Metode Analisis

F. Metode Analisis

Metode analisis data yang akan digunakan dalam penelitian ini, yaitu :

1. Analisis Regresi Linier Berganda

Untuk mengetahui seberapa besar variabel independen dalam hal ini luas lahan, bibit, pupuk, pestisida dan tanaga kerja mempengaruhi hasil produksi kedelai sebagai variabel dependen. Maka dilakukan regresi terhdap fungsi Cobb Douglas dengan metode OLS (Ordinary Least Square). Dalam penelitian Fauziyah (2007) fungsi produksi Coob Douglas untuk menganalisis usahatani kedelai dapat dituliskan dalam bentuk linear yang dilogaritmakan sebagai berikut :

Ln Y i = β 0 +β 1 LnX 1i +β 2 LnX 2i +β 3 LnX 3i +β 4 LnX 4i +β 5 LnX 5i +u i

commit to user

Keterangan: Y = hasil produksi tanaman kedelai (Kg)

β 0 = konstanta β 1... β 5= koefisien regresi variabel

X 1= luas lahan (m 2 )

X 2= tenaga kerja (HOK)

X 3 = bibit (Kg)

X 4 = pupuk (Kg)

X 5 = pestisida/ obat-obatan (L) ui = error term

i = Responden 1-100

Pengujian validasi model dilakukan dengan cara sebagai berikut :

a. Uji Asumsi Klasik Untuk melihat apakah regresi bermasalah atau tidak dan supaya menghasilkan koefisien regresi yang tidak bias maka dalam penelitian ini digunakan metode kwadrat terkecil (OLS = Ordinary Least Square) untuk mencari koefisien regresi. Agar diperoleh koefisien regresi yang linier terbaik tidak bias harus dipenuhi beberapa asumsi klasik. Uji multikolinearitas, autokorelasi dan heteroskedastisitas dilakukan untuk mengetahui apakah ada pelanggaran terhadap asumsi-asumsi klasik tersebut atau tidak ( Gujarati, 1999) .

1) Uji Multikolinearitas

Multikoloniaritas berarti adanya hubungan linier yang sempurna atau pasti, diantara beberapa atau semua variabel yang

commit to user

menjelaskan dari model regresi (Gujarati, 1999). Untuk mengetahui ada tidaknya hubungan diantara variabel bebas dalam model regresi, dapat dideteksi dengan menggunakan metode Auxiliary Regression dengan pendekatan Koutsoyiannis,

yaitu dengan membandingkan nilai r 2 dengan nilai R 2 . Model dikatakan terbebas dari masalah multikolinearitas jika nilai r 2 <

2) Uji Autokorelasi

Autokorelasi adalah adanya korelasi diantara angota observasi yang diurutkan menurut waktu (seperti data dalam deret berkala) atau ruang (seperti data lintas-sektoral) (Gujarati, 1999). Untuk menguji ada tidaknya autokorelasi maka dapat digunakan Uji Breush-Godfrey (B-G Test) dengan menggunakan program Eviews, (B-G Test) dilakukan dengan lankah-langkah sebagai berikut (Winarno, 2009):

a) Meregres persamaan regresi untuk mendapatkan nilai obs*R-squared dan nilai probabilitas.

b) Ada tidaknya masalah autokorelasi pada model dapat diketahui dengan membandingkan nilai probabiltas dengan tingkat s ignifikansi yang digunakan (α = 5%). Dengan kriteria sebagai berikut :

- Bila probabilitas > α = 5%, berarti tidak ada autokorelasi - Bila probabilitas ≤ α = 5%, berarti ada autokorelasi

commit to user

3) Uji Heteroskedastisitas

Heteroskedastisitas terjadi apabila varian dari unsur-unsur disturbance (Ui) adalah σ 2 , menunjukkan ketidaksamaan observasi (bervariasinya observasi satu ke observasi yang lain). Hal ini dapat ditunjukkan simbol (Gujarati,1999):

E (Ui) = σ2i : i = 1, 2, 3, … n

Apabila tiap unsur disturbance (Ui) merupakan suatu angka konstan yang sama dengan σ 2 , maka hal ini disebut

homoskedastis. Secara simbol dapat dituliskan sebagai berikut (Gujarati, 1999):

E (Ui) = σ2 : i = 1, 2, 3, … n

Untuk menguji ada tidaknya heteroskedastisitas dalam model dapat digunakan beberapa cara, dan salah satunya dengan melakukan Uji White menggunakan program Eviews. Dalam Uji White ada tidaknya maslah heteroskedastisitas dapat diketahui dengan cara melihat nilai probabilitasnya, apabila nilai probabilitas > α =5% maka tidak terjadi masalah heteroskedastisitas. Selain itu jugamembandingkan nilai Obs*R-

Squared dengan nilai χ 2 tabel, dengan ketentuan sebagau berikut

(Winarno, 2009) :

- Apabila nilai Obs*R-Squared < nilai χ 2 tabel maka tidak

ada masalah heteroskedastisitas.

- Apabila nilai Obs*R-Squared > nilai χ 2 tabel maka terjadi

masalah heteroskedastisitas.

commit to user

b. Uji Statistik 1) Uji F Untuk mengetahui apakah variabel independen secara bersama-sama mempengaruhi variabel dependen secara

signifikan, maka dilakukan pengujian variabel-variabel independen secara keseluruhan dan serentak. Uji F dapat dilakukan dengan langkah sebagai berikut (Gujarati, 1999):

a) Ho : β 1 =β 2 =β 3 =β 4 =β 5 = 0 (tidak ada pengaruh antara variabel bebas terhadap variabel tidak bebas secara bersama-sama).

Ha : β 1 ≠β 2 ≠β 3 ≠ β 4 ≠ β 5 ≠ 0 (ada pengaruh antara variabel bebas terhadap variabel tidak bebas secara bersama-sama). b) Tingkat keyakinan (level of significance) α = 0,05

F tabel: Fα ; k – 1; n – k

c) Daerah kritis

Ho diterima apabila F tabel ≤ Fα; k -1 ; k(n – 1) Ho ditolak apabila F > F α; k -1 ; k(n – 1)

Daerah terima

Daerah tolak

F tabel F tabel = Fα; k-1 ; n – k

Gambar 3.1. Daerah Terima dan Daerah Tolak Uji F

commit to user

d) F hitung :

F hitung =

e) Kesimpulan Ho diteri ma apabila F hitung ≤ F tabel, dapat dikatakan bahwa semua koefisien regresi secara bersama-sama tidak signifikan pada tingkat α Ho ditolak apabila F hitung > F tabel, dapat dikatakan bahwa semua koefisien regresi secara bersama-sama signifikan pada tingkat α

2) Uji R 2 (Koefisien Deteminasi) Untuk mengetahui besarnya pengaruh dari variabel independen terhadap naik turunnya variabel dependen, maka

digunakan R 2 . Dirumuaskan sebagai berikut (Gujarati,1999):

Keterangan :

k = Banyaknya parameter dalam model, termasuk unsur

intersep. n = Banyaknya observasi.

3) Uji t Pengaruh dari satu variabel independen terhadap variabel dependen dapat diketahui melalui uji t. Adapun langkahnya adalah sebagai berikut (Gujarati,1999):

commit to user

a) Ho :βi = 0 (tidak signifikan) Ha : βi > 0 (signifikan)

b) Nilai t tabel:

Keterangan : α = derajat signifikansi

n = jumlah data yang diobservasi k = jumlah parameter dalam model termasuk intersep

c) Daerah kritis

Daerah tolak

Daerah terima

Daerah tolak

- T tabel

+ T tabel

Gambar 3.2. Daerah Terima dan Daerah Tolak Uji t

d) T hitung:

T hitung =

e) Kesimpulan Apabila t hitung > t tabel atau t hitung < -t tabel maka Ho ditolak, berarti signifikan. Hal ini dapat dikatakan bahwa X i secara statistik berpengaruh terhadap Y pada tingkat α Apabila t hitung < t tabel maka Ho diterima berarti tidak signifikan. Hal ini dapat dikatakan bahwa X i secara statistik tidak berpengaruh terhadap Y pada tingkat α

commit to user

2. Pengujian Skala Hasil (Return to Skill)

Analisis skala hasil menunjukan hubungan antara perbandingan perubahan semua input dan perubahan output yang diakibatkannya, skala usaha digolongkan menjadi 3 macam incresing, decreasing , atau constant return to scale. Skala usaha dari suatu unit produksi dapat diketahui dengan cara menjumlahkan elastisitas βı +

β 2 + β 3 + β 4 + β 5 (Soekartawi, 2003) :

a. Decreasing return to scale, bila ( βı + β 2 + β 3 +β 4 + β 5 < 1). Artinya proporsi penambahan faktor produksi melebihi proporsi penambahan produksi.

b. Constant return to scale, bila (βı + β 2 + β 3 +β 4 + β 5 = 1). Artinya penambahan faktor produksi akan proporsional dengan penambahan produksi yang diperoleh.

c. Increasing return to scale, bila (βı + β 2 + β 3 +β 4 + β 5 > 1). Artinya bahwa proporsi penambahan faktor produksi akan menghasilkan tambahan produksi yang proporsinya lebih besar.

3. Pengujian Efisiensi Teknis

Efisiensi teknis dapat diketahui dengan membandingkan antara jumlah perubahan penggunaan faktor-faktor produksi dengan jumlah perubahan hasil produksi. Efisiensi teknis diperoleh apabila koefisien elastisitas produksinya (Ep) = 1, yaitu apabila (Soekartawi, 2003) :

commit to user

MPPxi = APPxi Menghitung MPPxi dengan cara sebagai berikut: Kriteria :

a. MPPxi > APPxi, berarti penggunaan input belum mencapai efisiensi teknis.

b. MPPxi < APPxi, berarti penggunaan input tidak mencapai efisiensi teknis.

c. MPPxi = APPxi, berarti penggunaan input sudah mencapai efisiensi teknis. Dalam fungsi produksi Cobb-Duoglass, tinggi rendahnya efisiensi teknis dapat dilihat pada besarnya nilai konstanta, semakin besar nilai konstanta maka semakin tinggi pula tingkat efisiensi dalam penggunaan input.

4. Pengujian Efisiensi Ekonomis

Untuk menguji efisiensi ekonomis digunakan cara sebagai berikut (Soekartawi, 2003) :

NPMxi = Pxi atau

=1

Rumus dari NPM adalah :

NPM = MPxi . Pq

Rumus dari MPPx adalah :

MPxi =

commit to user

Kriteria :

a. Jika MPPx i >

maka pengunaan faktor produksi belum

mencapai efisiensi.

b. Jika MPPx i <

maka pengunaan faktor produksi tidak

mencapai efisiensi.

c. Jika MPPx i =

maka pengunaan faktor produksi sudah

mencapai efisiensi Efisiensi ekonomis dapat tercapai jika nilai MPP dari suatu faktor produksi sama dengan perbandingan antara harga faktor produksi

yang bersangkutan dengan harga hasil produksi.

commit to user