26 Keterangan:
� = Rente ekonomi Rp
TR = Total penerimaan Rp
TC = Total biaya Rp
Menentukan solusi optimal pengelolaan sumberdaya tuna sirip kuning atau madidihang, maka digunakan model estimasi parameter Clarke, Yoshimoto, dan
pooley CYP. Pendekatan ini dilakukan dalam rangka mencari keuntungan maksimum dari kegiatan periakanan tangkap.
Perhitungan dengan metode Clarke, Yoshimoto, dan Pooley CYP ini dapat dilihat pada tabel 3.
Tabel 3. Analisis Bioekonomi Berbagai Rezim Pengelolaan Perikanan
Variabel Rezim Pengelolaan
Sole Owner MSY
Open Access
Biomassa x
Hasil tangkapan h
Tingkat upaya E Rente sumberdaya
π Sumber: Tinungki, 2005
4.4.4 Analisis Ekonometrika
Analisis yang
digunakan untuk
mengetahui faktor-faktor
yang mempengaruhi kesejahteraan nelayan adalah analisis regresi linear berganda
27 dengan metode OLS Ordinary Least Square. Faktor-faktor yang diduga
mempengaruhi kesejahteraan nelayan dalam usaha perikanan tangkap tuna sirip kuning atau madidihang tersebut antara lain adalah biaya operasional, ukuran
kapal, jumlah ABK, tingkat pendidikan dan umur nelayan. Hubungan ini secara matematis dirumuskan pada persamaan 4.13.
�
= +
1 1
+
2 2
+
3 3
+
4 4
+
5 5
+ �
�
………………. 4.16
Dimana : Y
= Produksi ton X
1
= Biaya operasional per trip Rp X
2
= Ukuran kapal GT X
3
= Jumlah ABK Orang X
4
= Umur nelayan Tahun D
5
= Tingkat pendidikan nelayan 0 = SD, 1 = SMP, 2 = SMA α
= konstanta
1
,
2
,
3
,
4
,
5
= koefisien regresi masing-masing variabel ε
i
= sisaan
4.4.5. Pengujian Parameter
Menurut Sapta 2009, suatu model akan diuji berdasarkan hipotesis yang diajukan. Pengujian hipotesis berdasarkan statistik bertujuan untuk melihat nyata
atau tidaknya variabel-variabel bebas yang dipilih terhadap variabel tak bebas. Pengujian ini menggunakan nilai-P P-value. Bedasarkan nilai-P,dapat diketahui
berapa persen variabel-variabel bebas mempengaruhi variabel tak bebas. Setelah melakukan pendugaan parameter koefisien regresi, selanjutnya harus diuji terlebih
dahulu asumsi-asumsi dari model regresi tersebut sebelum melakukan pengujian model secara keseluruhan uji-F dan pengujian mengenai masing-masing
koefisien regresi uji-t.
28
4.4.6. Uji Kolinearitas Ganda Multicollinearity
Menurut Juanda 2009, salah satu asumsi dari model regresi ganda adalah bahwa tidak ada hubungan linear sempurna antar peubah bebas dalam model
tersebut. Jika hubungan tersebut ada, maka dapat dikatakan bahwa dalam model tersebut terdapat multikolinearitas. Deteksi adanya multikolinearitas dalam sebuah
model dapat dilakukan dengan membandingkan besarnya nilai koefisien determinasi R
2
dengan koefisien determinasi parsial antar dua peubah bebas r
2
. Kolinear ganda dapat dianggap tidak masalah apabila koefisien determinasi
parsial antar dua peubah bebas tidak melebihi nilai koefisien determinasi atau koefisien korelasi berganda antar semua peubah secara simultan. Namun
multikolinearitas dianggap sebagai masalah serius jika koefisien determinasi parsial antar dua peubah bebas melebihi atau sama dengan nilai koefisien
determinasi atau koefisien korelasi berganda antar semua peubah secara simultan.
Keterangan : VIF
: variance inflation factor Rj
2
: koefisien determinasi Masalah multicollinearity juga dapat dilihat langsung melalui output komputer,
dimana jika nilai VIF 10 maka tidak ada masalah multicollinearity.
4.4.7. Uji Heteroskedastisitas
