Kawasan Timur Indonesia KTI

31 jam kerja, upah pekerja, dan lain-lain. Variabel terikat pengeluaran membeli rumah akan bernilai nol jika unit observasinya tidak membeli rumah. Begitupula untuk variabel jam kerja atau upah kerja akan bernilai nol jika sampel yang diobservasi tidak bekerja. Salah satu tujuan dari penelitian ini adalah menganalisis faktor-faktor yang memengaruhi ketahanan pangan di KTI, dimana variabel terikatnya adalah jumlah rumah tangga dalam bentuk persentase. Masalah yang dihadapi adalah bila dalam suatu kabupaten tidak terdapat rumah tangga yang tahan pangan, maka data persentase rumah tangga tahan pangan tidak akan tersedia atau bernilai 0. Dengan demikian sampel dapat dibagi menjadi dua kelompok, yaitu n1, sampel yang mempunyai informasi variabel bebas dan variabel terikat persentase rumah tangga tahan pangan, dan sisanya n2 adalah sampel yang hanya mempunyai informasi variabel bebas tetapi tidak mempunyai informasi variabel terikat. Sampel dimana informasi variabel terikat hanya ada untuk beberapa observasi dikenal dengan censored sample atau sampel tersensor yang dikenal dengan model tobit Gujarati, 2004. Model tobit data panel dapat dituliskan sebagai berikut Maddala, 1987: ∗ = + = 1, 2, …. , 3.7 = ∝ + = 1, 2, …. , 3.8 ∝ ~ 0, ∝ 3.9 ~ 0, 3.10 = ∗ jika ∗ 3.11 Misalkan: = 1 jika ∗ 3.12 = 0 selainnya Fungsi log kemungkinannya log-likelihood adalah: = ∑ 1 − d Log ∅ ∝ , + ∑ − − −∝ − , ′ 3.13 Tidak seperti pada model linier, sepanjang jumlah observasi cross section tetap T tetap dan biasanya kecil, hal ini tidak mungkin untuk mengestimasi secara konsisten fixed effects ∝ dan hal ini juga menyebabkan estimasi dan 32 tidak konsisten Maddala, 1987. Model tobit panel bersyarat belum bisa diestimasi secara fixed effect karena tidak ada statistik yang mengijinkan fixed effect dijelaskan oleh fungsi likelihood. Honore telah mengembangkan estimator semiparametrik untuk model tobit fixed effect. Namun, estimasi model tobit fixed effect sifatnya masih bias. Selain itu, Kalwij 2004 menyatakan alasan utama pendekatan random effect lebih dipilih dibandingkan fixed effect adalah karena pendekatan random effect menghasilkan model spesifik yang dapat digunakan untuk menghitung marginal effects.

3.3. Spesifikasi Model

Ketahanan pangan diperlukan bagi kelangsungan hidup suatu generasi. Oleh karena itu, penghitungan pangan yang representatif, akan berpengaruh sangat penting terhadap kebijakan yang diambil untuk ketersediaan pangan yang cukup bagi suatu daerah. Peubah respon yang digunakan pada penelitian ini adalah persentase rumah tangga yang tahan pangan di masing-masing kabupatenkota di Kawasan Timur Indonesia. Sedangkan faktor-faktor yang diduga mempengaruhi ketahanan pangan adalah produksi pangan, rasio panjang jalan, persentase penduduk miskin, persentase perempuan buta huruf, rata-rata lama sekolah, dan PDRB per kapita. Model yang digunakan untuk mengetahui faktor-faktor yang mempengaruhi ketahanan pangan regional diambil dari model Demeke dan Zeller 2009 yang dimodifikasi dengan sistem ketahanan pangan FAO 2007 sehingga menghasilkan persamaan sebagai berikut: = + + + ln + + + ln + + 3.14 Dimana: TAHAN = Persentase rumah tangga tahan pangan persen PRO = Produksi pangan per kapita tonkapitatahun JAL = Rasio panjang jalan kmkm 2 MISKIN = Persentase penduduk miskin persen PDRB = PDRB per kapita juta rupiah BUTA = Persentase perempuan buta huruf persen RLS = Rata-rata lama sekolah tahun