32
Berdasarkan Tabel 7 indikator pengukuran nilai WTA terdapat 14 variabel pengukuran indikator yang berpengaruh, yaitu usia responden, pendidikan,
pendapatan, jumlah tanggungan keluarga, lama tinggal, jarak tempat tinggal ke sumber bising, kenyamanan akibat bising, kualitas bising, status kepemilikan
rumah, pekerjaan pegawai negeri sipil, buruh, supirojek, wiraswasta, dan pegawai swasta. Indikator yang berpengaruh tersebut merupakan indikator yang
menunjukkan besar kecilnya nilai WTA. Pembagian kelas dalam indikator pengukuran berdasarkan rumus distribusi frekuensi. Rumus distribusi frekuensi
Atmaja 2009 :
Keterangan : Ci
= interval Range = nilai tertinggi
– nilai terendah N
= 1 + 3.322 log n n
= jumlah sampel
4.5 Pengujian Parameter Regresi
Pengujian statistik terhadap model yang dapat dilakukan adalah :
1 Uji Keandalan
Menurut Gujarati 2007b, R
2
menyatakan persentase dari total variabel Ydependent yang dijelaskan oleh variabel independent dalam model regresi atau
mengukur kecocokan-suai dari suatu garis regresi. Tingkat reabilitas yang baik dalam penggunaan CVM yaitu nilai R
2
yang lebih besar dari 15 persen. Nilai R
2
dapat dihitung dengan rumus :
keterangan: R
2
= Koefisien Determinasi JKR
= Jumlah Kuadrat Regresi JKT
= Jumlah Kuadrat Total
33
2 Uji Statistik t
Uji statistik t untuk mengetahui apakah masing-masing dari variabel bebasindependent memiliki pengaruh yang signifikan terhadap variabel
terikatnyadependent. Menurut Sarwoko 2005, pengujian uji statistik t adalah : H
: βi = 0 atau variabel bebas tidak berpengaruh nyata terhadap variabel terikat. H
1
: βi ≠ 0 atau varibel bebas berpengaruh nyata terhadap variabel terikat
Jika t hitn- k tα2, maka terima H
1
tolak H , artinya variabel bebas Xi
berpengaruh nyata terhadap Y. Jika t hitn- k tα2 maka terima H
tolak H
1
, artinya variabel bebas Xi tidak berpengaruh nyata terhadap Y.
3 Uji Statistik F
Uji statistik F dilakukan untuk mengetahui apakah variabel bebas secara keseluruhan memiliki pengaruh terhadap variabel terikat. Hipotesisnya adalah :
H :
α
1
= 0 H
1
: minimal ada salah satu parameter α
1,
α
2,
α
3,
α
4,
α
5..
α
n
= 0 Jika nilai probabilitas F-Statisik taraf nyata maka tolak H
. Artinya terdapat minimal satu variabel bebas yang berpengaruh nyata terhadap variabel terikat.
Jika nilai probabilitas F-statistik taraf nyata maka terima H . Artinya tidak ada
satupun variabel bebas yang berpengaruh nyata terhadap variabel respon. Menurut Sarwoko 2005, pengujian uji statistik F adalah :
H = β
1
= β
2
= … = β
k
= 0 H
1
= β
1
= β
2
= … = β
k
≠ 0
keterangan : JKK
= jumlah kuadrat untuk nilai tengah kolom JKG
= jumlah kuadrat galat k
= jumlah peubah Jika nilai Fhit Ftabel, maka H
diterimaH
1
ditolak, artinya variabel Xi secara keseluruhan tidak berpengaruh nyata terhadap Y. Jika Fhit Ftabel maka
34
H
1
diterimaH ditolak, artinya secara keseluruhan variabel Xi berpengaruh
nyata terhadap Y. Pengujian asumsi klasik terhadap model yang dapat dilakukan adalah :
1 Uji Terhadap Multikolinearitas Multicolinierity
Multikolinearitas menunjukkan korelasi yang kuat antar peubah-peubah bebas. Cara mengukur multikolinearitas dalam model persamaan adalah dengan
menghitung Varian Inflation Factor Sarwoko 2005. Tidak terjadi multikolinearitas jika Varian Inflation Factor VIF 10.
2 Uji Heteroskedastisitas
Homoskedastisitas adalah salah satu asumsi pendugaan metode kuadrat terkecil dengan ragam galat konstan dalam setiap amatan. Pelanggaran atas
asumsi homoskedastisitas adalah heteroskedastisitas. Uji heteroskedastisitas digunakan untuk mengetahui varians residual error apakah konstan atau tidak.
Menguji asumsi heteroskedastisitas dapat dilihat dari gambar scatterplot Yamin dan Kurniawan 2009. Selain itu, dapat digunakan uji Gletjer yang meregresikan
antara variabel independen dengan nilai absolut residualnya. Hipotesis yang digunakan adalah sebagai berikut :
H : homoskedastisitas
H
1
: heteroskedastisitas Tidak terjadi pelanggaran asumsi heteroskedastisitas jika nilai probabilitas p-
value lebih dari alpha maka terima H .
3 Uji Normalitas
Uji normalitas digunakan untuk mengetahui menyebar normal atau tidaknya distribusi error termnya residual. Uji normalitas dapat menggunakan uji
Kolmogorov-Smimov Yamin dan Kurniawan 2009. Hipotesis uji normalitas adalah sebagai berikut :
H : residual menyebar normal
H
1
: residual tidak menyebar normal Residual menyebar normal apabila nilai probabilitas p-value lebih besar dari
taraf nyata alpha. Artinya dalam regresi tersebut asumsi kenormalan terpenuhi.
35
4 Uji Autokorelasi
Uji autokorelasi dilakukan untuk melihat ada atau tidaknya korelasi antara residual dengan residual lain. Uji yang digunakan untuk mendeteksi autokorelasi
adalah uji DW Durbin Watson test. Nilai statistik DW berada diantara 1,55 dan 2,46 maka menunjukkan tidak ada autokorelasi Firdaus 2004. Tabel 8
merupakan selang nilai statistik DW serta keputusannya. Tabel 8 Selang nilai statistik durbin watson serta keputusannya
Hipotesis nol Keputusan
Jika tidak ada autokorelasi positif
Tolak 0 d dl
tidak ada autokorelasi positif tidak ada keputusan
dl ≤ d ≤ du tidak ada autokorelasi negatif
Tolak 4-dl d 4
tidak ada autokorelasi negatif tidak ada keputusan
4- du ≤ d ≤ 4-dl
tidak ada autokorelasi positif dan negatif jangan tolak
du d 4-du Sumber : Gujarati 2007b
Cara mendeteksi autokorelasi apabila nilai DW mendekati 2 maka pelanggaran asumsi autokorelasi tidak terjadi. Nilai statistik uji ini adalah :
DW ≈ 2 1 - ρ keterangan
: ρ
= korelasi antar residual Tidak ada autokorelasi jika
ρ sama dengan nol sehingga apabila nilai DW mendekati 2 maka nilai
ρ mendekati nol. Artinya, apabila nilai DW mendekati 2 maka autokorelasi tidak terjadi.
36
V GAMBARAN UMUM
5.1 Gambaran Umum Kelurahan Bekasi Jaya
