BAB IV
Jenis data yang digunakan dlam penelitian ini adalah data panel yang
merupakan data gabunga antara cross section dan data time series, adapun untuk
data cross section diambil dari 5 Kabupaten yang ada di DIY yaitu Kota
Kabupaten Gunung Kidul. Sedangkan untuk data time series menggunakan data
jumlah permintaan air, harga air, PDRB perkapita, jumlah penduduk, jumlah
Rumah Tangga, dan jumlah industri setiap Kabupatennya pada kurun waktu
oleh suatu daerah. Dalam hal ini yaitu output rata-rata yang dihasilkan
Rumah tangga terdiri dari satu atau lebih orang yang tinggal bersama-
diambil dari tahun 2004-2013 yang berasal dari Badan pusat Statistik
DIY.
memilih model regresi yang tepat digunakan dalam penelitian ini. Dalam
melakukan pengujian model dapat dilakukan dengan tiga alternatif metode yaitu
metode dengan common effect models, fixed effect models dan random effect
Tabel 4.1
Hasil Estimasi Common Effect Models
Dependent Variable: (Y?)
Method: Pooled Least Squares
Date: 01/02/16 Time: 21:59
Sample: 2004 2013
Included observations: 10
Cross-sections included: 5
Total pool (balanced) observations: 50
Dari hasil regresi pada model common effect models didapatkan bahwa nilai
maupun waktu. Diasumsikan bahwa perilaku data antar wilayah sama dalam
Tabel 4.2
Hasil Estimasi Fixed Effect Models
Dependent Variable: (Y?)
Method: Pooled Least Squares
Date: 01/02/16 Time: 22:03
Sample: 2004 2013
Included observations: 10
Cross-sections included: 5
Total pool (balanced) observations: 50
Effects Specification
Dari hasil regresi diatas dapat dilihat bahwa dari probabilitas tiap individu
untuk nilai pribabilitas F-statistik sebesar 0,0000 yang memberikan arti bahwa
perbedaan intersep dan slope sebagai akibat adanya perbedaan antar individu
atau obyek.
tidak dapat digunakan karena jumlah kabupaten (n) terlalu sedikit yaitu
dengan fixxed effect models (FEM) untuk mengetahui model yang paling
value jika hasil yang didapatkan kurang dari 10% (signifikan) maka
model estimasi yang akan digunakan adalah fixed effect, akan tetapi
Tabel 4.3
Hasil Uji Chow
Hipotesis:
Ho : β1 = β2 = β3 = β4 = β5 = 0 menggunakan CE
Ha : β1 ≠ β2 ≠ β3 ≠ β4 ≠ β5 ≠ 0 menggunakan FE
Dari regresi pengujian antara Commond Effects Model dan Fixed Effects Model
Sehingga probabilitas Cross-section Chi-square lebih kecil dari alfa (0,0000 <
0,01). Maka secara statistik signifikan 1% menolak H0, artinya lebih baik
(bersama-sama).
Hipotesis:
kecil dari alfa (0,00000 < 0,01) maka model signifikan 1% dan menolak Ho.
0,0092. Sehingga probabilitas variabel X1 lebih kecil dari alfa (0,0092 <
0,0284. Sehingga probabilitas variabel X2 lebih kecil dari alfa (0,0284 <
0,0000. Sehingga probabilitas variabel X3 lebih kecil dari alfa (0,0000 <
0,9750. Sehingga probabilitas variabel X4 lebih besar dari alfa (0,9750 >
0,6379. Sehingga probabilitas variabel X5 lebih besar dari alfa (0,6379 >
X2, X3, X4, dan X5) dengan variabel dependen (Y), dilihat dari koefisien.
Harga air berkorelasi positif. Artinya ketika harga air naik Rp 1 maka
jumlah permintaan air bersih di PDAM juga ikut meningkat 188 m3.
Tabel 4.4
Hasil Koefisien Berdasarkan Estimasi Fixed Effect
Variable Coefficient
C 2198867.
Fixed Effects (Cross)
_YOGYAKARTA—C 4278663.
_SLEMAN—C -1546732.
_BANTUL—C -1997601.
_KULONPROGO—C -1706889.
_GUNUNGKIDUL—C 972557.9
Sumber: Olahan data E-Views 8.
TABEL 4.5
Bersih di PDAM
adalah sebesar 0,0092, maka harga air memiliki korelasi terhadap jumlah
Sehingga secara statistic variabel harga air (X1) memiliki korelasi dengan
sebesar 188,8805 artinya ketika harga air naik Rp 1 (satu rupiah) maka
tahunnya.
62
ketika harga naik maka seharusnya jika sesuai dengan hipotesis jumlah
permintaan air akan turun. Tetapi hasil tidak sesuai dengan hipotesis. Hal
hidupnya dan semakin lama kebutuhan air bersih manusia akan terus
Untuk itu kenaikan harga air tidak membuat permintaan air menurun tetapi
oleh I Made Jember (2008) menemukan bahwa jika harga air rata-rata
yang dibayar oleh rumah tangga pelanggan air PDAM Kota Denpasar
63
antara harga air dengan jumlah permintaan air berhubungan positif sama
(satu rupiah) maka jumlah permintaan air akan ikut meningkat sebesar
Air di PDAM
yaitu sebesar 0,135141 artinya setiap kenaikan jumlah penduduk per orang
65
maka jumlah permintaan air akan ikut meningkat sebesar 0,135141 m3 per
tahunnya.
dengan hipotesis. Hal tersebut dapat terjadi dikarenakan setiap orang tidak
laki-laki atau perempuan maupun usia baik yang baru lahir maupun orang
tua pun pasti membutuhkan air bersih, sehingga setiap kenaikan satu orang
jumlah penduduk sudah pasti jumlah permintaan air akan ikut meningkat.
di PDAM
sebesar 0,039063 artinya setiap kenaikan satu rumah tangga maka jumlah
merupakan sebuah tempat tinggal yang ditinggali satu atau lebih orang
berpisah menjadi dua rumah tangga maka jumlah rumah tangga akan
sehingga jumlah air bersih yang dibutuhkan pun tidak akan mengalami
terjadi ketika satu rumah tangga memiliki rumah lebih dari satu maka
67
dalam perhitungan jumlah rumah tangga akan bertambah, akan tetapi tidak
PDAM
air akan turun sebesar 2,539 m3 per tahunnya. Akan tetapi berdasarkan
air akan ikut meningkat, karena industri juga akan membutuhkan air
permintaan air.
yaitu sebesar 201.266, hal itu disebabkan karena sebagian besar penduduk