VI. HASIL DAN PEMBAHASAN
6.4 Faktor-Faktor yang Mempengaruhi Biaya Adaptasi Petani dalam
Model pendugaan dari faktor-faktor yang mempengaruhi besarnya biaya adaptasi merupakan model regresi berganda. Teknik regresi berganda digunakan untuk menganalisis faktor-faktor yang mempengaruhi besarnya nilai dari biaya yang dikeluarkan oleh petani dalam menghindari dampak negatif adanya perubahan cuaca. Peubah bebas yang dimasukkan ke dalam model yaitu, lamanya menempuh pendidikan formal (Pd), jumlah tanggungan keluarga (Jt), lamanya pengalaman bertani (Pb), dan luas lahan pertanian yang diusahakan (Luas). Model diperoleh dari pengolahan data melalui Stastistical Product and Service Solutions
(SPSS) 16. Output hasil regresi linier berganda untuk proxy biaya adaptasi petani tersaji lengkap pada Tabel 15.
Tabel 15. Faktor yang Mempengaruhi Biaya Adaptasi Petani
Predictor Coef SE Coef T P Value VIF
Constant -65021.721 44453.497 -1.463 0.154 Pd -1234.229 3864.942 -.319 0.752 1.103 Jt 2352.222 6378.423 0.369 0.715 1.082 Pb 1696.965 1061.811 1.598 0.120** 1.054 Luas 59.622 4.279 13.934 0.000* 1.027 R-Sq = 86% R-Sq(adj) = 85% DW = 2,318 Sumber : Data Primer (diolah)
Keterangan : * = berpengaruh nyata pada α = 1% ** = berpengaruh nyata pada α = 15%
Berdasarkan Tabel 15 di atas model statistik untuk menduga faktor-faktor yang mempengaruhi biaya adaptasi petani dapat dikatakan layak dan memenuhi kriteria. Hal ini dapat dilihat bahwa R-sq (adj) dari model yaitu sebesar 0.85 yang menyatakan bahwa variabel-variabel pendidikan, jumlah tanggungan keluarga, pengalaman bertani dan luas lahan yang diusahakan dapat menjelaskan keragaman dari biaya adaptasi petani sebesar 85% dan sisanya sebesar 15% keragaman model dijelaskan oleh variabel-variabel lain di luar model. Nilai p-value 0.000 menjelaskan bahwa secara umum variabel-variabel yang dianalisis berpengaruh nyata secara bersama-sama terhadap biaya adaptasi pada taraf α 1%. Model regresi linear berganda harus bersifat BLUE (Best Linear Unbias Estimator).
Beberapa asumsi yang harus dipenuhi agar bersifat BLUE adalah tidak terjadi multikolinearitas, autokorelasi, heteroskedastisitas, serta asumsi normalitas. Tabel 16. Uji Asumsi pada Model Regresi
Uji Asumsi Hasil Uji Keterangan
Uji Multikolinearitas
Nilai Variance Inflation
Factors (VIF) yang terdapat
pada model yang telah diregresikan kurang dari sepuluh < (10)
Hasil regresi dalam penelitian ini tidak terjadi multikolinearitas, hal ini ditunjukkan padaLampiran 10
Uji Heterokedastisitas
Melihat grafik scatterplots
dan menggunakan uji gletser. Berdasarkan hasil uji gletser
semua variabel bebas memiliki nilai signifikansi (sig) lebih besar dari alpha 1%
Grafik scatterplots yang dihasilkan menunjukkan titik-titik menyebar secara acak dan tersebar di atas maupun di bawah angka nol pada sumbu Y. Model tersebut tidak terjadi heteroskedastisitas, hal ini ditunjukkan pada Lampiran 10
Uji Autokorelasi
Uji Autokorelasi didasarkan pada uji Durbin-Watson (DW), nilai DW yang menunjukkan tidak ada masalah autokorelasi berada di antara 1.55 dan 2.46
Hasil pengolahan data mendapatkan nilai DW sebesar 2.318, dapat disimpulkan model regresi tidak terjadi masalah autokorelasi, Hal ini ditunjukkan padaLampiran 10
Uji Normalitas
Uji Normalitas dilakukan dengan menggunakan uji
Kolmogorov-Smirnov.
Penelitian ini menghasilkan nilai Kolmogorov –Smirnov (KS) > alpha 0,01 (1 %)
Nilai Asymp. Sig (2-tailed) 0,122 lebih besar dari 1% yang berarti distribusi data dinyatakan memenuhi asumsi normalitas.
Berdasarkan Tabel 16 di atas dapat dilihat bahwa pemenuhan asumsi-asumsi regresi linear berganda sudah lulus uji dan dapat dikatakan model dalam penelitian ini layak. Model yang dihasilkan dalam analisis ini adalah:
Biaya = - 65021.721 - 1234.229Pd + 2352.222 Jt + 1696.965 Pb + 59.622 Luas. Tanda koefisien variabel negatif memiliki arti pengaruh dari peubah bebas tersebut bersifat berbanding terbalik, yaitu peningkatan peubah tersebut akan menurunkan biaya adaptasi sedangkan, tanda koefisien positif memiliki arti sebaliknya, yaitu peningkatan peubah bebas tersebut juga akan meningkatkan biaya adaptasi. Hasil estimasi model regresi menunjukkan bahwa terdapat variabel yang signifikan dan variabel yang tidak signifikan dalam mempengaruhi biaya adaptasi petani.
6.4.1 Variabel yang Signifikan
Berdasarkan hasil pengujian dalam model, terdapat dua variabel yang signifikan, yaitu pengalaman bertani dan luas lahan. Variabel pengalaman bertani signifikan secara statistik pada taraf kesalahan 15%, hal ini dapat dilihat dari nilai
P value pengalaman bertani sebagai variabel bebas dari biaya adaptasi sebesar 0.120. Nilai koefisien dari pengalaman bertani sebesar 1 696, yang berarti bahwa setiap tambahan satu tahun lama bertani, peluang petani untuk meningkatkan biaya dalam beradaptasi menghadapi perubahan cuaca sebesar Rp1 696 (Cateris Paribus). Variabel lama bertani bernilai positif artinya semakin lama seorang petani bekerja pada bidang usahatani padi maka peluang petani untuk melakukan peningkatan biaya dalam beradaptasi menghadapi perubahan cuaca ekstrim semakin besar. Petani yang lebih lama bertani pasti akan memiliki pengalaman yang banyak, dan akan lebih memiliki banyak pilihan adaptasi yang dilakukan ketika perubahan cuaca terjadi dibandingkan dengan petani yang belum lama pengalaman bertaninya.
Umumnya, petani di Desa Ciasmara telah memiliki pengalaman usahatani lebih dari 10 tahun, sehingga sebagian besar petani tersebut lebih bisa melakukan dan mengamati perkembangan usahataninya dari waktu ke waktu. Sebagian besar petani lebih memilih untuk beradaptasi dengan meningkatkan penggunaan input baik input benih, obat semprot atau pestisida dan juga penggunaan tenaga kerja.
Adaptasi yang dilakukan tersebut pada akhirnya mengharuskan petani untuk meningkatkan pengeluaran biaya dalam usahatani, yaitu berupa biaya adaptasi.
Variabel luas lahan signifikan secara statistik pada taraf kesalahan 1%, hal ini dapat dilihat dari nilai P value luas lahan sebagai variabel bebas dari biaya adaptasi sebesar 0.000. Nilai koefisien dari luas lahan sebesar 59.622, yang berarti bahwa setiap tambahan satu meter persegi luas lahan yang digunakan, maka akan meningkatkan biaya dalam beradaptasi menghadapi perubahan cuaca sebesar Rp59.622 (Cateris Paribus). Variabel luas lahan bernilai positif artinya semakin luas lahan yang digunakan petani untuk usahatani padinya, maka peluang petani untuk melakukan peningkatan biaya dalam penyesuaian menghadapi perubahan cuaca semakin besar. Semakin luas lahan yang digunakan dalam usahatani, maka risiko kegagalan hasil produksi padi akan semakin besar apabila tidak disertai adaptasi dalam menghadapi perubahan cuaca yang terjadi .
6.4.2 Variabel yang Tidak Signifikan
Variabel yang tidak signifikan berdasarkan hasil olahan data adalah variabel lama menempuh pendidikan (Pd), dan jumlah tanggungan keluarga (Jt). Variabel lama menempuh pendidikan tidak signifikan karena memiliki nilai
P value lebih besar dibandingkan dengan batas taraf kesalahan 5% yaitu sebesar 0.752, sehingga pengaruh pendidikan petani dapat diabaikan secara statistik. Kenyataan yang terjadi di lapang bahwa sebagian besar petani memiliki tingkat pendidikan yang homogen. Sebanyak 70% petani pernah menempuh pendidikan formal hanya selama 6 tahun atau setingkat pendidikan dasar, sehingga tingkat pendidikan tidak bisa menggambarkan besarnya biaya yang dikeluarkan petani dalam melakukan adaptasi mengahadapi perubahan cuaca yang terjadi. Jumlah tanggungan keluarga (Jt) tidak signifikan secara statistik karena memiliki nilai P value 0.715, karena nilai tersebut lebih besar dibandingkan dengan batas taraf kesalahan 5%, sehingga pengaruh jumlah tanggungan dapat diabaikan secara statistik. Berdasarkan kenyataan yang terjadi di lapang, bahwa tidak ada kecenderungan jumlah tanggungan keluarga tertentu baik pada petani yang mengeluarkan biaya adaptasi tinggi dengan petani yang mengeluarkan biaya adaptasi rendah.