commit to user 16
G. Definisi Operasional
1. Pendapatan adalah total semua pemasukan dikurangi semua biaya yang dikeluarkan.
2. Sapi perah adalah ternak sapi yang mempunyai tujuan utama memproduksi susu.
3. Model regresi linier berganda adalah model regresi yang digunakan untuk membuat hubungan antara satu variabel terikat dan beberapa variabel
bebas. 4. Analisis pendapatan berguna untuk mengetahui pendapatan yang diperoleh
dalam satu periode tertentu. 5. Investasi merupakan nilai kandang, peralatan, dan nilai ternak.
6. Total penerimaan pada usaha sapi perah meliputi penerimaan dari penjualan susu, penjualan pedet, dan penjualan pupuk kandang.
7. Total biaya produksi meliputi biaya tetap yaitu biaya penyusutan kandang dan peralatan, dan biaya variabel meliputi biaya pakan konsentrat, biaya
pakan hijauan, biaya upah tenaga kerja, biaya obat-obatan, dan biaya Inseminasi Buatan IB dihitung pertahun.
8. Pendapatan bersih usaha ternak sapi merupakan selisih antara penerimaan usaha ternak pertahun dengan biaya produksi pertahun Siregar, 2009.
H. Metode Analisis Data
1. Analisis data hipotesis pertama Data dianalisis dengan menggunakan metode analisis pendapatan.
Pendapatan dapat dihitung dengan rumus:
Keterangan : π
= Pendapatan TR
= Total penerimaan TC
= Total biaya Soekartawi, 2003. 2. Analisis hipotesis kedua
Faktor produksi dianalisis dengan model Pendekatan Teknik Ekonometri menggunakan analisis regresi linier berganda model fungsi
π = TR – TC
commit to user 17
produksi Cobb Douglas alat bantu Software Eviews 7, dengan model penduga sebagai berikut:
ln Y = β
+ β
1
lnX
1
+ β
2
lnX
2
+ β
3
lnX
3
+ β
4
lnX
4
+ β
5
lnX
5
+ β
6
lnX
6
+ u Keterangan :
Ln Y = Tingkat pendapatan peternak Y dipengaruhi berbagai faktor
produksi dalam memelihara sapi perah. β
= Koefisien intercept konstanta X
1
= Biaya pakan konsentrat rupiah X
2
= Biaya pakan hijauanrupiah X
3
= Biaya obat-obatan rupiah X
4
= Biaya IB rupiah X
5
= Biaya tenaga kerja rupiah X
6
= Biaya sapi laktasi rupiah u
= Kesalahan disturbance term β
1,
β
2,
β
3,
β
4,
β
5,
β
6
= Koefisien regresi Widarjono, 2007. Koefisien didapatkan dari masing-masing variabel, selanjutnya
dilakukan uji asumsi klasik untuk menguji apakah model penelitian ini dapat digunakan atau tidak sehingga akan menghasilkan koefisien regresi
yang tidak bias, dan uji statistik yang menentukan tingkat signifikannya. a. Uji asumsi klasik
Menurut Gujarati 1999, uji asumsi klasik untuk mencari koefisien regresi dengan metode kuadrat terkecil OLS = Ordinary least Square
yang bertujuan untuk melihat apakah regresi bermasalah atau tidak sehingga akan menghasilkan koefisien regresi yang tidak bias. Perolehan
koefisien regresi linier yang terbaik tidak bias harus dipenuhi beberapa asumsi klasik. Pelanggaran terhadap asumsi-asumsi klasik tersebut dapat
diketahui melalui pengujian terhadap gejala multikolinieritas dan heteroskedastisitas.
1 Uji asumsi klasik multikolinieritas Multilinieritas tidak terjadi jika koefisien korelasi antar
variabel bebas lebih besar dari 0,85. Nilai r
2
R
2
berarti tidak ada
commit to user 18
gejala multilinieritas, tetapi jika r
2
R
2
maka model tersebut mengandung masalah multilinieritas Widarjono, 2007.
2 Uji asumsi klasik heterokedastisitas Persamaan regresi berganda perlu diuji mengenai sama atau
tidak varians dari residual dari observasi yang satu dengan observasi yang lain. Residual yang mempunyai varians yang sama disebut terjadi
homoskedastisitas. Homoskedastisitas terjadi pada scatterplot titik–titik hasil
pengolahan data menyebar dibawah atau diatas titik origin angka 0 pada sumbu Y tidak mempunyai pola yang teratur. Homoskedastisitas
terjadi jika pada scatterplot titik – titiknya mempunyai pola yang teratur, baik menyempit, melebar maupun bergelombang–gelombang
Sunyoto, 2009. b. Uji Statistik
1 Uji F Fisher test Uji F digunakan untuk mengetahui pengaruh independent
variable secara bersama-sama terhadap dependent variable secara signifikan atau tidak. Prosedurnya sebagai berikut Gujarati, 1999.
a Tingkat keyakinan level of signifinance a = 0.05 b Kriteria Pengujian
F tabel = Fa; n-k;k-1 Ho diterima apabila F tabel
≤ Fa;K-1;K n-1 Ho ditolak apabila F tabel Fa;K-1;K n-1
c Menentukan F hitung F hitung =
K N
R -
1 1
- K
R
2 2
2 R
2
Koefisien determinasi Koefisien Determinasi R
2
digunakan untuk menunjukkan sampai seberapa besar variansi independent variable yang dapat
dijelaskan oleh variansi. Rumus R
2
sebagai berikut:
commit to user 19
R
2
Adjusment =
K -
N 1
- N
R -
1 1
2
Keterangan : K = Banyaknya parameter dalam model, termasuk unsurintersep
N = Banyaknya observasi Gujarati, 1999. 3 Uji t
Uji t digunakan untuk menguji signifikan pengaruh masing– masing variabel independen. Langkah-langkah uji t sebagai berbagai
berikut: a Ho : bI = 0 tidak signifikan
Ha : bi 0 signifikan b Nilai t tabel = ta N – K
2 a = Derajat signifikan
N = Jumlah data diobservasi K = Jumlah parameter dalam model termasuk intersep
c Kesimpulan t hitung t tabel maka Ho ditolak atau menerima Ha yang
berarti signifikan. t hitung t tabel, maka Ho diterima berarti tidak signifikan
Gujarati, 1999.
commit to user 20
IV. HASIL DAN PEMBAHASAN