∑
=
⎥⎦ ⎤
⎢⎣ ⎡
=
n i
i i
P N
n WTP
TWTP
1
.................................4 dimana : TWTP
= kesediaan populasi anggota P3A untuk membayar WTP
i
= kesediaan responden sampel untuk membayar n
i
= jumlah luas lahan sampel yang bersedia membayar sebesar WTP
N = jumlah luas lahan sampel
P = jumlah luas lahan populasi anggota P3A
i = sampel; i = 1, 2, ..., 35
5. Pengevaluasian CVM
Hal ini memerlukan pendekatan seberapa besar tingkat keberhasilan dalam pengaplikasian CVM. Apakah hasil survei mengandung tingkat penawaran
sanggahan yang tinggi? Apakah ada bukti bahwa responden benar-benar mengerti mengenai pasar hipotetik? Seberapa besar tingkat kesalahan responden dalam
menjawab pertanyaan yang diajukan? Seberapa baik pasar hipotetik yang digunakan untuk menangkap setiap aspek dalam barang lingkungan? Asumsi apa
yang digunakan untuk dapat menghasilkan nilai rata-rata dan bentuk pengumpulan penawaran? Seberapa baik penanganan permasalahan yang terjadi diasosiasikan
dengan CVM? Untuk mengevaluasi pelaksanaan model CVM dapat dilihat dari tingkat
keandalan reability fungsi WTP untuk mengetahui apakah CVM yang dilakukan dapat memberikan gambaran yang sebenarnya dari ukuran penilaian anggota P3A.
4.5.5 Analisis Fungsi WTP
Untuk mengetahui faktor-faktor yang mempengaruhi WTP petani terhadap peningkatan pelayanan irigasi digunakan model regresi linear berganda.
Berdasarkan penelitian terdahulu dan teori yang berkaitan dengan iuran irigasi, maka persamaan regresi dalam penelitian ini adalah sebagai berikut:
i i
i i
i i
i i
i i
e LUAS
TTK PDPTN
PGLM KPCY
PRST PLYN
PTPI TP
U midWTP
i i
+ +
+ +
+ +
+ +
+ +
+ =
10 9
8 7
6 5
4 3
2 1
β β
β β
β β
β β
β β
β
dimana: midWTP
= Nilai tengah kelas WTP di atas iuran irigasi yang berlaku Rpkotaktahun
β = Konstanta
β
1
, β
2
, β
3
, β
4
, ..., β10 = Koefisien regresi
U = Umur petani tahun
TP = Tingkat pendidikan petani tahun
PTPI = Pengetahuan petani tentang iuran pengelolaan irigasi
dimana, 1 = tahu dan 0 = tidak tahu PLYN
= Tingkat pelayanan irigasi dimana, 1 = baik dan 0 = tidak baik
PRST = Peranserta petani dalam pelaksanaan OP
dimana, 1 = aktif dan 0 = tidak aktif KPCY
= Kepercayaan petani terhadap P3A dimana, 1 = percaya dan 0 = kurangtidak percaya
PGLM = Pengalaman berusahatani tahun
PDPTN = Pendapatan usahatani rupiah
Luas = Luas lahan garapan kotak
i = Responden ke-i i = 1, 2, ..., 35
e = Galat
Untuk mendapatkan koefisien regresi parsial, maka digunakan metode kuadrat terkecil Ordinary Least Square-OLS. Metode OLS dilakukan dengan
pemilihan parameter yang tidak diketahui sehingga jumlah kuadrat kesalahan pengganggu Residual Sum of Square-RSS yaitu
∑
2 i
e = minimum terkecil. Pemilihan model ini didasarkan dengan pertimbangan metode ini mempunyai
sifat-sifat karakteristik yang optimal, sederhana dalam perhitungan, dan umum digunakan. Beberapa asumsi yang dipergunakan dalam model regresi berganda
adalah Firdaus, 2004: 1.
Nilai yang diharapkan bersyarat conditional expected value dari tergantung pada X
i
∈
i
tertentu adalah nol.
2. Tidak ada korelasi berurutan atau tidak ada autokorelasi nonautokorelasi
artinya dengan X
i
tertentu simpangan setiap Y yang manapun dari nilai rata- ratanya tidak menunjukkan adanya korelasi, baik secara positif atau negatif.
3. Varians bersyarat dari
∈
adalah konstan. Asumsi ini dikenal dengan nama asumsi homoskedastisitas.
4. Variabel bebas adalah nonstokastik yaitu tetap dalam penyampelan berulang.
Jika stokastik didistribusikan secara independen dari gangguan
∈
. 5.
Tidak ada multikolinearitas di antara variabel penjelas satu dengan yang lainnya.
6. didistribusikan secara normal dengan rata-rata dan varians yang diberikan
oleh asumsi 1 dan 2.
∈
Apabila semua asumsi yang mendasari model tersebut terpenuhi maka suatu fungsi regresi yang diperoleh dari hasil perhitungan pendugaan dengan
metode OLS dari koefisien regresi adalah penduga tak bias linear terbaik best linear unbiased estimator
-BLUE. Sebaliknya, jika ada asumsi dalam model regresi yang tidak dipenuhi oleh fungsi regresi yang diperoleh maka kebenaran
pendugaan model tersebut danatau pengujian hipotesis untuk pengambilan keputusan dapat diragukan. Penyimpangan asumsi 2, 3, dan 5 memiliki pengaruh
yang serius, sedangkan asumsi 1, 4, dan 6 tidak. Pengujian hipotesis regresi berganda dari hasil print out komputer dapat
dilakukan dengan cara: 1.
Dengan melihat nilai t
hitung
atau F
hitung
dan dibandingkan dengan nilai t
tabel
atau F
tabel
. Jika t
hitung
atau F
hitung
lebih besar daripada t
tabel
atau F
tabel
maka keputusannya adalah tolak hipotesis nol H
. Sebaliknya, jika nilai t
hitung
atau