33 Pada tabel 8 disajikan matriks keterkaitan antara tujuan penelitian, sumber
data, dan metode. Data yang diperoleh, dianalisis secara kualitatif dan kuantitatif. Pengolahan dan analisis data dilakukan menggunakan komputer dengan program
Microsoft Office Excell dan Statistical Analysis SystemEconometric Time Series
SASETS version 9.1. 4.4.1. Identifikasi Dampak Pencemaran oleh Kegiatan Industri Peleburan
Besi dan Baja terhadap Lingkungan
Dampak lingkungan yang diidentifikasi adalah penurunan kualitas lingkungan akibat pencemaran udara dan dianalisis secara deskriptif. Hal yang
terlebih dahulu dilakukan adalah mengidentifikasi apa saja dampak yang dirasakan rumahtangga akibat sisa proses produksi yang dibuang ke udara
sehingga berdampak pada rumahtangga sekitar industri. Informasi mengenai dampak lingkungan berdasarkan observasi di lapang dan persepsi respon
rumahtangga sampel tentang: 1 kualitas udara, 2 kebersihan, 3 kenyamanan, dan 4 pengaruh terhadap kegiatan sehari-hari.
Penilaian kualitas udara sebelum dan setelah keberadaan industri peleburan besi dan baja berdasarkan respon rumahtangga terhadap kualitas udara:
a kualitas udara sangat buruk dengan indikator: berdebu, panas, dan tidak segar saat bernafas, b kualitas udara buruk dengan indikator: berdebu, tidak panas, dan
tidak segar saat bernafas, c kualitas udara biasa saja dengan indikator: berdebu, tidak panas, dan segar saat bernafas, d kualitas udara baik dengan indikator:
tidak berdebu, panas, dan segar saat bernafas, dan e kualitas udara sangat baik dengan indikator: tidak berdebu, tidak panas, dan segar saat bernafas.
Penilaian kebersihan tempat tinggal sebelum dan setelah keberadaan industri peleburan besi dan baja berdasarkan observasi di lapang dan respon
rumahtangga terhadap kebersihan tempat tinggal: a kebersihan tempat tinggal sangat kotor dengan indikator: atap rumah semakin berdebu, teras berdebu, dan
jendela rumah berdebu, b kebersihan tempat tinggal kotor dengan indikator: atap rumah semakin berdebu, teras tidak berdebu, dan jendela rumah berdebu, c
kebersihan tempat tinggal biasa saja dengan indikator: atap rumah semakin
34 berdebu, teras tidak berdebu, dan jendela rumah bersih, d kebersihan tempat
tinggal bersih dengan indikator: atap rumah berdebu, teras berdebu, dan jendela rumah bersih, dan e kebersihan tempat tinggal sangat bersih dengan indikator:
atap rumah berdebu, teras tidak berdebu, dan jendela rumah bersih. Penilaian kenyamanan sebelum dan setelah keberadaan industri peleburan
besi dan baja berdasarkan respon rumahtangga terhadap kenyamanan tinggal: a kenyamanan yang direspon sangat tidak nyaman dengan indikator: udara yang
dihirup tidak segar dan kondisi lingkungan menjadi tidak aman, b kenyamanan yang direspon tidak nyaman dengan indikator: udara yang dihirup tidak segar dan
kondisi lingkungan aman, c kenyamanan yang direspon nyaman dengan indikator: udara yang dihirup segar dan kondisi lingkungan tidak aman, dan d
kenyamanan yang direspon sangat nyaman dengan indikator: udara yang dihirup segar dan kondisi lingkungan aman.
Penilaian pengaruh terhadap kegiatan sehari-hari sebelum dan setelah keberadaan industri peleburan besi dan baja berdasarkan respon rumahtangga
terhadap pengaruh pada kegiatan sehari-hari: a pengaruh terhadap kegiatan sehari-hari sangat mengganggu dengan indikator: menjadi lebih sering menyapu,
jemuran berdebu, dan anak menjadi tidak dapat bermain di luar rumah, b pengaruh terhadap kegiatan sehari-hari mengganggu dengan indikator: menjadi
lebih sering menyapu, jemuran tidak berdebu, dan anak menjadi tidak dapat bermain di luar rumah, c pengaruh terhadap kegiatan sehari-hari biasa saja
dengan indikator: menjadi lebih sering menyapu, jemuran tidak berdebu, dan anak tetap dapat bermain di luar rumah, d pengaruh terhadap kegiatan sehari-hari
tidak mengganggu dengan indikator: menyapu seperti biasa, jemuran berdebu, dan anak tetap dapat bermain di luar rumah, dan e pengaruh terhadap kegiatan
sehari-hari sangat tidak mengganggu dengan indikator: menyapu seperti biasa, jemuran tidak berdebu, dan anak tetap dapat bermain di luar rumah.
4.4.2. Penentuan Dampak Pencemaran oleh Kegiatan Industri Peleburan Besi dan Baja terhadap Kesehatan Masyarakat
Industri peleburan besi dan baja menimbulkan dampak pada kesehatan yang dihitung menggunakan cost of illness. Informasi yang dicari mengenai
kesehatan anggota rumahtangga sebelum dan setelah adanya industri adalah: 1
35 jenis penyakit, 2 tempat berobat, yaitu apakah berobat di rumah sakit,
PUSKESMAS atau klinik, 3 waktu terkena penyakit, yaitu seberapa sering rumahtangga mengalami sakit tersebut dalam satu tahun, dan 4 biaya, yaitu
jumlah biaya yang dikeluarkan oleh rumahtangga untuk mengobati penyakit selama satu tahun. Data biaya kesehatan yang dikeluarkan untuk mengobati
penyakit setelah keberadaan industri peleburan besi dan baja didapat dari menghitung jumlah biaya yang harus dikeluarkan oleh rumahtangga untuk
mengobati penyakit dan dibandingkan dengan jumlah biaya yang dikeluarkan rumahtangga sebelum industri berdiri.
4.4.3. Penentuan Nilai Willingness to Accept Sebagai Nilai Ganti Rugi
Akibat Keberadaan Industri Peleburan Besi dan Baja
Nilai WTA didapatkan melalui hasil wawancara secara langsung. Nilai WTA dapat diketahui melalui tahapan-tahapan sebagai berikut Hanley dan
Spash, 1993: 1. Membuat pasar hipotetik setting up the hypothectical market
2. Mendapatkan penawaran besarnya nilai WTA obtaining bids 3. Memperkirakan nilai rata-rata dan nilai tengah WTA calculating average and
mean WTA 4. Memperkirakan kurva penawaran estimating bid curve
5. Mengagregasikan data agregating data untuk 288 rumahtangga populasi data dari Kantor Kelurahan Dusun Cikupa, 2007
6. Mengevaluasi penggunaan CVM evaluating the CVM exercise Wawancara dilakukan kepada rumahtangga di Dusun Palahlar,
Kecamatan Cikupa, Kabupaten Tangerang untuk mengetahui besarnya nilai WTA menggunakan kuesioner dengan metode open-ended question. Setelah diketahui
seluruh nilai WTA rumahtangga di Dusun Palahlar kemudian dicari nilai WTA rata-rata sebagai pendekatan nilai ganti rugi yang dialami oleh rumahtangga
sekitar industri peleburan besi dan baja.
36
4.4.4. Analisis Faktor-Faktor yang Mempengaruhi Besarnya Nilai Ganti Rugi
Model regresi linier berganda digunakan untuk mengetahui faktor-faktor yang mempengaruhi Willingness to Accept WTA rumahtangga dengan metode
Ordinary Least Squares OLS. Berdasarkan teori dan penelitian terdahulu
tentang WTA, model regresi berganda yang digunakan adalah: WTA
i
= +
PDDKN
i
- PNDPTN
i
+ LMTG
i
- JRSI
i
+ JTK
i
+ DU1
i
+ DU2
i
+ BSHT
i
+ U
1i
............. 01 dimana:
WTA
i
= Nilai WTA rupiah per tahun = Konstanta
= Parameter, j=1,2,3,…..,8 PDDKN
i
= Tingkat pendidikan responden 1 = lama pendidikan kurang dan sama dengan 9 tahun; 0 = lainnya
PNDPTN
i
= Tingkat pendapatan rumahtangga rupiah per tahun LMTG
i
= Lama tinggal responden tahun JRSI
i
= Jarak tempat tinggal dari industri meter JTK
i
= Jumlah tanggungan keluarga orang DU
i
= Dummy umur responden DU1
i
= Umur muda 1 = kurang dari 30 tahun; 0 = lainnya DU2
i
= Umur menengah 1 = 30 sampai 50 tahun; 0 = lainnya BSHT
i
= Biaya kesehatan
yang dikeluarkan
rumahtangga untuk menanggulangi dampak dari industri peleburan besi
dan baja rupiah per tahun i
= Sampel ke-i
1
= Variabel pengganggu Tanda parameter estimasi yang diharapkan hipotesis:
, ,
, ,
, ,
Variabel tingkat pendidikan diestimasi memberikan pengaruh positif terhadap besarnya nilai ganti rugi yang diinginkan responden. Hal ini karena
responden yang berpendidikan tinggi akan menyadari bahwa seberapa besar kerugian yang ditanggung. Variabel umur muda, umur menengah, dan lama
37 tinggal diestimasi berpengaruh positif dengan responden yang menerima nilai
ganti rugi. Hal ini disebabkan pencemaran disekitar kawasan industri peleburan besi dan baja membuat responden yang tinggal lebih lama merasa dirugikan.
Kerugian ini timbul karena sebelum keberadaan industri dapat memanfaatkan sumberdaya yang tersedia tanpa adanya pencemaran, sehingga responden yang
lebih lama tinggal menginginkan nilai ganti rugi yang lebih tinggi. Variabel jumlah tanggungan terkait dengan banyaknya anggota keluarga
yang harus menanggung dampak dari industri peleburan besi dan baja. Semakin tinggi jumlah tanggungan maka semakin tinggi pula nilai ganti rugi yang
diinginkan. Tingginya tingkat pencemaran yang direspon, diestimasi juga berpengaruh positif terhadap nilai WTA. Semakin tinggi tingkat pencemaran yang
direspon maka semakin tinggi nilai ganti rugi yang bersedia diterima. Variabel besarnya biaya kesehatan yang dikeluarkan untuk menanggulangi
dampak dari industri peleburan besi dan baja diestimasi berpengaruh positif. Semakin tinggi biaya yang dikeluarkan untuk menanggulangi dampak negatif
maka nilai ganti rugi yang bersedia diterima akan semakin tinggi. Biaya yang dikeluarkan mencakup biaya pengobatan dan pencegahan penyakit yang
diakibatkan dari dampak keberadaan industri peleburan besi dan baja. Variabel tingkat pendapatan rumahtangga diestimasi berpengaruh negatif
terhadap nilai WTA, semakin tinggi pendapatan rumahtangga maka rumahtangga tidak memperhatikan besarnya nilai ganti rugi karena telah merasa berkecukupan
untuk menanggungnya sendiri. Variabel jarak tempat tinggal dari industri diestimasi berpengaruh negatif karena semakin dekat jarak tempat tinggal dari
industri maka, akan semakin banyak dampak yang dirasakan sehingga nilai ganti rugi yang diinginkan lebih tinggi. Program komputer dan hasil estimasi model
Willingness to Accept disajikan pada Lampiran 4 dan 5.
4.4.5. Analisis Faktor-Faktor yang Mempengaruhi Keputusan untuk Pindah
Analisis faktor-faktor yang mempengaruhi keputusan untuk pindah dari sekitar wilayah industri peleburan besi dan baja menggunakan model regresi
38 logistik dan diestimasi menggunakan metode Maximum Likelihood Estimator
MLE. Model regresi logistik digunakan untuk mengestimasi peluang keputusan untuk pindah atau tidak pindah dari sekitar wilayah industri peleburan besi dan
baja, serta faktor-faktor yang mempengaruhinya. Bentuk model regresi logistik yang digunakan adalah:
Li Pindah
i
= +
PDDKN
i
+ PNDPTN
i
- LMTG
i
- JRSI
i
- DSK1
i
- DSK2
i
+ BSHT
i
+ U
2i
..................... 02 dimana:
Li Pindah
i
= Peluang responden menyatakan pindah atau tidak pindah dari sekitar wilayah industri peleburan besi dan baja 1 =
pindah; 0 = tidak pindah = Konstanta
= Parameter, j=1,2,3,…..,7 PDDKN
i
= Tingkat
pendidikan responden 1 = lama pendidikan
kurang dan sama dengan 9 tahun; 0 = lainnya PNDPTN
i
= Tingkat pendapatan rumahtangga rupiahtahun LMTG
i
= Lama tinggal responden 1 = lama tinggal kurang dari sama dengan 30 tahun; 0 = lainnya
JRSI
i
= Jarak tempat tinggal dari industri 1 = jarak 0 sampai 200 meter; 0 = lainnya
DSK
i
= Dummy status kepemilikan rumah DSK1
i
= Status kepemilikan rumah pribadi 1 = status rumah
pribadi; 0 = lainnya DSK2
i
= Status kepemilikan rumah warisan 1 = status rumah warisan; 0 = lainnya
BSHT
i
= Biaya kesehatan yang dikeluarkan rumahtangga untuk
menanggulangi dampak dari industri peleburan besi dan baja rupiah per tahun
i = Sampel ke-i
2
= Variabel pengganggu Tanda parameter estimasi yang diharapkan hipotesis:
, , 0 , , , 0
39 Tingkat pendidikan responden diestimasi memiliki hubungan positif
dengan keputusan pindah dan tidak pindah dari sekitar wilayah industri peleburan besi dan baja. Semakin tinggi pendidikan maka responden menyadari bahwa
kondisi lingkungan tempat tinggalnya tidak layak untuk ditempati. Tingkat pendidikan mempengaruhi pola pikir, persepsi, penilaian terhadap lingkungan
serta bagaimana cara menanggapi pertanyaan. Variabel
pendapatan rumahtangga
diestimasi memiliki hubungan positif dengan penilaian responden mengenai pindah dan tidak pindah. Semakin tinggi
pendapatan rumahtangga maka keputusan untuk pindah dari sekitar wilayah industri peleburan besi dan baja akan semakin tinggi. Variabel besarnya biaya
kesehatan yang dikeluarkan rumahtangga untuk menanggulangi dampak dari industri peleburan besi dan baja diestimasi memiliki hubungan positif. Semakin
besar biaya yang dikeluarkan untuk menanggulangi dampak maka keputusan untuk pindah dari sekitar wilayah industri peleburan besi dan baja akan semakin
tinggi. Variabel lama tinggal responden diestimasi berbanding terbalik dengan
keputusan responden pindah dari sekitar wilayah industri. Semakin lama responden tinggal di Dusun Palahlar, maka responden semakin terbiasa dengan
kondisi lingkungan tempat tinggalnya. Variabel jarak tempat tinggal dari industri juga diestimasi berbanding terbalik terhadap keputusan responden pindah dari
sekitar industri, dimana semakin jauh jarak tempat tinggal dari industri maka keputusan responden untuk pindah semakin rendah.
Variabel status kepemilikan rumah pribadi dan warisan diestimasi berbanding terbalik dengan responden yang menilai pindah dari sekitar wilayah
industri peleburan besi dan baja. Jika responden tinggal dirumah dengan status kepemilikan rumah pribadi dan warisan, maka responden merasa tinggal legal di
wilayah tersebut dan tidak akan pindah dari sekitar wilayah industri peleburan besi dan baja. Program komputer dan hasil regresi logistik disajikan pada
Lampiran 6 dan 7.
40
4.5. Evaluasi Model
Perlu dilakukan pengujian secara statistika untuk memeriksa kebaikan dari model yang telah dibuat. Uji yang dilakukan adalah:
1. Uji G Menurut Juanda 2009, statistik uji G likehood ratio digunakan untuk
menguji apakah model logit secara keseluruhan dapat menjelaskan variabel dependen Y. Likehood ratio adalah rasio fungsi kemungkinan
model lengkap terhadap fungsi kemungkinan
model benar. Hipotesis statistik yang diuji dalam hal ini adalah:
: =
= …. = = 0
model tidak dapat menjelaskan : minimal ada
≠ 0, untuk j=2,3,…k model dapat menjelaskan
Statistik uji G dibawah ini menyebar menurut sebaran Khi-kuadrat dengan derajat bebas k-1.
G = -2ln
_ _
= 2ln
_ _
≈ = 2 [ln
_ - ln
_ ]
Jika menggunakan taraf nyata α, hipotesis ditolak model signifikan jika
Statistik G
,
Jika ditolak maka dapat disimpulkan bahwa minimal ada
≠0, dengan pengertian lain, model regresi logistik dapat menjelaskan atau memprediksi
pilihan individu pengamat. 2. Uji Odds Ratio
Menurut Firdaus, Harmini, dan Farid 2011, dalam kejadian hubungan antar variabel kategorik dikenal adanya ukuran asosiasi, yaitu ukuran keeratan
hubungan antar variabel kategorik. Salah satu keuntungan penggunaan analisis regresi logistik adalah bahwa ukuran asosiasi ini seringkali merupakan fungsi
dari parameter estimasi yang didapatkan. Salah satu ukuran asosiasi yang dapat diperoleh melalui analisis regresi logistik adalah odd ratio rasio odd.
Odd sendiri dapat diartikan sebagai rasio peluang kejadian sukses dengan kejadian tidak sukses dari variabel dependen. Adapun rasio odd
mengindikasikan seberapa lebih mungkin, dalam kaitannya dengan nilai odd,
41 munculnya kejadian sukses pada suatu kelompok dibandingkan dengan
kelompok lainnya. 3. Koefisien Determinasi yang Disesuaikan
Menurut Firdaus 2004, ciri-ciri dari R merupakan fungsi yang menaik
nondecreasing function dari variabel-variabel independen yang tercakup dalam persamaan regresi linear berganda. Makin banyak variabel yang
tercakup dalam model, makin menaik fungsi tersebut, artinya semakin besar nilai
R tersebut. Jadi, setiap penambahan variabel independen dalam model akan memperbesar nilai
R . 4. Uji F
Menurut Kuncoro 2003, uji F pada dasarnya menunjukkan apakah semua variabel independen yang dimasukkan dalam model mempunyai pengaruh
secara bersama-sama terhadap variabel dependen. Hipotesis nol yang
hendak diuji adalah apakah semua parameter dalam model sama dengan nol, atau:
: =
= .... = = 0
Artinya, apakah suatu variabel independen bukan merupakan penjelas yang signifikan terhadap variabel dependen. Hipotesis alternatifnya
, tidak semua parameter secara simultan sama dengan nol, atau:
: ....
Artinya, semua variabel independen secara simultan merupakan penjelas yang signifikan terhadap variabel dependen.
Untuk menguji kedua hipotesis ini digunakan uji F. Nilai uji F dihitung dari formula sebagai berikut:
F = =
dimana SSR =
Sum of squares due to regression =
∑ Ŷ
2
; SSE = Sum of square error =
∑ Y Ŷ
2
; n
= Jumlah sampel; k
= Jumlah parameter dalam model, termasuk intersep; MSR = Mean squares due to regression;
42 MSE = Mean of squares due to error.
Pada dasarnya nilai F diturunkan dari tabel ANOVA analysis of variance. Ingat bahwa TSS = SSR + SSE, artinya Total Sum of Square TSS bersumber
dari variasi regresi SSR dan variasi kesalahan SSE, yang dibagi dengan derajat kebebasannya masing-masing. Cara melakukan uji F adalah dengan
cara sebagai berikut: a. Quick look: bila nilai F lebih besar daripada empat maka
yang menyatakan
= = .... =
= 0 dapat ditolak pada derajat kepercayaan 15 persen. Dengan kata lain, kita menerima hipotesis alternatif yang
menyatakan bahwa semua variabel independen secara serentak dan signifikan mempengaruhi variabel dependen.
b. Membandingkan nilai F hasil perhitungan dengan nilai F menurut tabel: bila nilai F hasil perhitungan lebih besar daripada nilai F menurut tabel
maka hipotesis alternatif yang menyatakan bahwa semua variabel independen secara serentak dan signifikan mempengaruhi variabel
dependen. 5. Uji-t
Menurut Kuncoro 2003, uji-t pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel independen secara individual dalam menerangkan
variasi variabel dependen. Hipotesis nol yang hendak diuji adalah apakah
suatu parameter sama dengan nol, atau:
: = 0
Artinya, apakah suatu variabel independen bukan merupakan penjelas yang signifikan terhadap variabel dependen. Hipotesis alternatifnya
, parameter suatu variabel tidak sama dengan nol, atau:
: Artinya, variabel independen merupakan penjelas yang signifikan terhadap
variabel dependen. Untuk menguji kedua hipotesis ini digunakan uji-t. Uji-t dihitung dari formula
sebagai berikut: t =
- 0S = S
