Tabel 3. Matriks Metode Analisis Data No
Tujuan Penelitian Sumber Data
Metode Analisis Data
1 Mengidentifikasi laju alih fungsi
lahan di Kota Depok Data sekunder
Persamaan laju alih fungsi lahan
2 Mengidentifikasi faktor-faktor
yang mempengaruhi alih fungsi lahan pertanian di tingkat
wilayah Kota Depok Data Sekunder
Analisis regresi linier berganda
3 Mengidentifikasi faktor-faktor
yang mempengaruhi alih fungsi lahan pertanian di tingkat petani
Data primer wawancara
menggunakan kuesioner
Analisis regresi logistik
4 Mengestimasi dampak terjadinya
alih fungsi lahan pertanian. Data primer
wawancara menggunakan
kuesioner Analisis estimasi
produksi dan nilai produksi
Data yang diperoleh dalam penelitian dianalisis secara kualitatif dan kuantitatif. Pengolahan dan analisis data dilakukan secara manual dan
menggunakan komputer dengan melalui program Microsoft Office Excel 2007, Statistical Program and Service Solution 20 , dan Eviews 7.
4.4.1 Analisis Laju Alih Fungsi Lahan Dalam menentukan laju alih fungsi lahan, dibutuhkan identifikasi wilayah
yang berupa luas lahan sawah per tahunnya. Setelah itu menentukan tahun awal terjadinya alih fungsi lahan dengan adanya perubahan luasan saat sebelum hingga
sesudah terjadinya alih fungsi lahan. Selanjutnya, mengkalkulasi perbandingan luasan lahan per tahun sehingga bisa terlihat perbandingan luas lahan sebelum
terjadi alih fungsi lahan hingga terjadinya alih fungsi lahan. Laju alih fungsi lahan dapat ditentukan dengan cara menghitung laju alih
fungsi secara parsial dan kontinu Sutandi 2009 dalam Astuti 2011. Dalam penelitian ini, laju alih fungsi lahan hanya menggunakan perhitungan laju alih
fungsi lahan secara parsial. Analisis dengan persamaan ini dapat melihat persentase laju konversi lahan yang terjadi di Kota Depok setiap tahunnya dari
tahun 2001 hingga 2012. Laju konversi lahan tertinggi selama 12 tahun dapat dilihat dengan menggunakan metode seperti ini.
Laju konversi parsial:
V=
x 100 ....................................................................................4.1
dimana: V
= Laju konversi lahan Lt
= Luas lahan saat ini tahun ke-t ha Lt-1 = Luas lahan tahun sebelumnya ha
4.4.2 Analisis Linier Berganda
Analisis data yang digunakan dalam mengkaji faktor-faktor pengaruh alih fungsi lahan adalah analisis regresi linier berganda. Tujuannya adalah membuat
suatu deskripsi, gambaran, atau lukisan secara sistematis, faktual, dan akurat mengenai fakta-fakta. Analisis regresi adalah hubungan secara linier antara dua
atau lebih variabel peubah bebas atau independent X dengan variabel peubah tak bebas atau dependent Y.
Faktor – faktor yang mempengaruhi tingkat konversi lahan di tingkat wilayah adalah :
1. Luas Bangunan X1
Luas bangunan merupakan jumlah luasan bangunan per hektar. Sebagian besar alih fungsi lahan pertanian diubah menjadi bangunan-bangunan baik
dalam bentuk pemukiman, industri, maupun sarana prasarana lainnya. Dengan meningkatnya jumlah penduduk akan menambah permintaan akan
tempat tinggal. Hal ini akan mendorong peningkatan luasan bangunan untuk pemukiman sehingga menurunkan luasan lahan pertanian.
2. PDRB non pertanian X2
Produk Domestik Regional Bruto PDRB non pertanian merupakan salah satu indikator yang dapat menggambarkan pertumbuhan ekonomi pada
sektor di luar pertanian. Semakin besar pertumbuhan ekonomi pada sektor non pertanian suatu wilayah dapat mempercepat terjadinya perubahan
struktur ekonomi dari sektor pertanian ke arah sektor jasa, perdagangan, manufaktur, dan sektor non pertanian lainnya. Sehingga penggunaan lahan
pun akan tergeser dari lahan untuk pertanian menjadi non pertanian.
3. Perubahan Panjang Jalan Aspal X3
Meningkatnya luasan panjang aspal pada suatu wilayah merupakan salah satu cara untuk meningkatkatkan aksesibilitas. Dengan meningkatnya
perubahan panjang aspal, diduga akan meningkatkan penurunan luas lahan sawah akibat alih fungsi lahan.
Persamaan model regresi linier berganda antara peubah – peubah diatas dapat dirumuskan sebagai berikut :
Ln Y= α + Ln β
1
X
1
+ Ln β
2
X
2
+ Ln β
3
X
3
+ ε ...............................................4.2
Tanda yang diharapkan : β
i
Dimana : Y
= Penurunan lahan pertanian akibat konversi lahan α
= Intersep X
i
= Faktor – faktor yang diduga mempengaruhi alih fungsi lahan β
i
= Koefisien regresi ε =
Error Term Analisis regresi linier berganda merupakan alat untuk memperoleh suatu
prediksi di masa lalu maupun yang akan datang dengan dasar keadaan saat ini. Prediksi dalam hal ini bukanlah merupakan hal yang pasti, namun mendekati
kebenaran. Regresi linier sederhana dengan variabel ganda adalah analisis statistik yang mencakup hubungan banyak variabel. Apabila dijumpai satu variabel terikat
yang dipengaruhi oleh beberapa variabel bebas dalam mempengaruhi variabel terikat itu bermacam, sehingga bentuk hubungannya pun tentunya berbeda-beda.
Sifat hubungan berjenjang sering kali terjadi dalam kajian ilmu sosial. Variabel lain menjembatani pengaruh variabel bebas terhadap variabel terikat tersebut
dengan variabel antara. Variabel bebas itu sendiri mempunyai pola hubungan yang tidak tetap. Artinya bisa benar-benar bebas, berkorelasi tetapi tidak
signifikan atau mempunyai hubungan yang tidak erat. Metode regresi linier berganda memiliki beberapa asumsi. Asumsi model
regresi dikaitkan dengan pengujian parameter model dimana pengujian dikatakan sah jika asumsi pengujian dipenuhi. Asumsi tersebut menyangkut sifat dari
distribusi residual. Residual harus menyebar di sekitar 0, memiliki varians konstan
identik dan independen tidak berkorelasi satu sama lain. Salah satu syarat untuk mencapai ini yaitu data tidak bersifat time series. Regresi linier berganda
dibutuhkan kondisi antar variabel X tidak saling berkorelasi independent. Terdapat beberapa kriteria yang dapat digunakan untuk menentukan bahwa
model yang telah dihasilkan adalah baik. Menurut Sutandi 2009, model yang baik haruslah memenuhi beberapa uji asumsi pelanggaran, seperti:
1. Kriteria Ekonomi
Model yang diuji berdasarkan kriteria ekonomi akan dilihat tanda dan besaran tiap koefisien dugaan yang telah diperoleh. Kriteria ekonomi
mensyaratkan tanda dan besaran yang terdapat pada tiap koefisien dugaan sesuai dengan teori ekonomi. Apabila model tersebut memenuhi kriteria
ekonomi, maka model tersebut dapat dikatakan baik secara ekonomi, namun, apabila kriteria tersebut tidak memenuhi standar ekonomi maka model
tersebut tidak dapat dikatakan baik secara ekonomi. 2.
Kriteria Statistik dan Ekonometrika Ada beberapa uji yang dapat digunakan untuk menentukan kesesuaian
model regresi yang telah didapatkan secara statistika dan ekonometrika. Uji tersebut adalah sebagai berikut:
a. Uji Normalitas Uji normalitas bertujuan untuk melihat apakah pada model tersebut
residual terdistribusi normal atau tidak. Model yang baik harus mempunyai residual yang terdistribusi normal atau hampir normal. Uji
yang dapat digunakan adalah dengan membuat histrogram normalitas. Nilai probality yang lebih besar dari taraf nyata
α = 10 menandakan residual terdistribusi secara normal.
b. Uji Multikolinieritas Model yang melibatkan banyak peubah bebas sering terjadi masalah
Multikolinieritas, yaitu terjadinya korelasi yang kuat antar peubah bebas. Masalah ini dapat dilihat langsung melalui output komputer,
dimana apabila nilai Varian Inflaction Factor VIF 10 maka tidak ada masalah multikolinieritas. Hal ini berarti bebas uji asumsi
pelanggaran dan persamaan yang digunakan merupakan persamaan yang baik dan tidak terdapat pelanggaran.
c. Uji Heteroskedastisitas Salah satu asumsi metode penggunaan kuadrat terkecil adalah
Homoskedastisitas, yaitu ragam galat konstan dalam setiap amatan. Pelanggaran atas asumsi Homoskedastisitas adalah Heteroskedastisitas.
Masalah Heteroskedastisitas dapat dideteksi dengan uji glejser. Uji glejser dilakukan dengan meregresikan variabelvariabel bebas terhadap
nilai absolut residualnya. Jika nilai signifikannya dari hasil uji gletser lebih besar dari
α =10 maka tidak terdapat Heteroskedastisitas. d. Uji Autokorelasi
Uji autokolerasi dilakukan untuk melihat apakah terdapat hubungan diantara galat dalam persamaan regresi yang diperoleh. Jika kita
mengabaikan adanya autokorelasi, maka akan berdampak terhadap pengujian hipotesis dan proses peramalan. Uji paling sering digunakan
dalam mendeteksi adanya autokolerasi dalam suatu model adalah uji DW Durbin Watson Test, dan jika hasilnya mendekati 2 maka tidak
ada autokolerasi. Selain itu, cara mendeteksi autokorelasi dapat dilakukan dengan menggunakan uji Breusch-Godfrey. Uji ini dilakukan
dengan meregresikan residual dengan lag residual dan semua regresor. Dari hasil regresi tersebut akan diperoleh koefisien determinasi Prob.
Chi-Square untuk mengetahui autokorelasi. Jika nilai tersebut lebih besar dari taraf
α = 10 maka tidak ada permasalahan autokorelasi.
4.4.3 Analisis Regresi Logistik
Analisis regresi logistik digunakan untuk mengestimasi faktor-faktor yang mempengaruhi petani dalam mengkonversi lahan sawah. Menurut Nachrowi et all
2002, model logit adalah model non linear, baik dalam parameter maupun dalam variabel. Juanda 2009, memaparkan bahwa model logit diturunkan berdasarkan
fungsi peluang logistik yang dapat dispesifikasikan sebagai berikut
…………………...…..4.3
