2. Memperoleh Nilai WTP Teknik yang digunakan dalam mendapatkan nilai WTP dilakukan dengan
metode pertanyaan terbuka open-ended question. Metode ini dilakukan dengan menanyakan langsung kepada responden berapa jumlah maksimal uang
yang ingin dibayarkan atas perubahan. Sehingga mendapatkan jawaban serta angka pasti yang sesuai dengan responden tanpa adanya pengaruh dari luar.
3. Menghitung Nilai Willingness to Pay Cara untuk menghitung besaran nilai WTP dengan melakukan nilai rata-rata
dari penjumlahan keseluruhan nilai WTP dibagi dengan jumlah responden. Nilai WTP dibagi dengan rumus :
WTP = ∑
i n
W
i
. P f
i
2.5 dimana:
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
4. Analisis Willingness to Pay Jasa Angkutan Barang terhadap Kenaikan Harga
BBM.
Faktor-faktor yang mempengaruhi WTP jasa angkutann barang terhadap kenaikann harga BBM dapat dianalisa dengan menggunakan model regresi linear
berganda. Model regresi dalam penelitian ini adalah:
WTP
i
=
+
1
JTG
i
+
2
PNDKi +
3
OMZ
i
+
4
PBH
i
+
5
CM
i
+
6
FS
i
+
7
JM
i
+ ε
i
2.6
dimana: WTP
i
= Besaran kesediaan membayar Rp. liter
= 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
CM = CC mobil pick up CC FS
= Frekuensi sewa per minggu JM
= Jumlah mobil yang dimiliki Mobil ε
= Galat
Pengujian secara statistik perlu dilakukan untuk memeriksa kebaikan suatu model yang telah dibuat. Uji statistik yang digunakan dalam penelitian ini adalah :
1. Uji Kenormalan Pengujian normalitas residual dapat dilihat dari grafik normal P-P Plot.
Apabila setiap pancaran data residual berada di sekitar garis lurus melintang, maka dikatakan bahwa residual mengikuti fungsi distribusi normal. Selain
dengan metode grafik normal P-Plot, untuk memvalidasi data bahwa residual mengikuti distribusi normal, perlu dilakukan pengujian normalitas dengan
statistic uji Kolmogorov-Smirnov, dimana apabila diperoleh p-value lebih besar dari taraf nyata, maka dapat disimpulkan bahwa nilai residual mengikuti
distribusi normal. 2. Uji Keragaman R
2
test
Uji keragaman digunakan untuk melihat sejauh mana besar keragaman yang dapat diterangkan oleh variabel bebas terhadap variabel tak bebas. Uji ini juga
digunakan untuk melihat seberapa kuat variabel yang dimasukkan ke dalam model dapat menerangkan model. Dua sifat R
2
adalah besaran negatif dan batasnya antara nol sampai satu. Suatu R
2
sebesar 1 berarti kecocokan sempurna sedangkan R
2
yang bernilai nol berarti tidak ada hubungan antara variabel tak bebas dengan variabel
yang menjelaskan.
3.
Uji F Statistik
Uji F digunakan untuk membuktikan secara statistik bahwa seluruh koefisien regresi juga signifikan dalam menentukan nilai dari variabel tak bebas.
Untuk uji F hipotesis diuji adalah: H0 :
β0 = β1 = … = βn = 0 H1
: minimal ada salah satu β
i
yang tidak sama dengan nol
Jika seluruh nilai sebenarnya dari parameter regresi sama dengan nol, maka dapat disimpulkan bahwa tidak terdapat hubungan linear antara variabel tak
bebas dengan variabel-variabel bebas. 4. Uji Multikolinearitas
Multikolinear adalah situasi adanya korelasi variabel-variebel bebas di antara satu dengan yang lainnya. Variabel-variabel bebas yang bersifat
orthogonal adalah variabel bebas yang nilai korelasi di antara sesaman ya adalah nol. Jika korelasi di antara sesama variabel bebas ini sama dengan satu, maka
konsekuensinya adalah koefisien-koefisien regresi menjadi tidak dapat ditaksir, nilai standard error setiap koefisien menjadi tak terhingga.
Gujarati 2006 menyatakan indikasi terjadinya multikolinearitas dapat terlihat melalui:
a. Nilai R-squared yang tinggi tetapi sedikit rasio yang signifikan. b. Korelasi berpasangan yang tinggi antara variabel-variabel independennya.
c. Melakukan regresi tambahan auxiliary dengan memberlakukan variabel independen sebagai salah satu variabel dependen dan variabel independen
lainnya tetap diberlakukan sebagai variabel independen. 5. Uji Heteroskedastisitas
Salah satu asumsi metode pendugaan metode kuadrat terkecil adalah homoskedastisitas, yaitu ragam galat konstan dalam setiap amatan. Pelanggaran
atas asumsi homoskedastisitas adalah heteroskedastisitas. Langkah-langkah pengujian heteroskedastisitas dengan uji white heteroskedastisitas sebagai
berikut: H0 : tidak ada heteroskedastisitas
H1 : ada masalah heteroskedastisitas Tolak H0 jika obs R2 λ2 df-2 atau probability obs R2 α Gejala
heteroskedastisitas juga dapat dideteksi dengan melihat dari plot grafik hubungan antar residual dengan fits-nya. Jika pada gambar ternyata residual menyebar dan
tidak membentuk pola tertentu, maka dapat dikatakan bahwa dalam model tersebut tidak terdapat gejala heteroskedastisitas atau ragam error sama.
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
