FORECASTING BIAYA PENGADAAN AIR, PENGELOLAAN

SAMPAH, LIMBAH DAN DAUR ULANG DI SULAWESI

TENGGARA MENGGUNAKAN ANALISIS REGRESI

OLEH:

LA SARIMA
G2E121015

TUGAS EKONOMI SUMBER DAYA ALAM DAN LINGKUNGAN

JURUSAN ILMU EKONOMI PASCASARJANA

UNIVERSITAS HALU OLEO
KENDARI
2021
LATAR BELAKANG
Implementasi konsep Sustainable development menjadi tantangan utama di Indonesia,
tak terkecuali bagi Sulawesi Tenggara. Hal penting yang harus diperhatikan dalam
pengembangan environmentally Sustainable mengacu pada aktivitas layanan untuk
menyediakan air, keamanan, kesehatan, pengumpulan sampah, dan ruang terbuka
hijau pada publik dengan kemungkinan biaya terendah ditinjau dari aspek dampak
terhadap ekonomi, sosial, dan lingkungan.

Desain proses yang buruk tentu akan berdampak pada peningkatan biaya operasional
dan mengakibatkan masalah yang serius jika meninjau konsekuensi yang diakibatkan
terhadap lingkungan dan masyarakat. Proses pengumpulan dan pembuangan sampah
kota yang buruk menyebabkan pengurangan nilai estetika lingkungan, banjir, dan
polusi lingkungan (udara, air, dan tanah). Selain itu juga dapat mempengaruhi
kesehatan manusia, berbahaya bagi biota darat dan laut, serta juga mengakibatkan
efek terhadap perkembangan ekonomi seperti pengaruhnya terhadap pariwisata.
Situasi ini juga diperburuk oleh tingginya angka sampah yang dihasilkan sebagai hasil
dari meningkatnya angka urbanisasi, pertumbuhan penduduk, pembiayaan yang tidak
memadai, sikap pembuangan sampah masyarakat yang buruk, penggunaan sumber
daya yang tidak efisien, kurang tepatnya instrumen pemerintah, dan penerapan
teknologi yang tidak tepat.

Berdasarkan data dari BPS Sulawesi Tengga Tahun 2020, proyeksi jumlah penduduk
Sulawesi Tenggara mengalami peningkatan dari tahun ke tahun. Pertumbuhan jumlah
penduduk ini merupakan salah satu faktor kritis dari peningkatan jumlah sampah di
Sulawesi Tenggara. Selain jumlah penduduk, faktor lain yang mempengaruhi jumlah
sampah adalah tingkat perekonomian, dimana semakin baik tingkat ekonomi pada
suatu kota maka akan menghasilkan sampah yang lebih banyak pula. Peningkatan
ekonomi dan jumlah penduduk Sulawesi Tenggara berdampak signifikan pada
peningkatan produksi sampah.

Oleh karena itu, dalam penelitian ini, penulis akan melakukan forecasting biaya
pengadaan air, pengelolaan sampah, limbah dan daur ulang agar kebijakan
penanganan pencemaran di Sulawesi Tenggara lebih terukur.
TUJUAN

Melakukan forecasting biaya pengadaan air, pengelolaan sampah, limbah dan daur
ulang di Sulawesi Tenggara

METODOLOGI

Data yang digunakan adalah PDB pengeluaran sulawesi tenggara sektor pengadaan
air, pengelolaan sampah, limbah dan daur ulang dari tahun 2010 - 2020.

(X2) pengadaan air,

pengelolaan sampah,
limbah dan daur ulang
Tahun (juta rupiah) Tahun_ke

2010 19451 1

2011 103392 2

2012 119052 3

2013 130165 4

2014 139232 5

2015 143133 6

2016 155881 7

2017 156066 8

2018 164968 9

2019 171463 10

2020 177116 11

Metode statistik yang digunakan dalam penelitian ini adalah dengan regresi linear
sederhana.
PROSEDUR DALAM ANALISIS REGRESI

1. Pendugaan parameter model

Yi = 0 + 1Xi + i

Yi merupakan nilai dari variabel dependent pada observasi ke-i

0 dan 1 merupakan parameter model

i merupakan komponen error (pengaruh variabel bebas lain selain variabel

X)

Xi adalah nilai variabel bebas X pada observasi ke-i

n adalah banyaknya data observasi (sampel)

2. Penilaian ketepatan model (goodness of fit) dan pemeriksaan asumsi

 Koefisien Determinasi (R2)

Mengukur proporsi keragaman total dari nilai observasi Y di sekitar rataannya yang
dapat diterangkan oleh garis regresinya atau variabel bebas yg digunakan.

Nilainya: 0 ≤ R2 ≤ 1, makin mendekati 1 berarti model regresi yg digunakan makin

tepat/baik
 Beberapa asumsi yang harus dipenuhi dalam regresi linear sederhana
adalah

- Yi (Variabel Tak Bebas/Dependent Variable)

merupakan random variable/bersifat stochastic

- Xi (Variabel bebas/Independent Variable) bersifat

fixed/non stochastic (bukan merupakan random

variable)

- E(i) = 0

- E(i j ) = E(εi2 ) = 2 untuk i = j (Homoscedastic)

- E(i j ) = 0 untuk i  j (Non autocorrelation)

- i merupakan random variable yang terdistribusi secara bebas dan indentik

mengikuti distribusi normal dengan rata-rata 0 dan varian 2 atau biasa
dituliskan sebagai

i ~ NID(0, 2)
 PEMBAHASAN

Dari hasil pengolahan data dengan metode regresi linear sederhana menggunakan
motode enter dengan variabel dependen pengelolaan sampah terlebih dahulu
dilakukan uji asumsi regresi untuk mengetahui apakah model yang digunakan dapat
digunakan secara tepat untuk meramalkan/forecasting biaya pengadaan air,
pengelolaan sampah, limbah dan daur ulang di Sulawesi Tenggara

Adapun hasil output SPSS dari pengujian asumsi sebagai berikut:

Pemeriksaan Asumsi Kenormalan

Dari pengujian asumsi kenormalan pada variabel pengelolaan sampah di Sulawesi

Tenggara dari tahun 2010 - 2020 menunjukkan bahwa dari kurva P-P plot terlihat data
tersebut berdistribusi normal
Pemeriksaan Asumsi Multikolinearitas

Dari output SPSS terlihat bahwa nilai Variance Inflation Factor (VIF) bernilai 1,000,
dimana nilai VIF kurang dari 10. Ini berarti bahwa data yang digunakan untuk analisis
tidak mengandung unsur multikolinearitas

Pemeriksaan Asumsi Autokorelasi

Dari hasil pemeriksaan autokorelasi terlihat bahwa nilai Durbin-Watson sebesar

1,104. nilai ini lebih kecil dari 2. sehingga data yang digunakan tidak berautokorelasi.

Penilaian Ketepatan Model

Dari nilai koefisien determinasi R Square sebesar 0,745 mendekati 1. Ini artinya, model
regresi yang digunakan sudah baik untuk melakukan peramalan biaya pengadaan air,
pengelolaan sampah, limbah dan daur ulang di Sulawesi Tenggara.

Dari hasil uji Anova juga menunjukkan bahwa model yang dihasilkan sudah
signifikan secara statistik untuk melakukan forecasting. Dimana nilai signifikasi
sebesar 0.001 atau lebih kecil dari 0.05.

Pembentukan Model
Dari output SPSS, model yang terbentuk untuk forecasting biaya pengadaan air,
pengelolaan sampah, limbah dan daur ulang di Sulawesi Tenggara adalah

Yi = 65439,473 + 11516,436 Xi (satuan juta rupiah)

Dimana i adalah 1 …n, dimana 1 = tahun 2010, 2 = tahun 2011, 3 = tahun 2012 dan
seterusnya.

Forecasting Deployment

Dari model yang terbentuk, maka dapat dilakukan peramalan untuk biaya pengadaan
air, pengelolaan sampah, limbah dan daur ulang tahun 2021 dengan menggantikan Xi
dengan 12, sehingga diperoleh

Y2021 = 65439,473 + 11516,436 x 12 = 203636,705 (juta rupiah),

KESIMPULAN

Telah dilakukan forecasting terhadap biaya pengadaan air, pengelolaan sampah,

limbah dan daur ulang dengan menggunakan metode regresi linear sederhana dengan
parameter (65439,473) dan (11516,436)2.
DAFTAR PUSTAKA

Bps Sultra. PDRB Sultra Menurut Kelompok Pengeluaran tahun 2010-2020.

Fitriasturik, Eka. 2020. Forecasting Timbulan Sampah Kota Surabaya Menggunakan

Time Series Analysis. Vol. 9, No. 2, (2020).

Fitria Widiyanto, Agnes. 2015. Jurnal Kesehatan Masyarakat. 10 (2) (2015)

Kurniawan, Robert. 2016. Analisis Regresi. Jakarta: Prenada Media.

Prio Utomo, Agung. 2015. Analisis Regresi. Jakarta: STIS.

Sumarwoto.1987. Ekologi Lingkungan Hidup dan Pembangunan. Jakarta: Djembatan.