IV. 4.1.
METODE PENELITIAN
Pemilihan Lokasi dan waktu Penelitian Penelitian ini dilaksanakan di daerah hulu dan hilir Sungai Musi, yang
terletak di kota Palembang Sumatera Selatan. Penentuan lokasi dilakukan secara sengaja (purposive), dengan pertimbangan karena Sungai Musi merupakan sungai terbesar di provinsi Sumatera dan juga menjadi salah satu sungai yang mengalami pencemaran akibat kegiatan industri. Pengumpulan data primer dimulai dari awal bulan Februari 2012 sampai dengan Maret 2012 selama kurang lebih dua bulan. 4.2.
Metode Pemilihan Responden Pemilihan responden dalam penelitian ini dilakukan berdasarkan teknik
purposive sampling yaitu memilih secara sengaja (dengan suatu kriteria tertentu) seorang individu untuk dijadikan sampel dengan pertimbangan bahwa responden adalah pelaku baik individu atau lembaga yang dianggap mengerti permasalahan yang terjadi dan mempunyai kemampuan dalam pembuatan kebijakan atau memberi masukan kepada para pengambil kebijakan. Responden yaitu anggota keluarga (bapak atau ibu) sebagai perwakilan dari rumah tangga yang terpilih menjadi sampel. Jumlah responden adalah 70 rumahtangga (RT) yang bermukim di sekitar kawasan Sungai Musi yang tercemar industri. Penetapan jumlah sampel yang digunakan dalam penelitian ini telah memenuhi kaidah pengambilan sampel secara statistika yaitu minimal sebanyak 30 data/sampel dimana data tersebut mendekati sebaran normal (Walpole, 1982). 4.3.
Jenis dan Sumber data Data yang digunakan dalam penelitian ini terdiri dari data primer dan data
sekunder. Data primer adalah data yang diperoleh dari responden melalui
32
observasi dan wawancara dengan berpedoman pada kuesioner yang telah dipersiapkan sebelumnya. Pengumpulan data primer dilakukan berdasarkan wawancara langsung dengan masyarakat setempat yang mengalami kerugian karena pencemaran. Kemudian melakukan studi literatur untuk mengetahui sumber-sumber dan dampak
terjadinya pencemaran. Data primer yang
dibutuhkan meliputi karakteristik responden, respon responden terhadap pencemaran yang terjadi pada Sungai Musi, dan respon responden atas berapa biaya ganti rugi yang diinginkan masyarakat (Willingness To Accept, WTA) karena kualitas air Sungai Musi yang saat ini telah mengalami penurunan akibat pencemaran industri. Data sekunder adalah data yang diperoleh dari dinas atau instansi terkait serta dari pustaka yang relevan dengan penelitian. Data sekunder yang dibutuhkan dalam penelitian ini meliputi data mengenai semua hal yang menyangkut informasi mengenai kesehatan masyarakat sekitar yang terkena dampak, data polutan yang dihasilkan, dan data lain yang dibutuhkan. Data-data tersebut dapat diperoleh dari Badan Lingkungan Hidup (BLH) Kota Palembang, Kementerian Lingkungan Hidup (KLH), Dinas Kesehatan Kota Palembang, Badan Pusat Statistik (BPS), Forum Komunikasi DAS Musi, perpustakaan, internet, serta lembaga literatur lainnya yang relevan. 4.4.
Metode Pengolahan dan Analisis Data Data dan informasi yang diperoleh dalam penelitian akan dianalisis secara
kualitatif dan kuantitatif. Penelitian ini bertujuan untuk melakukan pengkajian terhadap besarnya biaya ganti rugi yang diinginkan masyarakat akibat penurunan kualitas Sungai Musi (Willingness To Accept) dengan metode langsung
33
Contingent Valuation Method (CVM) yang biasa juga disebut dengan metode survei, sedangkan untuk analisis kerugian ekonomi yang dialami masyarakat akibat pencemaran ini digunakan metode analisis deskriptif, peluang kesediaan dan faktor-faktor yang mempengaruhi nilai WTA digunakan metode regresi logistik dan regresi linear berganda. Pengolahan dan analisis data dilakukan dengan menggunakan komputer program Microsoft Office Excel dan Statistical Product and Service Solutions (SPSS) 16 For Windows Evaluation Version. Tabel 3 menunjukkan matriks metode analisis yang digunakan dalam penelitian ini. Tabel 3. Matriks Metode Analisis Data No
Sumber Data dan Jumlah Sampel Mendeskripsikan eksternalitas Kuesioner negatif akibat pencemaran Sungai Responden = 70 RT Musi karena kegiatan industri.
Metode Analisis Data Analisis Deskriptif Kualitatif
2
Mengkaji peluang kesediaan masyarakat di sekitar Sungai Musi dalam menerima dana kompensasi akibat pencemaran industri.
Analisis Regresi Logistik
3
Menghitung besarnya Willingness to accept masyarakat akibat eksternalitas negatif yang ditimbulkan dari pencemaran Sungai Musi oleh aktivitas industri. Mengkaji faktor-faktor yang berpengaruh terhadap besarnya nilai kompensasi masyarakat yang terkena dampak pencemaran industri sekitar kawasan Sungai Musi.
1
4
4.4.1
Tujuan Penelitian
Kuesioner Responden = 70 RT
Kuesioner Responden = 60 RT (yang menjawab YA)
CVM
Kuesioner Responden = 60 RT (yang menjawab YA)
Analisis Regresi Linear Berganda
Identifikasi Dampak Pencemaran Sungai Musi Penelitian ini dilakukan dengan cara menanyakan secara langsung (survei)
kepada masyarakat di kawasan Sungai Musi dengan metode purposive sampling. Analisis biaya ganti rugi yang diinginkan masyarakat Willingness To Accept (WTA) atas penurunan kualitas air Sungai Musi dengan metode langsung
34
Contingent Valuation Method (CVM) menunjukkan berapa tingkat kompensasi terhadap masyarakat. Besarnya WTA dari masyarakat ini dipengaruhi oleh tingkat pendidikan, penghasilan dan biaya pengeluaran. Pertanyaan yang disampaikan berupa pertanyaan mengenai dampak yang diterima masyarakat, kualitas air, serta kerugian ekonomi dari pencemaran Sungai Musi tersebut. 4.4.2 Analisis Kesediaan Menerima WTA Responden Sesuai Skenario yang Ditawarkan Data yang dibutuhkan dalam penelitian ini adalah data mengenai proporsi kesediaan menerima masyarakat sesuai skenario yang ditawarkan. Informasi tersebut dapat diperoleh melalui kuesioner penelitian, sedangkan alasan responden tentang kesediaan menerima diperoleh dari wawancara secara mendalam (interdeph
interview)
terhadap
masyarakat.
Analisis
faktor-faktor
yang
mempengaruhi kesediaan rumahtangga dalam menerima dana kompensasi dilakukan dengan alat regresi logit. Model logit digunakan untuk mengestimasi peluang rumahtangga untuk menerima atau tidak menerima dana kompensasi akibat pencemaran Sungai Musi oleh industri. Bentuk model regresi logit yang digunakan
untuk
mengkaji
kesediaan/ketidaksediaan
rumahtangga
dalam
menerima dana kompensasi yaitu : Li Sedia = Ln [Pi/(1-Pi)] = β0 + β1 PDK + β2 PDPT + β3 JTG + β4 US + β5 LT + β6 JTT + β7 KWA + β8 BTPA + β9 BKSH + β10 Dbruh + β11 Dwrsta + β13 Dnlyn + εi dimana : Li Sedia
= peluang responden bersedia atau tidak bersedia menerima akibat eksternalitas negatif dari pencemaran Sungai Musi akibat kegiatan industri (bernilai 1 untuk “bersedia” dan bernilai 0 untuk “tidak bersedia”)
β
= konstanta
β 1,,,β13
= koefisien regresi
35
PDK
= Pendidikan (tahun)
PDPT
= Pendapatan (Rp)
JTG
= Jumlah tanggungan (orang)
US
= Usia responden (tahun)
LT
= Lama Tinggal (tahun)
JTT
= Jarak tempat tinggal (meter)
KWA
= Kualitas air (deskriptif)
BTPA
= Biaya Pengeluaran untuk Air bersih (Rp)
BKSH
= biaya kesehatan (Rp)
Dbruh
= dummy jenis pekerjaan buruh (buruh =1 ; bukan buruh = 0)
Dwrsta
= dummy jenis pekerjaan pegawai swasta (wiraswasta =1 ; bukan wiraswasta = 0)
Dnlyn
= dummy jenis pekerjaan nelayan (nelayan =1 ; bukan nelayan = 0)
i
= responden ke-i
εi
= galat
4.4.3. Analisis Nilai WTA dari Masyarakat terhadap Pencemaran Sungai Musi Pendekatan CVM akan digunakan untuk mengetahui besarnya nilai WTA masyarakat dalam penelitian ini. Pendekatan tersebut memiliki enam tahapan (Hanley and Spash, 1993), yaitu : 1. Membangun Pasar Hipotetis Dalam penelitian ini, pasar hipotetis dibentuk berdasarkan skenario bahwa industri di sekitar Sungai Musi akan memberlakukan kebijakan baru yaitu pemberian dana kompensasi terhadap masyarakat yang terkena dampak pencemaran. Responden akan diberi gambaran bahwa industri akan memberikan kompensasi/fasilitas bagi masyarakat sebagai upaya pengurangan dampak negatif yang timbul. Bentuk kompensasi yang ditawarkan bervariasi, dan responden akan memilih sesuai dengan keinginannya. Adapun bentuk kompensasi yang
36
ditawarkan berupa perbaikan infrastruktur (jalan, jembatan, listrik, dll), pembangunan klinik kesehatan, penyediaan alat penyaring air, dan pemberian dana kompensasi. Pertanyaan dalam pasar hipotetis yang akan dibentuk dalam skenario adalah : “Bersediakah bapak/ibu untuk berpartisipasi dalam upaya pengurangan
dampak negatif dari pencemaran Sungai Musi yang timbul dari kegiatan industri dan bentuk kompensasi apa yang Anda harapkan dari industri sebagai ganti rugi terhadap dampak yang ditimbulkan? 2. Memperoleh Nilai Penawaran Survei dilakukan dengan wawancara langsung dan responden ditanya nilai minimum WTA dengan cara Payment Card (Metode kartu pembayaran). 3. Menghitung Dugaan Nilai Rata-rata WTA Perhitungan nilai rata-rata dan median dapat dilakukan setelah nilai WTA diperoleh. Dugaan rata-rata dihitung dengan rumus :
dimana : E WTA xi n i
= Dugaan rataan WTA = Jumlah tiap data = Jumlah Responden = Responden ke-i yang bersedia menerima kompensasi
4. Menduga Kurva Penawaran Menduga penawaran merupakan proses menentukan variabel-variabel yang diduga berpengaruh terhadap nilai WTA. Pendugaan akan dilakukan dengan menggunakan persamaan berikut ini : WTA
= f (PDK, PDPT, JTG, US, LT, JTT, KWA, BTPA, BKSH, Dbruh, Dwrsta , Dnlyn)
dimana : PDK = Pendidikan (tahun)
37
PDPT
= Pendapatan (Rp)
JTG
= Jumlah tanggungan (orang)
US
= Usia responden (tahun)
LT
= Lama Tinggal (tahun)
JTT
= Jarak tempat tinggal (meter)
KWA
= Kualitas air (deskriptif)
BTPA = Biaya Pengeluaran untuk Air bersih (Rp) BKSH = biaya kesehatan (Rp) Dbruh
= dummy jenis pekerjaan buruh (buruh =1 ; bukan buruh = 0)
Dwrsta = dummy jenis pekerjaan pegawai swasta (wiraswasta =1 ; bukan wiraswasta = 0) Dnlyn
= dummy jenis pekerjaan nelayan (nelayan =1 ; bukan nelayan = 0)
5. Menjumlahkan Data Penjumlahan data merupakan proses dimana nilai rata-rata penawaran dikonversikan terhadap populasi yang dimaksud. Nilai total WTA masyarakat dapat diperoleh setelah menduga nilai tengah WTA masyarakat dengan rumus :
dimana : TWTA
= Total WTA
WTAi
= WTA individu ke-i
ni
= Jumlah sampel ke-i yang bersedia menerima sebesar WTA
i
= Responden ke-i yang bersedia menerima dana kompensasi (i=1,2,3,…,k)
6. Mengevaluasi Penggunaan CVM Tahap ini merupakan penilaian sejauh mana penggunaan CVM telah berhasil. Pelaksanaan model CVM dapat dilihat dengan melihat tingkat keandalan
38
(reability) fungsi WTA. Uji yang dapat dilakukan dengan uji keandalan yang melihat R square dari model Ordinary Least Square (OLS) 4.4.4 Analisis Fungsi Willingness to Accept (WTA) Analisis fungsi WTA bertujuan untuk mengetahui faktor-faktor apa saja yang mempengaruhi nilai WTA masyarakat yang mengalami eksternalitas negatif atas pencemaran air Sungai Musi. Fungsi persamaannya sebagai berikut : midWTA = β0 + β1 PDK + β2 PDPT + β3 JTG + β4 US + β5 LT + β6 JTT + β7 KWA + β8 BTPA + β9 BKSH + β10 Dbruh + β11 Dwrsta + β12 Dnlyn + ε dimana : midWTA
= Nilai WTA responden
β
= konstanta
β 1,,,β13
= koefisien regresi
β
= konstanta
β 1,,,β13
= koefisien regresi
PDK
= Pendidikan (tahun)
PDPT
= Pendapatan (Rp)
JTG
= Jumlah tanggungan (orang)
US
= Usia responden (tahun)
LT
= Lama Tinggal (tahun)
JTT
= Jarak tempat tinggal (meter)
KWA
= Kualitas air (deskriptif)
BTPA
= Biaya Pengeluaran untuk Air bersih (Rp)
BKSH
= biaya kesehatan (Rp)
Dbruh
= dummy jenis pekerjaan buruh (buruh =1 ; bukan buruh = 0)
Dwrsta
= dummy jenis pekerjaan pegawai swasta (wiraswasta =1 ; bukan wiraswasta = 0)
Dnlyn
= dummy jenis pekerjaan nelayan (nelayan =1 ; bukan nelayan = 0)
i
= responden ke-i
εi
= galat
39
Variabel-variabel yang diduga berbanding lurus dengan nilai WTA adalah variabel pendidikan, jumlah tanggungan, usia responden, lama tinggal, biaya kesehatan, biaya tambahan pengeluaran untuk memperoleh air bersih, jenis pekerjaan buruh, wiraswasta, dan nelayan. Pendidikan yang semakin tinggi mencerminkan
semakin
tingginya
tingkat
pengetahuan
responden
akan
eksternalitas lingkungan, sehingga responden akan mengharapkan nilai yang tinggi. Jumlah tanggungan terkait dengan banyaknya anggota keluarga dalam satu rumahtangga yang terkena dampak dari pencemaran Sungai Musi. Usia responden dan lama tinggal diduga menjadi variabel yang berpengaruh positif. Semakin lama responden tinggal di daerah tercemar maka semakin tinggi nilai kompensasi yang diinginkan. Biaya kesehatan terkait dengan besarnya dana yang dikeluarkan responden untuk mengobati penyakit yang timbul akibat pencemaran. Semakin tinggi biaya kesehatan dan biaya tambahan pengeluaran untuk memperoleh air bersih maka semakin tinggi nilai kompensasi yang diinginkan. Jenis pekerjaan buruh, wiraswasta, dan nelayan diduga akan menginginkan nilai kompensasi yang tinggi karena jenis pekerjaan mereka yang memiliki resiko yang tinggi dan keterkaitan langsung dengan pemanfaatan air Sungai Musi. Variabel-variabel yang diduga berpengaruh negatif terhadap nilai WTA yaitu pendapatan, jarak tempat tinggal, kualitas air, jenis pekerjaan pegawai swasta. Semakin tinggi tingkat pendapatan responden maka responden tersebut akan merasa semakin berkecukupan untuk mengatasi dampak pencemaran sehingga nilai WTA yang diinginkan rendah. Jarak tempat tinggal yang semakin dekat dengan sumber pencemaran diduga akan membuat nilai WTA yang diinginkan akan semakin tinggi. Kualitas air diduga berpengaruh negatif karena
40
semakin tinggi (baik) kualitas air, maka nilai kompensasi yang diharapkan akan semakin kecil. Jenis pekerjaan pegawai swasta diduga akan menginginkan nilai kompensasi yang rendah karena jenis pekerjaan mereka yang memiliki resiko dan keterkaitan yang rendah dengan pemanfaatan air Sungai Musi. 4.4.5 Pengujian Parameter Regresi Pengujian secara statistik terhadap model dapat dilakukan dengan cara : 1. Uji Keandalan Uji keandalan dilakukan dalam evaluasi CVM dilihat dengan nilai RSquare (R2) dari OLS (Ordinary Least Square) WTA. Mitchell dan Carson (1989) dalam Hanley dan Spash (1993) merekomendasikan 15 persen sebagai batas minimum dari R2 yang realiabel. Nilai R2 yang lebih besar dari 15 persen menunjukkan tingkat reabilitas yang baik dalam penggunaan CVM. 2. Uji Statistik t Uji statistik t adalah uji untuk mengetahui apakah dalam regresi variabel bebas (X1, X2, …, Xn) secara parsial berpengaruh nyata terhadap variabel terikatnya (Y). Ramanathan dalam Tampubolon 2011, prosedur pengujian uji statistik t adalah : H0 : βi = 0
atau variabel bebas tidak berpengaruh nyata terhadap variabel terikat
H1 : βi ≠ 0
atau variabel bebas berpengaruh nyata terhadap variabel terikat
Jika thit(n-k) < tα/2 maka Ho diterima (-t tabel ≤ t hitung ≤ t tabel), artinya variabel bebas (Xi) tidak berpengaruh nyata terhadap (Y).
41
Jika t hit(n-k) > tα/2, maka terima H1 (-t tabel atau t hitung > t tabel), artinya variabel bebas (Xi) berpengaruh nyata terhadap (Y). 3. Uji Statistik F Uji statistik F dilakukan untuk mengetahui pengaruh variabel bebas secara bersama-sama
terhadap
variabel
terikat.
Prosedur
pengujian
menurut
(Ramanathan 1997, dalam Tampubolon, 2011) adalah : H0 = β1 = β2 = β3 = … β = 0 H0 = β1 = β2 = β3 = … β ≠ 0
dimana : JKK JKG n k
= jumlah kuadrat untuk nilai tengah kolom = jumlah kuadrat galat = jumlah sampel = jumlah peubah Jika Fhit < Ftabel maka terima Ho yang artinya secara serentak variabel
bebas (Xi) tidak berpengaruh nyata terhadap variabel terikat (Y). Jika Fhit > Ftabel, maka terima H1 yang berarti variabel bebas (Xi) secara serentak berpengaruh nyata terhadap variabel terikat (Y). Pengujian juga dapat melihat nilai P-value dari model seluruh variabel bebas secara bersama. Apabila P-value < α yang digunakan, maka tolak H0 yang artinya variabel bebas secara bersamasama berpengaruh nyata terhadap variabel terikat. 4. Uji Terhadap Kolinear Ganda ( Multicollinearity ) Dalam model dengan banyak peubah sering mengalami masalah multikolinear yaitu terjadinya korelasi yang kuat antar peubah-peubah bebas. Masalah ada tidaknya multicollinearity dalam sebuah model dapat dideteksi
42
dengan membandingkan besarnya koefisien determinasi (R2 ) dengan koefisien determinasi parsial antar dua variabel bebas (r2 ). Masalah multicollinearity juga dapat dilihat langsung melalui hasil komputer, dimana apabila Varian Inflation Factor (VIF) < 10 tidak ada masalah multikolinear. 5. Uji Heteroskedastisitas Salah
satu
asumsi
metode
pendugaan
kuadrat
terkecil
adalah
homoskedastisitas, yaitu ragam galat konstan dalam setiap amatan. Pelanggaran atas asumsi ini disebut heteroskedastisitas. Untuk mendeteksi adanya masalah heteroskedastisitas dilakukan dengan uji White, yaitu dengan meregresikan residual kuadrat sebagai variabel dependen, dengan variabel dependen ditambah dengan kuadrat variabel independen, kemudian ditambahkan lagi dengan perkalian dua variabel independen. Prosedur pengujiannya dilakukan dengan hipotesis berikut : H0 : Tidak ada heterokedastisitas H1 : ada heterokedastisitas 6. Uji Normalitas Uji normalitas perlu dilakukan untuk mengetahui apakah error term dari data atau observasi yang jumlahnya kurang dari 30 mendekati sebaran normal sehingga statistik t dapat dikatakan sah. Uji yang dapat dilakukan yaitu uji Kolmogorov-smirnov. Uji Kolmogorov Smirnov adalah uji beda antara data yang diuji normalitasnya dengan data normal baku. Seperti pada uji beda biasa, jika signifikansi dibawah 5% berarti data yang akan diuji mempunyai perbedaan yang signifikan dengan data normal baku, yang artinya data tersebut tidak normal. Jika signifikansi di atas 5% maka tidak terjadi perbedaan yang signifikan antara data yang akan diuji dengan data normal baku, artinya data tersebut normal.
43
