BAB II TINJAUAN PUSTAKA
METODOLOGI PENELITIAN
5.5 Tehnik Alat Analisis
a. Analisis Deskriptif Kualitatif
Penelitian ini menggunakan metode penelitian deskriptif kualitatif. Menurut Nazir, (2005) metode deskriptif adalah suatu set kondisi, suatu sistem pemikiran, ataupun suatu kelas peristiwa pada masa sekarang. Tujuan penelitian deskriptif adalah untuk membuat deskripdi, gambaran atau lukisan secara sistematis, faktual dan akurat mengenai fakta-fakta, sifat-sifat serta hubungan antar fenomena yang diselidiki.
Analisis deskriptif kualitatif ditujukan untuk mendapatkan informasi tentang berbagai kondisi lapang yang bersifat tanggapan dan pandangan terhadap pelaksanaan program perkuatan serta kondisi lingkungan sosial ekonomi dan daerah sampel. Analisis kualitatif merupakan cerminan keadaan atau kondisi riil dilapang yang berupa data dan angka diperoleh dari pendapat-pendapat berbagai unsur yang terlibat langsung dengan masyarakat yang terkena dampak bencana banjir Bengawan Solo dengan kondisi ideal yang diperoleh dari studi pustaka.
b. Regresi Linier Berganda
Hasil dari analisis diskriptif kuantitatif akan dinilai dengan menggunakan Contingent Valuation Method (CVM). CVM adalah metode survei langsung pada sampel dengan populasi yang sesuai tentang willingness to pay dan willingness to accept (WTA). CVM mempunyai dua keuntungan dibandingkan metode tidak langsung. Pertama, CVM dapat mengambil dua
nilai sekaligus use value dan non-use value. Kedua, CVM jawaban pertanyaan tentang WTP atau WTA dapat secara langsung dikoreksi secara teori dengan ukuran moneter pada tingkat perubahannya (Lee, 1999 : 114). Aplikasi CVM dilakukan dengan tahap-tahap sebagai berikut.
1. Identifikasi masalah 2. Membuat kerangka masalah 3. Merumuskan pemecahan masalah
4. Merumuskan cara untuk pemecahan masalah (payment vehicle)
5. Mempersiapkan alat survei untuk mengetahui WTP/WTA secara individu, yang terdiri dari pembuatan skenario hipotesis; pertanyaan tentang WTP/WTA; dan membuat skenario tentang biaya kompensasi.
6. Menggunakan alat survei dengan sampel dari populasi yang sesuai 7. Menganalisis respon yang diperoleh sewaktu survei, yaitu dengan
menggunakan data sampel untuk mengestimasi survei yang akurat. 8. Menanggapi jawaban responden yang tidak sesuai dengan kenyataan
(protest responses)
Analisis Regresi Linear Berganda digunakan untuk mengukur pengaruh antara lebih dari satu variabel prediktor (variabel bebas) terhadap variabel terikat. Teknik analisis data yang digunakan sebagai penyelesaian adalah regresi linear berganda atas variabel dependen dengan variabel independen dengan metode Ordinary Least Square (OLS).
Y= +
Di mana , adalah koefisien atau parameter model. Model regresi linier berganda untuk populasi diatas dapat ditaksir berdasarkan sebuah sempel acak yang berukuran n dengan model regresi linier berganda untuk sampel, yaitu:
Dimana:
Model yang akan diestimasi ditunjukkan oleh persamaan berikut ini: WTP= f(
WTP = Kesesuaian responden untuk membayar X1 = Pendapatan
X2 = Pendidikan X3 = Usia
X4 = Jumlah anggota keluarga X5 = Jarak pemukiman X6 = Tinggi genangan
=Konstanta =Standard error
c. Uji F (F-test)
Untuk menguji apakah variabel independen secara keseluruhan berpengaruh terhadap variabel dependen dengan menggunakan uji F dengan rumus (Gujarati, 2003: 183) :
Dimana: R2 = koefisien determinasi
k = jumlah variabel independen termasuk konstanta. N = jumlah responden
Hipotesis yang digunakan untuk uji F, dirumuskan sebagai berikut:
H0 = β2 = β3 = β4 = β5 = 0, secara bersama-sama variabel Pendapatan, Pendidikan, Usia, Jumlah Anggota Keluarga, Jarak, Tinggi Genangan terhadap kemauan membayar untuk mengurangi dampak banjir.
Ha ≠ β2≠ β3≠ β4≠ β5 ≠ 0, secara bersama-sama variabel Pendapatan, Pendidikan, Usia, Jumlah Anggota Keluarga, Jarak, Tinggi terhadap kemauan membayar untuk mengurangi dampak banjir.
Apabila nilai probabilitas F hitung lebih besar dari level signifikansi, maka H0 diterima dan bila nilai probabilitas F hitung lebih kecil dari level signifikansi, maka H0 ditolak yang berarti bahwa input-input yang digunakan berpengaruh secara bersama-sama terhadap hasil produksi.
d. Uji Koefisien Determinasi (R2)
Uji koefisien determinasi (R2) bertujuan untuk mengetahui seberapa besar pengaruh variabel independen terhadap naik turunnya variabel dependen atau menunjukkan berapa persen (%) variasi variabel dependen yang dapat dijelaskan oleh variabel independen. Tingkat ketepatan regresi ditunjukkan oleh besarnya koefisien determinasi (R2) yang besarnya antara 0 ≤ R2 ≤ 1.
Koefisien determinasi 0 berarti variabel independen sama sekali tidak berpengaruh terhadap variabel dependen dan jika mendekati 1 variabel independen semakin berpengaruh terhadap variabel dependen (Rahayu, 2007: 53)
e. Uji t (t-test)
Uji t adalah uji secara individu semua koefisien regresi yang bertujuan untuk mengetahui besarnya pengaruh masing-masing variabel independen. Dengan menggunakan rumus t hitung (Rahayu, 2007: 50) :
keterangan : = koefisien regresi Se = standart error
Untuk hipotesisnya menggunakan rumus: Ho = = β2 = β3 = β4 = β5 = 0
Artinya: semua variabel independen bukan merupakan penjelas yang signifikan terhadap variabel dependent.
Ha = ≠ β2 ≠ β3 ≠ β4 ≠ β5 ≠ ≠0
Artinya: semua variabel independent merupakan penjelas yang signifikan terhadap variabel dependent.
1. Penghitungan nilai t, yaitu: α = 0,05
df = N – k
dimana N merupakan jumlah observasi dan k adalah jumlah input atau variabel independen termasuk konstanta.
2. Kriteria pengujian
Daerah tolak daerah tolak
-t (α/2; n-k) t (α/2; n-k)
Gambar 3.1 Kurva Distribusi Normal
3. Kesimpulan:
-t tabel ≤ t hitung ≤ t tabel berarti H0 diterima. Ini berarti variabel independen tidak mempengaruhi variabel dependen. t hitung > t tabel atau t hitung < -t tabel berarti H0 ditolak. Ini berarti variabel independen mempengaruhi variabel dependen.
daerah terima
f. Uji asumsi klasik 1. Multikolinearitas
Multikolinearitas adalah suatu kondisi dimana terdapat hubungan yang linear atau mendekati linear diantara variabel-variabel penjelas. Akibat adanya multikolinearitas (Priyatno, 2009: 59-60) :
a) Nilai standard error untuk tiap koefisien menjadi tinggi, sehingga t hitung menjadi rendah.
b) Standard error of estimate akan semakin tinggi dengan bertambahnya variabel independen.
c) Pengaruh masing-masing variabel independen sulit dideteksi.
Salah satu cara untuk mendeteksi ada tidaknya multikolinearitas adalah dengan menggunakan metode Auxiliary Regression dengan pendekatan Koutsiyannis, yaitu membandingkan nilai r2 dengan nilai R2. Model dikatakan terbebas dari masalah multikolinearitas jika nilai r2 < R2 (Rahayu, 2007: 109).
2. Heteroskedastisitas
Heteroskedastisitas digunakan untuk mengetahui apakah dalam model regresi terjadi ketidaksamaan varians dari residual satu pengamatan ke pengamatan yang lain. Apabila varians dari residual satu pengamatan ke pengamatan yang lain tetap maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas. Dalam penelitian ini heteroskedastisitas dapat diketahui dengan menggunakan Uji White. Uji
White dilakukan dengan cara membandingkan nilai Obs*R-Squared dengan nilai χ2 tabel. Nilai χ2 tabel dalam penelitian ini sebesar 18,3 dengan df = 10 dan α = 5%. Model dikatakan terbebas dari masalah heteroskedastisitas apabila nilai Obs*R-Squared lebih kecil dari nilai χ2
tabel (Rahayu, 2007: 104).
3. Autokorelasi
Autokorelasi merupakan korelasi antara anggota serangkaian observasi yang diurutkan menurut waktu (data deret waktu) atau ruang (data cross section). Secara sederhana dapat dikatakan model klasik mengasumsikan bahwa unsur gangguan yang berhubungan dengan observasi tidak dipengaruhi oleh unsur disturbansi atau gangguan yang berhubungan dengan pengamatan lain.
Salah satu cara untuk mendeteksi autokorelasi adalah dengan menggunakan Uji Breusch-Godfrey (B-G Test). Langkah-langkah pengujian Uji Breusch-Godfrey (B-G Test) sebagai berikut (Rahayu, 2007: 103) :
a) Mengestimasi persamaan regresi untuk mendapatkan nilai residual ( ).
b) Meregres terhadap variabel bebas dan ...
c) Menghitung nilai (n-p) R2 – X2. Apabila lebih besar dari tabel chi-square dengan df p, menolah hipotesa bahwa setidaknya ada satu koefisien autokorelasi yang berbeda dengan 0.
Jika regresi dilakukan dengan menggunakan Eviews maka dapat dilihat dari nilai probabilitasnya. Model dikatakan terbebas dari autokorelasi apabila nilai probabilitasnya lebih besar dari 0,05.
BAB IV
