4.4 Metode dan Prosedur Analisis Penelitian
4.4.2 Analisis Regresi Logistik
Sebaliknya, jika VIF lebih kecil dari 10 maka diindikasikan bahwa model tersebut tidak mengalami multikolinearitas yang serius.
d. Uji Heteroskedastisitas
Asumsi penting dari regresi linear klasik adalah bahwa gangguan yang muncul dalam fungsi regresi adalah heteroskedastisitas. Menurut Juanda (2009), heteroskedastisitas terjadi jika ragam sisaan tidak sama untuk tiap pengamatan ke-i darke-i peubah-peubah bebas dalam model regreske-i. Masalah heteroskedastke-iske-itas biasanya sering terjadi dalam data cross section. Salah satu cara dalam mendeteksi heteroskedastisitas adalah dengan transformasi terhadap peubah respon dilakukan dengan tujuan untuk menjadikan ragam menjadi homogeny pada peubah respon hasil transformasi tersebut. Namun, dalam mendeteksi terjadinya heteroskedastisitas dalam model dapat digunakan juga metode grafik (Nachrowi et all 2002). Selain itu, dapat juga dilakukan dengan uji glejser. Uji Glejser dilakukan dengan meregresikan variabel-variabel bebas terhadap nilai absolute residualnya (Gujarati 2006). Jika nilai signifikan dari hasil uji Glejser lebih besar dari α maka tidak terdapat heteroskedastisitas dan sebaliknya.
4.4.2 Analisis Regresi Logistik
Dalam mengestimasi faktor-faktor yang mempengaruhi petani dalam mengalihfungsikan lahan sawah digunakan analisis regresi logistik. Menurut Nachrowi et all (2002), model logit adalah model non linear, baik dalam paramater maupun dalam variabel. Model logit diturunkan berdasarkan fungsi peluang logistik yang dapat di spesifikasikan sebagai berikut (Juanda 2009):
41 Dimana e mempresentasikan bilangan dasar logaritma natural (e=2.718...). Kemudian dengan menggunakan aljabar biasa, persamaan dapat ditunjukkan menjadi:
... (4.8) Peubah Pi / 1 – Pi dalam persamaan diatas disebut sebagai odds, yang sering diistilahkan dengan resiko atau kemungkinan, yaitu rasio peluang terjadinya pilihan 1 terhadap peluang terjadinya pilihan 0 alternatif. Parameter model estimasi logit harus diestimasi dengan metode maximum likelihood (ML). Jika persamaan ditransformasikan dengan logaritma natural, maka:
... (4.9)
Persamaan model regresi logistik untuk mengetahui faktor yang mempengaruhi alih fungsi lahan adalah sebagai berikut:
= Z = α + β1 X1 + β2 X2 + β3 X3 + β4 X4 + β5 X5 + β6 X6 + ε ... (4.10)
Dimana:
Z = Peluang alih fungsi lahan (1) dan tidak alih fungsi lahan (0) α = Intersep
Xi = Faktor-faktor yang diduga mempengaruhi keputusan alih fungsi lahan βi =Koefisien Regresi
ε = Eror Term
Adapun faktor-faktor yang diduga mempengaruhi keputusan petani dalam mengalihfungsikan lahan, antara lain:
42 1. Tingkat Usia (Tahun)
Tingkat usia menunjukkan produktivitas seseorang dalam bekerja. Semakin tinggi usia seseorang maka produktivitas dalam bekerja akan semakin menurun. Hal ini akan mendorong terjadinya alih fungsi lahan yang dilakukan.
2. Lama Pendidikan Petani (Tahun)
Lama pendidikan diduga berpengaruh terhadap keputusan petani dalam melakukan alih fungsi lahan. Lama pendidikan menunjukkan tingkat pendidikan yang dicapai. Semakin tinggi tingkat pendidikan petani maka akan semakin bijaksana dalam pengambilan keputusan alih fungsi lahan. 3. Luas Lahan (Hektar)
Petani yang memiliki ukuran lahan yang luas cenderung untuk mempertahankan lahannya karena semakin luas lahan maka usaha tani akan semakin efisien dan relatif lebih besar keuntungannya. Semakin luas lahan yang dimiliki oleh petani maka semakin kecil alih fungsi lahan yang terjadi.
4. Proporsi pendapatan hasil usaha tani (Persen)
Semakin rendah pendapatan yang diperoleh dari hasil usaha tani, maka akan semakin tinggi peluang petani dalam melakukan alih fungsi lahan. Jika pendapatan yang diperoleh dari hasil usaha tani rendah maka ada kecenderungan untuk memilih pendapatan di luar sektor pertanian dan lahan yang dimiliki dialihfungsikan karena pendapatan usaha tani tidak dapat memenuhi kebutuhan sehari-hari.
43 5. Jumlah tanggungan petani (Jiwa)
Jumlah tanggungan yang harus ditanggung petani mempengaruhi alih fungsi lahan dimana semakin banyak jumlah tanggungan yang harus ditanggung, maka alih fungsi lahan akan semakin tinggi. Semakin banyak tanggungan yang dimiliki maka biaya yang dibutuhkan dalam memenuhi kebutuhan sehari-hari semakin banyak sehingga petani akan cenderung untuk mengalih fungsikan lahannya.
6. Pengalaman bertani (Tahun)
Semakin lama petani pengalaman dalam bertani, maka akan semakin berat dalam pengambilan keputusan untuk alih fungsi lahan. Hal ini disebabkan karena semakin lama pengalaman bertani, maka keahlian yang dalam bertani akan semakin tinggi sehingga petani akan cenderung untuk terus mempertahankan lahannya.
7. Produktivitas (Ton/Ha)
Semakin tinggi tingkat produktivitas lahan maka keputusan petani untuk melakukan alih fungsi lahan akan semakin rendah. Hal tersebut disebabkan karena semakin tinggi produktivitas, pendapatan yang diperoleh dari sektor pertanian akan semakin tinggi sehingga petani akan cenderung mempertahankan lahannya.
Agar diperoleh hasil analisis regresi logit yang baik perlu dilakukan pengujian. Pengujian dilakukan untuk melihat apakah model logit yang dihasilkan secara keseluruhan dapat menjelaskan keputusan pilihan secara kualitatif. Dalam hal ini pilihan yang digunakan untuk melakukan alih fungsi lahan atau tidak melakukan. Pengujian parameter dilakukan dengan menguji semua parameter
44 secara keseluruhan dan menguji masing-masing parameter secara terpisah. Statistik uji yang digunakan adalah sebagai berikut:
a. Odds Ratio
Odds merupakan rasio peluang kejadian terjadi sukses (terjadinya pristiwa y=1) terhadap peluang terjadi gagal (terjadinya pristiwa y=0) (Nachrowi et all. 2002). Odds ratio ini sering juga digunakan sebagai suatu ukuran asosiasi yang sering ditemukan dalam epidemologi. Pada dasarnya odds ratio digunakan untuk melihat hubungan antara peubah bebas dan peubah terikat dalam model logit. Nilai tersebut dapat diperoleh dari perhitungan eksponensial dari koefisien
estimasi (βi) atau exp (βj). Odds Ratio dapat didefinisikan sebagai berikut:
dimana P menyatakan peluang terjadinya peristiwa (Z=1) dan 1-P menyatakan peluang tidak terjadinya peristiwa.
b. Likelihood Ratio
Likelihood Ratio merupakan suatu rasio kemungkinan maksimum yang digunakan untuk menguji peranan variabel penjelas secara serentak (Hosmer dan Lemeshow 2002). Statistik uji yang dapat menunjukkan nilai likelihood ratio adalah Uji G. Rumus umum Uji G adalah:
... (4.11) Dimana l0 merupakan nilai likelihood tanpa variabel penjelas dan li
merupakan nilai likelihood model penuh. Statistik uji G akan mengikuti sebaran chi-square dengan derajat bebas α. Kriteria keputusan yang diambil adalah jika G > chi-square maka H0 ditolak. Jika H0 ditolak maka dapat disimpulkan bahwa
