21
2. Merumuskan data yang diperoleh ke dalam bentuk tabel untuk menghindari kesimpangsiuran interpretasi serta sekaligus untuk mempermudah interpretasi
data. 3. Menghubungkan hasil penelitian yang diperoleh dengan kerangka pemikiran
yang digunakan dalam penelitian, dengan tujuan mencari arti atau memberi interpretasi yang lebih luas dari data yang diperoleh.
Analisis deskriptif akan memperoleh gambaran mengenai karakteristik alih fungsi lahan pertanian, kerugian akibat alih fungsi lahan serta dampaknya terhadap
ketahanan pangan.
4.4.2 Analisis Laju Alih Fungsi Lahan
Laju alih fungsi lahan dapat ditentukan dengan cara menghitung laju alih fungsi lahan secara parsial. Laju alih fungsi lahan secara parsial dapat dijelaskan
sebagai berikut: � =
�
−
�−1 �−1
× 100 ………………………………………………….…..….…..4.1
dimana: V
= laju alih fungsi lahan Lt
= luas lahan tahun ke-t ha Lt-1
= luas lahan sebelumnya ha Laju alih fungsi lahan dapat ditentukan melalui selisih antara luas lahan
tahun ke-t dengan luas lahan tahun sebelumnya t-1. Kemudian dibagi dengan luas lahan tahun sebelumnya dan dikalikan dengan 100 persen. Hal ini dilakukan
juga pada tahun-tahun berikutnya sehingga diperoleh laju alih fungsi lahan setiap tahun. Nilai V0 berarti bahwa luas lahan tersebut mengalami penyusutan.
4.4.3 Analisis Regresi Linear Berganda
Dalam mengkaji faktor-faktor yang mempengaruhi penurunan lahan akibat alih fungsi lahan pertanian digunakan model analisis regresi linear berganda.
Analisis regresi adalah sebuah alat analisis statistik yang memberikan penjelasan tentang pola hubungan antara dua variabel atau lebih. Tujuan dari analisis
regresi ini adalah meramalkan nilai rata-rata satu variabel. Metode ini sebenarnya menggambarkan hubungan antara peubah bebas atau independent Y dengan
22
peubah tak bebas atau dependent X dan sering disebut dengan peubah penjelas. Faktor-faktor yang diduga berpengaruh terhadap kegiatan alih fungsi lahan di
tingkat wilayah adalah: 1.
PDRB Produk Domestik Regional Bruto PDRB merupakan salah satu indikator yang
dapat menggambarkan pertumbuhan ekonomi. Semakin besar pertumbuhan ekonomi suatu wilayah dapat mempercepat terjadinya perubahan struktur
ekonomi kearah sektor manufaktur, jasa, dan sektor non pertanian lainnya. Hal ini akan menggeser peruntukkan lahan dari pertanian ke non pertanian.
2. Laju Pertumbuhan Penduduk persen
Jumlah penduduk mempengaruhi permintaan lahan. Semakin meningkat jumlah penduduk maka permintaan lahan terutama untuk pembangunan
infrastruktur, sarana dan prasarana akan semakin tinggi sehingga mendorong penurunan luas lahan sawah akibat alih fungsi lahan sawah yang semakin
tinggi. 3.
Jumlah Industri Industri merupakan salah satu hal yang menyebabkan alih lahan pertanian.
Permintaan terhadap lahan dari masing-masing sektor saling bersaingan. Jika jumlah industri bertambah maka lahan yang dibutuhkan oleh industri tersebut
juga bertambah. Ada indikasi luas pertanian akan dialihfungsikan menjadi industri jika jumlah industri tersebut semakin bertambah. Hipotesis pada
penelitian ini adalah semakin banyak jumlah industri yang ada maka semakin besar pula alih fungsi lahan yang terjadi.
4. Proporsi Luas Lahan Sawah Terhadap Luas Wilayah persen
Peningkatan luas lahan sawah karena adanya pencetakan sawah baru menyebabkan terjadinya pembangunan yang dilakukan di atas lahan sawah
akan semakin besar. Semakin luas proporsi luas lahan sawah terhadap luas wilayah maka akan semakin tinggi penurunan luas lahan sawah akibat alih
fungsi lahan yang terjadi. Persamaan model regresi linear berganda untuk mengetahui faktor yang
mempengaruhi alih fungsi lahan adalah sebagai berikut: Y = α + β
1
X
1
+ β
2
X
2
+ β
3
X
3
+ β
4
X
4
+ ε...........................................................4.2
23
Tanda yang diharapkan: β
1
β
2
β
3
β
4
Dimana: Y = penurunan lahan pertanian akibat alih fungsi lahan m2
α = intersep X
1
= faktor-faktor yang diduga mempengaruhi alih fungsi lahan β
1
= koefisien Regresi ε = Eror Term
Model analisis regresi linear berganda merupakan metode analisis yang didasarkan pada metode Ordinary Least Square OLS. Konsep dari metode least
square adalah menduga koefisien regresi β dengan meminimumkan kesalahan
error. Ordinary least square OLS dapat menduga koefisien regresi dengan baik karena: 1 memiliki sifat tidak bias dengan varians yang minimum efisien
baik linear maupun bukan, 2 konsisten, dengan meningkatnya ukuran sampel maka koefisien regresi mengarah pada nilai populasi yang se
benarnya, serta 3 β0 dan β1 terdistribusi secara normal Gujarati 2002.
Model ini mencangkup hubungan banyak variabel terdiri dari satu variabel dependent
dan berbagai variabel independent. Sebagai langkah awal pengujian dilakukan pengujian ketelitian dan kemampuan model regresi. Pengujian model
regresi diperlukan dalam penelitian ini terdiri dari tiga pengujian, yaitu uji koefisien determinasi R-squared, Uji F, dan Uji t. Untuk mengetahui seberapa
jauh pengaruh peubah-peubah dalam persamaan akan mempengaruhi alih fungsi lahan pertanian akan uji statistik sebagai berikut:
1. Uji Koefisien Determinasi R-squared
Nilai R-squared mencerminkan seberapa besar keragaman dari variable dependen yang dapat diterangkan oleh variabel independen. Nilai R-squared
memiliki besaran yang positif dan besarannya adalah 0 R-squared 1. Jika nilai R-squared bernilai nol maka artinya keragaman variabel dependen tidak dapat
dijelaskan oleh variabel independennya. Sebaliknya, jika nilai R-squared bernilai
24
satu maka keragaman dari variabel dependen secara keseluruhan dapat diterangkan oleh variabel independennya secara sempurna. R-squared dapat
dirumuskan sebagai berikut: R
3
=
ESS TSS
..............................................................................................................4.3 Dimana:
ESS = Explained of Sum Squared TSS = Total Sum of Squared
2. Uji t
Uji t dilakukan untuk menghitung koefisien regresi masing-masing variabel independen sehingga dapat diketahui pengaruh variabel independen tersebut
terhadap variabel dependennya. Adapun prosedur pengujiannya yang diungkap Gujarati 2002:
H0 : β1 = 0 H0 : β1 ≠ 0
� =
�−
�
�
............................................................................................................. 4.4 Dimana:
b = parameter dugaan
βt = parameter Hipotesis
Seβ = standar error parameter β Jika t hitung n-
k t tabel α2, maka H0 diterima, artinya variabel berarti variable Xi tidak berpengaruh nyata terhadap Y. Namun, jika t hitung n-k t tabel
α2, maka H0 ditolak, artinya variabel Xi berpengaruh nyata terhadap Y. 3.
Uji F Uji F dilakukan untuk mengetahui pengaruh variabel independent atau bebas
Xi secara bersama-sama terhadap variabel dependent atau tidak bebas Y. Adapun prosedur yang digunakan dalam uji F:
H0 = β1 = β2 = β3 = .... = βi = 0 H1 = minimal ada satu βi ≠ 0
ℎ��
=
−1 �−
.................................................................................................4.5
25
Dimana: JKR
= jumlah Kuadrat Regresi JKG
= jumlah Kuadrat Galat K
= jumlah variabel terhadap intersep n
= jumlah pengamatansampel Apabila F hitung F tabel maka H
diterima dan H
1
ditolak yang berarti bahwa variabel bebas X
1
tidak berpengaruh nyata terhadap variabel tidak bebas Y. Sedangkan apabila F hitung F tabel maka H
ditolak dan H
1
diterima yang berarti bahwa variabel X
1
berpengaruh nyata terhadap variabel Y. Model yang dihasilkan dari regresi linear berganda haruslah baik. Jika tidak
baik maka akan mempengaruhi interpretasinya. Agar diperoleh model regresi linear berganda yang baik, maka model harus memenuhi kriteria BLUE Best
Linear Unbiased Estimator . BLUE dapat dicapai bila memenuhi asumsi klasik.
Uji asumsi klasik merupakan pengujian pada model yang telah berbentuk linear untuk mendapatkan model yang baik. Setelah model diregresikan kemudian
dilakukan uji penyimpangan asumsi. a.
Uji Normalitas Uji normalitas bertujuan untuk melihat apakah model tersebut baik atau tidak.
Model dikatakan baik jika mempunyai distribusi normal atau hampir normal. Uji yang dapat dilakukan dengan membuat histogram normalitas. Nilai probability
yang lebih besar dari taraf nyata α menandakan residual terdistribusi secara normal.
b. Uji Autokorelasi
Autokorelasi terjadi jika ada korelasi serial antara residual. Korelasi tersebut terjadi karena residual saling mempengaruhi satu sama lain sehingga residual
tersebut tidak bebas. Korelasi tersebut menyebabakan penduga OLS menjadi tidak efisien lagi. Cara mendeteksi autokorelasi dapat digunakan dengan menggunakan
uji Breusch-Godfrey. Uji ini dilakukan dengan meregresikan residual dengan lag residual dan semua regresor. Hasil regresi tersebut akan diperoleh koefisien
determinasi Prob. Chi-Square untuk mengetahui autokorelasi. Jika nilai tersebut lebih besar dari taraf α yang digunakan maka tidak ada permasalahan autokorelasi.
26
c. Uji Multikolinearitas Jika suatu model regresi berganda terdapat hubungan linear sempurna antar
peubah bebas dalam model tersebut, maka dapat dikatakan model tersebut mengalami multikolinearitas. Terjadinya multikolinearitas menyebabkan R-
squared tinggi namun tidak banyak variabel yang signifikan dari uji t. Ada
berbagai cara untuk menentukan apakah suatu model memiliki gejala multikolinearitas. Salah satu cara yang digunakan adalah uji Varian Infiaction
Factor VIF. Cara ini sangat mudah, hanya melihat apakah nilai VIF untuk
masing-masing variabel lebih besar dari 10 atau tidak. Bila nilai VIF lebih besar dari 10 maka diindikasikan model tersebut mengalami multikolinearitas.
Sebaliknya, jika VIF lebih kecil dari 10 maka diindikasikan bahwa model tersebut tidak mengalami multikolinearitas yang serius.
d. Uji Heteroskedastisitas Masalah heteroskedastisitas biasanya sering terjadi dalam data cross section.
Salah satu cara dalam mendeteksi heteroskedastisitas adalah dengan transformasi terhadap peubah respon dilakukan dengan tujuan untuk menjadikan ragam
menjadi homogen pada peubah respon hasil transformasi tersebut. Untuk mendeteksi masalah heterokedastisitas dapat dilakukan uji White, dengan
meregresikan variabel-variabel bebas terhadap nilai absolute residualnya. Jika nilai signifikan dari hasil uji White lebih besar
dari α maka tidak terdapat heteroskedastisitas dan sebaliknya.
4.4.4 Analisis Regresi Logistik