dengan memasukkan nilai populasi yang relevan ke dalam kurva penawaran. Nilai ini dapat digandakan dengan N.
3. Pilihan dari pengumpulan periode waktu yang menghasilkan manfaat.
Ini tergantung pada pola CVM yang akan dipakai. Pada setiap kasus dari aliran manfaat dan biaya dari waktu ke waktu cukup panjang,
masyarakat dikonfrontasikan dengan keperluan penggunaan preferansi saat ini untuk mengukur tingkat preferensi di masa depan, sebagaimana
adanya implikasi discounting.
6. Mengevaluasi Penggunaan CVM Evaluating the CVM Exercise
Tahap ini menilai sejauh mana penerapan CVM telah berhasil dilakukan. Penilaian tersebut dilakukan dengan memberikan pertanyaan-
pertanyaan seperti apakah responden benar-benar mengerti mengenai pasar hipotetik, berapa banyak kepemilikan responden terhadap barangjasa
lingkungan yang terdapat dalam pasar hipotetik, seberapa baik pasar hipotetik yang dibuat dapat mencakup semua aspek barangjasa lingkungan,
dan lain-lain pertanyaan sejenis.
3.1.5 Organisasi dari Pengoperasian Contingent Valuation Method
Terdapat beberapa hal yang harus diperhatikan dalam organisasi pengoperasian CVM, yaitu :
1. Pasar Hipotetik yang digunakan harus memiliki kredibilitas dan realistis
2. Alat pembayaran yang digunakan danatau ukuran kesejahteraan WTP
sebaiknya tidak bertentangan dengan aturan-aturan yang terkait di masyarakat.
3. Responden sebaiknya memiliki informasi yang cukup mengenai barang
publik yang dimaksud dalam kuisioner dan alat pembayaran untuk penawaran mereka.
4. Jika memungkinkan, ukuran WTP sebaiknya dicari, karena responden
sering kesulitan dengan penentuan nilai nominal yang ingin mereka berikan 5.
Ukuran contoh yang cukup besar sebaiknya dipilih untuk mempermudah perolehan selang kepercayaan dan reabilitas
6. Pengujian kebiasaan, sebaiknya dilakukan dan pengadopsian strategi untuk
memperkecil strategic bias secara khusus 7.
Penawaran sanggahan sebaiknya diidentifikasi 8.
Diperlukan pengetahuan dengan pasti jika contoh memiliki karakteristik yang sama dengan populasi, dan penyesuaian diperlukan.
9. Tanda parameter sebaiknya dilihat kembali untuk melihat jika mereka setuju
dengan harapan yang tepat. Nilai minimum dari 15 untuk R
adjusted
direkomendasikan oleh Mitchell dan Carson 1989 dalam Hanley dan Spash 1993.
3.1.6 Analisis Regresi Logit
Analisis regresi logistik merupakan bagian dari analisis regresi. Analisis ini mengkaji hubungan pengaruh-pengaruh peubah penjelas X terhadap
peubah respon Y melalui model persamaan matematis tertentu. Namun jika peubah respon dari analisis regresinya berupa peubah kategorik, maka analisis
regresi yang digunakan adalah analisis regresi logistik. Peubah kategori bisa merupakan suatu pilihan yatidak atau sukatidak. Sedangkan peubah penjelas
pada analisis regresi logistik ini dapat berupa peubah kategori ataupun peubah numerik, untuk menduga besarnya peluang kejadian tertentu dari kategori
peubah respon. Dalam penelitian ini digunakan analisis regresi logistik biner, dimana
peubah responnya hanya memiliki dua peluang kejadian. Dalam analisisnya permodelan peluang kejadian tertentu dari kategori peubah respon dilakukan
melalui transformasi logit. Formula dari transformasi logit tersebut adalah :
Logit p
i
= log
e
⎟ ⎟
⎠ ⎞
⎜ ⎜
⎝ ⎛
−
p p
i i
1 dengan p
i
adalah peluang munculnya kejadian kategori sukses dari peubah respon untuk orang ke-i dan log
e
adalah logaritma dengan basis bilangan e. Kategori sukses secara umum merupakan kategori yang menjadi perhatian
dalam penelitian. Gambar berikut ini mengilustrasikan proses transformasi logit tersebut.
P
i
Logit P
i
Logit Transform
Predictor Predictor
Gambar 1. Transformasi logit
Dengan demikian model yang digunakan dalam analisis regresi logistik biner adalah sebagai berikut ini :
Logit p
i
= β
+ β
1
X dengan logit p
i
adalah nilai transformasi logit untuk peluang kejadian sukses, β
adalah intersep model garis regresi, β
1
adalah slope model garis regresi dan X adalah peubah penjelas.
Di dalam kajian hubungan antar peubah kategorik dikenal adanya ukuran asosiasi, atau ukuran keeratan hubungan antar peubah kategori. Salah satu
keuntungan penggunaan analisis regresi logistik adalah bahwa ukuran asosiasi ini seringkali merupakan fungsi dari penduga parameter yang didapatkan. Salah
satu ukuran asosiasi yang dapat diperoleh melalui analisis regresi logistik adalah rasio odd.
Odd sendiri dapat diartikan sebagai rasio peluang kejadian sukses dengan
kejadian tidak sukses dari peubah respon. Adapun rasio odd mengindikasikan seberapa lebih mungkin, dalam kaitannya adegan nilai odd, munculnya kejadian
sukses pada suatu kelompok dibandingkan dengan kelompok lainnya.
3.2 Kerangka Operasional
Situ Babakan merupakan salah satu situ yang berada di wilayah Jabodetabek, tepatnya di wilayah Jakarta Selatan. Secara fungsional Situ Babakan
berfungsi sebagai daerah resapan air untuk menjaga keseimbangan lingkungan daerah Jakarta bagian Selatan dan juga sebagai salah satu penampung debit air
sungai Ciliwung. Fungsi Situ Babakan juga bertambah sejak diterbitkannya
