Penelitian Pengukuran Kinerja Usahatani Berkelanjutan
64
Jika dua simpangan diasumsikan independen satu sama lain serta independen terhadap input, dan dipasang asumsi distribusi spesifik normal dan setengah-
normal secara berturut-turut, maka fungsi likelihood dapat didefinisikan dan penduga maximum likelihood maximum likelihood estimators dapat dihitung.
Cara lain yang dapat digunakan adalah melalui estimasi model dengan OLS dan mengkoreksi konstanta dengan menambahkan suatu penduga konsisten
dari E ui berdasarkan momen yang lebih tinggi dalam kasus setengah-normal, digunakan momen kedua dan ketiga dari residual kuadratik terkecil. Setelah
model diestimasi, nilai-nilai vi-ui juga dapat diperoleh. Pada pengukuran efisiensi, penduga untuk uj juga diperlukan. Sesuai saran Jondrow et al.1982,
kemungkinan yang paling relevan adalah Eui|vi-uj yang dievaluasi berdasarkan nilai-nilai vi-ui dan parameter-parameternya. Dalam makalah Jondrow et al.
1982 juga dikemukakan formula Eu|v -u untuk kasus normal dan setengah normal Greene, 1993
Maksimum likelihood dari persamaan 8 mengestimasi output yang konsisten untuk
β, λ, dimana β = parameter yang tidak diketahui, λ = dan
. Jondrow 1982 memperlihatkan efisiensi teknik adalah: ………………..……………… 9
Dimana = , f = fungsi standar normal, F = fungsi distribusi
Untuk model Fungsi Produksi Cobb-Douglas dapat dituliskan: ln
∑ ln
.......................................... 10 Efisiensi teknik dapat diukur dengan menggunakan formulasi:
TE
i
= =
= ……………………….… 11
Dengan TE
i
= efisiensi petani ke-i. Nilai TE akan berkisar antara 0 TE 1. Greene 1993 dan Zamorano 2004 menyatakan bahwa parameter dari
model stochastic dapat diestimasi dengan menggunakan metode Maximum Likelihood ML atau Corrected Ordinary Least Square COLS . Selanjutnya
Coelli 2005 menyatakan bahwa estimasi dengan metode ML lebih efisien dibandingkan dengan estimasi COLS. Greene 1993 menyatakan bahwa
efisiensi teknik dapat diestimasi dengan menggunakan software komputer
65
LIMDEP dan Coelli 1996 menggunakan paket komputer FRONTIER 4.1. Program ini secara lebih luas banyak digunakan dalam penelitian efisiensi,
program komputer ini digunakan untuk mengestimasi parameter dari produksi frontier stochastic dengan metode MLE.
Nilai efisiensi teknis akan berhubungan terbalik dengan nilai efek inefisiensi teknis dan hanya digunakan untuk fungsi yang memiliki jumlah output dan input
tertentu cross section data. Pengujian parameter stochastic frontier dan efek inefisiensi dilakukan dalam dua tahap. Tahap pertama merupakan pendugaan
parameter α
i
dengan menggunakan metode OLS, sedangkan tahap dua dilakukan pengujian menggunakan Maximum Likelihood Estimator MLE untuk
mengestimasi pendugaan seluruh parameter α
i
kecuali α
dan serta varians
dan v
i
. Menurut Aigner and Chu 1968 dan Jondrow et al. 1982, hasil
pengolahan FRONTIER 4.1 akan memberikan perkiraan varians dalam bentuk persamaan :
......................................................................................... 12 ……………………………………………………………... … 13
di mana
v
merupakan standar deviasi dari kesalahan pengganggu dari v. sedangkan
v
dan
u
adalah masing-masing sebagai varians populasi dan varians dari u. Karena efisiensi-efisiensi teknis individu dari usahatani-usahatani contoh
dapat diprediksi, maka suatu penduga alternatif untuk rata-rata efisiensi teknis adalah rata-rata aritmatik dari prediktor untuk efsiensi-efisiensi teknis individu
dari usahatani-usahatani contoh. Parameter dari nilai nilai varians dapat menngestimasi nilai sehingga
nilai 0 1. Nilai merupakan kontribusi efisiensi teknis di dalam efek
residual total. Nilai parameter γ ini merupakan kontribusi dari efisiensi teknis
terhadap efek residual total. Persamaan inefisiensi teknis dari usahatani diperlakukan sebagai suatu bentuk persamaan simultan dengan persamaan
efisiensi teknis. Estimasi ML dari model stokastik frontier diprogramkan di dalam FRONTIER 4.1. dan disebut model 2 atau model efek efisiensi teknis TE
yang dianalisis secara simultan satu tahap Adar, 2011
66
Menurut Coelli et al. 1996 terdapat tiga tahap pekerjaan dalam program FRONTIER 4.1. yaitu :
1. Menggunakan OLS untuk menghitung nilai β dan
2
dan yang keduanya adalah estimator yang bersifat bias;
2. Fungsi log likelihood akan mengevaluasi besarnya nilai-nilai 0 γ 1. Pada
perhitungan ini estimasi dengan metode OLS menghasilkan σ
2
dan β
yang bersifat adjusted. Estimasi OLS digunakan untuk menghitung nilai parameter
β untuk tiap-tiap input produksi. 3. Menggunakan nilai dari
β, σ
2
dan γ dari langkah pertama dan kedua untuk
melakukan iterasi maksimisasi hingga nilainya konvergen. Metode iterasi yang digunakan adalah Davidson Fletcher-Powell DFP yang akan menghasilkan
nilai likelihood paling maksimum Setelah tahap 1, 2 dan 3 dilaksanakan, hasil estimasi parameter akan
diperoleh bersamaan dengan nilai tengah efisiensi teknis model tersebut. Selanjutnya untuk menguji hipotesis bahwa semua petani telah mengelola
usahataninya dengan efisien perlu diuji. Uji hipotesis dilakukan dengan menggunakan uji Likelihood Ratio Test sebagai berikut:
= 0 :
Hipotesis ini menyatakan: , berarti
dan ncdf = 0. Nilai LR-Test dapat dihitung dengan rumus:
. …………………………………………………14 Selanjutnya nilai LR-Test dibandingkan dengan nilai kritis chi-square
.