Analisis Persepsi Rumahtangga terhadap Kondisi Kelayakan

28

4.5. Metode Pengolahan dan Analisis Data

Data yang diperoleh dalam penelitian dianalisis secara kuantitatif. Pengelolaan dan analisis menggunakan komputer dengan program Microsoft Office Excel dan Minitab for Windows Release 14. Matriks analisis data yang digunakan untuk menjawab tujuan-tujuan penelitian ini dapat dilihat pada Tabel 3. Tabel 3. Matriks Analisis Data No Tujuan Penelitian Sumber Data Analisis Data 1. Kajian tentang faktor- faktor yang mempengaruhi persepsi rumahtangga terhadap kondisi kelayakan lingkungan tempat tinggal di dekat jalur KRL. Dari wawancara langsung dengan sampel rumahtangga penelitian dengan menggunakan kuisioner. Model regresi logit dengan Microsoft Office Excel dan Minitab for Windows Release 14 . 2. Kajian tentang faktor- faktor yang mempengaruhi kesediaan rumahtangga menerima ganti rugi pemukiman. Dari wawancara langsung dengan sampel rumahtangga penelitian dengan menggunakan kuisioner. Model regresi logit dengan Microsoft Office Excel dan Minitab for Windows Release 14 . 3. Kajian estimasi nilai ganti rugi yang bersedia diterima rumahtangga Willingness to Accept. Dari wawancara langsung dengan sampel rumahtangga penelitian dengan menggunakan kuisioner. Estimasi WTA dengan pendekatan CVM dengan Microsoft Office Excel. 4. Kajian tentang faktor- faktor yang mempengaruhi nilai ganti rugi yang bersedia diterima rumahtangga Willingness to Accept. Dari wawancara langsung dengan sampel rumahtangga penelitian dengan menggunakan kuisioner. Model regresi berganda dengan Microsoft Office Excel dan Minitab for Windows Release 14 .

4.5.1. Analisis Persepsi Rumahtangga terhadap Kondisi Kelayakan

Lingkungan Tempat Tinggal di Dekat Jalur Kereta Rel Listrik KRL Penilaian rumahtangga terhadap kelayakan tempat tinggal di dekat jalur KRL, Kebon Baru dianalisis menggunakan alat analisis regresi logit. Analisis persepsi rumahtangga Kebon Baru ini dilakukan dengan mengkaji faktor-faktor 29 yang mempengaruhi persepsi rumahtangga terhadap kondisi kelayakan lingkungan tempat tinggal di dekat jalur KRL sebagai tempat tinggal. Bentuk model regresi logit yang digunakan dalam analisis adalah: Li Layak = α – α 1 PDDKN i + α 2 LUASi + α 3 LMTGi + α 4 JRSBi + α 5 SRMHi + Ui dimana Li Layak = Peluang rumahtangga menyatakan layak atau tidak layak terhadap kondisi kelayakan lingkungan tempat tinggal di dekat jalur KRL sebagai bernilai 1 untuk “layak” dan bernilai 0 untuk “tidak layak” α = Konstanta α 1…. α 5 = Koefisien regresi PDDKN = Tingkat pendidikan bernilai 0 untuk “lama pendidikan kurang dari sama dengan pendidikan tingkat SMP atau 9 tahun” dan nilai 1 untuk “lama pendidikan di atas SMP atau lebih dari 9 tahun” LUAS = Luas lahan m 2 LMTG = Lama tinggal tahun JRSB = Jarak ke sumber bising m SRMH = Status kepemilikan rumah bernilai 1 untuk “milik sendiri” dan bernilai 0 untuk “bukan milik sendiri” i = Rumahtangga sampel ke-i 1,2,3,…,120 U = Galat 30 nilai dugaan yang diharapkan hipotesis : α 2, α 3, α 4, α 5 α 1 Tingkat pendidikan diestimasi berbanding terbalik dengan rumahtangga yang menilai layak pemukiman di dekat jalur KRL, Kebon Baru sebagai tempat tinggal. Ini berarti, semakin tinggi pendidikan maka rumahtangga menyadari bahwa lingkungan tempat tinggalnya di dekat jalur KRL seharusnya memang bukan menjadi daerah pemukiman. Tingkat pendidikan mempengaruhi pola pikir seseorang, persepsi, penilaian terhadap lingkungan serta bagaimana cara menanggapi pertanyaan mengenai lingkungan. Variabel luas lahan diestimasi memiliki hubungan positif dengan penilaian rumahtangga mengenai layak dan tidak layaknya menjadikan pemukiman di dekat jalur KRL sebagai tempat tinggal. Semakin luas lahan, seseorang akan merasa senang tinggal di rumah, meskipun keadaan lingkungannya kurang baik, sehingga seseorang akan menilai tempat tinggal sebagai tempat tinggal yang layak walaupun lokasinya di dekat jalur KRL. Selanjutnya, variabel lama tinggal di Kebon Baru diestimasi memiliki hubungan positif. Semakin lama rumahtangga tinggal di Kebon Baru, rumahtangga semakin terbiasa dengan kondisi lingkungan tempat tinggal mereka. Variabel jarak ke sumber bising juga diduga berpengaruh positif terhadap peluang rumahtangga suka tetap tinggal di sekitar jalur KRL, dimana semakin jauh jarak dari sumber bising maka rumahtangga semakin menyukai tempat tinggalnya. Variabel status kepemilikan rumah diestimasi memiliki hubungan positif terhadap persepsi rumahtangga terhadap kondisi kelayakan lingkungan tempat 31 tinggal di dekat jalur KRL. Jika rumahtangga tinggal di rumah dengan status kepemilikan rumah milik sendiri, maka rumahtangga merasa tinggal legal di daerah tersebut dan menyatakan menjadikan pemukiman dekat KRL, Kebon Baru sebagai tempat tinggal. Estimasi parameter model logit menggunakan metode Maximum Likelihood Estimator MLE. 4.5.2. Analisis Kesediaan Rumahtangga Menerima Ganti Rugi Pemukiman Analisis faktor-faktor yang mempengaruhi kesediaan rumahtangga dalam menerima ganti rugi dilakukan dengan menggunakan alat regresi logit. Penggunaan model logit digunakan untuk dapat mengestimasi peluang rumahtangga untuk menerima atau tidak menerima ganti rugi pemukiman, serta faktor-faktor apa saja yang mempengaruhinya. Bentuk model regresi logit yang digunakan untuk mengkaji kesediaanketidaksediaan rumahtangga dalam menerima ganti rugi adalah: Li Sedia = – 1 JMLANGi – 2 LUASi – 3 JRSBi + 4 PDDKNi - 5 SRMHi + U i dimana Li Sedia = Peluang kesediaan rumahtangga menerima ganti rugi pemukiman bernilai 1 untuk “bersedia” dan bernilai 0 untuk “tidak bersedia” β = Konstanta β 1 …. β 5 = Koefisien regresi JMLANG = Jumlah anggota rumahtangga orang LUAS = Luas lahan m 2 JRSB = Jarak ke sumber bising m 32 PDDKN = Tingkat pendidikan bernilai 0 untuk “lama pendidikan kurang dari sama dengan pendidikan tingkat SMP atau 9 tahun” dan “nilai 1 untuk lama pendidikan di atas SMP atau lebih dari 9 tahun” SRMH = Status kepemilikan rumah bernilai 1 untuk “milik sendiri” dan bernilai 0 untuk “bukan milik sendiri” i = Rumahtangga sampel ke-i 1,2,3,…,120 U = Galat nilai dugaan yang diharapkan hipotesis: β 4 β 1 , β 2, β 3, β 5 Variabel jumlah anggota rumahtangga diestimasi memberikan pengaruh negatif pada kesediaan menerima ganti rugi. Semakin banyak jumlah anggota rumahtangga semakin besar biaya hidup dan kesulitan jika harus berpindah tempat tinggal. Hal ini kemudian menyebabkan rumahtangga tidak bersedia menerima ganti rugi yang diajukan dan menolak menerima ganti rugi, begitu pula sebaliknya. Variabel luas lahan diestimasi memiliki hubungan negatif dengan kesediaan rumahtangga menerima ganti rugi pemukiman. Semakin luas lahan seseorang maka rumahtangga akan merasa nyaman dan tidak terlalu terganggu dengan perubahan kualitas lingkungan dan sekitarnya. Selain itu, rumahtangga dengan lahan yang luas sudah mengeluarkan biaya besar untuk membangun tempat tinggalnya. Faktor tersebut menyebabkan rumahtangga tidak bersedia menerima ganti rugi. Variabel pengeluaran diestimasi berpengaruh positif terhadap kesediaan menerima ganti rugi sehingga bersedia menerima ganti rugi. 33 Variabel jarak ke sumber bising diestimasi berpengaruh negatif terhadap peluang rumahtangga untuk bersedia menerima ganti rugi, dimana semakin jauh jarak dari sumber bising maka rumahtangga semakin menyukai tempat tinggalnya dan tidak merasa terganggu dengan adanya jalur KRL. Variabel tingkat pendidikan diestimasi berhubungan positif terhadap kesediaan menerima ganti rugi, dimana semakin tinggi tingkat pendidikan maka rumahtangga menyadari adanya kebisingan dan bahaya akibat adanya KRL sehingga bersedia menerima ganti rugi pemukiman. Namun, variabel status kepemilikan rumah diestimasi berpengaruh negatif. Jika menempati rumah milik rumahtangga sendiri, maka rumahtangga menolak ganti rugi. Estimasi parameter model logit menggunakan metode Maximum Likelihood Estimator MLE. 4.5.3. Estimasi WTA Rumahtangga dan Analisis Faktor-Faktor yang Mempengaruhinya Estimasi nilai WTA rumahtangga dalam penelitian ini adalah dengan menggunakan pendekatan CVM yang terdiri dari enam tahap, yaitu: 1. Membangun Pasar Hipotesis 2. Memperoleh Nilai Tawaran 3. Menghitung Dugaan Nilai Rataan WTA 4. Menduga Kurva Penawaran WTA 5. Menjumlahkan Data 6. Mengevaluasi Penggunaan CVM Analisis faktor-faktor mempengaruhi WTA rumahtangga di Kelurahan Kebon Baru terhadap nilai ganti rugi yang bersedia diterima rumahtangga 34 Willingness to Accept menggunakan model regresi linier berganda sebagai berikut: WTA = + 1 LUASi - 2 LMTGi + 3 PGLRi + 4 PDDKNi + 5 SRMHi + 6 JRSBi + U i dimana: WTA = Nilai WTA rumahtangga = Konstanta 1 …. 6 = Koefisien regresi LUAS = Luas lahan m 2 LMTG = Lama tinggal tahun PGLR = Pengeluaran rumahtangga Rptahun PDDKN = Tingkat pendidikan bernilai 0 untuk “lama pendidikan kurang dari sama dengan pendidikan tingkat SMP atau 9 tahun” dan nilai 1 untuk “lama pendidikan di atas SMP atau lebih dari 9 tahun” SRMH = Status kepemilikan rumah bernilai 1 untuk “milik sendiri” dan bernilai 0 untuk “bukan milik sendiri” JRSB = Jarak ke sumber bising m i = Rumahtangga sampel ke-i 1,2,3,…,68 U = Galat nilai estimasi yang diharapkan hipotesis: 2 1 , 3, 4, 5 , 6 Variabel luas lahan diestimasi memberikan pengaruh positif pada nilai ganti rugi yang bersedia diterima oleh rumahtangga WTA. Semakin luas lahan, 35 diestimasi memberikan nilai ganti rugi yang semakin besar. Luasnya lahan menunjukan seberapa besar biaya yang dikeluarkan untuk membangun rumah tersebut, sehingga nilai ganti rugi yang diminta juga semakin besar. Variabel lama tinggal diestimasi memberikan pengaruh negatif. Hal ini disebabkan semakin lama rumahtangga tinggal di dekat jalur KRL, maka rumahtangga kurang mengetahui perkembangan NJOP di wilayah ini karena mereka telah lama tidak menjual atau membeli tanah yang mereka tempati saat ini. Variabel pengeluaran rumahtangga merupakan bayangan dari variabel pendapatan rumahtangga karena variabel pengeluaran rumahtangga diestimasi lebih akurat dibandingkan variabel pendapatan rumahtangga. Variabel pengeluaran rumahtangga diestimasi berpengaruh positif terhadap nilai ganti rugi yang bersedia diterima oleh rumahtangga WTA, dimana semakin tinggi pengeluaran maka nilai kesediaan menerima ganti rugi rumahtangga WTA semakin tinggi. Selain itu, variabel tingkat pendidikan juga berpengaruh positif terhadap nilai ganti rugi yang bersedia diterima oleh rumahtangga WTA, dimana semakin tinggi pendidikan, nilai kesediaan menerima ganti rugi WTA semakin tinggi. Variabel status kepemilikan rumah diestimasi berpengaruh positif. Jika rumah yang ditempati rumahtangga adalah milik sendiri, maka rumahtangga mau menerima ganti rugi yang lebih tinggi, dan sebaliknya. Variabel status kepemilikan rumah digunakan untuk mengetahui apakah implikasi dari perbedaan status kepemilikan rumah dalam penilaian WTA. Variabel jarak ke sumber bising diestimasi berpengaruh positif terhadap besarnya ganti rugi karena semakin jauh jarak rumah ke sumber bising, maka rumah tersebut memiliki risiko yang lebih 36 kecil dari rumah yang jaraknya lebih dekat sehingga nilai ganti rugi yang bersedia diterima oleh rumahtangga WTA. Estimasi parameter model regresi berganda menggunakan metode jumlah kuadrat terkecil atau metode Ordinary Least Squares OLS. Menurut Juanda 2008, metode OLS adalah metode yang umum dan mudah digunakan. Asumsi utama yang mendasari model regresi dengan menggunakan metode OLS adalah sebagai berikut Kuncoro, 2003 : 1. Model regresi linier, artinya linier dalam parameter. 2. X luas lahan, lama tinggal, pengeluaran rumahtangga, tingkat pendidikan, jarak ke sumber bising dan status kepemilikan rumah diasumsikan nonstokastik, artinya nilai X dianggap tetap dan berulang. 3. Nilai rata-rata kesalahan adalah nol, atau E U i | X i = 0 4. Homoskedastisitas, artinya varians kesalahan sama untuk setiap periode. Dinyatakan dalam bentuk matematis : var U i | X i 5. Tidak ada autokorelasi antar kesalahan antara U i dan U j tidak ada korelasinya. Dinyatakan dalam bentuk matematis : covarians U i , U j 6. Antara u dan X saling bebas, sehingga cov U i ,U j = 0 7. Tidak ada multikolinearitas yang sempurna antar variabel bebas. 8. Jumlah observasi, n, harus lebih besar daripada jumlah parameter yang diestimasi jumlah variabel bebas. 9. Adanya variabilitas dalam nilai X, artinya nilai X harus berbeda tidak boleh sama semua. 10. Model regresi telah dispesifikasikan secara benar. Variabel terikat pada regresi berganda dapat diwakili oleh WTA dan variabel bebas oleh luas lahan, lama tinggal, pengeluaran rumahtangga, tingkat 37 pendidikan, jarak ke sumber bising dan status kepemilikan rumah. Hubungan variabel bebas dan variabel terikat dapat disebut sebagai model regresi berganda.

4.6. Evaluasi Model