Analisis Respon Terhadap Kenaikan Harga BBM .1 Analisis

6. Uji Autokorelasi Salah satu asumsi dari model regresi linier adalah bahwa tidak ada autokorelasi atau korelasi serial antara sisaan εt, atau dengan kata lain sisaan menyebar bebas. Masalah autokorelasi sering terjadi dalam data time series, meskipun demikian masalah ini dapat juga dalam data cross section. Untuk mendeteksi adanya autokorelasi dapat digunakan metode grafik atau dengan menggunakan uji Durbin-Watson, yaitu dengan asumsi sebagai berikut: H0 : tidak ada autokorelasi H1 : ada autokorelasi Kriteria keputusan: tolak H0 bila nilai Durbin-Watson ddu atau 4- dudu atau terima H0 bila dud4-du. 3.4.2 Analisis Respon Terhadap Kenaikan Harga BBM 3.4.2.1 Analisis Crosstab Tabulasi silang crosstab digunakan untuk menggambarkan jumlah data dan hubungan antar variabel. Selain itu, untuk menguji ada tidaknya hubungan antar variabel pengaruh dengan variabel terpengaruh dimana salah satu variabel minimal nominal dilakukan uji hipotesa. Crosstab digunakan untuk menyajikan deskripsi data dalam bentuk tabel silang yang terdiri atas baris dan kolam. Data input yang dimasukan dalam penggunaan crosstab adalah data nominal atau ordinal. Fungsi dari analisis crosstab adalah untuk menggambarkan jumlah data dan hubungan antarvariabel. Uji ketergantungan untuk crosstab pada statistik ditentukan melalui chi-square test dengan mengamati ada tidaknya hubungan antarvariabel yang dimasukan baris dan kolam. Penentuan chi-square test menggunakan hipotesis yaitu: H0 : Faktor yang diuji tidak berhubungan nyata dengan respon responden H1 : 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 α taraf nyata maka H0 diterima. Apabila nilai Asymp. Sig. 2-sided kurang dari α taraf nyata maka H0 ditolak yang artinya ada hubungan antara baris dan kolam Wahana, 2007.

3.4.2.2 Analisis Model Logit

Menentukan tingkat penerimaan responden terhadap pembayaran jasa lingkungan sebagai upaya konservasi dikumpulkan berupa data binner. Jika peubah respon dari analisis regresinya berupa kategorik, maka analisis regresi yang digunakan adalah analisis regresi logit Hosmer dan Lemeshow, 1989. Peubah kategori bisa merupakan suatu pilihan yatidak atau sukatidak. Sedangkan peubah penjelas pada analisis regresi logit ini dapat berupa peubah kategori maupun numerik, untuk menduga besarnya peluang kejadian tertentu dari kategori peubah respon. Data binner merupakan bentuk data yang menggambarkan pilihan “Ya atau Tidak”. 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 2.7 Logit p i =  +  1 JTG i +  2 NDK i +  3 OMZ i +  4 PBH i +  5 WTP i +  6 CM i +  7 FS i +  8 JM i + ε i 2.8 dimana: Logitp i = Peluang responden Setuju dengan kenaikan harga BBM bernilai 1 untuk “setuju” dan bernilai 0 untuk “tidak setuju”  = Intersep  1 ,  2,  3,…,  10 = Koefisien dari regresi JTG = Jumlah tanggungan dari responden Orang PNDK = Tingkat pendidikan “1” untuk SD, “2” untuk SMP, “3” untuk SMA OMZ = Omzet per bulan Jutaan Rupiah PBH = Penggunaan BBM per hari Liter WTP = Kesediaan membayar Rupiah liter CM = CC mobil pick up CC FS = Frekuensi sewa per minggu JM = Jumlah mobil yang dimiliki Mobil ε = Galat Pengujian terhadap parameter model dilakukan untuk memeriksa kebaikan model. Uji statistik yang dilakukan adalah dengan menggunakan statistik Odds Ratio. Pengertian dari Odd Ratio adalah Rasio peluang terjadi pilihan-1 terhadap peluang terjadi pilihan-0 Juanda, 2009. Koefisien bertanda positif menunjukan nilai odds ratio 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.

3.5 Variabel dan Definisi Operasional

Variabel yang akan dimasukan ke dalam regresi dan diduga berpengaruh terhadap respon kenaikan harga BBM adalah: 1. Variabel terikat dependent yang digunakan memiliki nilai nol “0” dan satu “1”. Nilai nol “0” mewakili jawaban responden yang tidak setuju dengan kenaikan harga BBM. Nilai satu “1” mewakili jawaban responden yang setuju dengan kenaikan harga BBM. 2. Variabel jumlah tanggungan diduga akan memengaruhi respon dari pemilik usaha jasa angkutan barang terhadap kenaikan harga BBM. Dikarenakan jumlah tanggungan terkait dengan besarnya pengeluaran responden setiap hari, semakin besar jumlah tanggungan maka akan semakin tidak setuju dengan kenaikan harga BBM yang pasti berdampak pada kenaikan harga kebutuhan sehari-hari. 3. Variabel tingkat pendidikan diduga memengaruhi respon dari pemilik usaha jasa angkutan barang terhadap kenaikan harga BBM karena dengan tingginya pendidikan seseorang dapat membuat orang tersebut mengetahui perkembangan ekonomi sehingga bersedia membayarkan harga BBM lebih tinggi dari harga sekarang dan setuju dengan kenaikan harga BBM.