan hubungan yang saling menguntungkan melalui perdagangan bebas demi terciptanya percepatan ekonomi.
Pemanfaatan sumber daya alam secara berlebihan tanpa memperhatikan aspek pelestariannya dapat meningkatkan tekanan berlebihan terhadap kualitas lingkungan hidup yang pada akhirnya mengancam swasembada pangan, pemerataan distribusi pendapatan, serta potensi pertumbuhan ekonomi di masa mendatang. Kegiatan ekonomi merupakan kegiatan memanfaatkan sumberdaya untuk menghasilkan barang atau jasa yang memiliki nilai ekonomi.
Inefisiensi kegiatan pemanfaatan sumberdaya alam , kurangnya kesadaran ekonomi, dan konsepsi pertumbuhan ekonomi yang mengesampingkan aspek lingkungan yang dikenal dengan “grow first clean up later” memperbesar dampak pertumbuhan ekonomi terhadap kerusakan lingkungan. Kemajuan teknologi dapat mengurangi emisi yang dihasilkan dari kegiatan ekonomi dengan meningkatkan efisiensi. Konsep pengejaran pertumbuhan ekonomi untuk mengejar tingkat pendapatan yang lebih tinggi dalam mengurangi dampak pertumbuhan ekonomi harus selalu dipertanyakan kebenarannya. Hal ini disebabkan karena dalam pelaksanaanya, apabila pertumbuhan ekonomi pada tingkat pendapatan yang lebih tinggi tidak mengurangi kerusakan lingkungan maka dunia akan terarahkan pada kerusakan lingkungan yang tak terhindarkan.
Gambar 2.2. Kerangka Pemikiran Penelitian Pertumbuhan dan Keterbukaan Ekonomi Memacu Peningkatan Permintaan SDA (ekspolitasi SDA) Peningkatan taraf hidup Degradasi Lingkungan (Emisi gas Rumah Kaca)
• Grow first clean up later
• Kurangnya kesadaran lingkungan
2.7. Hipotesis Penelitian
Berdasarkan teori dan hasil penelitian terdahulu serta variabel-variabel yang dijelaskan dalam penelitian ini, maka dalam penelitian ini dirumuskan hipotesis, yaitu:
1. Dampak pertumbuhan ekonomi terhadap kualitas lingkungan hidup yang diukur dengan emisi gas rumah kaca, yaitu melalui emisi Karbondioksida (CO2), Metana (CH4), dan Nitrogen Oksida (N2O) di negara berkembang dan negara maju signifikan dengan konsep Environmental Kuznets Curve model. Pertumbuhan ekonomi pada tingkat pendapatan rendah (sebelum titik balik) akan meningkatkan degradasi lingkungan, namun pada tingkat pendapatan yang lebih (setelah titik balik) tinggi pertumbuhan ekonomi akan memberikan perbaikan kualitas lingkungan.
2. Tingkat keterbukaan ekonomi berpengaruh signifikan terhadap emisi gas rumah kaca dalam penelitian ini. Semakin suatu Negara terbuka perekonomiannya (terintegrasi), maka semakin besar dampak kerusakan lingkungan yang diberikan.
26 BAB III
METODE PENELITIAN
3.1. Jenis dan Sumber Data
Penelitian ini menggunakan data kuantitatif tahunan pada rentang waktu antara tahun 1981-2008. Data dalam penelitian ini adalah data dari 20 Negara yang mewakili masing-masing tingkatan pertumbuhan ekonomi seluruh dunia berdasarkan klasifikasi menurut World Bank. Keseluruhan negara yang dimaksud adalah Amerika Serikat, Inggris, Itali, Jepang, Perancis, Cina, Argentina, Brazil, Malaysia, Afrika Selatan, Indonesia, India, Philipina, Nigeria, Tonga. Pengolahan data dilakukan dengan perangkat lunak Microsoft Excel 2007, Minitab, dan Eviews 6.
Tabel 3.1 Data, Satuan, Simbol, dan Sumber Data
Variabel Satuan Simbol Sumber
GDP per Kapita US $ GDP World Bank
CO2 Kilotonne CO2 World Bank
Trade per GDP Persen TRD UN-Comtrade
CH4 Kilotonne CH4 EDGAR
N2O Kilotonne N2O EDGAR
Keterangan: Word Bank , tahun 1981-2008
EDGAR (Emission Database for Global Atmospheric Research),tahun 1981-2008
3.2. Metode Analisis Data
Metode analisis yang digunakan adalah metode deskriptif dan kuantitatif. Metode deskriptif adalah metode yang berkaitan dengan pengumpulan dan penyajian gugus data sehingga memberikan informasi yang berguna. Proses
deskripsi data pada dasarnya meliputi upaya penelusuran dan pengungkapan informasi yang lebih relevan yang terkandung di dalam data dan penyajian hasilnya dalam bentu yang lebih ringkas dan sederhana, sehingga pada akhirnya mengarah pada keperluan adanya penjelasan dan penafsiran.
Metode penelitian ini juga mengandalkan proses kuantitatif untuk mendapatkan gambaran yang terstruktur dan jelas mengenai fenomena perekonomian yang terjadi. Penelitian kuantitatif berlandaskan interpretasi terhadap hasil olahan model dengan metode analisis panel data.
3.3. Spesifikasi Model
Untuk melakukan estimasi pada model data panel, terdapat dua pendekatan yang dapat dilakukan yaitu menggunakan fixed effect atau random effect. Berdasarkan hasil uji, kemudian diputuskan fixed effect yang akan digunakan dalam penelitian ini. Pencarian model terbaik dalam menentukan pola hubungan pertumbuhan ekonomi dan keterbukaan ekonomi dengan degradasi lingkungan harus dilakukan untuk dapat memberikan gambaran yang akurat akan hubungan pertumbuhan ekonomi dengan degradasi lingkungan. Terdapat tiga model yang akan diestimasi untuk menentukan model terbaik yaitu, model persamaan linear, model persamaan kuadratik, model persamaan kubik.
Linear : Eit = βi + β1 Xit + β4 Yit + εit
Kuadratik : Eit = βi + β1 Xit + β2 (Xit)2 + β4 Yit + εit
Syarat: β2 ≠ 0, Jika β2 < 0 maka membentuk kurva-U terbalik (EKC), sedangkan jika β2 > 0 maka membentuk kurva-U.
Turning point =
Kubik : Eit = βi + β1 Xit + β2 (Xit)2 + β3 (Xit)3 + β4 Yit + εit
Syarat: β3 ≠ 0, Jika β3 < 0 maka membentuk kurva-N terbalik, sedangkan jika β3 > 0 maka membentuk kurva-N.
Turning point 1 = ²
Turning point 2 = ² dimana:
Eit : emisi gas rumah kaca (CO2, N2O, dan CH4) untuk negara i pada tahun t
Xit : GDP per kapita untuk negara i pada tahun t
Yit : Tingkat keterbukaan ekonomi negara i pada tahun t
βi : konstanta
β1,β2,β3 : koefisien regresi
εit : error term untuk negara i pada tahun t
Untuk dapat menggambarkan pola hubungan antara pertumbuhan dan tingkat keterbukaan ekonomi terhadap degradasi lingkungan secara tepat digunakan beberapa kriteria pemilihan model sehingga model yang terpilih adalah model terbaik dalam pendugaan.
Model terbaik adalah model yang memiliki Adj-R2 tertinggi dan signifikan dengan taraf nyata 5% untuk keseluruhan variabel bebas yang digunakan dalam model. Model juga harus bersifat BLUE (Best Linear Unbiased Estimator)
3.3.1. Model untuk kasus CO2
Setelah melakukan pengujian untuk mendapatkan model terbaik, didapatkan model persamaan kuadratik yang dapat menggambarkan hubungan antara pertumbuhan ekonomi dan CO2. Adapun model yang digunakan sebagai berikut.
CO2it = βi + β1 GDPit + β2 (GDPit)2 +εi………..………….………(1) CO2 = Karbondioksida (kilotonne)
GDP = GDP per kapita (US$) GDP2 = GDP2 (US$)
LnCO2it = βi + β1 LnGDPit + β2 (LnGDPit)2 + εit.………..……..(2) LnCO2 = Karbondioksida (persen)
LnGDP = GDP per kapita (persen) LnGDP2 = GDP2 (persen)
Analisis yang sama dilakukan dengan menambahkan variabel keterbukaan ekonomi yang direpresentasikan oleh persentase jumlah nilai ekspor dan import terhadap GDP sehingga membentuk persamaan.
CO2it = βi + β1 Xit + β2 (GDPit)2 + β3 (TDR)it +εit…….………..(3) CO2 = Karbondioksida (kilotonne)
GDP = GDP per kapita (US$) GDP2 = GDP2 (US$)
TRD = Share perdagangan terhadap GDP (persen)
LnCO2 = Karbondioksida (persen) LnGDP = GDP per kapita (persen) LnGDP2 = GDP2 (persen)
LnTRD = Share perdagangan terhadap GDP (persen)
3.3.2. Model untuk kasus CH4
Untuk kasus CH4, Setelah melakukan pengujian untuk mendapatkan model terbaik, didapatkan model persamaan kubik yang dapat menggambarkan hubungan antara pertumbuhan ekonomi dan CH4. Adapun model yang digunakan sebagai berikut.
CHit = βi + β1 GDPit + β2 (GDPit)2 + β3 (GDPit)3 + εit ………...…………(5) CH4 = Metana (kilotonne)
GDP = GDP per kapita (US$) GDP2 = GDP2 (US$)
GDP3 = GDP3 (US$)
LnCHit = βi + β1 LnGDPit + β2 (LnGDPit)2 + β3 (LnGDPit)3 + ε.………..(6) LnCH4 = Metana (persen)
LnGDP = GDP per kapita (persen) LnGDP2 = GDP2 (persen)
LnGDP3 = GDP3 (persen)
Analisis yang sama dilakukan dengan menambakan variabel keterbukaan ekonomi yang direpresentasikan oleh jumlah persentase nilai ekspor dan import terhadap GDP sehingga membentuk persamaan.
CH4it = βi + β1 Xit + β2 (GDPit)2 + β3 TRDit +εit …….………..(7) CH4 = Metana (kilotonne)
GDP = GDP per kapita (US$) GDP2 = GDP2 (US$)
TRD = Share perdagangan terhadap GDP (persen)
LnCH4it = βi + β1 LnXit + β2 (LnGDPit)2 + β3 LnTRDit +εit………..(8) LnCH4 = Metana (persen)
LnGDP = GDP per kapita (persen) LnGDP2 = GDP2 (persen)
LnTRD = Share perdagangan terhadap GDP (persen)
3.3.3. Model Untuk Kasus N2O
Pada kasus N2O, setelah melakukan pengujian untuk mendapatkan model terbaik, didapatkan model linear yang dapat menggambarkan hubungan antara pertumbuhan ekonomi dan N2O. Adapun model yang digunakan sebagai berikut. N2Oit = βi + β1 GDPit + εit ………..(9) N2O = Nitrogen Oksida (kilotonne)
GDP = GDP per kapita (US$)
LnN2Oit = βi + β1 LnGDPit + εit ………(10) LnN2O = Nitrogen Oksida (persen)
Analisis yang sama dilakukan dengan menambakan variabel keterbukaan ekonomi yang direpresentasikan oleh jumlah persentase nilai ekspor dan import terhadap GDP sehingga membentuk persamaan.
N2Oit= βi + β1 (GDPit) + β2 TRDit +εit……….(8) N2O = Nitrogen Oksida (kilotonne)
GDP = GDP per kapita (US$)
TRD = Share perdagangan terhadap GDP (persen)
Ln N2Oit = βi + β1 (LnGDPit) + β2 LnTRDit +εit……….(8) LnN2O = Nitrogen Oksida (persen)
LnGDP = GDP per kapita (persen)
LnTRD = Share perdagangan terhadap GDP (persen)
3.4. Metode Analisis Regresi dan Panel Data
Ketersediaan data untuk mewakili variabel yang akan digunakan dimana kondisinya yaitu data time series pendek dan unit cross section terbatas dapat diatasi dengan menggunakan metode panel data (pooled data). Penggunaan model panel data tersebut digunakan dengan tujuan agar diperoleh hasil estimasi yang lebih baik (efisien) dengan meningkatnya jumlah observasi yang berimplikasi pada meningkatnya derajat kebebasan (degree of freedom).
Penggunaan data panel telah memberikan banyak keuntungan secara statistik maupun teori ekonomi. Manfaat penggunaan panel data adalah sebagai berikut:
1. Mampu mengontrol heterogenitas individu
2. Mengurangi kolinearitas antar variabel, meningkatnya degree of freedom, lebih bervariasi dan lebih efisien
3. Mampu mengidentifikasi dan mengukur efek yang secara sederhana tidak dapat diperoleh dari data cross section murni atau time series murni
Model analisa data panel memiliki tiga macam pendekatan, yaitu pendekatan kuadrat terkecil (pooled least square), pendekatan efek tetap (fixed effect), dan pendekatan efek acak (random effect). Selain itu, di dalam melakukan pengolahan data panel terdapat juga kriteria pembobotan yang berbeda-beda yaitu No weighting (semua observasi diberi bobot sama), cross section weight (GLS dengan menggunakan estimasi varians residual cross section, apabila terdapat asumsi cross section heteroskedasticity), dan SUR (GLS dengan menggunakan covariance matrix cross section). Metode ini mengoreksi baik heteroskedastisitas maupun autokorelasi antar unit cross section.
3.5. Pemilihan Pendekatan: Uji Haussman
Alur pengujian statistik untuk memilih pendekatan yang digunakan dapat diperlihatkan pada Gambar 3.1. Penggunaan pendekatan Pooled Least Square dirasakan kurang sesuai dengan tujuan digunakannya data panel maka dalam penelitian ini hanya mempertimbangkan pendekatan fixed effect dan random
effect. Dalam memilih apakah fixed atau random effect yang lebih baik, dilakukan pengujian terhadap asumsi ada tidaknya korelasi antara regresor dan efek individu. Untuk menguji asumsi ini dapat digunakan Haussman Test. Dalam uji ini dirumuskan hipotesis sebagai berikut:
H0 : Model Random Effect H1 : Model Fixed Effect
Jika nilai H hasil pengujian lebih besar dari χ2 tabel, maka cukup bukti untuk melakukan penolakan terhadap H0 sehingga model yang digunakan adalah model fixed effect, begitu juga sebaliknya.
Sumber: Firdaus, 2012
Gambar 3.1. Pengujian Pemilihan Model dalam Pengolahan Data Panel
3.6. Pengujian Kriteria Ekonomi dan Statistik
Setelah mendapatkan parameter estimasi, langkah selanjutnya adalah melakukan berbagai macam pengujian terhadap parameter estimasi tersebut serta pengujian terkait model terbaik mana yang akan dipilih diantara fixed dan random. Pengujian tersebut bisa berupa pengujian ekonomi, statistik, dan ekonometrik. Fixed Effect Random Effect Pooled Least Chow Test Hausman Test
Pengujian dapat dilakukan dengan kriteria ekonomi dan statistik. Pengujian ekonomi dilakukan untuk melihat besaran dan tanda parameter yang akan diestimasi, apakah sesuai dengan teori atau tidak. Sedangkan uji kriteria statistik dilakukan dengan uji koefisien determinasi (R2)
3.6.1. Uji Koefisien Regresi Secara Individual (Uji t)
Uji t–statistik dilakukan untuk menguji apakah variabel independen secara individu mempunyai pengaruh yang signifikan terhadap variabel dependennya. Pengujian ini dilakukan untuk mengetahui secara parsial variabel independen berpengaruh secara signifikan atau tidak terhadap variabel dependen. Dalam pengujian ini dilakukan uji dua arah dengan hipotesa :
H0: βi = 0 (tidak ada pengaruh variabel independen terhadap variabel dependen) H1: βi ≠ 0 (ada pengaruh variabel independen terhadap variabel dependennya) Kriteria pengujian :
1. Ho diterima dan Ha ditolak apabila t tabel > t hitung < t tabel, artinya variabel independen tidak berpengaruh secara signifikan terhadap variabel dependen.
2. Ho ditolak dan Ha diterima apabila t tabel < t hitung > t tabel, artinya variabel independen berpengaruh secara signifikan terhadap variabel dependent
Sedangkan nilai t hitung adalah : T hitung = βi
3.6.2. Uji Signifikansi Simultan (Uji f)
Uji-F statistik digunakan untuk menguji apakah keseluruhan variabel independen secara simultan berpengaruh terhadap variabel dependen. Pengujian ini dilakukan dengan hipotesa :
H0 = β1 = β2 = β3 = β4 = 0
(variabel independen secara bersama – sama tidak berpengaruh secara signifikan terhadap variabel dependen).
H1≠β1 ≠β2 ≠β3 ≠β4 ≠ 0
(variabel independen secara bersama – sama berpengaruh secara signifikan terhadap variabel dependen).
Dengan kata lain, dalam penelitian ini bila hasil F hitung menunjukkan hasil yang signifikan berarti variabel pertumbuhan ekonomi, aglomerasi dan variabel moderat secara bersama – sama berpengaruh terhadap kualitas lingkungan
Untuk menghitung F hitung digunakan rumus (Gujarati, 1995) F hitung = R2 / (k-1)
(1 – R2) / (n-k) Dimana :
R2 = koefisien determinasi n = jumlah observasi
Kriteria Pengujian:
1. H0 diterima dan H1 ditolak apabila F hitung < F tabel, artinya variabel independen secara bersama – sama tidak berpengaruh secara signifikan terhadap variabel dependen.
2. H0 ditolak dan H1 diterima apabila F hitung > F tabel, artinya variabel independen secara bersama – sama berpengaruh secara signifikan terhadap variabel dependen.
3.6.3. Uji Koefisien Determinasi (R2)
Koefisien determinasi (R2) digunakan untuk mengetahui besarnya daya menerangkan dari variabel independen terhadap variabel dependen pada model tersebut. Nilai R2 berkisar antara 0 < R2 < 1 sehingga kesimpulan yang diambil adalah:
1. Nilai R2 yang kecil atau mendekati nol, berarti kemampuan variabel-variabel bebas dalam menjelaskan variabel-variabel tak bebas sangat terbatas.
2. Nilai R2 mendekati satu, berarti variabel-variabel bebas memberikan hampir semua informasi untuk memprediksi variasi variabel tak bebas.
Dalam penelitian ini berarti, bila nilai R2 memberikan hasil yang mendekati angka 1, artinya kualitas lingkungan yang ditinjau dari tingkat emisi CO2, CH4, dan N2O dapat dijelaskan dengan baik oleh variasi variabel independen GDP, GDP2, GDP3, dan atau TDR Sedangkan sisanya (100% - nilai R2) dijelaskan oleh sebab-sebab lain di luar model.
3.6.4. Uji Autokorelasi
Istilah autokorelasi bisa didefinisikan sebagai korelasi di antara anggota observasi yang diurut menurut waktu (seperti data deret berkala) atau ruang (seperti data lintas sektoral). Uji yang paling dikenal untuk pendeteksian autokorelasi adalah statistik d Durbin-Watson (DW Test). Pengujian dengan DW Test hanya digunakan untuk autokorelasi tingkat satu (first order autocorrelation) dan mensyaratkan adanya intercept (konstanta) dalam model regresi dan tidak ada variabel lag diantar variabel independen.
Hipotesis yang akan diuji adalah: H0 : tidak ada autokorelasi (r = 0) H1 : ada autokorelasi (r ≠ 0)
Tabel 3.2 Uji d Durbin-Watson: Aturan Keputusan
Hipotesis nol Keputusan Jika Tidak ada autokorelasi positif
Tidak ada autokorelasi positif Tidak ada autokorelasi negatif Tidak ada autokorelasi negatif Tidak ada autokorelasi positif atau negative
Tolak
Tidak ada keputusan Tolak
Tidak ada keputusan Tidak ditolak 0 < d < dL dL≤ d ≤ dU 4 - dL < d < 4 4 - dU≤ d ≤ 4 - dL dU < d < 4 - dU Sumber: Gujarati, 2003 3.6.5. Uji Heterokedastisitas
Suatu asumsi kritis dari model regresi linear klasik adalah bahwa gangguan ui semuanya mempunyai varians yang sama. Jika asumsi ini tidak dipenuhi, maka mempunyai heteroskedasitas. Heteroskedasitas tidak merusak sifat ketidakbiasan dan konsistensi dari penaksir OLS. Tetapi penaksir ini tidak lagi mempunyai varians minimum atau efisien . Dengan perkataan lain, sehingga tidak lagi memenuhi asumsi BLUE.
Untuk mendeteksi ada tidaknya pelanggaran ini dengan menggunakan White Heterocdasticity Test (Gujarati, 1995). Nilai probabilitas Obs*R-squared dijadikan sebagai acuan untuk menolak atau menerima H0.
Hipotesis yang akan diuji: H0 : homoskedastisitas H1 : heteroskedastisitas Kriteria pengujiannya adalah:
1. Probabilitas Obs*R-squared < taraf nyata , maka tolak H0 2. Probabilitas Obs*R-squared > taraf nyata , maka terima H0
3.6.6. Uji Normalitas
Uji normalitas digunakan untuk mengetahui apakah data terdistribusi normal atau tidak. Dalam penelitian ini menggunakan Jarque-Bera test (J-B test) untuk melihat apakah data terdistribusi normal atau tidak. Uji ini menggunakan hasil residual dan chi-square probability distribution.
hipotesis yang akan diuji adalah:
H0 : Sampel berasal dari populasi yang berdistribusi normal H1 : Sampel berasal dari populasi yang tidak berdistribusi normal Kriteria pengujian adalah:
1. Bila nilai JB hitung > nilai X2tabel, maka H0 yang menyatakan residual, ut adalah berdistribusi normal ditolak.
2. Bila nilai JB hitung < nilai X2tabel, maka H0 yang menyatakan residual, ut adalah berdistribusi normal diterima.
3.7. Definisi Operasional
Penelitian ini menggunakan CO2 (carbon dioksida), CH4 (metana), dan N2O (nitrogen oksida) sebagai indikator pencemaran lingkungan karena ketiganya merupakan gas rumah kaca yang berperan aktif dalam meningkatkan suhu bumi melalui efek rumah kaca yang ditimbukan gas buangan tersebut. Gas-gas buangan tersebut ketika dilepaskan di atmosfer akan membentuk lapisan yang menahan pantulan panas matahari yang menyinari bumi seperti prinsip rumah kaca.
1. Emisi Karbondioksida (CO2)
Variabel ini diperoleh dari emisi karbondioksida (CO2) yang dinyatakan dalam kilotonne. Karbondioksida adalah gas rumah kaca yang penting karena ia menyerap gelombang inframerah dengan kuat. Karbondioksida dihasilkan oleh semua makhluk hidup pada proses respirasi dan digunakan oleh tumbuhan pada proses fotosintesis. Karbondioksida juga dihasilkan dari hasil samping pembakaran bahan bakar fosil.
2. Emisi Metana (CH4)
Variabel ini diperoleh dari emisi metana (CH4) yang dinyatakan dalam kilotonne. Metana merupakan komponen utama gas alam yang termasuk gas rumah kaca. Ia merupakan insulator yang efektif, mampu menangkap panas 20 kali lebih banyak bila dibandingkan karbondioksida. Metana dilepaskan selama produksi dan transportasi batu bara, gas alam, dan minyak bumi.