42 Data sekunder diperoleh dari beberapa lembaga dan instansi terkait, seperti
Badan Pusat Statistika BPS, Badan Pertanahan Nasional BPN, Dinas Pertanian dan Tanaman Pangan Kabupaten Karawang, Balai Penyuluhan Pertanian BPP
Kecamatan Banyusari, Pemerintah Desa Gempol Kolot serta Gapoktan Barokah Tani Desa Gempol Kolot. Selain itu, data sekunder juga diperoleh melalui jurnal,
hasil penelitian dan buku yang dapat dijadikan rujukan terkait penelitian. Selanjutnya data-data tersebut digunakan sebagai instrumentasi untuk menyusun
persamaan faktor-faktor yang mempengaruhi pengusahaan lahan sawah petani padi di Desa Gempol Kolot.
4.4. Metode Pengolahan Data
Pengolahan data yang dilakukan dalam penelitian ini, terbagi menjadi tiga tahapan antara lain : a tahap tabulasi, yaitu kegiatan merumuskan data dan
informasi yang diperoleh ke dalam bentuk tabel untuk memudahkan kegiatan interpretasi data; b tahap editing, yaitu penulisan data dan informasi yang
diperoleh selama kegiatan penelitian untuk mengevaluasi data dan informasi yang ada; dan c tahap interpretasi data atau analisis data. Dalam memasukkan data
yang diperoleh dari penelitian ini dibantu dengan program Microssoft Excell, sedangkan pengolahan data untuk menganalisis tujuan penelitian digunakan
program Minitab 14 for Windows. 4.5.
Metode Analisis Data
Metode analisis data yang digunakan dalam penelitian ini adalah metode kuantitatif dan metode kualitatif. Metode kuantitatif digunakan untuk mengolah
data primer yang diperoleh, menganalisis pendapatan usahatani lahan sawah, menganalisis imbangan antara penerimaan dan biaya RC rasio, menganalisis
pengeluaran rumah tangga, menganalisis lahan minimal yang seharusnya diusahakan oleh petani, serta menganalisis faktor-faktor yang mempengaruhi
pengusahaan lahan sawah petani padi dan sejauh mana pengaruh faktor-faktor tersebut terhadap pengusahaan lahan sawah dengan perumusan dan pengujian
model. Metode kualitatif digunakan untuk mengintrepretasikan dan mendeskripsikan hasil metode kuantitatif sehingga diperoleh informasi sesuai
dengan tujuan penelitian.
43
4.5.1. Analisis Pendapatan Usahatani
Semakin rendah total biaya usahatani lahan sawah, maka semakin tinggi pendapatan pengusahaan lahan sawah, sehingga petani akan memperoleh
pendapatan yang maksimal jika dapat meminimalisir biaya total usahataninya. Perhitungan pendapatan usahatani lahan sawah dirumuskan secara matematis oleh
Riyanto 2007, seperti pada persamaan berikut : GFI
= NP – BT NFI
= NP – BT + BD NFI
= NP – BTOT Dimana :
GFI = gross farm income pendapatan kotor
NFI = net farm income
pendapatan bersih NP
= nilai produksi BT
= biaya tunai usahatani BD
= biaya yang diperhitungkan BTOT = biaya total usahatani
4.5.2. Analisis Imbangan Penerimaan dan Biaya
Soeharjo dan Patong 1973 menyatakan bahwa pendapatan yang besar bukanlah sebagai petunjuk bahwa usahatani efisien. Ukuran efisiensi pendapatan
usahatani dapat diukur melalui persamaan berikut :
TC TR
C R
=
Analisis RC menunjukkan berapa besarnya penerimaan usahatani TR yang akan diperoleh petani untuk setiap rupiah biaya yang dikeluarkan TC
dalam kegiatan usahatani. Apabila usahatani memiliki nilai RC 1, berarti setiap satuan biaya yang dikeluarkan akan menambah penerimaan sebesar satu satuan,
atau dapat dikatakan usahatani tersebut sudah menguntungkan. Sebaliknya, apabila nilai RC 1 berarti setiap satuan biaya yang dikeluarkan akan
mengurangi penerimaan sebesar satu satuan, atau dapat dikatakan usahatani tersebut belum menguntungkan. Apabila kegiatan usahatani memiliki nilai RC
=1, maka kegiatan usahatani tersebut berada pada keuntungan normal, berarti setiap satu satuan biaya yang dikeluarkan, maka kegiatan usaha mampu
menghasilkan manfaat bersih sebesar satu satuan atau dapat dikatakan impas.
44
4.5.3. Analisis Pengeluaran Rumah Tangga
Semakin besar pangsa pengeluaran untuk pangan menunjukkan bahwa pendapatan RTP terkonsentrasi untuk memenuhi kebutuhan dasar. Sebaliknya,
semakin besar pangsa pengeluaran non pangan menunjukkan terjadi pergeseran posisi petani dari subsisten ke komersial, artinya jika kebutuhan primer telah
terpenuhi maka kelebihan pendapatan dialokasikan untuk memenuhi keperluan lain. Persamaan pangsa pengeluaran untuk pangan oleh Sadikin 2008 adalah :
PEP = PPn TE x 100 Dimana :
PEP = pangsa pengeluaran untuk pangan
PPn = pengeluaran untuk pangan Rp thn
TE = total pengeluaran rumah tangga petani Rp thn
Persamaan pangsa pengeluaran untuk non pangan oleh Sadikin 2008 adalah :
PENP = PPnp TE x 100 Dimana :
PENP = pangsa pengeluaran untuk non pangan PPnp = pengeluaran untuk non pangan Rp thn
TE = total pengeluaran rumah tangga petani Rp thn
4.5.4. Analisis Lahan Minimal yang Seharusnya Diusahakan
Petani padi dapat memenuhi keseluruhan pengeluaran rumah tangga dari usahatani, jika pendapatan yang diperoleh dari usahatani lahan sawah minimal
sama dengan jumlah pengeluaran rumah tangganya Sadikin, 2008. Apabila pendapatan usahatani lahan sawah tidak dapat mengimbangi pengeluaran rumah
tangganya, maka luasan lahan sawah yang diusahakan masih dinilai kurang tepat. Sebaliknya jika pendapatan usahatani lahan sawah melebihi pengeluaran rumah
tangganya, maka luasan lahan sawah yang diusahakan lebih dari cukup. Berikut persamaan untuk mengetahui luasan lahan minimal yang seharusnya diusahakan :
NFI y
HE y
× =
Dimana : y’
= luasan lahan minimal yang seharusnya diusahakan y
= luasan
aktual sebenarnya
HE = pengeluaran rumah tangga
NFI = pendapatan usahatani lahan sawah
45
4.5.5. Perumusan Model
Model yang digunakan untuk mengetahui faktor-faktor yang mempengaruhi pengusahaan lahan sawah di Desa Gempol Kolot adalah model
regresi linier berganda. Model regresi linier berganda merupakan suatu model yang menyatakan hubungan yang bersifat linier antara peubah bebas dengan
peubah tak bebas Juanda, 2008. Model ini merupakan model yang paling sederhana. Model ini memodelkan pengusahaan lahan sawah yang bertambah atau
berkurang secara linier jika faktor pengusahaan lahan sawah diubah. Adapun metode pendugaan yang digunakan dalam penelitian ini adalah
metode OLS ordinary least square. Metode statistik ini digunakan untuk mengetahui faktor-faktor yang mempengaruhi pengusahaan lahan sawah petani
padi di Desa Gempol Kolot. Model regresi linier berganda pada penelitian ini secara umum dapat dituliskan persamaanya sebagai berikut :
Y = b +b
1
X
1
+b
2
X
2
+b
3
X
3
+b
4
X
4
+b
5
X
5
+b
6
X
6
+b
7
X
7
+b
8
X
8
+b
9
X
9
+b
10
X
10
+b
11
X
11
+b
12
D
1
+b
13
D
2
+b
14
D
3
Dugaan parameter model yang digunakan dalam penelitian ini adalah : H
: b
i
= 0, i = 1,2,3,….n H
1
: b
2
, b
3
, b
4
, b
6
, b
7
, b
8
, b
9
, b
10
, b
11
, b
12
, b
13
, b
14
b
1
, b
5
Dimana : Y
= pengusahaan lahan sawah hektar b
= intersep b
i
= koefisien regresi X
1
= umur petani tahun X
2
= lama pendidikan tahun X
3
= lama pengalaman tahun X
4
= proporsi pendapatan usahatani lahan sawah terhadap total penerimaan RTP
X
5
= jumlah tanggungan keluarga orang X
6
= jumlah modal kerja usahatani Rp. X
7
= jumlah tabungan petani Rp. X
8
= proporsi penggunaan lahan sawah milik pihak lain terhadap keseluruhan pengusahaan lahan sawah
X
9
= jumlah kredit modal kerja usahatani Rp. X
10
= harga jual hasil panen Rp. ku X
11
= jumlah keikutsertaan petani dalam penyuluhan kali D
1
= perkembangan teknologi dummy D
2
= dukungan pemerintah dummy D
3
= faktor alam dummy
46
4.5.6. Pengujian Model
Setelah mengestimasi parameter regresi dengan metode OLS ordinary least square
, langkah selanjutnya yang dilakukan adalah melakukan pengujian terhadap parameter tersebut. Pengujian yang dilakukan meliputi pengujian
statistik dan ekonometrik Sandi, 2009. Jika parameter yang diestimasi sesuai dengan pengujian, maka metode OLS dapat memberikan penduga koefisien
regresi yang bersifat BLUE best linear unbiased estimator. 1
Kriteria Statistik Kriteria statistik dilakukan untuk mengetahui apakah variabel independen
atau bebas berpengaruh secara nyata atau tidak terhadap variabel dependennya atau tak bebas. Kriteria statistik pada pengujian model ini meliputi uji koefisien
determinasi R-Squared R
2
, uji F serta uji t. a
Uji Koefisien Determinasi R-Squared R
2
Untuk melihat kebaikan model digunakan ukuran kebaikan sesuai goodness of fit = R
2
. Nilai R
2
atau uji koefisien determinasi mencerminkan seberapa besar variasi atau keragaman atau presentase dari variabel dependen
yang dapat diterangkan oleh variabel independen. Nilai R
2
memiliki dua sifat yang memiliki besaran positif dan besarannya adalah 0
≤R
2
≤1. Jika R
2
bernilai nol maka keragaman dari variabel dependen tidak dapat diterangkan oleh variabel
independennya. Sebaliknya, jika R
2
bernilai satu maka keragaman dari variabel dependen secara keseluruhan dapat diterangkan oleh variabel independennya
secara sempurna, yakni 100 persen, sehingga semakin tinggi nilai R
2
, maka model yang digunakan cukup baik. Sebaliknya, jika semakin rendah nilai R
2
, maka model yang digunakan tidak baik. Koefisien determinasi dapat dirumuskan
sebagai berikut :
SST SSE
R −
= 1
2
atau
SST SSR
R =
2
Dimana : R
2
= goodness of fit SST
= jumlah kuadrat total SSE
= jumlah kuadrat galat SSR
= jumlah
kuadrat regresi
47 b
Uji F Tujuan dilakukannya pengujian parameter secara keseluruhan adalah a
untuk melihat pengaruh bersama-sama antara variabel independent dengan variabel dependen secara keseluruhan; dan b untuk mengetahui apakah variabel-
variabel bebas yang digunakan dalam model mempunyai pengaruh secara nyata terhadap variabel yang ingin dijelaskan atau tidak.
Hipotesis yang digunakan dalam pengujian ini : H
: b = 0, artinya tidak ada variabel independent yang berpengaruh terhadap pengusahaan lahan sawah
H
1
: b
≠
0, artinya minimal ada satu variabel independen yang berpengaruh terhadap pengusahaan lahan sawah
Uji statistik yang digunakan : 1
k n
JKG k
JKR Fhit
− −
= Dimana :
JKR = R
2
= jumlah kuadrat regresi JKG
= 1-R
2
= jumlah kuadrat galat k
= jumlah variabel terhadap intersep jumlah variabel bebas n
= jumlah pengamatan atau sampel Kaidah pengujian :
Jika F
hit
F
tabel
k-1; n-k atau p-value α 0,10, maka terima H
Jika F
hit
F
tabel
k-1 ; n-k atau p-value α 0,10, maka tolak H
Jika hasil pengujian menolak H maka paling tidak ada satu atau seluruh
variabel independen yang berpengaruh terhadap variabel dependennya atau signifikan secara statistik. Dengan demikian, model dugaan tepat untuk
meramalkan pengaruh antara variabel independen dengan variabel dependen pada tingkat signifikan atau tingkat kepercayaan sepuluh persen.
c Uji t
Pengujian ini digunakan untuk menghitung koefisien regresi masing- masing variabel independen sehingga dapat diketahui pengaruh nyata variabel
independen tersebut terhadap variabel dependennya.
48 Hipotesis yang digunakan dalam pengujian ini adalah :
H :
β
t
= 0 H
1
: β
t
≠
0; t = 1, 2, ......, n
Uji statistik yang digunakan :
β β
Se t
b t
− =
Dimana : b
= parameter dugaan atau nilai koefisien regresi dugaan β
t
= parameter hipotesis bernilai 0 Se
β = simpangan baku koefisien dugaan Kaidah pengujian :
Jika t
hit
t
tabel
α2 ; n-k atau p-value2 α 0,10, maka terima H Jika
t
hit
t
tabel
α2 ; n-k atau p-value2 α 0,10, maka tolak H Jika hasil pengujian menolak H
maka koefisien β duga tidak sama dengan
nol dan variabel yang diuji mempunyai pengaruh yang nyata terhadap variabel dependennya atau dengan kata lain
β duga signifikan secara statistik. Sebaliknya, jika hasil pengujian menerima H
maka koefisien duga sama dengan nol dan variabel yang diuji tidak memiliki pengaruh nyata terhadap variabel dependennya.
2 Kriteria Ekonometrik
Kriteria ekonometrik untuk mengetahui apakah parameter yang diestimasi melakukan pelanggaran atau tidak terhadap asumsi klasik OLS. Kriteria
ekonometrik pada pengujian model ini meliputi uji normalitas, uji autokorelasi, uji heterokedastisitas dan uji multikolinearitas.
a Uji Normalitas
Uji ini dilakukan untuk memeriksa apakah error term mendekati diistribusi normal. Jika asumsi ini tidak terpenuhi, prosedur pengujian
menggunakan statistik t menjadi tidak sah. Uji normalitas error term yang dilakukan dalam penelitian ini adalah dengan menggunakan uji Kolmogorov
Smirnov . Prosedur pengujiannya adalah sebagai berikut :
49 H
: error term terdistribusi normal H
1
: error term tidak terdistribusi normal Dimana jika nilai p-value pada model lebih besar dari taraf nyata yang
digunakan sepuluh persen, maka disimpulkan bahwa model persamaan memiliki error term
terdistribusi normal. b
Uji Autokorelasi Autokorelasi dapat didefinisikan sebagai korelasi antara anggota
serangkaian observasi yang diurutkan menurut waktu. Adanya autokorelasi dalam persamaan regresi dapat mengakibatkan bahwa penduga yang diperoleh dengan
menggunakan OLS tidak lagi bersifat BLUE, walaupun masih bersifat tak bias dan konsisten. Untuk mendeteksi adanya autokorelasi serrial correlation dapat
dilakukan dengan uji Durbin-Watson, sedangkan untuk melihat seberapa besar pengaruh autokorelasi, dapat ditunjukkan dari koefisien korelasinya atau
ρ . Besarnya koefisien tersebut adalah -1
ρ 1.
ρ
− =
⎟ ⎟
⎠ ⎞
⎜ ⎜
⎝ ⎛
− −
− =
∑ ∑
1 2
ˆ 1
ˆ ˆ
1 2
2 t
t t
u u
u DW
Dari persamaan diatas maka diperoleh statistik DW yaitu 0 ≤d≤4, dimana
d menggambarkan koefisien DW. Jika statistik DW bernilai 2, maka ρ
akan bernilai 0 yang berarti tidak terdapat autokorelasi. Jika statistik DW bernilai 0,
maka ρ akan bernilai satu yang berarti terdapat autokorelasi positif. Jika DW
bernilai 4, maka ρ akan bernilai -1 yang berarti terdapat autokorelasi negatif.
Untuk mengetahui terdapat tidaknya autokorelasi dapat dilihat pada Gambar 7.
Autokorelasi positif
Tidak dapat diputuskan
Tidak ada autokorelasi
Tidak dapat diputuskan
Autokorelasi negatif
d
I
d
II
4-d
I
4-d
II
1,10 1,54 2 2,46 2,90 4
Gambar 7. Penentuan Autokorelasi
Sumber : Sandi 2009
50 c
Uji Heteroskedastisitas Heteroskedastisitas merupakan gangguan atau galat yang memiliki varian
yang tidak konstan. Akibat dari adanya heterokedastisitas ini adalah varian koefisien regresi cenderung akan besar. Untuk menguji adanya heteroskedastisitas
perlu dilakukan uji Bartlet. Hipotesis yang digunakan dalam pengujian ini yaitu :
H : tidak terdapat heteroskedastisitas
H
1
: terdapat heteroskedastisitas Dengan kriteria ujinya
Probability ObsR-Squared p-value
α 0,10, maka tolak H Probability ObsR-Squared
p-value α 0,10, maka terima H
Jika menolak H maka terdapat masalah heteroskedastisitas dalam model,
sehingga terdapat galat atau gangguan dengan varian tidak konstan. Sebaliknya, jika menerima H
maka dalam model persamaan tidak terjadi heteroskedastisitas. d
Uji Multikolinearitas Multikolinearitas didefinisikan sebagai adanya korelasi yang kuat antar
variabel independen pada model persamaan. Terdapatnya multikolinearitas dalam persamaan regresi akan berdampak pada varian koefisien regresi menjadi besar
yang akan menyebabkan standar eror terlalu tinggi, sehingga kemungkinan penduga koefisien regresi menjadi tidak signifikan secara statistik. Dengan
mengetahui dampak yang ditimbulkan akibat adanya multikolinearitas di dalam persamaan regresi yang dibuat, maka dibutuhkan uji untuk mendeteksi
multikolinearitas tersebut. Uji multikolinearitas dilakukan dengan melihat koefisien korelasi antar variabel independen yang terdapat pada matriks koefisien
korelasi. Jika terdapat koefisien yang lebih besar dari 0,8 maka dapat disimpulkan terjadi multikolinearitas pada persamaan yang digunakan, dan sebaliknya. Selain
itu, pengujian masalah multikolinearitas dilakukan dengan melihat nilai VIF variance inflation factors pada setiap variabel independen, jika nilai VIF lebih
besar dari sepuluh menunjukkan adanya masalah multikolinearitas.
51
4.6. Definisi Operasional
