Estimasi manfaat penurunan polusi udara: studi kasus Jabodetabek 1

Estimasi manfaat penurunan polusi udara: studi kasus Jabodetabek1

Mia Amalia2, Jeff Bennett3 dan Budy Resosudarmo3

1 Survey

dibiayai oleh the Australian National University dan Environmental Economics Program for South East Asia 2 Badan Perencanaan Pembangunan Nasional 3 Australian National University

Kerangka presentasi o Latar belakang penelitian o Tujuan penelitian o Metode ■ Choice modelling ■ Kuesioner ■ Pemilihan sampel

o Hasil ■ Karakteristik responden ■ Hasil pemodelan

o Kesimpulan ■ ■ ■ ■

Ringkasan Usulan kebijakan Perencanaan kebijakan Penelitian lanjutan

www.as.wn.com www.time.com

www.eia.doe.gov

www.nature.com

www.usc.edu www.usc.edu www.usc.edu www.civeng.unsw.edu.au

www.usc.edu

Latar belakang o Kualitas udara Jabodetabek berada di atas ambang batas internasional: Polutan

Keterangan

TSP

2.7 kali lebih tinggi dari standar WHO (90μg/m3) Posisi ke-dua pada tahun 2004 (setelah New Delhi)

NO2

10 μg/m3 lebih tinggi dari standar WHO

PM10

Posisi ke-sebelas di dunia pada tahun 2002

SO2

Posisi ke-97 di dunia pada tahun 2001

NOx

Posisi ke-67 di dunia pada tahun 2001

Tujuan penelitian Metode Hasil Kesimpulan

Tujuan penelitian o Untuk mengestimasi nilai perubahan kondisi kesehatan dan lingkungan dalam satuan nilai uang (in monetary terms). o Untuk mengamati variabel penjelas untuk variasi willingness to pay: ■ Variabel sosial ekonomi seperti pendapatan rata-rata, pendidikan, umur dan kondisi kesehatan. ■ Atribut udara bersih yang digunakan dalam penelitian seperti kesehatan, jarak pandang dan bau.


Choice modelling Kuesioner Pemilihan sampel Tes lapangan

Choice modelling o Pembuatan kuesioner ■ Isi ● Draft 1 – input dari langkah penelitian sebelumnya, focus group discussion I, diskusi dengan ahli (Juli 2007) ● Draft 2 – diskusi dengan ahli (Juli 2008) ● Draft 3 – input dari focus group discussions II (Juli dan Agustus 2008) ● Final – Tes lapangan (68 respondent oleh interviewer) ■ Experimental design ● Desain orthogonal – koefisien untuk pembuatan Desain efisien ● Desian efisien – lebih baik dari desain orthogonal, mengurangi jumlah responden.

o Desain pemilihan sampel o Survey (647 respondent) o Analisis data: ■ Conditional logit models (CL) ■ Random parameter logit model (RP)



Isi kuesioner Gambaran permasalahan Kebijakan Kartu pilihan

Isi kuesioner o Pengantar: tujuan penelitian dan pentingnya pendapat para responden. o Pembatasan masalah: pengalaman responden dengan polusi udara – attribute ranking exercise. o Gambaran permasalahan: pengenalan atribut yang digunakan dalan kartu peraga. o Solusi yang mungkin dapat menangani masalah: kebijakan transportasi baru: ■ Perbaikan fasilitas transportasi. ■ Pengurangan jumlah kendaraan di pusat kegiatan. ■ Penurunan jumlah kendaraan tua.

o Wahana pembayaran: kenaikan PBB, kenaikan pajak kendaraan, biaya masuk dan tarif parkir yang lebih tinggi di pusat kegiatan. o Kartu pilihan: dalam kartu peraga, 4 pilihan untuk setiap responden. o Penutup: kondisi kesehatan dan sosio-demografi.



Gambaran permasalahan



Kebijakan




Kartu pilihan





Multistage sampling Daerah survey

Multistage sampling JMA

cities and districts

sub district

village

village

sub village

village

sub village

sub district

sub district

village

village

12 sub districts were selected for every city/district 5 villages in every sub district were selected randomly 2 sub villages in every village were selected randomly to create 2 PSU


Daerah survey


Multistage sampling Daerah survey

Tujuan penelitian Metode Karakteristik responden Hasil Penerapan model Kesimpulan

Jumlah responden Number of Block respondents 1

109

2

104

3

111

4

110

5

104

6 Total

109 647

Jumlah responden Pendapatan SES Umur

Pendapatan Income level 1 2 3 4 5 6 7 8 9 10 Total

Income range Below Rp 250,000 Rp 250,001 – Rp 600,000 Rp 600,001 – Rp 900,000 Rp 900,001 – Rp 1,250,000 Rp 1,250,001 – Rp 1,750,000 Rp 1,750,001 – Rp 2,500,000 Rp 2,500,001 – Rp 3,500,000 Rp 3,500,001 – Rp 5,000,000 Rp 5,000,001 – Rp 7,500,000 Above Rp 7,500,001

No of respondents 2 57 114 178 143 84 49 14 3 3 647

Tujuan penelitian Metode Karakteristik responden Hasil Penerapan model Kesimpulan

Jumlah responden Pendapatan SES Umur

Socio economic status level Expenditure Below 600,000 600,000 900,000 1,250,000 1,750,000 2,500,000 Over 3,500,000 Chi-squared

SES level

900,000 1,250,000 1,750,000 2,500,000 3,500,000

Chi-squared critical (6, 0.05)

E D C2 C1 B A2 A1 2.1033 12.5916

Umur

Population Sample (%) (%) 11 18 23 22 15 7 4

9 18 28 22 13 8 3

Age groups 20 26 31 36 41 46 56

-

25 30 35 40 45 55 65

Population 2008 (%)*

Sample (%)

16 16 16 14 12 17 10

11 16 18 18 11 18 9

Chi-squared Chi-squared critical (6, 0.05)

Menggunakan SES dan umur sebagai indikator, sampel tidak berbeda secara signifikan dengan populasi

3.6414 12.5916

Tujuan penelitian Conditional logit Metode Karakteristik responden Random parameter logit Hasil Penerapan model Perbandingan antar model Kesimpulan

Penerapan model VSQ =

IβI + VβV + O1βO1 + O2βO2 + CβC

VTS =

ATS + IβI + VβV + O1βO1 + O2βO2 + CβC

VRD =

ARD + IβI + VβV + O1βO1 + O2βO2 + CβC

VRO =

ARO + IβI + VβV + O1βO1 + O2βO2 + CβC


Conditional Logit Variables Illness Visibility Odour1 Odour2 Cost ATS ATS*Age ATS*Gender ATS*Education ATS*Income ATS*Cough ATS*Distance ATS*PM ARD ARD *Age ARD *Gender ARD *Education ARD *Income ARD *Cough

Model 1 Coefficient -0.240 *** 0.002 -0.377 *** -0.097 ** -0.002 *** -0.220 *

-0.382 ***

Model 3 Coefficient -0.248 *** 0.002 -0.407 *** -0.091 ** -0.003 *** -1.003 ** -0.015 ** -0.351 *** 0.415 *** 0.231 *** -0.323 ** -0.035 *** -20.824 ** -1.002 ** -0.017 *** -0.521 *** 0.443 *** 0.231 *** -0.441 ***

Variables

ARD *Distance ARD *PM ARO ARO *Age ARO *Gender ARO *Education ARO *Income ARO *Cough ARO *Distance ARO *PM LL AIC BIC Chi-squared Probability chisquared Rho-squared

Model 1 Coefficient

-0.444 ***

-3,090.273 2.394 2.412 839.764 0.000 0.120

Model 3 Coefficient -0.036 *** -38.490 *** -1.078 ** -0.005 -0.390 *** 0.397 *** 0.188 *** -0.290 * -0.042 *** -27.128 *** -2799.018 2.186 2.251 1422.274 0.000 0.203


CL: Hausman test CL Model

Model 1 Model 3

p-value p-value

Excluded choices TS RD RO 0.009 0.004 0.010 0.000 0.984 0.071

Model 1: asumsi IIA tidak bisa ditolak untuk seluruh kebijakan baru.

Model 3: asumsi IIA tidak bisa ditolak untuk kebijakan RD. Perlu estimasi dengan menggunakan Random Parameter Logit (RPL) yang tidak perlu memenuhi asumsi IIA.


Random parameter logit o Random parameter logit model diterapkan untuk mengamati dispersi pada koefisien rata-rata yang mengindikasikan heterogenitas responden. o Aplikasi: ■ ■ ■ ■ ■

Seluruh koefisien harga diset sebagai parameter tetap. Seluruh atribut diset sebagai parameter random. Replikasi untuk tes: 10-20, hasil: parameter random: Illness and Odour1. Jumlah replikasi untuk estimasi model: 500. Distribusi: diasumsikan normal.


RP Variables Illness Visibility Odour1 Odour2 Cost ATS Age Education Income Cough Distance PM ARD Age Gender Education Income Cough

Model 5 Coefficient Standard deviation -0.247 *** 0.324 *** 0.002 -0.436 *** 0.651 *** -0.037 -0.003 *** -0.868 * -0.018 *** 0.472 *** 0.268 *** -0.393 ** -0.042 *** -25.880 *** -0.894 * -0.020 *** -0.612 *** 0.513 *** 0.271 *** -0.517 ***

Variables Distance PM ARO Gender Education Income Cough Distance PM LL function Restricted LL Rho-squared Chi-squared Prob chisquared AIC BIC

Model 5 Coefficient Standard deviation -0.043 *** -44.344 *** -0.940 * -0.430 *** 0.447 *** 0.229 *** -0.327 * -0.050 *** -32.428 *** -2791.552 -3587.730 0.222 1592.356 0.000 2.181 2.251


Implicit prices CL (Model 3) RPL (Model 5) IP CI (95%) IP CI (95%) Illness -97.716 -88.857 ± 0.946 ± 1.069 Visibility ----D to ND -360.955 -324.786 ± 1.125 ± 2.190 SD to ND -234.841 --± 1.029 Rho-squared 0.203 0.222 Note: D = disturbing, SD = slightly disturbing, ND = not disturbing Variables

Proportion of difference 0.491 -0.781 0.873

Model 5 dan Model 3 adalah dua model terbaik untuk data yang telah dikumpulkan. Implicit prices memperlihatkan bahwa responden di Jabodetabek mau membayar untuk perbaikan kualitas kesehatan dan lingkungan, terutama bau dari asap kendaraan bermotor.

Implicit prices yang diestimasi menggunakan CL dan RPL tidak berbeda secara signifikan kecuali untuk Odour2 yang signifikan di CL tapi tidak signifikan di RPL Model. Untuk perhitungan lanjutan, Model 5 digunakan karena IIA di Model 3 tidak dapat ditolak.


Consumer surplus (ribuan Rp./rumah tangga/tahun) Policies

TS RD RO Rho-squared

High 634.19 643.50 659.80 0.222

CI Medium CI ± 16.40 447.94 ± 18.76 ± 17.22 487.26 ± 19.58 ± 17.47 503.56 ± 19.83

Low 321.70 331.02 347.31

CI ± 19.08 ± 38.98 ± 59.13

Present value of total benefit Policies Discount rate (%) TS RD RO

PVTB in million USD 6.75 9.51 12.75 498 474 448 507 483 456 524 499 472

PVTB in trillion Rp 6.75 9.51 4,373 4,161 4,459 4,242 4,608 4,384

12.75 3,934 4,010 4,144



Ringkasan o Responden di Jabodetabek memiliki nilai signifikan untuk atribut kualitas udara: kesehatan dan bau. o Jarak pandang tidak signifikan. o Nilai ASC yang negatif kemungkinan disebabkan oleh biaya termurah masih terlalu tinggi atau responden lebih berkonsentrasi memilih atribut daripada kebijakan transportasi yang diusulkan. o Estimasi manfaat dapat digunakan untuk menghitung manfaat bersih pelaksanaan kebijakan bila ada data mengenai estimasi biaya pelaksanaan kebijakan.



Usulan kebijakan o WTP (per rumah tangga per tahun selama tiga tahun periode pembayaran): ■ TS: Rp284,266(USD32.36) ■ RD: Rp309,445 (USD35.22) ■ RO: Rp326,624 (USD37.18)

o Market-based instruments dapat diperkenalkan di Jakarta untuk mengurangi penggunaan kendaraan pribadi dengan menurunkan biaya kendaraan umum dan menaikan biaya pengoperasian kendaraan pribadi dan kendaraan tua.



Perencanaan kebijakan o Kegagalan untuk mengenali preferensi dan hanya menerapkan kebijakan berdasarkan perkiraan bahwa kebijakan dapat mengubah perilaku masyarakat hanya akan menghasilkan outcome kebijakan yang berbeda dengan yang direncanakan. o Mempertimbangkan preferensi masyarakat dalam pembuatan kebijakan dapat memperpanjang proses dan meningkatkan biaya perencanaan kebijakan. Hasil akan lebih baik dan outcome lebih mendekati rencana.



Penelitian lanjutan o Pendekatan yang lebih baik untuk membantu responden mengerti metode penelitian yang rumit sehingga CM dapat dimengerti tidak hanya oleh responden dengan tingkat pendidikan yang tinggi. o Komponen yang diperlukan untuk mengimplementasikan CM di Indonesia: ■ Interviewer yang terlatih; ■ Kuesioner yang berupa cerita; ■ Kartu peraga dengan isi yang mudah dimengerti dan biasa dilihat oleh responden.

o Estimasi biaya untuk pelaksanaan kebijakan untuk menghitung manfaat bersih.

Terima kasih

[email protected]

Estimasi manfaat penurunan polusi udara: studi kasus Jabodetabek 1

Recommend Documents