40 TP
= Nilai produk yang merupakan hasil perkalian jumlah output dengan harga
BT = biaya tunai BD = biaya diperhitungkan
Analisis pendapatan usahatani selalu disertai dengan pengukuran efisiensi suatu usahatani terhadap suatu penggunaan modal yang digunakan yang
digambarkan oleh nilai rasio penerimaan dan biaya yang merupakan perbandingan antara penerimaan kotor yang diterima usahatani dari setiap rupiah yang
dikeluarkan dalam proses produksi. Usahatani dapat dikatakan layak untuk diusahakan apabila nilai RC rasio lebih besar dari satu. Semakin besar nilai RC
rasio maka semakin menguntungkan usahatani tersebut. Perhitungan RC rasio dapat dirumuskan sebagai berikut.
RC
rasio atas biaya tunai
= =
RC
rasio atas biaya total
= =
Keterangan: Y
= total produksi Py
= harga produk BT
= biaya tunai BD
= biaya diperhitungkan
4.5. Analisis Efisiensi Teknis Menggunakan
Fungsi Produksi Stochastic Frontier
Fungsi produksi yang digunakan dalam penelitian ini adalah fungsi produksi stochastic frontier Cobb Douglas yang digunakan untuk menganalisis
efisiensi teknis usahatani dari sisi input dan faktor-faktor yang mempengaruhi efisiensi teknis. Fungsi ini dipilih karena memiliki bentuk yang sederhana, dapat
dibuat dalam bentuk fungsi linear, dan jarang menimbulkan multikolinear. Faktor-faktor produksi yang digunakan dalam analisis ini adalah luas
lahan, jumlah benih, jumlah pupuk kimia, jumlah pupuk kandang, jumlah tenaga kerja, dan jumlah pestisida. Variabel-variabel ini dipilih berdasarkan
41 pertimbangan dari jenis komoditi ini dan cara pembudidayaannya serta
berdasarkan hasil penelitian terdahulu yang berhubungan dengan sayuran. Dengan memasukkan enam peubah bebas ke dalam persamaan, maka model persamaan
penduga fungsi produksi stochastic frontier Cobb-douglass dari usahatani dapat ditulis sebagai berikut.
δn Y = +
1
LnX
1
+
2
LnX
2
+
3
LnX
3
+
4
LnX
4
+
5
LnX
5
+
6
LnX
6
+ V
i
-U
i
dimana: Y
= produksi baby buncis dalam satuan kilogram X
1
= luas lahan dalam satuan meter persegi X
2
= jumlah benih dalam satuan gram X
3
= jumlah pupuk kimia dalam satuan Kg X
4
= jumlah pupuk kandang dalam satuan Kg X
5
= jumlah pestisida dalam satuan liter X
6
= jumlah tenaga kerja dalam satuan HOK V
i
-U
i
= error term U
i
=
μ
i
= efek inefisiensi teknis dalam model ζilai koefisien yang diharapkan:
1
,
2
,
3
,
4
,
5
, dan
6
0. Nilai koefisien yang positif berarti dengan meningkatkan masukan input diharapkan akan dapat
meningkatkan hasil produksi baby buncis. Salah satu keuntungan menggunakan fungsi produksi Cobb-Douglas
adalah jumlah elastisitas dari masing-masing faktor produksi yang diduga merupakan pendugaan skala usaha return to scale
. Bila Σ
j
1, berarti proses produksi berada pada skala usaha yang menurun decreasing return to scale. Bila
Σ j =1, berarti proses produksi berada pada skala usaha yang tetap constan return to scale
. Bila Bila Σ j 1, berarti proses produksi berada pada skala usaha yang meningkat increasing return to scale. Beattie dan Taylor 1985 menyatakan
bahwa fungsi produksi Cobb-Douglas hanya beroperasi pada daerah I increasing return to scale dan II decreasing return to scale.
Pada model stochastic frontier dilakukan metode pendugaan MLE Maximum Likelihooh Estimated melalui proses dua tahap. Tahap pertama
menggunakan metode OLS Ordinary Least Square untuk menduga parameter teknologi dan input-
input produksi
m
dan tahap kedua menggunakan metode
42 εδE untuk menduga keseluruhan parameter yaitu parameter produksi
m
, intersep
, dan varians dari kedua komponen kesalahan V
i
dan U
i
dan .
Metode OLS ditujukan untuk menggambarkan kinerja rata-rata best-fit dari proses produksi petani pada tingkat teknologi yang ada. Asumsi OLS yang
harus dipenuhi adalah idak terdapat heteroskedastisitas, tidak terdapat autokorelasi, dan tidak terdapat multikolinearitas. Kemudian digunakan metode
MLE Maximum Likelihood Estimated untuk menggambarkan kinerja terbaik best practice dari petani dalam melakukan proses produksi baby buncis.
Metode inefisiensi teknis yang digunakan dalam penelitian ini mengacu pada model efek inefisiensi teknis yang dikembangkan oleh Coelli et al. 1998.
Variabel Ui yang digunakan untuk mengukur efek inefisiensi teknis, diasumsikan bebas dan distribusinya terpotong normal dengan N
μ
i
,
2
. Dalam penelitian ini faktor-faktor yang diperkirakan mempengaruhi
tingkat inefisiensi teknis petani baby buncis adalah umur petani, pengalaman bertani buncis, pendidikan formal, lama bermitra dengan ICDF, dan dummy
bertani sebagai pekerjaan utama atau tidak. Dengan demikian parameter distribusi
μ
i
efek inefisiensi teknis pada penelitian ini adalah:
μ
i
= + Z
1 1
+ Z
2 2
+ Z
3 3
+ Z
4 4
+ d
5
+ w
i
dimana:
μ
i
= efek inefisiensi teknis Z
1
= umur petani dalam satuan tahun Z
2
= pengalaman bertani baby buncis dalam satuan bulan Z
3
= pendidikan formal dalam satuan tahun Z
4
= lama bermitra dengan ICDF dalam satuan tahun d
= dummy bertani sebagai pekerjaan utama atau tidak; 1 untuk bertani sebagai pekerjaan utama dan 0 untuk bertani sebagai pekerjaan sampingan.
Dasar penentuan memilih variabel ini karena; 1 Variabel yang mempengaruhi inefisiensi teknis haruslah variabel karakteristik atau sosial
ekonomi pertanian yang secara tidak langsung mempengaruhi produksi. 2 Variabel yang mempengaruhi inefisiensi teknis tidak boleh menggunakan variabel
input atau variabel produksi. 3 Variabel yang mempengaruhi inefisiensi teknis
43 tidak boleh ada pada persamaan fungsi produksi. 4 Variabel umur, pendidikan
formal, dan pengalam bertani telah banyak diuji oleh peneliti-peneliti sebelumnya baik dalam maupun luar negeri. 5 Variabel lama bermitra dipakai untuk melihat
dampak kemitraan terhadap tingkat efisiensi teknis petani. 6 Variabel dummy bertani sebagai pekerjaan utama atau tidak untuk melihat dampak pekerjaan utama
sebagai bertani terhadap efisiensi teknis. Beberapa hipotesis yang dikemukakan untuk model efek inefisiensi teknis
tersebut berdasarkan penelitian terdahulu adalah sebagai berikut. 1. Semakin tua umur petani diharapkan akan mempertinggi tingkat inefisiensi,
karena minat untuk menerapkan teknologi baru semakin berkurang. 2. Semakin lama pengalaman usahatani baby buncis diharapkan akan
memperkecil tingkat inefisiensi teknis petani. Pengalaman yang diperoleh petani pada usahatani sebelumnya membuat petani menjadi lebih baik lagi
dalam melakukan usahatani baby buncis 3. Semakin tinggi tingkat pendidikan formal petani diharapkan akan
memperkecil tingkat inefisiensi teknis petani. Tingginya tingkat pendidikan akan membuat petani memiliki pola pikir yang lebih baik dan mampu
menerima teknologi baru dan menyerap informasi tentang input-input produksi yang lebih baik.
4. Semakin lama bermitra dengan ICDF diharapkan dapat menurunkan tingkat inefisiensi teknis petani. Semakin lama bermitra dengan ICDF maka semakin
banyak teknologi yang diserap oleh petani sehingga dapat menerapkan teknologi tersebut dalam usahatani dan menurunkan inefisiensi teknis.
5. Dengan bertani sebagai pekerjaan utama diharapkan dapat mengurangi inefisiensi teknis petani. Karena dia akan melakukan produksi seoptimal
mungkin dan ia menghabiskan lebih banyak waktu pada kegiatan usahatani. Pendugaan nilai multikolinearitas dapat diperoleh dengan menggunakan
program SPSS 17.0 yang merupakan tahap pertama dengan menggunakan metode OLS. Sedangkan tahap kedua seluruh parameter baik dalam fungsi stochastic
frontier maupun dalam model efek inefisiensi secara simultan dapat diperoleh dengan menggunakan program Frontier 41. Pengujian seluruh parameter uji
44 tersebut menggunakan tingkat kepercayaan 1, 5, 10, dan 15, sedangkan
uji yang digunakan adalah uji generalized likelihood-ratio satu arah. Kemudian untuk pengukuran tingkat efisiensi teknis TE petani ke-i
adalah nilai harapan -U
i
. Analisis efisiensi teknis dapat diukur dengan menggunakan rumus berikut Coelli, et al.. 1998 :
TE
i
= =
= exp -U
i
Karena TE
i
adalah efisiensi teknis petani ke-i dan Y
i
adalah fungsi ouput deterministik tanpa error term, exp -Ui adalah nilai harapan mean dari Ui,
jadi 0 ≤ TEi ≤ 1. Nilai efisiensi teknis tersebut berhubungan terbalik dengan nilai efek inefisiensi teknis dan hanya digunakan untuk fungsi yang memiliki jumlah
output dan input tertentu cross section data.
4.6. Uji Hipotesis
