55 kondisi fisik yang baik dari nelayan. Sebaran nelayan responden berdasarkan
umur dapat dilihat pada Tabel 17.
Tabel 17. Jumlah Nelayan Responden Berdasarkan Sebaran Umur
Umur Nelayan Frekuensi Persentase
25 – 36
13 43
37 – 48
14 47
49 – 60
3 10
Jumlah 30
100
Sumber: Data Primer, Diolah 2012 Tabel 17 menunjukkan sebaran umur nelayan tuna madidihang yang ada di
Bolok, Kabupaten Kupang dengan persentase terbesar berada pada range umur 37-48 tahun dengan nilai 47, sedangkan persentase terendah berada pada range
umur 49-60 dengan nilai 10.
6.8 Hasil Uji Statistik
Analisis yang dilakukan untuk menduga faktor-faktor yang mempengaruhi kesejahteraan nelayan adalah analisis regresi linear berganda dengan metode OLS
Ordinary Least Square. Faktor produksi yang diduga mempengaruhi produksi madidihang yaitu biaya operasional, ukuran kapal, jumlah ABK, tingkat
pendidikan dan umur nelayan. Analisis ini dilakukan dengan menguji faktor- faktor yang mempengaruhi produksi menggunakan metode statistik dan pengujian
asumsi ekonometrika dengan menggunakan perangkat lunak Minitab 15.
Tabel 18. Hasil Analisis Faktor yang Mempengaruhi Pendapatan Nelayan
Prediktor Koefisien
Standar Error
T-Hitung P-Value
VIF
56
Konstanta 2,5757
0,9689 2,66 0,014
Biaya Operasional 0,5920
0,2352 2,52 0,019
3,648 Ukuran Kapal
0,0565 0,2181
0,26 0,798 3,845
Jumlah ABK -0,1143
0,1996 -0,57 0,572
1,438 Tingkat Pendidikan
-0,1925 0,2096
-0,92 0,368 1,110
Umur -0,081455
0,02114 -0,87 0,391
1,104 R-sq
46,7 R-sq adj
35,6
Analysis of Variance Source
DF SS
MS F P
Regression 5
12,4444 2,4889 4,20
0,007 Residuak Error
24 14,2106
0,5921 Total
29 26,6550
Sumber: Data Primer, Diolah dengan Minitab 15 2012 Berdasarkan Tabel 18, model statistik untuk menduga faktor-faktor yang
mempengaruhi terhadap pendapatan nelayan dapat dikatakan layak dan memenuhi kriteria. Hal ini dapat dilihat dari R-sqadj model yaitu sebesar 35,6. Penelitian
yang berkaitan dengan lingkungan dapat mentolerir nilai R-sqadj sampai dengan 15 persen Mitchell dan Carson, 1989 dalam Hanley dan Spash, 1993. Hal ini
dapat ditolerir karena penelitian tentang lingkungan berhubungan dengan perilaku manusia, sehingga nilai R-sqadj tidak harus tinggi. Nilai R-sqadj sebesar
35,6 menyatakan bahwa variabel-variabel biaya operasional, ukuran kapal, jumlah ABK, tingkat pendidikan, serta umur nelayan dapat menjelaskan
keragaman sebesar 35,6 dan sisanya 64,4 dari keragaman dijelaskan oleh variabel-variabel lain diluar model. Variabel-variabel diluar model yang dimaksud
adalah data jumlah trip per tahun dan data biaya investasi yang tidak dapat diperoleh karena alasan tertentu dari nelayan responden. Nilai F-hitung sebesar
4,2 dengan nilai p-value 0,007 menjelaskan bahwa secara umum variabel-variabel dalam model berpengaruh nyata secara bersama-sama terhadap pendapatan
nelayan pada taraf nyata α 5. Nilai t-hitung dari setiap variabel independen
57 menyatakan tingkat kontribusi variabel tersebut terhadap pendapatan nelayan tuna
madidihang. Dalam model regresi linear berganda, variabel-variabel yang diduga berpengaruh
terhadap pendapatan nelayan tuna madidihang adalah sebagai berikut: a.
Biaya Operasional Kegiatan penangkapan tuna madidihang sangat bergantung kepada biaya
operasional yang mencakup biaya bahan bakar kapal, perbekalan, biaya untuk membeli umpan dan biaya lainnya selama nelayan melakukan trip. Hasil regresi
perangkat lunak Minitab 15 menunjukkan bahwa biaya operasional memiliki hubungan yang positif terhadap pendapatan nelayan tuna madidihang yang berarti
bahwa semakin banyak biaya yang dikeluarkan maka pendapatan akan meningkat. Dalam penelitian ini, nilai koefisien biaya operasional sebesar 0,5920 yang berarti
bahwa setiap kenaikan penggunaan biaya operasional sebesar 1 Rupiah akan meningkatkan pendapatan tuna madidihang sebesar 0,5920 Rupiah. Dalam
penelitian ini, biaya operasional merupakan satu-satunya faktor yang mempengaruhi pendapatan nelayan tuna madidihang. Hal ini terbukti dengan nilai
p-value yang kurang dari taraf nyata 5 menunjukkan bahwa biaya operasional dalam penelitian ini memiliki pengaruh yang nyata terhadap produksi tuna
madidihang. b.
Ukuran Kapal Ukuran kapal dalam kegiatan penangkapan tuna madidihang mempunyai
hubungan yang positif terhadap produksi madidihang. Hasil uji statistik menunjukkan bahwa koefisien ukuran kapal sebesar 0,0565, yang artinya
kenaikan ukuran kapal sebesar 1 GT akan meningkatkan pendapatan sebesar
58 0,0565 ton. Ukuran kapal dalam penelitian ini tidak menjadi salah satu faktor
yang mempengaruhi pendapatan, ditunjukkan dengan p-value sebesar 0,798. Ukuran kapal responden nelayan lokal dalam penelitian ini sangat kecil, yaitu
berukuran 3 GT hingga 7 GT dibanding dengan kapal milik perusahaan yang berukuran diatas 30 GT. Biaya investasi yang terbatas dari nelayan lokal dalam
kegiatan penangkapan tuna madidihang menjadi salah satu faktor yang mempengaruhi ukuran kapal nelayan lokal. Hal inilah yang menyebabkan ukuran
kapal tidak berpengaruh nyata terhadap pendapatan nelayan responden. c.
Jumlah ABK Hasil uji statistik menunjukkan bahwa jumlah anak buah kapal atau ABK
memiliki nilai koefisien yang negatif yaitu -0,1143 dengan p-value sebesar 0,572. Hal ini berarti setiap penambahan 1 orang ABK akan menurunkan pendapatan
sebesar 0,1143 Rupiah. Jumlah ABK dalam penelitian ini tidak berpengaruh nyata terhadap pendapatan nelayan.
d. Tingkat Pendidikan
Hasil uji statistik menunjukkan bahwa tingkat pendidikan nelayan responden memiliki nilai koefisien yang negatif yaitu -0,1925 dengan p-value sebesar 0,368.
Hal ini berarti semakin tinggi tingkat pendidikan nelayan hanya akan menurunkan pendapatan, yaitu sebesar 0,1925 Rupiah. Tingkat pendidikan nelayan responden
dalam penelitian ini tidak berpengaruh nyata terhadap pendapatan.
e. Umur
59 Hasil uji statistik menunjukkan bahwa umur nelayan responden memiliki nilai
koefisien yang negatif yaitu -0,01845 dengan p-value sebesar 0,391. Hal ini berarti jika bertambah satu tahun umur nelayan akan menurunkan pendapatan
sebesar 0,01845 Rupiah. Umur nelayan responden dalam penelitian ini tidak berpengaruh nyata terhadap pendapatan.
Uji Kriteria Ekonometrika
a. Uji Multikolinearitas
Uji multikolinearitas terhadap suatu model regresi berganda dilakukan untuk memastikan tidak adanya hubungan linear yang terjadi antara variabel-variabel
independen faktor produksi. Pengujian ini dilakukan dengan melihat nilai dari Variance Inflation Factor VIF. Suatu model memiliki multikolinearitas jika nilai
VIF dari setiap variabel pada model bernilai lebih dari 10. Berdasarkan hasil uji statistik pada Tabel 21, nilai VIF dari kelima faktor yang menjadi variabel
independen pada model memiliki nilai kurang dari 10. Hal ini menunjukkan bahwa variabel-variabel independen dalam analisis regresi linear berganda tidak
memiliki hubungan linear satu sama lain. b.
Uji Normalitas dan Heteroskedastisitas Uji normalitas untuk analisis regresi linear berganda dilakukan dengan uji statistik
Kolmogorov-Smirnov KS berdasarkan Lampiran 7. Hasil yang diperoleh pada uji KS tersebut yaitu nilai rata-rata -8,73375E-16, nilai standar deviasi 0,7000,
jumlah pengamatan 30 reponden, nilai Kolmogorov-Smirnov KS 0,164, dan p- value lebih dari 4. Terlihat bahwa nilai KS-hitung lebih kecil dari KS-tabel
0,242. Hal ini menunjukkan bahwa residual telah mengikuti distribusi secara normal, sehingga asumsi kenormalan residual telah terpenuhi.
60 Uji heteroskedastisitas terhadap suatu model regresi berganda dilakukan untuk
memastikan varian unsur gangguan error adalah konstan. Model regresi yang didapat
diharapkan memenuhi
asumsi homoskedastisitas.
Pendeteksian heteroskedastisitas dapat dilakukan dengan metode grafik, yaitu dengan melihat
pola penyebaran titik-titik pada scatterplot. Model regresi dikatakan memenuhi asumsi homoskedastisitas jika sebaran titik-titik pada grafik tidak membentuk
pola tertentu atau pola yang terbentuk tidak jelas, dan titik-titik menyebar di atas dan di bawah angka nol pada sumbu Y. Gambar 5 a dan b masing-masing
menunjukkan sebaran kenormalan residual dan homoskedastisitas.
Gambar 9. Grafik Model Analisis Regresi Linear Berganda a
Grafik Uji Kenormalan b
Grafik Homoskedastisitas
c. Uji Autokorelasi
Uji autokorelasi dilakukan untuk melihat apakah terdapat hubungan antar galat dalam persamaan regresi yang diperoleh. Model yang baik adalah model yang
terbebas dari autokorelasi, sehingga kesalahan prediksi selisih antara data asli dengan data hasil regresi bersifat bebas untuk setiap variabel independen. Hasil
uji statistik menunjukkan nilai Durbin-Watson statistic sebesar 1,65. Berdasarkan Firdaus 2004, daerah keputusan 1,55
– 2,46 merupakan daerah tidak adanya a
b
61 autokorelasi dalam suatu model, maka dengan nilai 1,65 pada model analisis
regresi linear tersebut menunjukkan bahwa model ini terbebas dari autokorelasi.
6.9 Analisis Surplus Produsen Nelayan Tuna Madidihang
