Jika nilai sekarang neto bernilai lebih dari nol, tingkat pengembalian internal lebih dari tingkat suku bunga yang berlaku, rasio manfaat dan biaya lebih
dari satu dan semakin pendek periode yang diperlukan maka usaha dapat dikatakan layak. Apabila nilai sekarang neto bernilai kurang dari nol, tingkat
pengembalian internal kurang dari tingkat suku bunga yang berlaku, rasio manfaat dan biaya kurang dari satu dan periode yang diperlukan dalam usaha panjang
maka dapat dikatakan proyek dengan internalisasi biaya eksternal tidak dapat
menghasilkan apa-apa dan tidak dapat mengembalikan biaya-biaya yang dikeluarkan.
4.4.3 Model Pendugaan Faktor-faktor yang Mempengaruhi Kesediaan
Pengrajin Tempe Melakukan Pengolahan Limbah
Analisis tentang faktor-faktor yang mempengaruhi kesediaan pengrajin tempe untuk melakukan pengolahan dengan IPAL dilakukan dengan mengunakan
model regresi logistik atau model logit. Hal yang membedakan model regresi logit dengan regresi biasa adalah peubah terikat dalam model tersebut bersifat dikotomi
Hosmer dan Lameshow, 1989. Bentuk fungsi dari model logit adalah sebagai berikut :
p p
p p
Ln Χ
+ +
Χ +
Χ +
= ⎭
⎬ ⎫
⎩ ⎨
⎧ −
β β
β α
…
2 2
1 1
1 Model dugaan faktor-faktor yang mempengaruhi kesediaan pengrajin
tempe untuk melakukan pengolahan dengan IPAL adalah sebagai berikut : Yi =
β +
β
1
TK. PENDi + β
2
UMURi + β
3
JARAKi + β
4
LTUi + β
5
LUi + β
6
JUML TANGi +
β
7
PDPTNi + e
i
Keterangan :
Yi = Kesediaan pengrajin melakukan pengolahan
limbah
Y = 1, bersedia melakukan pengolahan limbah
Y = 0, tidak bersedia melakukan pengolahan limbah
β = Intersep
1
β ,...,
7
β = Koefisien regresi
TK. PEND
= Tingkat pendidikan 1=Tamat SDSederajat, 2=Tamat SLTPSederajat dan 3=Tamat
SLTASederajat UMUR
= Umur 1=umur 23-29 tahun, 2=umur 30-36
tahun, 3=umur 37-43 tahun, 4=umur 44-50 tahun, 5=umur 51-57 tahun dan 6=umur 58-64
tahun JARAK
= Jarak ke sungai 1=0-50,00 m
2
, 2=50,01-100,00 m
2
, 3=100,01-200,00 m
2
, 4=200,01-300,00 m
2
dan 5=300,01-500,00 m
2
LTU = Luas tempat usaha 1=0-50,00 m
2
, 2=50,01- 100,00 m
2
, 3=100,01-150,00 m
2
dan 4=150,00 m
2
LU =
Pengalaman usaha 1=3-9 tahun, 2=10-16 tahun,
3=17-23 tahun, 4=24-30 tahun, 5=31-37 tahun dan 6=38-44 tahun
JUML TANG = Jumlah tanggungan 1=0-1 orang, 2=2-3 orang, 3=4-5 orang, 4=6-7 orang, 5=8-9 orang dan
6=10-11 orang
PDPTN = Pendapatan usaha 1=Rp 0-Rp 150.000, 2=Rp
150.001-Rp 300.000, 3=Rp 300.001-Rp 450.000, 4=Rp 450.001-Rp 600.000, 5=Rp 600.001-Rp
750.000 dan 6=Rp 750.001-Rp 900.000 i
= Responden ke-i yang bersedia atau tidak
melakukan pengolahan limbah i= 1, 2, 3, ....,n e
i
= Error terms β
1,
β
2,
β
3,
β
4,
β
5 ,
β
7
0 dan β
6
Persamaan diatas disebut dengan persamaan logitlogistik. Dimana Z dikenal dengan logit yang merupakan logaritma dari rasio sebelumnya dan linier
dalam variable independent dan parameter metode estimasinya adalah Maximum Likelihood Estimator MLE dan koefisien yang didapatkan konsisten.
Pemilihan variabel berdasarkan teori-teori, penelitian terdahulu dan observasi di lapangan. Variabel tingkat pendidikan, luas tempat usaha, umur,
pendapatan, pengalaman usaha, dan jarak ke sungai diduga berbanding lurus dengan tingkat kesediaan pengrajin tempe melakukan pengolahan limbah
sedangkan variabel jumlah tanggungan diduga berbanding terbalik dengan tingkat kesediaan pengrajin tempe melakukan pengolahan limbah. Hubungan tersebut
mengandung makna semakin tinggi tingkat pendidikan maka diduga akan semakin besar kesediaan pengrajin untuk melakukan pengolahan limbah. Dilihat
dari luas tempat usaha terdapat hubungan positif yaitu semakin luas tempat usaha maka diduga akan semakin besar kesediaan melakukan pengolahan limbah.
Variabel umur menunjukkan dugaan bahwa semakin bertambahnya umur maka tingkat kesediaan melakukan pengolahan limbah akan meningkat, sementara
hubungan dengan variabel pendapatan adalah semakin besar pendapatan maka diduga pengrajin semakin bersedia melakukan pengolahan limbah.
Semakin berpengalaman dalam melakukan usaha tempe maka pengrajin semakin bersedia melakukan pengolahan limbah dan semakin jauh jarak rumah
terhadap sungai akan semakin besar tingkat kesediaan pengrajin. Selain itu, semakin banyak jumlah tanggungan maka pengrajin akan semakin tidak bersedia
melakukan pengolahan limbah.
Pengujian Parameter Uji G
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 Hosmer dan Lameshow, 1989 adalah :
⎟⎟ ⎠
⎞ ⎜⎜
⎝ ⎛
− =
1
ln 2
l l
G
Dimana: l
o
= nilai likelihood tanpa variabel penjelas l
1
= nilai likelihood model penuh Pengujian terhadap hipotesis pada uji G responden adalah sebagai berikut :
Ho =
1
β = β
2
= ... = β
k
= 0 H
1
= minimal ada satu β
i
tidak sama dengan nol, dimana i = 1, 2, .....5 Statistik G akan mengikuti sebaran
χ
2
dengan derajat bebas α. Kriteria
keputusan yang diambil adalah jika G χ
2
p α, maka hipotesis nol H
ditolak. Uji G dapat digunakan untuk memeriksa apakah nilai yang diduga dengan peubah
di dalam model lebih baik jika dibandingkan dengan model tereduksi Hosmer dan Lameshow, 1989.
Uji Wald
Uji wald digunakan untuk menguji perbedaan pengaruh antara taraf atribut yang peubah bonekanya bernilai 1 dengan taraf lain dari atribut tersebut yang
semua peubahnya bernilai 0.
i i
SE W
β β
=
H :
β
i
= 0 H
1
: β
i
≠ 0 Dimana :
β
i
= Vektor koefisien dihubungkan dengan penduga koefisien X SE
β
i
= Galat kesalahan dari β
i
Odd ratio
Odd ratio merupakan kemunculan dari peubah respon Y=1 sebesar exp β kali jika taraf atribut yang peubah bonekanya bernilai 1 muncul, dibandingkan
dengn taraf atribut tersebut yang semua peubah bonekanya bernilai 0 muncul, dengan kata lain, odd ratio merupakan interpretasi dari sebuah peluang.
Kebaikan Model
Berbeda dengan regresi linier, dalam regresi logit, tingkat kebaikan model dapat dilihat secara langsung dari Percentage Correct dalam Classification Table.
Semakin persentase nilai yang muncul, semakin bagus model yang digunakan.
Omnimbus Test Of Model Coefficient
Omnimbus test of model coefficient digunakan untuk melihat apakah model yang digunakan nyata atau tidak. Dalam metode pengujian ini terdapat
nilai chi-square yang merupakan rasio likelihood antara ‘model dengan variabel’ dengan ‘model tanpa variabel’.
Interpretasi Koefisien
Jika koefisien bertanda + maka odd ratio akan lebih dari 1. jika variabelnya merupakan skala nominal dummy maka dummy = 1 memiliki
kecenderungan untuk Y=1 sebesar exp β kali dibandingkan dengan dummy = 0.
jika variabelnya bukan dummy maka semakin besar X maka exp β ≥ 1, sehingga
semakin besar nilai X semakin besar pula kecenderungan untuk = 1.
4.5 Asumsi-asumsi
