adalah metode Sensus, yaitu dengan menggunakan seluruh elemen populasi menjadi data penelitian. Menurut Erlina 2008 metode sensus digunakan jika
elemen populasi relatif sedikit dan bersifat heterogen dengan mengambil seluruh anggota populasi petani padi organik di Desa Lubuk Bayas.
Tabel 3. Jumlah Populasi Petani Padi Organik Berdasarkan Strata Luas Lahan Tahun 2011 di Desa Lubuk Bayas
STRATA Luas Lahan
Ha POPULASI
kk
I ≤ 1
39 II
1 24
TOTAL 63
Sumber : Ketua Anggota Kelompok Tani Subur, 2011
3.3. Metode Pengumpulan Data
Data yang dikumpulkan dalam penelitian ini adalah data primer dan data sekunder. Data primer diperoleh dari petani melalui wawancara menggunakan
daftar pertanyaan kuisioner yang telah dipersiapkan terlebih dahulu, jenis data yang dikumpulkan seperti data biaya-biaya input yang dikeluarkan selama proses
produksi dan data penerimaan hasil usahatani padi organik. Data Sekunder yang berhubungan dengan penelitian ini diperoleh dari instansi Lembaga Swadaya
Masyarakat BITRA Indonesia seperti data produksi padi organik binaan BITRA di Sumatera Utara, laporan penelitian yaitu laporan penelitian BITRA mengenai
pertanian padi organik, artikel mengenai pertanian padi organik di Lubuk Bayas, majalah Bitranet, karya ilmiah yang berkaitan dengan masalah penelitian seperti
penelitian mengenai analisis komparatif tingkat sosial ekonomi petani BITRA dan petani anorganik. Tidak tertutup kemungkinan data juga dicari melalui beberapa
Universitas Sumatera Utara
website dengan menggunakan fasilitas internet. Ini dilakukan karena beberapa homepage merupakan pihak yang mampu menyediakan data bagi keperluan
penelitian, seperti http:www.bitraindosat.net.id dan sebagainya.
3.4 Metode Analisis Data Untuk menguji hipotesis 1, untuk melihat perkembangan pendapatan
petani padi organik di daerah penelitian dianalisis dengan metode analisis deskriptif dengan menggunakan data penjualan beras organik dan harga beras
organik dari tahun 2008 sampai dengan tahun 2012.
Untuk menguji hipotesis 2, untuk melihat faktor-faktor apa saja yang
mempengaruhi pendapatan petani padi organik, diuji dengan menggunakan analisis regresi berganda. Metode ini dipilih karena analisis regresi dapat melihat
faktor-faktor apa saja yang memiliki pengaruh nyata dan tidak nyata pada pendapatan petani padi organik. Data yang dibutuhkan adalah harga bibit, harga
pupuk kandang, harga urin sapi, harga pestisida organik, upah tenaga kerja, dan biaya pemasaran. Parameternya diestimasi dengan metode Ordinary Least Square
OLS. Sebelum dilakukan uji asumsi Ordinary Least Square OLS data dibersihkan dari outlier smoothing data.
Model pendapatan petani padi organik yang dibangun adalah sebagai berikut. I = f Y,Px
1
,Px
2
,Px
3,
Px
4,
Px
5,
Px
6
Dimana : I = Pendapatan petani padi organik Rpha;
Y= Produktivitas padi organik Kgha; Px
1
= Harga bibit Rpkg; Px
2
= Harga pupuk kandang Rpkg;
Universitas Sumatera Utara
Px
3
= Harga urin sapi Rpliter; Px
4
= Harga pestisida organik Rpliter; Px
5
= Upah tenaga kerja RporangMT; Px
6
= Biaya Pemasaran Rpkg;
Uji asumsi Ordinary Least Square OLS
1. Uji asumsi multikolinearitas
Uji asumsi multikolinearitas dimaksudkan untuk menghindari adanya hubungan yang linear antar variabel bebas. Menurut Gujarati 1994,
multikolinearitas dapat dideteksi dengan beberapa metode, diantaranya adalah dengan melihat :
• Jika nilai koefisien determinasi R² tinggi; dalam uji serempak F-test, variabel-variabel eksogen secara serempak berpengaruh nyata terhadap
variabel endogen; tetapi dalam uji secara parsial t-test, variabel-variabel eksogen secara parsial banyak yang tidak berpengaruh nyata terhadap variabel
endogen, maka hal ini mengindikasikan terjadinya multikolinearitas. • Melihat nilai standard error. Nilai standard error yang besar mengindikasikan
terjadinya multikolinearitas. • Jika nilai Toleransi atau VIF Variance Inflation Factor kurang dari 0,1 atau
nilai VIF melebihi 10 mengindikasikan terjadinya multikolinearitas. • Terdapat koefisien korelasi sederhana yang mencapai atau melebihi 0,8 jika
nilai F-hitung melebihi F-tabel dari regresi antar variabel bebas. 2.
Uji asumsi heteroskedastisitas Salah satu asumsi yang penting dari model regresi linier klasik adalah
bahwa gangguan disturbance atau residual yang muncul dalam fungsi regresi
Universitas Sumatera Utara
populasi adalah homoskedastik Gujarati, 1998. Uji heteroskedastisitas bertujuan untuk menguji apakah terjadi ketidaksamaan varians dari residual satu
pengamatan ke pengamatan yang lain dalam model regresi. Jika varians dari residual satu pengamatan ke pengamatan lain tetap, maka disebut
homoskedastisitas dan jika berbeda disebut heteroskedastisitas. Model regresi yang baik adalah homokskedastisitas atau tidak terjadi heteroskedastisitas. Cara
mendeteksi terjadinya heteroskedastisitas dalam model regresi dengan Program SPSS adalah sebagai berikut.
• Analisis Grafik, Analisis grafik dilakukan dengan cara melihat grafik plot antara nilai
prediksi variabel endogen, yaitu Y: ZPRED dengan residualnya X: SRESID. Dengan kriteria uji sebagai berikut.
Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur bergelombang, melebar, kemudian menyempit: tidak terjadi
heteroskedastisitas. Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah
angka 0 pada sumbu Y: tidak terjadi heteroskedastisitas Walpole, 1992. 3.
Uji asumsi normalitas Uji normalitas bertujuan untuk menguji apakah dalam model regresi,
variabel pengganggu atau residual memiliki distribusi normal. Seperti diketahui, bahwa uji t dan F mengasumsikan bahwa nilai residual mengikuti distribusi
normal. Kalau asumsi ini dilanggar maka uji statistik menjadi tidak valid untuk jumlah sampel kecil. Cara mendeteksi apakah residual berdistribusi normal atau
tidak dalam model regresi dengan Program SPSS adalah sebagai berikut.
Universitas Sumatera Utara
• Analisis grafik Analisis grafik dilakukan dengan cara melihat grafik histogram yang
membandingkan antara data observasi dengan distribusi yang mendekati distribusi normal dan melihat normal probability plot yang membandingkan distribusi
kumulatif dari distribusi normal. Dengan kriteria uji sebagai berikut. Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal
atau grafik histogramnya menunjukkan pola berdistribusi normal: data residual model terdistribusi dengan normal.
Jika data menyebar jauh dari garis diagonal danatau tidak mengikuti arah garis diagonal atau grafik histogram tidak menunjukkan pola berdistribusi normal: data
residual model tidak terdistribusi dengan normal. • Uji Kolmogorov-Smirnov
Konsep dasar Uji Kolmogrov-Smirnov adalah dengan membandingkan distribusi data yang akan diuji normalitasnya dengan distribusi normal baku. Cara
melakukan Uji Kolmogrov-Smirnov adalah sebagai berikut. a.
Lakukan regresi utama OLS b.
Dapatkan variabel residual RES_i dengan mengaktifkan Unstandardized Residual.
c. Dari menu utama, pilih menu Analyze, lalu pilih Nonparametric Test.
d. Pilih sub menu 1-Sample K-S.
e. Pada kotak Test Variable List, isi Unstandardized Residual, dan aktifkan
Test Distribution pada kotak Normal. f.
Output SPSS akan menunjukkan besar nilai Kolmogrov-Smirnov Z. Dengan kriteria sebagai berikut.
Universitas Sumatera Utara
Jika signifikasi α : tidak ada perbedaan antara distribusi residual dengan distribusi normal, data residual model berdistribusi normal.
Jika signifikasi ≤ α : ada perbedaan antara distribusi residual dengan
distribusi normal, data residual model tidak berdistribusi normal. Uji Kesesuaian
test goodness of fit model dan uji hipotesis
Ketepatan fungsi regresi sampel dalam menaksir nilai aktual dapat diukur dari goodness of fit-nya. Secara statistik, setidaknya ini dapat diukur dari nilai
koefisien determinasi, nilai statistik F, dan nilai statistik t. Perhitungan statistik disebut signifikan secara statistik apabila nilai uji statistiknya berada dalam daerah
kritis daerah dimana Ho ditolak. Sebaliknya, disebut tidak signifikan apabila nilai uji statistiknya berada dalam daerah dimana Ho diterima Ghozali, 2006.
Koefisien yang dihasilkan dapat dilihat pada output regresi berdasarkan data yang dianalisis untuk kemudian diinterpretasikan serta dilihat signifikansi tiap-tiap
variabel yang diteliti. Koefisien determinasi R² pada intinya mengukur seberapa jauh
kemampuan model dalam menerangkan variansi variabel endogen. Koefisien determinasi R² bertujuan untuk mengetahui kekuatan variabel-variabel eksogen
dalam menjelaskan variabel endogen. 1.
Uji pengaruh variabel secara serempak Uji pengaruh variabel secara serempak pada dasarnya menunjukkan
apakah secara serempak semua variabel eksogen yang dimaksukkan dalam model berpengaruh nyata terhadap variabel endogen. Uji pengaruh variabel secara
serempak untuk mengetahui signifikansi statistik koefisien regresi secara serempak, digunakan Uji F F-test. Dengan kriteria uji sebagai berikut.
Universitas Sumatera Utara
Jika F
hitung
≤F
tabel
atau jika signifikansi Fα : terima H
o
atau tolak H
1
. Jika F
hitung
F
tabel
atau jika signifikansi F ≤α : tolak H
o
atau terima H
1
. 2.
Uji pengaruh secara parsial Uji pengaruh variabel secara parsial pada dasarnya menunjukkan seberapa
besar jauh pengaruh satu variabel eksogen secara parsial dalam menerangkan variansi variabel endogen. Uji pengaruh variabel secara parsial dimaksudkan
untuk mengetahui signifikansi statistik koefisien regresi secara parsial, digunakan Uji t t-test. Dengan kriteria uji sebagai berikut.
Jika t
hitung
≤t
tabel
atau jika signifikansi tα : terima H
o
atau tolak H
1
. Jika t
hitung
t
tabel
atau jika signifikansi t ≤α : tolak H
o
atau terima H
1
.
3.5 Pendapatan