keberhasilan suatu usahatani, hal yang sama digunakan untuk analisis pendapatan usaha tambak.
Soekartawi et al 1986, menyatakan bahwa besarnya pendapatan usahatani tergantung pada besarnya penerimaan dan pengeluaran selama jangka waktu
tertentu. Penerimaan merupakan hasil kali harga jual produk dengan jumlah produksi total, sedangkan pengeluaran atau biaya yang dikeluarkan adalah nilai
penggunaan sarana produksi, upah dan lain-lain yang dibebankan pada proses produksi yang bersangkutan. Besar kecilnya tingkat pendapatan yang diperoleh
petani dipengaruhi antara lain: skala usaha, ketersediaan modal, tingkat harga output, ketersediaan tenaga kerja keluarga, sarana transportasi, sistem pemasaran,
kebijakan pemerintah dan sebagainya. Biaya usahatani terdiri dari biaya tetap dan variabel baik yang bersifat tunai
maupun non tunai. Biaya tetap fixed cost adalah biaya yang jumlahnya tidak berubah ketika kuantitas output berubah. Biaya ini akan tetap ada walaupun
perusahaan tidak melakukan produksi. Salah satu contoh biaya tetap adalah penyusutan mesin-mesin atau alat produksi yang dipakai. Biaya variabel variable
cost adalah biaya yang jumlahnya berubah ketika jumlah barang yang diproduksi berubah. Salah satu contohnya adalah biaya pembelian bahan mentah atau bahan
dasar yang digunakan untuk produksi. Biaya total total cost adalah seluruh biaya yang dikeluarkan perusahaan untuk membeli berbagai input untuk keperluan
produksi. Biaya total dihitung dari jumlah biaya tetap dan biaya variabel. Biaya tunai adalah biaya yang dikeluarkan petani secara tunai, contohnya biaya untuk
pembelian input, upah tenaga kerja dari luar keluarga, dan lain-lain. Biaya non tunai adalah biaya yang diperhitungkan untuk menghitung pengeluaran petani jika
modal, sewa lahan, tenaga kerja dalam keluarga, biaya benih milik sendiri diperhitungkan Suratiyah 2008.
Soekartawi 1995 menjelaskan pendapatan usahatani adalah selisih antara total penerimaan dan semua biaya yang dikeluarkan. Secara matematis pendapatan
usahatani diformulasikan sebagai berikut : I = TR - TC
…................................... 2.1 Keterangan:
I = Pendapatan Rp
TR = Total Penerimaan Rp
TC = Total Pengeluaran Rp
Ketika total penerimaan lebih besar dari total pengeluaran maka usaha menguntungkan. Sebaliknya jika total penerimaan lebih kecil dari total pengeluaran
maka usaha dapat dikatakan rugi. Namun, jika total penerimaan dan total pengeluaran seimbang usaha dikatakan impas yaitu tidak untung dan tidak rugi.
2.6 Model Regresi Logistik
Rosadi 2011 menjelaskan regresi logistik merupakan salah satu model statistika yang dapat digunakan untuk menganalisis pola hubungan antara
sekumpulan variabel independen dengan suatu variabel dependen bertipe kategoris atau kualitatif. Kategori dari variabel dependen dapat terdiri atas dua kemungkinan
nilai dichotomous, seperti yatidak, suksesgagal, dan lain-lain, atau lebih dari dua nilai polychotomous, seperti sangat tidak setuju, tidak setuju, setuju, dan sangat
setuju. Menurut Firdaus dan Afendi 2008, pemodelan peluang kejadian tertentu dalam analisis regresi logistik dari kategori peubah respon dilakukan melalui
transformasi dari regresi linear ke logit: Logit P
i
= log
e �
1−�
. Pi merupakan peluang munculnya kejadian kategori sukses dari peubah respon untuk orang ke-i
dan log
e
adalah logaritma dengan basis bilangan e. Kategori sukses secara umum merupakan kategori yang menjadi perhatian dalam penelitian.
P
i
Logit P
i
Logit transform
Predictor Predictor
Gambar 1 Gambar transformasi logit Gambar 1 mengilustrasikan proses transformasi logit Firdaus dan Afendi
2008. Logit L
i
merupakan logaritma dari rasio sebelumnya dan linier dalam variabel independen dan parameter. Estimasi parameter dari metode regresi logistik
dapat dilakukan dengan metode maximum likelihood estimator mle, dimana parameter optimal dapat diperoleh dengan metode numerik. Persamaan model logit
atau model regresi logistik:
L
i
= L
n �
1−�
= β + β
1
X
1
+ β
2
X
2
+ ... + β
j
X
j
............... 2.2 Interpretasi model logistik sama seperti model OLS yaitu dengan koefisien
slope dari parameter. Koefisien slope diinterpretasikan sebagai perubahan pada logit p akibat suatu perubahan satu unit pada variabel bebas. Cara yang paling
umum digunakan dalam menginterpretasikan koefisien model regresi logistik adalah dengan melibatkan odds ratio. Odds berarti resiko atau kemungkinan
peluang kejadian sukses terhadap kejadian tidak sukses dari variabel respon. Apabila pengamatan Y ke-i merupakan setujubersedia untuk membayar maka
dilambangkan Y
i
= 1, peluangnya adalah P
i
, sedangkan peluang untuk Y
i
= 0 tidak setuju adalah 1
– P
i
. Makin besar nilai odds maka makin besar peluang seseorang untuk mengambil keputusan, sehingga nilai odds merupakan suatu indikator
kecenderungan seseorang menentukan pilihan yang pertama. Secara matematis Odds ratio dapat dituliskan sebagai berikut Juanda 2009:
� 1−�
.................................................... 2.3 Keterangan:
P
i
= peluang kejadian yang terjadi 1-P
i
= peluang kejadian yang tidak terjadi Pengujian parameter model dilakukan dengan menguji semua parameter
secara keseluruhan simultan dan menguji masing-masing parameter secara terpisah individual.
a Uji G
Hasil pengujian signifikansi regresi secara simultan didasarkan pada statistik uji G. Statistik uji G adalah uji rasio kemungkinan maksimum likelihood ratio test
yang dapat digunakan untuk menguji peranan variabel bebas secara bersamaan Hosmer dan Lemeshow 2000. Untuk menguji apakah variabel bebas memberikan
pengaruh terhadap kebaikan dari model dengan uji rasio likelihood, mula-mula dicari nilai statistik G.
= − ln [ ] ................................................................................................... 2.4 Keterangan:
l
o
= Likelihood pada model tanpa variabel bebas l
i
= Likelihood pada model dengan variabel bebas