Beberapa pendekatan yang digunakan dalam perhitungan WTA untuk menilai peningkatan atau kemunduran kondisi lingkungan antara lain :
1. Menghitung jumlah yang bersedia diterima oleh individu untuk mengurangi
dampak negatif pada lingkungan karena adanya suatu kegiatan pembangunan 2.
Menghitung pengurangan nilai atau harga dari suatu barang akibat akibat semakin menurunya kualitas lingkungan.
3. Melalui suatu survei untuk menentukan tingkat kesediaan masyarakat
menerima dana kompensasi dalam rangka mengurangi dampak negatif pada lingkungan atau untuk mendapatkan lingkungan yang lebih baik.
Perhitungan WTA dapat dilakukan secara langsung direct method dengan melakukan survei dan secara tidak langsung indirect method dengan
menghitung nilai dari penurunan kualitas lingkungan yang terjadi. Dalam penelitian ini perhitungan WTA dilakukan secara langsung direct method
dengan cara survey dan melakukan wawancara terhadap masyarakat Kelurahan Ciapayung, Kecamatan Pancoran Mas, Kota Depok.
2.6 Regresi Logistik
Menurut Hutcheson dan Sofroniou dalam Utari 1999, regresi logistik logistic regression merupakan suatu teknik permodelan linier secara umum yang
memungkinkan dibuatnya prediksi-prediksi dari variabel respon dan taksiran- taksiran tingkat kemampuan mempengaruhi dari variabel-variabel penjelas
individu maupun kelompok. Data-data yang dapat dianalisis dengan alat analisis regresi logistik adalah data yang relatif umum dan terdiri atas dichotomous
classification. Beberapa permasalahan yang dapat dianalisis dengan logistik antara lain:
1. Seberapa besar pengaruh tingkat keparahan infeksi terhadap kemungkinan seseorang mati
2. Apakah seseorang akan mengkonsumsi kecap lokal atau kecap impor 3. Faktor-faktor yang mempengaruhi seseorang melakukan migrasi
4. Faktor-faktor yang mempengaruhi petani dalam mengambil kredit Terdapat tiga komponen dari model linear umum, yaitu komponen acak
dari variabel respon, komponen sistematis yang mempresentasikan nilai tetap dari variabel penjelas pada bagian fungsi linier, dan link function yang merupakan alat
pemeta komponen sistematis menjadi komponen acak. Regresi logistik mengasumsikan bahwa galat dari komponen acak terdistribusi secara binomial,
berbeda dengan regresi Ordinary Least Square OLS yang mengasumsikan bahwa galat dari komponen acak terdistribusi secara normal. Komponen
sistematis dari regresi logistik sama dengan regresi OLS, dengan variabel penjelas diasumsikan kontinu dan minimal berskala interval. Sebagaimana regresi OLS,
variabel penjelas yang tidak dimasukkan ke dalam model menggunakan teknik pengkodean variabel dummy. Perbedaan logistik dengan regresi OLS adalah
komponen acak dan komponen sistematis yang ada tidak dapat dipetakan secara langsung satu sama lain. Selain itu, dalam regresi logistik digunakan non-linear
link function fungsi inilah yang dinamakan logit. Model
analisis logistik dituliskan
dengan , dimana p
merupakan peluang, e adalah logaritma natural, dan merupakan parameter komponen linier dari model, dan x sebagai nilai dari variabel penjelas. Konversi
dari peluang agar dapat diestimasi dalam linier dengan logit dinamakan odds. Metode untuk menganalisis logit adalah Maximum Likehood ML. Mengestimasi
peluang dengan metode ML, dilakukan dengan proses:
odds = + x persamaan linier sehingga dapat diestimasi p = + x persamaan yang dapat dietimasi dengan ML
Parameter dari model logistik dapat diinterpretasikan dengan cara yang sama seperti OLS, yaitu dengan gradienslope parameter . Gradien ini
diinterpretasikan sebagai perubahan logit p akibat perubahan satu unit variabel x. Dengan kata lain, menggambarkan perubahan dalam log odds dari adanya
perubahan satu unit x. Parameter menunjukkan nilai logit p akibat ketika x =0 atau log odds dari keadaan x = 0. Standard error dari logit disebut ASE
Assymtotic Standard Error. Transformasi distribusi kurva S menjadi distribusi linier dapat dilihat dalam Gambar 4.
Peluang
X Odds dari peluang
X
Log odds dari peluang
X
Gambar 4. Transformasi Distribusi Kurva S Menjadi Distribusi Linier
Sumber: Hanley dan Spash 1993
2.7 Penelitian Terdahulu
