60 kecenderungan nelayan yang memiliki alat tangkap, pendapatannya
meningkat sebesar sebesar 2,546. 10. Keikutsertaan dalam Organisasi
Keikutsertaan dalam organisasi berpengaruh secara signifikan terhadap pendapatan yang diperoleh nelayan dengan nilai koefisien sebesar 0,3870.
Artinya kecenderungan nelayan yang bergabung dalam organisasi nelayan, pendapatannya lebih tinggi 38,7 daripada nelayan yangtidak bergabung
dalam organisasi nelayan. Selain hal tersebut di atas, berdasarkan hasil wawancara dengan responden,
mereka merasa terganggu dengan nelayan dari wilayah lain seperti nelayan dari Tangerang yang melaut di sekitar wilayah Pulau Untung Jawa. Selain itu, banyak
nelayan dari luar pulau yang menggunakan pukat harimau untuk menangkap ikan. Penggunaan pukat harimau ini menurut mereka dapat merusak alat tangkap
mereka yang menggunakan bubu. Nelayan sering mengeluhkan bubu mereka hilang saat melaut karena terbawa oleh pukat harimau dari nelayan lain. Hal ini
menyebabkan mereka harus lebih sering mengganti atau membeli baru bubu yang mengakibatkan Biaya nelayan menjadi lebih besar.
6.2.2. Analisis Regresi Berganda Time series
Analisis regresi berganda dengan data time series dilakukan untuk data yang berupa series menurut waktu. Analisis ini dilakukan untuk variabel harga
ikan, harga bahan bakar, yang merupakan variabel sosial ekonomi serta variabel cuaca seperti suhu udara, curah hujan, tinggi gelombang, dan jumlah hari hujan.
Regresi Time Series menghasilkan tiga alternatif model untuk dipilih menjadi model yang terbaik.
61 Model yang pertama
Ln PDT = 51,5 + 0,0884 Ln P - 4,46 Ln BBM + 0,500 Ln F + 0,068 Ln SU - 0,0306 Ln CH + 0,0468 Ln JH + 0,0100 Ln TG.
Model yang kedua dilakukan dengan menghilangkan variabel tinggi gelombang karena dianggap mengganggu model.
Model kedua Ln PDT = 54,6 + 0,0606 Ln P – 4,43 Ln BBM + 0,492 Ln F – 0,832 Ln
SU – 0,0519 Ln CH + 0,0347 Ln JH. Model yang ketiga diperoleh melalui regresi bertatar stepwise regression
Ln PDT = 55,8 + 0,0588 Ln P – 4,43 Ln BBM + 0,492 Ln F – 1,21 Ln SU – 0,0505 Ln CH + 0,0366 Ln JH.
Indikator kebaikan model disajikan pada tabel 4
62 Tabel 4. Alternatif Model Regresi Time Series
Variabel Model
1 2
3
Konstanta 51,457
0,000 10,129
0,316 54,558
0,000 P
0,08843 0,000
0,15 0,029
0,06057 0,001
BBM -4,46349
0,000 -1,3949
0,000 -4,4304
0,000 F
0,49985 0,000
0,10750 0,022
0,49191 0,000
SU 0,0675
0,889 6,007
0,026 -0,8324
0,316 CH
-0,04679 0,202
-0,0061 0,956
-0,05187 0,062
JH 0,04679
0,202 0,0314
0,810 0,03467
0,270 TG
0,00995 0,705
- -
Uji F 0,000
0,000 0,000
R2 98,9
97,6 98,0
R2 Adj 98,7
97,2 97,7
DW 1,39786
1,56986 1,76256
VIF 10
10 10
Chi Square Chi
2
X
2
Chi
2
X
2
Chi
2
X
2
Model yang dipilih dari ketiga alternatif model tersebut adalah model yang ketiga. Karena memiliki R
2
yang cukup tinggi, nilai DW yang paling mendekati dua serta tidak terdapat penyimpangan asumsi.
Fungsi dari model yang ketiga adalah Ln PDT = 55,8 + 0,0588 Ln P – 4,43 Ln BBM + 0,492 Ln F – 1,21 Ln SU – 0,0505 Ln CH + 0,0366 Ln JH. Model ini
memiliki adjusted R
2
sebesar 0,979 yang berarti sebesar 97,9 keragaman mampu dijelaskan oleh model, dan sisanya dijelaskan oleh variabel lain yang
tidak dimasukkan dalam model. Hasil statistik untuk uji bersama Uji F adalah 306,61 dengan significance F sebesar 0,000. Nilai significance F yang sangat kecil
63 mengindikasikan bahwa secara bersama-sama variabel independent berpengaruh
terhadap variabel dependent. Proses selanjutnya adalah melihat apakah terjadi penyimpangan asumsi
dalam model. Penyimpangan yang pertama adalah multikolinearitas dideteksi dari nilai VIF. Dari hasil output minitab, nilai VIF untuk setiap variabel independent
tidak ada yang lebih dari 10. Ini berarti tidak terjadi multikolinearitas pada model. Artinya tidak ada hubungan linier sempurna antar variabel dalam model.
Selanjutnya adalah uji Heteroskedastisitas menggunakan Uji White White test dengan bantuan software Microsoft Excel. Nilai yang diperoleh untuk nilai
Chi Square adalah 43,12 sementara nilai X
2
sebesar 56,36854. Nilai Chi Square yang lebih kecil daripada X
2
berarti tidak terjadi heteroskedastisitas pada model. Setelah dilakukan uji terhadap multikolinearitas dan heteroskedastisitas,
penyimpangan asumsi yang ketiga adalah autokorelasi. Pengujian autokorelasi dilakukan menggunakan Uji Durbin Watson Uji DW menggunakan bantuan
software Minitab versi 14. Output Minitab menunjukkan nilai statistik Durbin Watson untuk model regresi time series ini adalah 1,76256. Nilai statistik Durbin
Watson yang mendekati dua menunjukkan bahwa tidak terdapat autokorelasi pada model atau model memenuhi asumsi bebas serial.
Model regresi time series dapat dianggap baik karena memiliki R
2
yang cukup baik, statistik F yang baik, dan tidak terdapat penyimpangan asumsi pada
model. Tahap selanjutnya adalah interpretasi terhadap koefisien variabel independent yang signifikan terhadap variabel dependent. Kedua variabel sosial
ekonomi pada model, signifikan mempengaruhi pendapatan nelayan.
64 Tabel 5. Hasil Uji Individual uji T untuk Model Time Series
Variabel Koefisien
T P value
Konstanta 55,791
18,97 0,000
P 0,05881
3,93 0,000
BBM -4,4263
-35,35 0,000
F 0,49197
32,22 0,000
SU -1,2067
-1,59 0,121
CH -0,05055
-2,05 0,047
JH 0,03664
1,30 0,200
Sumber : Data Olahan 2011 Variabel yang pertama adalah harga ikan, dengan t hitung sebesar 3,93 dan
P value 0,000. Pada taraf nyata sebesar 10, harga ikan berpengaruh secara signifikan terhadap model. Koefisien harga ikan sebesar 0,05881 berarti
peningkatan harga ikan sebesar 100 akan meningkatkan pendapatan nelayan sebesar 5,88. Koefisien harga ikan kurang dari 1 menunjukan harga ikan
inelastis terhadap pendapatan nelayan. Artinya peningkatan harga ikan hanya akan meningkatkan pendapatan nelayan dalam jumlah yang sangat kecil.
Variabel selanjutnya yang berpengaruh secara signifikan terhadap pendapatan nelayan adalah harga bahan bakar solar dengan nilai t hitung sebesar
-35,35 dan P value sebesar 0,000. Koefisien untuk variabel ini adalah -4,4263 yang berarti peningkatan harga bahan bakar sebesar 100 akan menurunkan
pendapatan nelayan sebesar 442,63. Harga bahan bakar elastis terhadap pendapatan nelayan karena nilai koefisiennya yang lebih dari 1. Hal ini berarti
fluktuasi harga bahan bakar memberi respon yang besar terhadap pendapatan nelayan.
Variabel yang berikutnya adalah jumlah ikan yang didaratkan dengan t hitung sebesar 32,22 dan P value 0,000. Pada taraf nyata 10, jumlah ikan yang
didaratkan berpengaruh secara signifikan terhadap model. Koefisien jumlah ikan
65 yang didaratkan sebesar 0,49197 berarti peningkatan jumlah ikan yang didaratkan
sebesar 100 akan meningkatkan pendapatan nelayan sebesar 49,2. Koefisien jumlah ikan yang didaratkan yang kurang dari 1 menunjukan jumlah ikan yang
didaratkan inelastis terhadap pendapatan nelayan. Artinya respon pendapatan nelayan terhadap jumlah ikan yang didaratkan sangat kecil. Data jumlah ikan yang
didaratkan didekati dari data jumlah ikan yang didaratkan di TPI Muara Angke tahun 2005-2009.
6.3 Faktor Cuaca yang Mempengaruhi Pendapatan Nelayan 6.3.1 Persepsi Nelayan Mengenai Perubahan Cuaca
Penduduk Pulau Untung Jawa yang mayoritas nelayan sangat menggantungkan penghidupannya dengan keadaan alam yang seringkali tidak
menentu. Bahkan beberapa tahun belakangan ini kondisi alam semakin tidak terduga. Peningkatan suhu udara merupakan salah satu indikasi terjadinya
perubahan cuaca. Grafik persepsi responden mengenai perubahan suhu udara tersaji pada Gambar 9.
Sumber : Data primer, diolah 2011
Gambar 9. Persepsi Responden Mengenai Suhu Udara
66 Sebagian besar nelayan, yaitu sebanyak 64,41 nelayan berpendapat suhu
udara mengalami peningkatan dalam kurun waktu lima tahun terakhir. Peningkatan suhu udara berarti suhu yang lebih panas, dan tidak terjadi hujan.
Suhu udara yang lebih panas menyebabkan nelayan melaut lebih sering karena tidak terganggu oleh hujan.
Selain suhu udara, variabel lain adalah curah hujan. Sama halnya seperti suhu udara, curah hujan juga dirasakan nelayan mengalami perubahan dalam lima
tahun terakhir. Persepsi nelayan mengenai perubahan curah hujan disajikan pada Gambar 10.
Sumber : Data Primer, diolah 2011
Gambar 10. Persepsi Responden Mengenai Curah Hujan Sebanyak 59,32 responden merasakan curah hujan meningkat selama
lima tahun terakhir. Mayoritas responden berpendapat bahwa curah hujan meningkat selama lima tahun belakangan. Akibat dari peningkatan curah hujan ini
adalah jumlah hari melaut bagi nelayan pinggir di Pulau Untung Jawa menjadi berkurang. Ketika terjadi hujan lebat, nelayan lebih memilih untuk tidak melaut.
Akibatnya pendapatan nelayan berkurang karena tidak lagi sering melaut.
67 Selain suhu udara, dan curah hujan, tinggi gelombang juga dirasa
berpengaruh terhadap hasil tangkapan nelayan. Jika gelombang sedang tinggi berakibat pada baik nelayan pinggir maupun nelayan tengah di Pulau Untung
Jawa enggan pergi melaut. Ini mengakibatkan jumlah hari melaut menjadi berkurang dan hasil tangkapan nelayan juga berkurang. Gambar 11 menunjukkan
persepsi nelayan mengenai perubahan tinggi gelombang.
Sumber : Data Primer, diolah 2011
Gambar 11. Persepsi Responden Mengenai Tinggi Gelombang Pendapat responden mengenai tinggi gelombang yang terjadi di laut
sekitar Pulau Untung Jawa mayoritas mengatakan terjadi peningkatan tinggi gelombang selama lima tahun terakhir. Sebanyak 84,75 responden mengatakan
tinggi gelombang meningkat, tidak ada reponden yang berpendapat bahwa tinggi gelombang menurun, satu orang responden berpendapat tinggi gelombang tetap,
dan delapan responden tidak tahu apakah terjadi perubahan tinggi gelombang selama lima tahun terakhir.
Variabel cuaca terakhir yang dirasa mempengaruhi nelayan adalah jumlah hari hujan. Jumlah hari hujan menentukan seberapa sering hujan terjadi setiap
68 tahunnya. Gambar 12 menunjukkan persepsi nelayan mengenai jumlah hari hujan
selama lima tahun terakhir.
Sumber : Data Primer, diolah 2011
Gambar 12. Persepsi Responden Mengenai Jumlah Hari Hujan Sebanyak 71,19 responden menagtakan jumlah hari hujan meningkat
selam lima tahun terakhir, 10,17 responden berpendapat jumlah hari hujan berkurang. Semakin bertambahnya jumlah hari hujan berarti hujan yang turun
semakin sering dan menyebabkan nelayan tidak dapat melaut. Jumlah hari melaut yang berkurang berpengaruh terhadap pendapatan nelayan. Semakin jarang
nelayan melaut, maka hasil tangkapan dan pendapatan nelayan ikut berkurang.
6.3.2 Analisis Regresi Pengaruh Perubahan Cuaca Terhadap Pendapatan
