2. Memperkirakan Besaran Rata-rata WTP Setelah wawancara dilakukan dengan media kuesioner maka untuk
mengetahui berapa besaran kesediaan membayar responden, WTP dapat diduga dengan nilai tengah dari kelas atau interval WTP responden ke-i. Berdasarkan
jawaban responden dapat diketahui WTP yang benar berada antar jawaban yang dipilih. Dugaan rataan WTP dibagi dengan rumus :
WTP = W
i
, Pf
i
Keterangan : WTP
= Dugaan WTP rupiah W
i
= Batas bawah WTP pada kelas ke- i Pf
i
= Frekuensi relatif kelas ke-i n
= Jumlah kelas i
= Sampel
3.6 Analisis Crosstabs
Fungsi dari analisis crosstabs adalah untuk menggambarkan jumlah data dan hubungan antarvariabel. Pada uji statistik ditentukan melalui Uji Chi-Square
dengan mengamati ada tidaknya hubungan antarvariabel yang dimasukan baris dan kolom.
Penentuan Uji Chi-Square menggunakan hipotesis yaitu: H
: Faktor yang diuji tidak berhubungan nyata dengan respon responden H
1
: Faktor yang diuji berhubungan nyata dengan respon responden Pengambilan keputusan dengan menggunakan nilai Asymp. Sig. 2-sided
yang terdapat pada Chi-Square Test. Apabila nilai Asymp. Sig. 2-sided lebih dari 0,05 maka H
diterima. Apabila nilai Asymp. Sig. 2-sided kurang dari 0,05 maka H
ditolak yang artinya ada hubungan antara baris dan kolam Wahana, 2007.
3.7 Analisis Model Logit
Penentuan tingkat penerimaan responden terhadap pembayaran jasa lingkungan sebagai upaya konservasi dikumpulkan melalui data binner. Data
binner merupakan bentuk data yang menggambarkan pilihan “ya atau tidak”.
Dengan kondisi seperti ini, jenis penggunaan regresi yang sesuai untuk pemodelan adalah regresi logit. Hal yang membedakan model regresi logit dengan regresi
biasa adalah peubah terikat dalam model bersifat dikotomi Hosmer dan Lameshow, 1989. Bentuk fungsi ini model logit adalah :
− =
pi 1
pi log
Logitpi
e
Logitp
i
= β
+ β
1
JRK
i
+ β
2
USIA
i
+ β
3
JTG
i
+ β
4
JBBM
i
+ β
5
LB
i
+ ε
i
di mana: Logitp
i
= Peluang responden setuju atau tidak dengan kenaikan harga BBM bernilai 1 untuk “setuju” dan bernilai 0 untuk “tidak
setuju” β
= Intersep β
1
, β
2
,β
3
,..,β
5
= Koefisien dari regresi JR
Κ = Jarak tempuh km
USIA = Usia responden tahun
JTG = Jumlah tanggungan orang
JBBM = Jumlah BBM yang digunakan per hari liter
LB = Lama Waktu Berkendaraan per hari jam
ε = Galat
Pengujian terhadap parameter model dilakukan untuk memeriksa kebaikan model. Uji statistik yang dilakukan adalah dengan menggunakan statistik rasio
odd, uji G atau likelihood ratio, dan statistik uji Wald. 1. Rasio Odd
Rasio odd merupakan rasio peluang terjadi pilihan-1 terhadap peluang terjadi pilihan-0 Juanda, 2009. Koefisien bertanda positif menunjukan nilai rasio
odd yang lebih besar dari satu, hal tersebut mengindikasikan bahwa peluang kejadian sukses lebih besar dari peluang kejadian tidak sukses. Sedangkan
koefisien yang bertanda negatif mengindikasikan bahwa peluang kejadian tidak sukses lebih besar dari peluang kejadian sukses Juanda, 2009.
2. Uji G The log-likelihood
biasa dikenal sebagai – 2 LL - two times the loglikelihood
di mana nilai tersebut dapat memperkirakan distribusi chi-squere
χ 2 dan memungkinkan penentuan level signifikansi. Statistik uji G adalah uji rasio kemungkinan maksimum likelihood ratio test yang digunakan untuk
menguji peranan variabel penjelas secara serentak. Rumus umum untuk uji G atau Likelihood Ratio adalah Hosmer dan Lemeshow, 1989:
G = - 2 ln Pengujian terhadap hipotesis pada uji G adalah sebagai berikut:
H : ß
1
= ... = ßn = 0 H
1
: minimal ada satu nilai ß
1
tidak sama dengan nol, dimana i = 1,2,3,...,n Statistik G akan mengikuti sebaran
χ
2
dengan derajat bebas α. Kriteria keputusan yang diambil adalah jika G lebih besar dari
χ
2
pa maka hipotesis nol ditolak. Uji G juga dapat digunakan untuk memeriksa apakah nilai yang diduga
dengan variabel di dalam model lebih baik jika dibandingkan dengan model tereduksi Hosmer dan Lemeshow, 1989.
3. Uji Wald Uji wald digunakan untuk uji nyata parsial bagi masing-masing koefisien
variabel. Dalam pengujian hipotesa, jika koefisien dari variabel penjelas sama dengan nol, hal ini berarti variabel penjelas tidak berpengaruh pada variable
respon. Uji wald mengikuti sebaran normal baku dengan kaidah keputusan menolak H
jika W lebih besar dari Zα2 atau p-value kurang dari α. Hosmer dan
Lemeshow, 1989.
3.8 Regresi Linear Berganda