27 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
28 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?
29 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 = n i W i. Pf i (2.5) dimana: WTP = Dugaan WTP (Rupiah) W i = Batas bawah WTP pada kelas ke- i Pf i = 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: WTP i = 0 + 1 JTG i + 2 PNDKi + 3 OMZ i + 4 PBH i + 5 CM i + 6 FS i + 7 JM i + ε i (2.6) dimana: WTP i = Besaran kesediaan membayar (Rp. / liter) 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)
30 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 (R 2 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 R 2 adalah besaran negatif dan batasnya antara nol sampai satu. Suatu R 2 sebesar 1 berarti kecocokan sempurna sedangkan R 2 yang 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 H1 : minimal ada salah satu β i yang tidak sama dengan nol
31 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.
32 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
33 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 Logit(pi) log e (2.7) 1 pi Logit(p i ) = 0 + 1 JTG i + 2 NDK i + 3 OMZ i + 4 PBH i + 5 WTP i + 6 CM i + 7 FS i + 8 JM i + ε i (2.8) dimana: Logit(p i ) = 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) PBH = Penggunaan BBM per hari (Liter)
34 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 dengan kenaikan harga BBM yang pasti berdampak pada kenaikan harga kebutuhan sehari-hari. 3. Variabel tingkat pendidikan diduga memengaruhi respon dari pemilik usaha jasa angkutan barang terhadap kenaikan harga BBM karena dengan tingginya pendidikan seseorang dapat membuat orang tersebut mengetahui perkembangan ekonomi sehingga bersedia membayarkan harga BBM lebih tinggi dari harga sekarang dan setuju dengan kenaikan harga BBM.
35 4. Variabel omzet juga diduga akan memengaruhi respon dari pemilik usaha jasa angkutan barang terhadap kenaikan harga BBM, semakin besar omzet seseorang maka akan semakin besar peluang untuk setuju terhadap kenaikan harga BBM. 5. Variabel penggunaan BBM per hari diduga akan memengaruhi respon dari pemilik usaha jasa angkutan barang terhadap kenaikan harga BBM. Semakin besar penggunaan BBM per hari maka akan semakin meningkatkan pengeluaran akan alokasi dana untuk bahan bakar. Hal tersebut akan menyebabkan semakin besar penggunaan BBM per hari maka responden semakin tidak bersedia membayar kenaikan harga BBM. Sehingga semakin besar penggunaan BBM per hari semakin tidak setuju dengan kenaikan harga BBM. 6. Variabel besaran kesediaan membayar atau willingness to pay (WTP) oleh responden diduga sangat kuat merpengaruhi respon dari pemilik usaha jasa angkutan barang terhadap kenaikan harga BBM. Semakin besar kesediaan membayar (WTP) maka peluang untuk setuju terhadap kenaikan harga BBM akan semakin besar. Kesediaan membayar yang lebih tinggi dapat disebabkan tingkat pendidikan atau pengetahuan akan keadaan perekonomian negara Indonesia. 7. Variabel CC mobil diduga akan memengaruhi respon dari pemilik usaha jasa angkutan barang terhadap kenaikan harga BBM. Semakin besar CC mobil maka akan semakin boros dalam penggunaan bahan bakarnya. 8. Variabel frekuensi sewa per minggu diduga akan memengaruhi respon dari pemilik usaha jasa angkutan barang terhadap kenaikan harga BBM. Semakin banyak sewa maka akan semakin besar omzet dan akan memberikan peluang yang lebih besar untuk setuju terhadap kenaikan harga BBM. 9. Variabel jumlah mobil diduga akan memengaruhi respon dari pemilik usaha jasa angkutan barang terhadap kenaikan harga BBM. Semakin banyak mobil yang dimiliki responden maka semakin setuju karena semakin banyak jumlah mobil yang dimiliki mengindikasikan tingkat kemakmuran atau tingkat pendapatan yang lebih tinggi.