METODE PENELITIAN
A. Subjek Penelitian
kerusakan dan korban jiwa akibat bencana gempa DIY tahun 2006 di
Jetis Kabupaten Bantul yang merupaka target populasi pada penelitian ini.
1. Jenis Data
Data yang digunakan dalam penelitian ini yaitu berupa data primer.
Data primer ialah suatu informasi yang didapat dari sumber-sumber primer
yang asli dan informasi dari tangan perantara atau responden (Wardiyanta,
ialah kepada responden yang sudah memiliki kriteria dalam penelitian. Pada
Tabel 3.1.
S
N
1% 5% 10%
10 10 10 10
15 15 14 14
20 19 19 19
25 24 23 23
30 29 28 27
… … … …
50000 663 348 270
55000 663 348 270
60000 663 348 270
… … … …
1000000 663 348 271
∞ 663 349 272
Sumber: Tabel Isaac dan Michael
s = ( )
Keterangan,
s : jumlah sampel
λ2 : Chi kuadrad yang harganya tergantung derajad kebebasan
Kuadrad)
N : jumlah populasi
populasi
penelitian dengan batas toleransi kesalahan 10% (0,1), berarti memiliki tingkat
kesalahan sebesar 10% serta nilai d = 0,05. Maka dapat ditentukan jumlah
s=
( )
=
= 274,0755596
kuesioner yaitu suatu alat penelitian berupa lembaran yang berisi daftar
Kabupaten Bantul. Data yang dikumpulkan dalam penelitian ini adalah data
primer. Data primer terdiri dari jenis kelamin responden, usia responden,
premi asuransi mitigasi bencana. Hasil dari kuesioner dan wawancara tersebut
akan dimanfaatkan sebagai pendukung dari penggunaan metode Contingent
asuransi untuk mitigasi bencana. Dalam penelitian ini terdiri dari dependent
1. Dependent Variable
EWTP =
Dimana,
n : Jumlah Responden
(i = 1,2,3,4,...n)
Nilai estimasi rata-rata willingness to pay (EWTP) ini dipakai
2. Independent Variable
2. Usia (Us) adalah rentang hidup responden yang diukur dalam tahun.
orang yang yang berada dalam satu rumah yang masih dalam
4. Pendapatan (P) adalah upah atau gaji yang diterima responden dalam
dalam tahun.
7. Status Kependudukan (SK) ialah status kependudukan yang disandang
penduduk asli.
mitigasi bencana.
9. Risk Averse (RAv) ialah upaya masyarakat agar terhindar dari risiko
yang tinggi dari suatu bencana yang akan berdampak pada besarnya
pendekatan untuk membuat model prediksi seperti halnya regresi linear atau
yang biasa disebut dengan istilah Ordinary Least Squares (OLS) regression.
Adapun model tersebut terdiri dari regresi logistik dichotomous dengan syarat
variabel terikat terdiri atas dua kategori, serta regresi logistik polytomous
dengan syarat variabel terikat terdiri atas lebih dari dua kategori. Sedangkan,
dibandingkan dengan metode lainnya. Hal ini dikarenakan metode ini tidak
memerlukan uji asumsi klasik maupun uji normalitas pada variabel bebas.
Dimana variabel bebas yang terkait dalam regresi logistik ini dapat campuran
dilaksana dengan uji ketepatan klasifikasi, uji kesesuaian model, serta uji
hipotesisnya adalah :
data empiris dengan mengetahui telah sesuai dengan model atau belum
sesuai dengan model, sehingga model bisa dikatakan fit serta layak