27 bentuk analisisnya adalah kegiatan menyimpulkan data mentah dalam jumlah
yang besar sehingga hasilnya dapat ditafsirkan. Pengelompokkan atau pemisahan komponen atau bagian yang relevan dari keseluruhan data, juga merupakan salah
satu bentuk analisis untuk menjadikan data mudah dikelola. Penghitungan
ketahanan pangan
dalam penelitian
ini dengan
menggunakan dua indikator yaitu ketercukupan kalori yang dikonsumsi dengan besarnya pengsa pengeluaran makanan. Hal ini adalah berdasarkan klasifikasi
silang yang digunakan Jonsson dan Toole dalam Maxwell et al. 2000. Adapun derajat ketahanan pangan rumah tangga berdasarkan ketercukupan gizi dan
pangsa pengeluaran ditampilkan pada Tabel 5. Tabel 5 Derajat Ketahanan Pangan Rumah Tangga
Ketercukupan kalori Pangsa Pengeluaran Makanan
Rendah 60 Tinggi
≥ 60 Cukup 80
Tahan Pangan food secure
Rentan Pangan vulnerable
Kurang ≤ 80
Kurang Pangan questionable
Rawan Pangan food insecure
Sumber: Jonsson dan Toole dalam Maxwell et al. 2000 Pangsa pengeluaran pangan adalah rasio pengeluaran untuk belanja
pangan dan pengeluaran total penduduk selama sebulan. Pangsa pengeluaran pangan penduduk diperoleh dengan menggunakan data di tingkat rumah tangga
kemudian dibagi dengan jumlah anggota rumah tangga. Besar pangsa pengeluaran terhadap total pengeluaran diperoleh dari data Susenas BPS. Perhitungan pangsa
pengeluaran pangan pada berbagai kondisi, yaitu agregat, desa-kota, dan berbagai kelompok pendapatan penduduk menggunakan formula berikut:
= × 100
dimana, PP = Pangsa pengeluaran pangan
EP = Pengeluaran untuk belanja pangan Rpbulan TP = Total pengeluaran Rpbulan
28
3.2.2. Analisis Regresi Model Tobit Data Panel
Data yang dipergunakan dalam analisis ekonometrika dapat berupa data time series
, data cross section, atau data panel. Data panel panel data merupakan gabungan data cross section dan data time series. Dengan kata lain,
data panel merupakan unit-unit individu yang sama yang diamati dalam kurun waktu tertentu. Secara umum, data panel dicirikan oleh T periode waktu t =
1,2,...,T yang kecil dan n jumlah individu i = 1,2,...,n yang besar. Namun tidak menutup kemungkinan sebaliknya, yakni data panel terdiri atas periode waktu
yang besar dan jumlah individu yang kecil. Regresi dengan menggunakan data panel disebut dengan model regresi data panel.
Menurut Hsiao dan Klevmarken dalam Baltagi 2005, beberapa keuntungan penggunaan data panel adalah sebagai berikut:
1 Data panel mampu mengontrol heterogenitas individu. 2 Data panel dapat memberikan data yang lebih informatif, memiliki variabilitas
yang lebih besar, mengurangi kolinearitas antar peubah serta meningkatkan derajat kebebasan yang artinya meningkatkan efisiensi.
3 Data panel lebih mampu untuk mempelajari dynamics of adjustment. 4 Data panel lebih mampu mengidentifikasi dan mengukur efek yang secara
sederhana tidak terdeteksi dalam cross section murni atau time series murni. 5 Model data panel memungkinkan untuk membangun dan menguji model
perilaku yang lebih kompleks, misalnya fenomena skala ekonomi dan perubahan teknologi.
6 Data panel pada level mikro yang dikumpulkan menurut individu, perusahaan, dan rumah tangga dapat diukur secara lebih akurat dibandingkan variabel yang
sama yang diukur pada level makro. 7 Data panel makro memiliki time series yang lebih panjang dan tidak seperti
pada analisis time series yang memiliki masalah distribusi non standar dari uji unit root
. Misalkan y
it
merupakan nilai varabel terikat untuk unit cross section ke-i pada waktu ke-t dengan i = 1, 2,…, N dan t = 1, 2,…,T . Dan misalkan terdapat K
variabel penjelas yang masing-masing diberi indeks j = 1, 2,…,K serta dinotasikan sebagai
, yang menyatakan nilai variabel penjelas ke-j untuk unit
