III. METODE PENELITIAN 3.1 Tempat dan Waktu Penelitian
Penelitian ini dilaksanakan di Bandar Udara Sultan Syarif Kasim II Pekanbaru Riau dan pemukiman sekitar bandar udara yaitu Kelurahan Maharatu, Kelurahan Sidomulyo Timur,
Kelurahan Tangkerang Tengah, Kelurahan
Wonorejo, Kelurahan Tangkerang Selatan dan Kelurahan Teratak Buluh pada bulan Januari 2006 sampai dengan Maret 2006.
3.2 Bahan dan Alat
Dalam penelitian ini bahan dan alat yang digunakan adalah: a. Satu buah peta rupa bumi dan peta digital Kota Pekanbaru b. Sound level meter c. Global positioning system d. Kuesioner e. Perangkat komputer
3.3 Metode Pengumpulan Data
Dilihat dari tujuan dan kepentingan penelitian ini, maka metode yang dipakai adalah metode deskriptif. Menurut Nawawi (1995), metode deskriptif diartikan sebagai prosedur pemecahan masalah yang diselidiki dengan menggambarkan/ melukiskan keadaan subyek/obyek penelitian (seseorang, lembaga, masyarakat dan lain-lain) pada saat sekarang berdasarkan fakta-fakta yang tanpa atau sebagai mana adanya. Dilihat dari bentuknya, maka penelitian ini adalah penelitian survei. Survei biasanya sama saja dengan penelitian atau riset (research). Pemakaian kedua istilah ini hanya untuk membedakan ruang lingkup. Riset atau penelitian memusatkan diri pada salah satu atau beberapa aspek dari obyeknya. Sedangkan
37
survei bersifat menyeluruh yang kemudian dilanjutkan secara terfokus pada aspek tertentu bilamana diperlukan studi lebih mendalam (Nawawi, 1995). Penelitian ini dilaksanakan dalam dua tahap kegiatan, yaitu tahap pertama survey pendahuluan untuk pengumpulan data sekunder dan tahap kedua survei utama untuk pengumpulan data primer. Pada tahap pertama data yang dikumpulkan adalah jumlah responden secara keseluruhan, data geografi, kependudukan, keadaan umum bandara, frekuensi penerbangan selama seminggu serta peta kawasan kebisingan. Peta kawasan kebisingan ini digunakan untuk menentukan titik- titik pengukuran kebisingan lebih lanjut . Dalam menentukan titik pengukuran digunakan dengan alat global positioning system.
Untuk
membuat peta kawasan kebisingan titik-titik pengukurannya adalah radius dengan jarak 1000 m tegak lurus arah landasan sepanjang 5000 m. Sedangkan untuk arah horizontal dilakukan dengan radius 250 m sepanjang 1250 m. Penentuan jarak titik pengukuran dilakukan berdasarkan data sekunder kebisingan yang diperoleh dari Bandar Udara Sultan Syarif Kasim II. Data sekunder yang dikumpulkan diperoleh dari berbagai instansi terkait, seperti; Bapedalda Kota Pekanbaru, Bappeda Kota Pekanbaru, BPS Kota Pekanbaru, PT Angkasa Pura II Sektor Pekanbaru dan Kecamatan Marpoyan Damai. Sedangkan untuk data tambahan akan dilakukan wawancara
terhadap
pemuka masyarakat, pemerintahan, LSM dan pekerja bandara. Pada tahap kedua dilakukan pengumpulan data primer yang meliputi data kebisingan dan data sosial ekonomi masyarakat.
Untuk data sosial ekonomi
diperoleh melalui kuesioner, wawancara kepada responden dan pengamatan langsung di lokasi penelitian, sedangkan untuk pengukuran kebisingan dilakukan dengan menggunakan alat sound level meter digital.
Untuk pengukuran data
kebisingan dalam membuat peta kawasan kebisingan dilakukan di setiap titik dilakukan pengukuran selama satu hari terhadap setiap pesawat yang melintas dengan mengambil tingkat kebisingan yang paling tinggi.
38
Pemilihan lokasi pengambilan sampel sebagai unit penelitian dilakukan secara sengaja (purposive) (Nawawi, 1995; Nazir, 1988). Untuk sampel data kebisingan lokasinya ditentukan dengan global positioning system. Pengambilan responden dilakukan secara convinience sampling (responden terpilih adalah responden yang berada di rumah masing-masing ketika penelitian dilakukan). Penentuan jumlah sampel dihitung menggunakan rumus : (Nazir, 1998):
f =
ni Ni
dimana : f : fraksi sampel yang diinginkan ni: jumlah sampel yang diambil Ni : jumlah populasi. Jumlah sampel atau responden untuk data sosial ekonomi yang diambil adalah sebanyak seratus (100) kepala keluarga, dengan rincian untuk Kelurahan Maharatu sebanyak 23 responden, Kelurahan Sidomulyo Timur 19 responden, Kelurahan Tangkerang Tengah 25 responden, Kelurahan Wonorejo 15 responden, Kelurahan Tangkerang Selatan 14 responden dan Kelurahan Teratak Buluh 4 responden.
3.4 Analisis Data
3.4.1 Pemetaan Kawasan Kebisingan
Pengukuran tingkat kebisingan aktual dilakukan dengan mengukur Desibel A maksimum atau A-weighted Sound Level atau tingkat kebisingan berbobot (tertimbang) A maksimum selanjutnya disebut dB(A) maksimum, yaitu unit tingkat kebisingan puncak yang dibaca pada skala A suatu Sound Level Meter di suatu titik pengukuran. Data Hasil pengukuran tingkat kebisingan dianalisis dan dikonversikan kedalam nilai WECPNL seperti yang ditentukan oleh DEPHUB dengan rumus: WECPNL = dB( A) + 10 LogN − 27
39
( )
dB( A) = 10 Log 1 ∑10 n
Li 10
N = N2 + 3N3 + 10(N1+N4) Keterangan: WECPNL : Weighted Equivalent Continuous Perceived Noise Level adalah satu diantara beberapa indeks tingkat kebisingan pesawat udara yang ditetapkan dan direkomendasikan oleh ICAO (International Civil Aviation Org anization) dB(A) : Nilai desibel bobot A rata-rata dari setiap puncak kesibukan pesawat dalam satu hari pengukuran N : Jumlah kedatangan dan keberangkatan pesawat udara selama periode 24 jam Li : Bacaan dB(A) tertinggi dari nomor penerbangan pesawat ke-i dalam satu hari pengukuran N : Jumlah kedatangan dan keberangkatan pesawat udara yang dihitung berdasarkan pemberian bobot yang berbeda untuk pagi, petang dan malam N1 : Jumlah kedatangan dan keberangkatan pesawat udara dari jam 00.00-07.00 WIB N2 : Jumlah kedatangan dan keberangkatan pesawat udara dari jam 07.00-19.00 WIB N3 : Jumlah kedatangan dan keberangkatan pesawat udara dari jam 19.00–22.00 WIB N4 : Jumlah kedatangan dan keberangkatan pesawat udara dari jam 22.00-00.00 WIB Dari nilai WECPNL yang diperoleh dibandingkan dengan baku mutu kebisingan untuk menentukan tipe kawasan kebisingan, yaitu kawasan kebisingan tingkat 1 dengan tingkat kebisingan 70≤WECPNL<75, kawasan kebisingan tingkat 2 dengan tingkat kebisingan 75≤WECPNL<80 dan kawasan keb isingan tingkat 3 dengan tingkat kebisingan WECPNL≥80. Nilai WECPL dan titik pengukuran yang
diperoleh dioverlay kedalam peta dengan sistem informasi
geografis untuk membuat pemetaan kawasan kebisingan.
40
3.4.2
Analisis Faktor-faktor Yang Mempengaruhi Persepsi Masyarakat Terhadap Kebisingan Bandar Udara Sultan Syarif Kasim II Analisis data yang digunakan untuk mengetahui faktor-faktor yang
mempengaruhi persepsi masyarakat terhadap kebisingan Bandar Udara Sultan Syarif Kasim II dilakukan dengan menggunakan alat analisis regresi logit. Bentuk model logit yang akan digunakan adalah:
P i = F(Yi )=F(ß0+ ß1X1i+ ß2X2i+……+ßp Xpi)
sehingga dapat diperoleh Yi = F -1(P i ) dengan
Yi=ß 0 - ß 1PDDKi - ß2PDPTi - ß 3LMTGi + ß4PKJi + ß5STRMi ß 6JRKi + ß 7KBSGi +e
Yi ß0 ß1, ß 2… ß 10 PDDK PDPT LMTG PKJ STRM JRK KBSG i e
= Persepsi masyarakat terhadap kebisingan Bandar udara ( bernilai 1 jika bising dan bernilai 0 jika tidak bising) = Konstanta = Koefisien regresi = Pendidikan = Pendapatan (Rp/bln) = Lama tinggal(tahun) = Pekerjaan = Status rumah ( bernilai 1 = Sewa, bernilai 0 =Rumah sendiri) = Jarak ke sumber bising (M) = Kawasan kebisingan (KB) = Responden ke-i ( i =1,2,3,4…,100) = Galat
Variabel penjelas yang digunakan untuk menganalisis persepsi responden terhadap kebisingan Bandar Udara Sultan Syarif Kasim II adalah pendidikan, pendapatan, lama tinggal, pekerjaan, status rumah, jarak dan kawasan kebisingan. Variabel pendidikan berpengaruh negatif terhadap persepsi kebisingan. Semakin
41
tinggi pendidikan maka responden semakin menyadari kebisingan yang di akibatkan bandar udara. Variabel pendapatan diduga berpengaruh negatif terhadap persepsi kebisingan. Semakin tinggi pendapatan maka responden semakin menyadari kebisingan yang diakibatkan bandar udara. Variabel lama tinggal diduga berpengaruh negatif. Semakin lama tinggal maka responden semakin menyadari kebisingan yang diakibatkan bandar udara. Variabel pekerjaan diduga berpengaruh positif terhadap persepsi kebisingan, dimana responden yang bekerja dekat dengan bandar udara memiliki persepsi semakin bising. Variabel status rumah diduga akan berpengaruh positif terhadap persepsi kebisingan, dimana responden yang tinggal di rumah sendiri akan merasa lebih bising dibanding responden yang tinggal di rumah sewa. Variabel jarak diduga berpengaruh negatif terhadap persepsi kebisingan, dimana responden yang tinggal makin dekat dari bandar udara mempunyai persepsi lebih bising dibanding responden yang tinggal lebih jauh dari bandar udara. Variabel kawasan kebisingan diduga berpengaruh positif terhadap persepsi kebisingan, dimana responden yang tinggal di kawasan kebisingan 3 lebih bising dibanding responden yang tinggal di kawasan kebisingan 2.
3.4.3
Analisis Faktor-faktor Yang Me nyebabkan Masyarakat Tetap Tinggal di Sekitar Bandar Udara Sultan Syarif Kasim II. Analisis data yang digunakan untuk mengetahui faktor-faktor yang
menyebabkan masyarakat tetap tinggal di sekitar Bandar Udara Sultan Syarif Kasim II dilakukan dengan menggunakan alat analisis regresi logit. Dengan model logit, dapat diduga peluang responden suka atau tidak suka tinggal di sekitar Bandar Udara Sultan Syarif Kasim II. Bentuk model logit yang akan digunakan adalah:
Pi = F(Yi)=F(ß 0+ ß 1X1i+ ß2X2i+……+ßp Xpi)
42
sehingga dapat diperoleh Yi = F -1(P i ) dengan
Yi= ß0 + ß1PDPT i + ß 2LMTGi - ß3 HGTNi + ß4STRMi + ß 5JRKi + ß6 KBSGi + e
Yi ß0 ß1, ß 2… ß 7 PDPT LMTG HGTN STRM JRK KBSG i e
= Peluang tingkat kesukaan masyarakat terhadap tempat tinggalnya ( bernilai 1 jika suka dan bernilai 0 jika tidak suka) = Konstanta = Koefisien regresi = Pendapatan (Rp/bln) = Lama tinggal(tahun) = Harga tanah (Rp/M2) = Status rumah ( bernilai 1 = Sewa, bernilai 0 =Rumah sendiri) = Jarak ke sumber bising (M) = Kawasan kebisingan (KB) = Responden ke-i ( i =1,2,3,4…,100) = Galat
Variabel
penjelas yang digunakan untuk menganalisis penyebab
responden tetap tinggal di sekitar Bandar Udara Sultan Syarif Kasim II adalah pendapatan, lama tinggal, harga tanah, status rumah, jarak, dan kawasan kebisingan. Variabel
pendapatan diduga akan memberikan pengaruh positif
terhadap peluang responden suka tetap tinggal di sekitar Bandar Udara Sultan Syarif Kasim II. Variabel lama tinggal diduga akan berpengaruh positif terhadap peluang responden suka tetap tinggal di sekitar Bandar Udara Sultan Syarif Kasim II. Variabel harga tanah diduga akan berpengaruh negatif terhadap peluang responden tetap tinggal di sekitar Bandar Udara Sultan Syarif Kasim II. Apabila harga tanah murah maka responden akan suka tinggal di tempat tersebut. Variabel status rumah diduga akan berpengaruh positif terhadap peluang responden tetap tinggal di sekitar bandar udara Sultan Syarif Kasim II, dimana responden yang tinggal di rumah sendiri akan merasa lebih suka dibanding responden yang tinggal di rumah sewa. Variabel jarak diduga berpengaruh positif terhadap peluang responden tetap tinggal di sekitar Bandar Udara Sultan Syarif Kasim II, dimana responden yang tinggal makin jauh dari bandar udara lebih suka dibanding responden yang tinggal lebih dekat dengan bandar udara. Variabel
43
kawasan kebisingan diduga berpengaruh positif terhadap peluang responden tetap tinggal di sekitar Bandar Udara Sultan Syarif Kasim II, dimana responden yang tinggal di kawasan kebisingan 1 lebih suka dibanding responden yang tinggal di kawasan kebisingan 2.
3.4.4
Analisis Faktor-Faktor Yang Mempengaruhi Kesediaan Masyarakat dalam Menerima (Willingness To Accept) Kompensasi Analisis data yang digunakan untuk mengetahui faktor-faktor yang
mempengaruhi kesediaan masyarakat dalam menerima kompensasi dilakukan dengan menggunakan alat analisis regresi logit. Dengan model logit, dapat diduga peluang responden bersedia atau tidak bersedia. Bentuk model logit yang akan digunakan adalah:
Pi = F(Yi )=F(ß 0+ ß1X1i+ ß 2X2i+……+ßpXpi)
sehingga dapat dip eroleh Yi = F -1(P i ) dengan
Yi= ß0 + ß1PDDK i + ß2PDPTi + ß 3LMTGi - ß4PKJi + ß5STRMi ß6JRKi + ß 7KBSGi +e
Yi ß0 ß1, ß 2… ß 10 PDDK PDPT LMTG PKJ STRM JRK KBSG i e
= Peluang tingkat kesediaan masyarakat menerima kompensasi ( bernilai 1 jika bersedia dan bernilai 0 jika tidak bersedia) = Konstanta = Koefisien regresi = Pendidikan = Pendapatan (Rp/bln) = Lama tinggal(tahun) = Pekerjaan = Status rumah ( bernilai 1 = Sewa, bernilai 0 =Rumah sendiri) = Jarak ke sumber bising (M) = Kawasan kebisingan (KB) = Responden ke-i ( i =1,2,3,4…,100) = Galat
44
Variabel penjelas yang digunakan untuk menganalisis kesedian responden menerima kompensasi adalah pendidikan, pendapatan, lama tinggal, pekerjaan, status rumah, jarak, kawasan kebisingan. Variabel pendidikan berpengaruh positif terhadap kesediaan menerima kompensasi. Semakin tinggi pendidikan maka responden semakin menyadari kebisingan yang di akibatkan bandar udara, sehingga mereka bersedia menerima kompensasi Variabel pendapatan diduga berpengaruh positif terhadap kesediaan menerima kompensasi. Semakin tinggi pendapatan maka responden semakin menyadari kebisingan yang diakibatkan bandar udara, sehingga mereka bersedia menerima kompensasi. Variabel lama tinggal diduga berpengaruh positif terhadap kesediaan menerima kompensasi. Semakin lama tinggal maka responden semakin menyadari kebisingan yang diakibatkan bandar udara, sehingga mereka bersedia menerima kompensasi. Variabel pekerjaan diduga berpengaruh negatif terhadap kesediaan menerima kompensasi, dimana responden yang bekerja dekat dengan bandar udara tidak mau menerima kompensasi. Variabel status rumah diduga akan berpengaruh positif terhadap kesediaan menerima kompensasi, dimana responden yang tinggal di rumah sendiri akan bersedia menerima kompensasi dibanding responden yang tinggal di rumah sewa. Variabel jarak diduga berpengaruh negatif terhadap kesediaan menerima kompensasi, dimana responden yang tinggal makin dekat dari bandar udara bersedia menerima kompensasi dibanding responden yang tinggal lebih jauh dari bandar udara. Variabel kawasan kebisingan diduga berpengaruh positif terhadap kesediaan menerima kompensasi, dimana responden yang tinggal di kawasan kebisingan 3 lebih bersedia menerima kompensasi dibanding responden yang tinggal di kawasan kebisingan 2.
45
3.4.5 Analisis Nilai Kesediaan Menerima Kompensasi (WTA)
Tahapan-tahapan dalam melakukan penelitian untuk menentukan WTA dengan menggunakan HPM dalam penelitian ini meliputi (Hanley dan Spash, 1993):
A. Estimasi Fungsi Hedonis
Estimasi fungsi hedonis
dengan menggunakan model regresi linear
berganda. Model regresi linear berganda
Yi= ß0+ +ß 1PDDKi+ß2PDPTi- ß3LMTGi-ß 4PKJi+ß5HGTNi+ ß6STRMi-ß 7 JRKi+ ß8KBSGi +e
Yi ß0 ß1, ß 2… ß 9 PDDK PDPT LMTG PKJ HGTN STRM JRK KBSG i e
= Nilai tengah WTA masyarakat = Konstanta = Koefisien regresi = Pendidikan = Pendapatan (Rp/bln) = Lama tinggal(tahun) = Pekerjaan = Harga tanah (Rp/M2) = Status rumah ( bernilai 1 = Sewa, bernilai 0 =Rumah sendiri) = Jarak ke sumber bising (M) = Kawasan Kebisingan (dB) = Responden ke-i ( i =1,2,3,4…,100) = Galat
Variabel penjelas yang digunakan untuk menganalisis kesedian responden menerima kompensasi adalah pendidikan, pendapatan, lama tinggal, pekerjaan, harga tanah,
status rumah, jarak, kawasan kebisingan. Variabel pendidikan
berpengaruh positif terhadap nilai kesediaan menerima kompensasi. Semakin tinggi pendidikan maka nilai kesediaan menerima kompensasi responden semakin tinggi
46
Variabel pendapatan diduga berpengaruh positif terhadap nilai kesediaan menerima kompensasi. Semakin tinggi pendapatan maka nilai kesediaan menerima kompensasi responden semakin tinggi. Variabel lama tinggal diduga berpengaruh negatif terhadap nilai kesediaan menerima kompensasi. Semakin lama tinggal maka nilai kesediaan menerima kompensasi semakin kecil. Variabel pekerjaan diduga berpengaruh negatif
terhadap nilai kesediaan menerima
kompensasi, dimana responden yang bekerja dekat dengan bandar udara nilai kesediaan menerima kompensasi semakin kecil. Variabel harga tanah diduga akan berpengaruh positif terhadap nilai kesediaan menerima kompensasi, dimana responden yang mempunyai harga tanah lebih tinggi nilai kesediaan menerima kompensasi juga tinggi. Variabel status rumah diduga akan berpengaruh positif terhadap nilai
kesediaan menerima
kompensasi, dimana responden yang tinggal di rumah sendiri nilai kesediaan menerima kompensasi lebih tinggi dibanding responden yang tinggal di rumah sewa. Variabel jarak diduga berpengaruh negatif terhadap nilai kesediaan menerima kompensasi, dimana responden yang tinggal makin dekat dari bandar udara nilai kesediaan menerima kompensasi lebih tinggi d ibanding responden yang tinggal lebih jauh dari bandar udara. Variabel kawasan kebisingan diduga berpengaruh positif terhadap kesediaan menerima kompensasi, dimana responden yang tinggal di kawasan kebisingan 3 nilai kesediaan menerima kompensasi lebih tinggi dibanding responden yang tinggal di kawasan kebisingan 2.
B. Menentukan Nilai Implisit
Setelah model yang menunjukkan fungsi hedonis dibentuk, maka dapat ditentukan nilai implisit dari karakteristik lingkungan. Nilai implisit diperoleh dengan cara membuat diferensiasi parsial dari persamaan fungsi hedonis yang telah diperoleh.
47
3.4.6 Asumsi Yang Digunakan
1. Pemetaan kawasan kebisingan a.
Untuk titik pengukuran arah Barat merupakan cerminan dari titik pengukuran timur, hal ini dilakukan karena arah barat merupakan kawasan militer sehingga tidak bisa dilakukan pengukuran
b.
Untuk titik pengukuran arah Utara diperoleh dari hasil penurunan rumus jarak kebisingan
c.
Untuk kontur kebisingan pengukuran hanya dilakukan pada siang hari secara sesaat.
2. Pengumpulan nilai WTA dari masing-masing responden adalah: a.
Responden yang bersedia menerima kompensasi (WTA) mengenal dengan baik kawasan Bandar Udara Sultan Syarif Kasim II.
b.
Pemko Pekanbaru dan Pihak Bandara memberikan perhatian terhadap peningkatan kualitas lingkungan, termasuk kualitas penurunan kebisingan
c.
Pemko Pekanbaru dan Pihak Bandara bersedia untuk memberikan dana kompensasi atas penurunan kualitas lingkungan akibat kebisingan.
3.4.7 Dasar Pemilihan Variabel
Variabel-variabel yang diduga mempengaruhi model-model dalam analisis, dipilih berdasarkan teori-teori, penelitian terdahulu yang relevan dan hasil observasi di lapang. Variabel-variabel yang digunakan (Tabel 3)
48
Tabel 3. Variabel yang Digunakan Dalam Analisis Data Penelitian No 1
Variabel Pendidikan
Kategori 1. Tidak sekolah 2. SD 3. SLTP 4. SLTA 5. PT
2
Pendapatan
1. Dibawah Rp.500,000,2. Rp.500,000-Rp.1,000,000 3. Rp.1,000,000-Rp.1,500,000 4. Rp.1500,000-Rp.2,000,000 5. Diatas Rp.2,000,000
3
Lama tinggal
1. Dibawah 1 tahun 2. 1 - 3 tahun 3. 3 – 5 tahun 4. 5 – 10 tahun 5. Diatas 10 tahun
4
Jarak
1.Dibawah 500 m 2. 500-1000 m 3. 1000-3000 m 4. 3000-5000 m
5
Harga tanah
1. Rp. 70.000/m2 2. Rp. 100.000/m2 3. Rp. 150.000/m2 4. Rp. 200.000/m2 5. Rp. 250.000/m2
6
Pekerjaan
1. PNS/ABRI 2. Karyawan 3. BUMN 4. Wiraswasta 5. Petani
7
Status rumah
1. Sewa 2. Sendiri
8
Kawasan kebisingan
1. KB 1 2. KB 2 3. KB 3
49
1. Variabel Pendidikan Variabel pendidikan dipilih berdasarkan pertimbangan bahwa pendidikan yang diperoleh dapat menentukan pola pikir yang dimilik i seseorang, termasuk dalam hal persepsi orang tersebut terhadap segala sesuatu yang ada di sekitarnya dan bagaimana harus menanggapi pertanyaan yang berhubungan dengan lingkungan itu. Selain itu, tingkat pendidikan seseorang mempengaruhi penilaian orang tersebut terhadap pentingnya kualitas lingkungan terhadap kehidupannya. 2. Variabel Pendapatan Variabel pendapatan dipilih sebagai variabel yang mempengaruhi analisis terkait dengan teori kebutuhan hidup manusia. Semakin tinggi pendapatan seseorang, maka tingkat kebutuhan hidupnya akan semakin meningkat, bukan hanya kebutuhan pokok (sandang, pangan dan papan), tetapi juga kebutuhan akan kenyamanan dan kualitas lingkungan. 3. Variabel L ama T inggal Variabel lama tinggal dipilih dengan dasar pemikiran bahwa responden yang sudah lama tinggal di sekitar Bandar Udara Sultan Syarif Kasim II dapat merasakan
perubahan
lingkungan
akibat
adanya
peningkatan
frekuensi
penerbangan. Selain itu, lamanya seseorang tinggal di suatu wilayah akan mempengaruhi penilaian orang tersebut terhadap lingkungannya ( terkait dengan nilai guna warisan dari barang lingkungan). 4. Variabel Jarak Variabel jarak dipilih karena dinilai akan mempengaruhi besar kecilnya dampak yang harus ditanggung responden. Selanjutnya besar kecilnya dampak yang harus ditanggung responden akan mempengaruhi penilaiannya terhadap kebisingan bandar udara 5. Variabel Harga Tanah Variabel harga tanah dipilih karena dalam penentuan nilai dari kesediaan menerima kompensasi merupakan tambahan dari harga tanah responden.
50
6. Variabel Pekerjaan Variabel pekerjaan dipilih atas dasar adanya responden yang bekerja tergantung pada aktifitas bandar udara, dimana hal ini akan mempengaruhi penilaian mereka terhadap kebisingan bandar udara. 7. Variabel Status rumah Variabel ini dikategorikan menjadi dua yaitu rumah sendiri dan rumah sewa. Status rumah ini akan mempengaruhi keputusan responden dalam penilaian terhadap lingkungannya. 8. Variabel Kawasan Kebisingan Variabel ini dikategorikan menjadi 3 yaitu kawasan kebisingan tingkat 1, kawasan kebisingan tingkat 2 dan kawas an kebisingan tingkat 3. Variabel ini akan mempengaruhi penilaian responden terhadap lingkungan karena nilai yang diperoleh pada masing-masing kawasan berbeda.
3.4.8 Pengujian Parameter
Untuk memeriksa keb aikan dari model yang telah dibuat, perlu dilakukan pengujian secara statistika. Uji yang akan dilakukan adalah: 1. 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 Lemeshow, 1989) adalah: I G = −2 ln 0 I1
dimana: I0 = Nilai loglikelihood tanpa variabel penjelas I1 = Nilai loglikelihood model penuh
51
Ukuran dari semua variabel penjelas dalam model yang memakai variabel respon dapat diperoleh dengan membandingkan -2LL untuk model tanpa variabel penjelas (model nol atau biasa dikenal sebagai the initial loglikelihood function) dengan -2LL (-two times the log-likelihood) merupakan nilai yang dapat digunakan untuk memperkirakan distribusi chisquare (χ2 ) dan memungkinkan penentuan level signifikasi. Perbedaan dalam -2LL dalam model tanpa variabel penjelas dan dengan variabel penjelas menunjukkan pengaruh dari variabel penjelas itu sendiri (Hutcheson dan Sofroniou, 1999). Pengujian terhadap hipotesis pada uji G responden adalah sebagai berikut: Ho: ß 1= ß 2 =…=ß n=0 untuk H1: minimal ada satu ß i tidak sama dengan nol dimana i = 1,2…8 Statistik G akan mengikuti sebaran χ 2 dengan derajat bebas α. Kriteria keputusan yang diambil adalah jika G> χ2p(α), maka hipotesis nol (H0) ditolak. Uji G juga dapat digunakan untuk memeriksa apakah nilai yang diduga dengan peubah di dalam model lebih baik jika dibandingkan dengan model tereduksi (Hosmer dan Lemeshow, 1989).
2. Uji Wald Uji wald digunakan untuk uji nyata parsial bagi masing-masing koefisien variabel. Dalam pengujian hipotesa, jik a koefisien dari variabel penjelas sama dengan nol, hal ini berarti variabel penjelas tidak berpengaruh pada variabel respon. Statistik uji wald dapat didefinisikan sebagai berikut (Hosmer dan Lemeshow, 1989):
ρ βj Wj = ρ ρ SE β j
( )
dimana: ρ β j = penduga ßj ρ ρ S E β j = penduga galat baku dari ß j
( )
52
Uji Wald melakukan pengujian terhadap hipotesis: H0 : ßj =0 H1 : ßj # 0 Uji wald mengikuti sebaran normal baku dengan kaidah keputusan menolak H0 jika|W|>Zα/2 (Hosmer dan Lemeshow, 1989).
3. Uji Statistik F Pengujian ini dilakukan untuk mengetahui pengaruh variabel (X i secara bersama-sama terhadap variabel tidak bebasnya Yi). Prosedur pengujiannya (Ramanathan, 1997) antara lain: Ho:ß1=ß2=ß3=...=ßk=0 H1:ß1=ß2=ß3=...=ßk#0 Fhit =
JKK (k − 1) JKGk(n − 1)
dimana: JKK
= Jumlah kuadrat untuk nilai tengah kolom
JKG
= Jumlah kuadrat galat
n
= Jumlah sampel
K
= Jumlah peubah
Jika F-hit < F tabel , maka H0 diterima, artinya variabel (X i ) secara serentak tidak berpengaruh nyata terhadap (Y i) Jika F-hit > F tabel, maka H0 ditolak, artinya variabel (X i) secara serentak berpengaruh nyata terhadap (Y i)
4. Uji Terhadap Kolinear Ganda (Multicollinearity) Dalam model yang melibatkan banyak peubah bebas sering terjadi masalah multicollinearity, yaitu terjadinya korelasi yang kuat antar peubah-peubah bebas. Menurut Koutsoyiannis (1977), deteksi adanya multicollinearity dalam sebuah model dapat dilakukan dengan membandingkan besarnya nilai
53
koefisien determinasi (R 2 ) dengan koefisien determinasi parsial antar dua peubah bebas (r2).untuk hal ini dapat dibuat suatu matrik koefisien determinasi parsial antar peubah bebas. Multicollinearity dapat dianggap tidak masalah apabila koefisien determinasi atau koefisien korelasi berganda antar semua peubah secara simultan. Namun multicollinearity dianggap sebagai masalah serius jika koefisien determinasi parsial antar dua peubah bebas melebihi atau sama dengan nilai koefisien determinasi atau koefisien korelasi berganda antar semua peubah secara simultan, atau secara matematis dapat dituliskan dalam pertidaksamaan berikut: r2xj,xj>R2x1,x2....,xk Masalah multicollinearity juga dapat dilihat langsung melalui output komputer, dimana apabila nilai VIF <10 maka tidak ada masalah multicollinearity.
5. Uji Heteroskedastisitas Salah
satu
asumsi
pendugaan
metode
kuadrat
terkecil
adalah
homoskedastisitas, yaitu ragam galat konstan dalam setiap amatan. Pelanggaran atas asumsi homoskedastisitas adalah heteroskedastisitas. Untuk mendeteksi
adanya
masalah
heteroskedastisitas maka
dilakukan
uji
heteroskedastisitas seperti yang disarankan oleh Goldfed dan Quandt (1965) dalam Ramanathan (1997). Contoh amatan diurutkan menurut peubah-peubah bebasnya kemudian dibagi dua anak contoh dengan pemisah contoh berjumlah 16 untuk contoh ukuran 60. kedua anak contoh tersebut masing-masing diregresikan kemudian dihitung jumlah kuadrat galat (JKG) dari masing-masing regresi tersebut. Jumlah kuadrat regresi dari regresi anak contoh pertama dinotasikan JKG 1. jumlah kuadrat regresi d ari regresi anak contoh kedua dinotasikan JKG 2. Maka statistik ujinya adalah:
fhit =
JKG1 JKG 2
54
Jika tidak ada masalah heteroskedastisitas maka nilai F-hitung akan menuju satu. Masalah heteroskedastisitas masih dapat ditolerir jika F-hitung kurang dari F-tabel dengan derajat bebas v1 = v2 = (n-c-2k)/2. Dimana n adalah jumlah contoh, c adalah jumlah contoh pemisah dan k adalah jumlah parameter yang diduga.
6. Uji Odds Ratio Odds ratio merupakan kemunculan dari peubah respon (y=1) sebesar exp (ß) kali jika taraf atribut tersebut yang semua peubah bonekanya bernilai 0 muncul. Odds ratio merupakan interpretasi dari peluang.
7. Uji Normalitas Uji normalitas diperlukan untuk mengetahui apakah error term dari data/observasi yang jumlahnya kurang dari 30 mendekati sebaran normal sehingga statistik t dapat dikatakan sah. Uji yang dilakukan adalah Uji Jargue Bera dengan prosedur sebagai berikut: H0 : error term terdistribusi normal H1 : error term tidak terdistribusi normal Tarima H0 jika statistik J-B < X2 df-2 atau jika diperoleh nilai probabilitas lebih besar dari α.
3.5 Batasan Penelitian
1. Wilayah penelitian adalah Bandar Udara Sultan Syarif Kasim II dan Pemukiman di sekitar bandara yaitu Kelurahan Maharatu,
Kelurahan
Sidomulyo Timur, Kelurahan Tangkerang Tengah, Kelurahan Tangkerang Selatan, Kelurahan Wonorejo dan Kelurahan Teratak Buluh 2. Objek penelitian adalah kebisingan dan masyarakat yang tinggal di wilayah penelitian (responden).
55
3. Kebisingan adalah bentuk suara yang tidak diinginkan atau bentuk suara yang tidak sesuai dengan tempat dan waktunya, kebisingan yang dilihat disini adalah kebisingan yang disebabkan oleh kegiatan Bandar Udara Sultan Syarif Kasim II baik dari beroperasinya pesawat maupun kegiatan di bandar udara itu sendiri. 4. Kawasan kebisingan adalah kawasan pemukiman masyarakat di sekitar bandar udara yang terpengaruh gelombang suara mesin pesawat udara dan yang dapat mengganggu lingkungan. 5. Pemetaan
kawasan
kebisingan
adalah
pemetaan
dari
garis
yang
menghubungkan titik-titik atau tempat-tempat yang mempunyai nilai indeks tingkat kebisingan yang sama. Pada penelitian ini
menggunakan sistem
informasi geografi. 6. Desibel A maksimum atau Maximum A-Weighted Sound Level atau tingkat kebisingan berbobot (tertimbang) A maksimum selanjutnya disebut dB(A) maksimum adalah unit tingkat kebisingan puncak yang dibaca pada skala A suatu Sound Level Meter di suatu titik pengukuran. 7. Weighted Equivalent Continuous Perceived Noise Level atau nilai ekivalen tingkat kebisingan yang dapat diterima terus menerus selama suatu rentang waktu dengan pembobotan tertentu, selanjutnya disingkat WECPNL adalah rating terhadap tingkat gangguan bising yang mungkin dialami oleh penduduk di sekitar bandar udara sebagai akibat dari frekuensi operasi pesawat udara pada siang dan malam hari. 8. Responden dalam penelitian ini adalah kepala keluarga. 9. WTA adalah sejumlah uang yang diterima seseorang sebagai kompensasi dari kerusakan lingkungan (kebisingan Bandar udara Sultan Syarif Kasim II). 10. Jumlah uang yang diterima merupakan tambahan harga tanah( Rp/M2 ) 11. HPM digunakan untuk menampung preferensi responden pada kondisi tertentu guna mengetahui keinginan untuk menerima.
