Analisis Fungsi Produksi Jenis Data

27 Kecamatan Nagrak, serta telah memenuhi persyaratan dari suatu metode penelitian yaitu minimal sebanyak 30 orang sesuai dengan sebaran normalnya.

4.4 Metode Pengumpulan Data

Kegiatan pengumpulan data dilakukan dengan cara melakukan pengamatan langsung dan menggunakan metode kuesioner. Data yang digunakan dalam penelitian ini adalah kegiatan usahatani kacang panjang untuk periode satu musim tanam pada bulan September 2012 – Desember 2012 . Pengamatan langsung observasi dilakukan dengan cara mengamati kegiatan ushatani kacang panjang dilokasi penelitian, kegiatan observasi ini bertujuan untuk mengidentifikasi proses serta aktivitas-aktivitas yang berkaitan dengan kegiatan usahatani kacang panjang. Selanjutnya adalah melakukan kegiatan wawancara dengan para petani kacang panjang, hal ini bertujuan mengumpulkan serta melengkapi informasi dari kegiatan pengamatan langsung di lokasi penelitian.

4.5 Jenis Data

Data primer dan sekunder yang diperoleh kemudian dianalisis dalam bentuk kuantitatif dan kualitatif. Data kuantitatif kemudian diolah dengan menggunakan bantuan pemrograman komputer misalnya Microsoft Excel, Minitab 14. Analisis kuantitatif ini bertujuan untuk mengetahui gambaran tentang pendapatan dan penggunaan faktor-faktor produksi usahatani di lokasi penelitian.

4.5.1 Analisis Fungsi Produksi

Pada kegiatan penelitian ini fungsi produksi yang digunakan untuk analisis produksi kacang panjang dapat diduga dengan menggunakan analisis fungsi produksi Cobb-Douglass. Fungsi produksi Cobb-Douglass merupakan suatu fungsi atau persamaan yang melibatkan dua atau lebih variabel dimana variabel dependen yang dijelaskan Y dan variabel yang menjelaskan X Soekartawi, 1990. Adapun tahap- tahap dalam menganalisis fungsi produksi adalah sebagai berikut : 1. Identifikasi variabel bebas dan terikat Identifikasi variabel dilakukan dengan mendaftarkan faktor-faktor produksi yang diduga berpengaruh terhadap produksi kacang panjang. Pada penelitian ini 28 penentuan variabel dependen yang digunakan merujuk pada penelitian terdahulu yang meneliti komoditas sayuran. Adapun faktor-faktor produksi yang digunakan meliputi benih, pupuk kandang, pupuk urea, pupuk TSP, Pupuk NPK, pestisida, nutrisi, tenaga kerja. Penggunaan lahan pada kegiatan penelitian kali ini tidak dimasukan kedalam model dikarenakan terdapat masalah multikolinier, sehingga fungsi produksi disini dirubah menjadi fungsi produktivitas. 2. Analisis regresi Model dari fungsi produksi Cobb-Douglass dapat ditulis sebagai berikut : Y = b X 1 b1 X 2 b2 ........X n bn e u dimana : Y = produktivitas kacang panjang X = input produksi b = besaran yang akan diduga u = kesalahan e = logaritma natural e = 2,718 Selanjutnya persamaan tersebut kemudian diubah dalam bentuk linier berganda dengan cara melogaritmakan persamaan tersebut. Adapun bentuk linier berganda rumus diatas setelah dilogaritmakan adalah : Ln Y = ln b + b 1 Ln X 1 + b 2 Ln X 2 + b 3 Ln X 3 + b 4 Ln X 4 + b 5 Ln X 5 + b 6 Ln X 6 + b 7 Ln X 7 + b 8 Ln X 8 + u dimana : Y : produktivitas kacang panjang kg b o : intercepkonstanta b1 .b8 : koefisien arah regresi masing-masing produksi X1....X8 X 1 : Benih gr X 2 : pupuk urea kg X 3 : pupuk Sp 36 kg X 4 : pupuk NPK kg X 5 : Pupuk kandang kg X 6 : Nutrisi lt X 7 : Pestisida lt X 8 : Tenaga kerja HOK u : ganggguan stokhastik atau kesalahan disturbance term 29 Menurut Gujarati 2006, untuk mendapatkan koefisien regresi parameter linier terbaik yang tidak bias maka harus memenuhi kriteria syarat metode penduga Ordinary Least Square OLS. Adapun asumsi OLS tersebut diantaranya : 1 Model linier dalam koefisien parameter 2 Tidak terdapat multikolinier dalam variabel independen 3 Komponen error tidak berpola acakrandom, menyebar normal dengan nilai tengah nol, ragamnya homogen Homoskedastisitas Selanjutnya dengan menggunakan regresi linier berganda dapat diketahui besarnya nilai t-hitung, F-hitung, dan R 2 . Nilai t-hitung digunakan untuk menguji secara statistik apakah koefisien regresi dari masing-masing parameter bebas Xn yang dipakai secara terpisah berpengaruh nyata atau tidak terhadap variabel tidak bebas Y. Sedangkan nilai F-hitung digunakan untuk mengetahui apakah variabel bebas X 1 ,X 2 ,X 3 ,X 4 ,X 5 ,X 6 ,X 7 ,X 8 , secara bersama-sama berpengaruh nyata terhadap variabel Y, jika diperleh hasil F-hitung lebih besar dari F-tabel maka variabel bebas secara bersama-sama berpengaruh nyata terhadap variabel Y. Koefisien determinasi R 2 digunakan untuk mengukur tingkat kesesuian model dugaan, yang merupakan ukuran deskriptif tingkat kesesuian antara data aktual dengan ramalannya, semakin tinggi nilai R 2 maka semakin akurat antara data aktual dengan ramalannya. 1. Pengujian Hipotesis Pengujian hipotesa ini dilakukan untuk hasil dari model fungsi produksi yang dihasilkan dari pengolahan data, pengujian yang dilakukan meliputi : A. Pengujian terhadap model penduga Pengujian ini untuk mengetaui bersama-sama apakah faktor-faktor produksi berpengaruh nyata terhadap produksi kacang panjang. Hipotesis : H : b1 = b2 =..........= bi = 0 H 1 : salah satu dri b ada ≠ 0 30 Uji statistik yang digunakan adalah uji F: Keterangan: k = Jumlah variabel termasuk intersept n = Jumlah pengamatan atau responden Kriteria uji: F-hitung F-tabel k-1,n- k pada taraf nyata α : tolak H F-hitung F-tabel k-1, n- k pada taraf nyata α : terima H Jika F-hitung F-tabel k-1,n- k pada taraf nyata α, maka dapat disimpulkan bahwa variabel bersama-sama berpengaruh nyata terhadap produksi, sedangkan jika F-hitung F-tabel k-1, n- k pada taraf nyata α, maka variabel secara bersama-sama tidak berpengaruh nyata terhadap produksi. Untuk memperkuat pengujian, dihitung besarnya koefisien determinasi R 2 , semakin tinggi nilai R 2 berarti model dugaan yang diperoleh semakin akurat untuk meramalkan variabel dependent, atau dengan kata lain tingkat kesesuian antara data aktual dengan ramalannya semakin besar. Perhitungan koefisien determinasi dapat dituliskan sebagai berikut: Nilai R 2 maksimal adalah 1 dan minimal adalah 0. Nilai R 2 mengukur besarnya keragaman total data yang dapat dijelaskan oleh model, sisanya 1-R 2 dijelaskan oleh komponen eror. B. Pengujian untuk masing-masing parameter Pengujian untuk masing-masing parameter yaitu uji-t yang menguji secara statistik bagaimana pengaruh nyata dari setiap variabel bebas X yang digunakan secara terpisah terhadap variabel variabel tidak bebas Y. t-hitung t- tabel α, n-k-1 maka tolak H t-hitung t- tabel α, n-k-1 maka terima H dimana : n = jumlah responden k = jumlah variabel 31 1 Jika tolak H , artinya variabel bebas yang digunakan berpengaruh nyata terhadap variabel tidak bebas dari nilai produksi dalam model 2 Jika terima H , artinya variabel bebas tidak berpengaruh nyata terhadap variabel tidak bebas produksi Apabila tidak menggunakan tabel, maka dapat dilihat nilai P, dengan kriteria sebagai berikut : 1 P-value α, maka variabel yang diuji faktor produksi berpengaruh nyata terhadap variabel tidak bebas produksi 2 P-value α, maka variabel yang diuji tidak berpengaruh nyata terhadap variabel tidak bebas produksi C. Pengujian Homoskedastisitas Homoskedastisitas adalah kondisi dimana komponen error pada model regresi memiliki ragam yang sama untuk setiap variabel independen. Asumsi ini dapat dilihat berdasarkan tingkat penyebaran nilai-nilai residual terhadap nilai-nilai prediksi. Jika penyebarannya tidak membentuk pola yang sistematis seperti linier atau kuadratik, maka keadaan asumsi tersebut telah terpenuhi, jika asumsi ini tidak terpenuhi maka hasil uji signifikansi koefisien regresi disetiap variabel independen tidak valid atau akurat. D. Pengujian Multikolinieritas Multikolinieritas dapat diartikan adanya hubungan linier diantara variabel independen. Uji signifikansi koefisien regresi menjadi tidak valid, jika terdapat hubungan linier antar variabel independen, terdapat banyak cara untuk menguji adanya multikolinier, yaitu dengan koefisien determinasi R 2 yang tinggi namun dari uji-t banyak variabel bebas yang tidak signifikan atau dapat juga diukur dengan Variance Inflation Faktor VIF , Jika VIF 10, maka dapat disimpulkan bahwa model dugaan ada multikoliniearitas dan jika VIF 10 maka model dugaan terbebas dari adanya multikolinieritas. 32

4.5.2 Analisis Pendapatan Usahatani Kacang Panjang