IV. METODE PENELITIAN 4.1
Lokasi dan Waktu Penelitian ini dilakukan melalui studi literatur dan pengumpulan data
sekunder dari sebelas kota besar di wilayah Kanto. Lokasi ini dipilih karena Kanto terletak di pulau Honshu yang merupakan pulau terbesar di Jepang dan sekaligus berperan sebagai pusat perekonomian, penduduk, serta pemerintahan. Oleh karena itu, lokasi ini dianggap dapat mewakili dinamika konsentrasi BOD dan perdapatan per kapita sebagai indikator kerusakan lingkungan dan pertumbuhan ekonomi Jepang. Pengumpulan data sekunder dilakukan pada rentang Juli-Agustus 2011. 4.2
Jenis dan Sumber Data Data yang digunakan dalam penelitian ini adalah data panel yang berasal
dari data time series tahunan pada periode 1978-2004 dari sebelas kota di Jepang. Daftar kota tersebut diberikan dalam Tabel 1. Tabel 1. Daftar Kota Besar Lokasi Penelitian No Kota 1 Mito 2 Utsunomiya 3 Otawara 4 Maebashi 5 Tagasaki 6 Kawagoe 7 Saitama 8 Nagareyama 9 Hachioji 10 Chofu 11 Yokohama Sumber : data olahan
Provinsi Ibaraki Tochigi Tochigi Gunma Gunma Saitama Saitama Chiba Tokyo Tokyo Kanagawa
Variabel yang diamati adalah jumlah penduduk, pendapatan per kapita, luas area, dan konsentrasi polutan sungai, yaitu BOD pada rentang waktu 19782004. Data BOD diambil dari sungai Tone, Tama, dan Ara. Jumlah data untuk
untuk 1 kota adalah 27 x 4 = 108 sehingga total data adalah sebesar 108 x 11 = 1188. Data pendapatan per kapita diperoleh dari laporan tahunan provinsi dan konsentrasi BOD diperoleh dari Ministry of Land, Infrastructure, Transport, and Tourism. Sementara itu, data jumlah populasi dan luas area diperoleh dari masingmasing website tiap kota yang termasuk dalam wilayah penelitian. 4.3
Metode Analisis dan Pengolahan Data Secara umum, analisis akan dilakukan dengan menggunakan metode
deskriptif dan kuantitatif yaitu panel data. Namun, sebelumnya akan dibentuk model yang akan diregresikan menurut regresi panel data. Hal ini akan dijelaskan secara rinci pada uraian berikut. 4.3.1 Metode Analisis Data` Penelitian ini akan menggunakan metode analisis deskriptif dan kuantitatif. Metode deskriptif digunakan untuk menjelaskan kondisi historis polusi air dan peraturan lingkungan di Jepang serta pelajaran yang dapat diambil oleh negara berkembang seperti Indonesia dari Jepang yang sudah terlebih dahulu mengalami kerusakan lingkungan. Sementara itu, metode kuantitatif digunakan dalam uji empiris terhadap hipotesis Kuznet untuk mengetahui hubungan antara konsentrasi BOD dengan pendapatan per kapita. Uji empiris ini dilakukan dengan menggunakan analisis panel data pada software E- views. 4.3.2 Perumusan Model Faktor yang mempengaruhi konsentrasi BOD adalah pendapatan per kapita dan populasi penduduk. Beberapa penelitian sebelumnya menunjukkan bahwa terdapat kurva EKC yang memiliki dua titik balik (kurva kubik). Penjelasan yang memungkinkan adalah pada tingkat pedapatan yang sangat
25
tinggi, aktivitas ekonomi menjadi sangat pesat sehingga dampak negatif nya pada lingkungan tidak dapat diimbangi oleh efek teknologi dari peningkatan pendapatan (Mythili, 2011).Oleh karena itu, analisis panel data akan dilakukan dengan model parametrik yang terdiri dari model model kuadratik dan kubik. Modelnya dituliskan dalam persamaan 3. ……………................ (3) Keterangan: BOD
: Konsentrasi Biological Oxygen Demand 75% (mg/L)
Inc
: Pendapatan per kapita (¥ 1.000)
Popden : Kepadatan Penduduk (orang/km2) : Gangguan Acak i
: Kota ke-i
t
: Periode waktu (1978,1979,...2004)
m
: 2 (persamaan kuadratik)
m
: 3 (persamaan kubik) Hipotesis yang dikembangkan dalam model ini adalah semakin tinggi
pendapatan per kapita maka konsentrasi BOD juga akan meningkat sampai tingkat pendapatan tertentu. Kemudian konsentrasi BOD akan menurun seiring dengan peningkatan pendapatan per kapita sehingga terbentuk kurva kuznet berbentuk huruf U terbalik. Selanjutnya, kepadatan penduduk akan berpengaruh positif terhadap konsentrasi BOD karena peningkatan aktivitas manusia akan meningkatkan pencemaran air yang dapat dicerminkan oleh konsentrasi BOD. Oleh karena itu tanda yang diharapkan adalah koefisien variabel Inc yang positif
26
dan variabel Inc2 yang negatif sehingga terbentuk kurva U terbalik. Sementara itu, koefisien variabel Popden diharapkan bernilai positif. Bentuk kurva Kuznet kemudian ditentukan melalui nilai variabel yang diperoleh dari analisis terhadap persamaan. Bentuk kurva yang mungkin dari analisis model diberikan dalam Tabel 2. Tabel 2. Kemungkinan Kurva Hasil Estimasi Model Bentuk Kurva Monoton linear positif
0
0
>0
Monoton linear negatif
0
0
<0
Berbentuk U
<0
>0
0
Berbentuk U terbalik
>0
<0
0
Berbentuk N
>0
<0
>0
Berbentuk tilted-S
<0
>0
<0
Gambar
Sumber: De Bryuyn, Van Den Bergh JC, Opschoor (1998) Titik balik dapat diperoleh dengan mencari turunan pertama dan membuatnya sama dengan nol. Bentuk persamaan kuadratik dan kubik adalah sebagai berikut:
…………......................... (4)
.......................... (5) Maka turunan pertama BOD terhadap Inc adalah: Kuadratik
:
................................................. (6)
27
Kubik
............................ (7)
:
Dengan membuat persamaan (6) dan (7) sama dengan nol, maka diperoleh : Kuadratik
:
................................................................................ (8)
Kubik
:
.......................................................... (9)
Pengaruh perubahan pendapatan per kapita terhadap konsentrasi BOD dapat dihitung dengan menggunakan konsep elastisitas dengan persamaan sebagai berikut. ........................................................................................ (10) ..................................................................................... (11) 4.3.3 Metode Pengolahan Data Data sekunder yang diperoleh akan dianalisis dengan menggunakan metode panel data. Panel data merupakan pengukuran berulang terhadap variabel yang sama sepanjang waktu, misalnya: karakteristik rumah tangga, individu, dan perusahaan. Sejumlah N individu (i=1,2,3,...N) diukur dalam T periode waktu (t=1,2,3,...T). Dengan kata lain, panel data adalah kombinasi antara data satu unit variabel yang diukur pada periode waktu yang berbeda (cross section) dan data beberapa variabel berbeda yang diukur dalam waku yang sama (time series). Panel data juga sering disebut pooled data, micropanel data, dan longitudinal data. Secara umum, jumlah N variabel lebih besar dari periode pengukuran , tetapi pengukuran data N variabel yang kecil pada periode waktu yang besar juga mungkin terjadi. Baltagi (2005) memberikan beberapa alasan mengapa panel data lebih baik digunakan dalam penelitian sosial ekonomi sebagai berikut:
28
1.
Panel data mengandung heterogeneitas karena pengukurannya dilakukan terhadap individu, perusahaan, wilayah, ataupun negara yang berbeda. Teknik estimasi panel data memasukkan variabel yang bersifak spesifik terhadap analisis.
2.
Penggabungan cross section dan time series menyebabkan panel data dapat memberikan data yang lebih informatif, beragam, kolinearitas antar variabel yang berkurang, dan efiensi serta derajat bebas yang meningkat.
3.
Panel data melakukan pengamatan berulang sehingga dapat memahami proses perubahan dinamis yang terjadi dalam variabel yang diukur.
4.
Panel data lebih baik dalam mengukur efek yang tidak terdeteksi dalam data time series dan cross section. Contohnya adalah efek hukum upah minimum lebih mudah dipelajari bila peneliti memasukkan perubahan upah di beberapa wilayah sepanjang waktu.
5.
Panel data memungkinkan peneliti untuk mempelajari studi perilaku yang lebih kompleks.
6.
Panel data dapat meminimalkan derajat bebas bila jumlah unit variabel cukup besar. Jenis data yang akan diuji adalah balance panel, yang artinya tiap variabel
memiliki jumlah pengamatan yang sama pada periode 1978-2004. Menurut Gujarati (2009), terdapat tiga macam pendekatan dalam analisa panel data, yaitu Pooled Least Square (PLS), Random Effect Model (REM), dan Fixed Effect Model (FEM). Metode PLS mengasumsikan semua variabel penjelas adalah variabel non stokastik. Estimasi PLS akan menghasilkan nilai R2 yang signifikan dan sangat tinggi, namun statistik Durbin-Watson sangat rendah sehingga dapat
29
diduga bahwa mungkin terdapat autokorelasi dalam data. Nilai Durbin-Watson yang rendah juga berhubungan dengan kesalahan spesifikasi. Masalah utama model PLS adalah model mengabaikan heterogeneitas yang mungkin terjadi antar individu. Akibatnya adalah error term dapat berhubungan dengan variabel penjelas sehingga terjadi bias. Padahal, salah satu asumsi penting dalam regresi linear klasik adalah tidak ada korelasi antara variabel penjelas dengan error term. Untuk
memperoleh
koefisien
parameter
yang
mengakomodasi
heterogeneitas, akan dilakukan analisis dengan menggunakan model Fixed Effect Model (FEM) dan model Random Effect Model (REM). FEM mengasumsikan bahwa intersep boleh berbeda antar individu namun sama antar waktu. Sementara itu, koefisien parameter atau slope diasumsikan sama antar waktu dan individu. Untuk memungkinkan intersep berbeda berbeda antar individu, akan dilakukan dengan metode dummy. Hasil estimasi FEM menunjukkan bahwa koefisien intersep signifikan sehingga masalah heterogenitas telah teratasi. Oleh karena itu, dapat dikatakan bahwa model FEM lebih baik daripada model PLS. Namun, teknik dummy yang digunakan dalam model FEM mengakibatkan berkurangnya derajat bebas. Dalam hal ini, metode ini gagal mengakomodasi variabel penjelas yang mungkin tidak berbeda sepanjang waktu karena memiliki nilai yang sama. Oleh karena itu, variabel dummy mengindikasikan kurangnya pengetahuan tentang model yang baik. Untuk mengatasi hal ini, pendekatan yang digunakan adalah metode yang dapat mengakomodasi perbedaan waktu dan individu melalui komponen disturbance error melalui metode REM. Oleh karena itu, komponen error terdiri
30
dari dua bagian, yaitu: individual spesific error dan time error. Error gabungan tidak berkorelasi dengan variabel penjelas. Dari penjelasan diatas diketahui bahwa model PLS memang kurang dapat diandalkan sehingga regresi panel data akan dilakukan pada model FEM dan REM.
Penentuan
model
terbaik
diantara
keduanya
dilakukan
dengan
menggunakan uji Hausman. H0
: REM lebih baik daripada FEM
H1
: FEM lebih baik daripada REM Uji nilai statistik Hausman signifikan apabila probabilitasnya kurang dari
taraf nyata sehingga Ho ditolak yang artinya FEM lebih baik daripada REM. Untuk melihat signifikansi variabel akan dilakukan uji t hitung pada taraf alfa 5% dengan hipotesis sebagai berikut. Ho
:
H1
:
(Variabel tersebut mempengaruhi BOD)
Hipotesis nol (Ho) ditolak apabila nilai n
: jumlah data
k
: jumlah variabel
Untuk n > 30, nilai Jumlah data dalam penelitian ini melebihi 30 buah sehingga bila nilai , maka hipotesis nol yang menyatakan bahwa variabel tidak mempengaruhi BOD akan ditolak.
Artinya adalah variabel tersebut
akan signifikan.
31
