BAB III METODE PENELITIAN
3.4 Metode Analisis Data
Data yang diperoleh dalam penelitian ini terlebih dahulu ditabulasi, lalu dijabarkan dan dianalisis dengan metode analisis yang sesuai. Untuk hipotesis (1), dianalisis dengan menggunakan metode regresi linear berganda. Hasan (2004), menyatakan rumus regresi linear berganda adalah sebagai berikut:
Y = a + b1X11 + b2X12 + b3X13
Dimana :
Y = Pendapatan Petani Sistem tanam SRI (Rp/Kg) X11 = Biaya Panen Petani Sistem Tanam SRI (Rp) X12 = Biaya Produksi Petani Sistem Tanam SRI (Rp) X13 = Harga Gabah Petani Sistem Tanam SRI (Rp)
b1, b2, b3 = koefisien regresi untuk masing-masing variabel = Kesalahan pengganggu
Y = a + b1X21 + b2X22 + b3X23
Dimana :
Y = Pendapatan Petani Sistem tanam Legowo (Rp/Kg) X21 = Biaya Panen Petani Sistem Tanam Legowo (Rp) X22 = Biaya Produksi Petani Sistem Tanam Legowo (Rp) X23 = Harga Gabah Petani Sistem Tanam Legowo (Rp) b1, b2, b3 = koefisien regresi untuk masing-masing variabel
= Kesalahan pengganggu
Uji kesesuaian
Agar dapat memperoleh hasil regresi yang terbaik secara statistik yang disebut BLUE (Best Linier Unbiased Estimator) terdapat beberapa kriteria yang harus dipenuhi yaitu:
1. Analisis Koefisien Determinasi (R2)
Penilain terhadap koefisien determinasi bertujuan untuk melihat apakah kekuatan variabel bebas dalam mempengaruhi kekuatan variabel terikat. Semakin banyak variabel bebas yang digunakan maka semakin tinggi pula koefisien determinasinya ( Nachrowi dan Usman, 2006).
Koefisien determinasi untuk mengukur tingkat ketepatan. Besarnya koefisien determinasi berganda (multiple coefficient of correlation) yang bersimbol R2. Makin banyak variabel didalam model, maka semakin naik fungsi tersebut,
artinya semakin besar nilai R2 semakin dengan satu, maka semakin cocok regresi untuk meramalkan Y (Firdaus, 2004).
2. Secara serempak (Uji F)
Untuk menguji apakah variabel bebas yakni input produksi Xi bersama-sama (serempak) berpengaruh terhadap variabel tidak bebas (Y) digunakan uji-F yakni :
F-hitung =
Dimana :
MRS : Mean Square Regression (Rata-rata Kuadrat Regresi) MSE : Mean Square Error (Rata-rata Kuadrat Sisa)
R² : Koefisien Determinasi n : Jumlah Sampel
R² =
Dimana :
SSR = Sum Square Regression (Jumlah Kuadrat Regresi) SST = Sum Square Total (Jumlah Kuadrat Total)
R² = Koefisien Determinasi Kesimpulan statistik:
Bila nilai F-hitung > F-tabel maka H0 ditolak, artinya variabel bebas yakni input produksi (Xi) secara serempak berpengaruh nyata terhadap tingkat produksi (Y) (Soekartawi, 2002).
3. Secara parsial ( Uji t )
Untuk menguji apakah pengaruh bebas yakni input (Xi) yang digunakan dari usahatani padi sawah sistem tanam SRI (System of Rice Intensification) dan sistem tanam legowo secara parsial berpengaruh nyata terhadap pendapatan (Y)
digunakan uji-t. Semua variabel bebas (Xi) diuji satu per satu. t-hitung =
Dimana :
bi = Koefisien Regresi Se = Simpanan Baku Kesimpulan Statistik :
Jika t-hitung > t-tabel maka H0 ditolak, artinya variabel bebas (Xi) secara nyata berpengaruh terhadap pendapatan. Selanjutnya untuk mengetahui sejauh mana variabel bebas (Xi) dapat menjelaskan variabel tak bebas (Y) digunakan nilai koefisien determinasi (R²). Selain itu untuk mengetahui keeratan hubungan antara regresor (Xi) dan regresi (Y) digunakan koefisien korelasi (R).
Uji Asumsi Klasik
Pendugaan dengan Metode Kuadrat Terkecil atau Ordinary Least Square (OLS) memiliki beberapa persyaratan untuk memperoleh the best linear unbiased estimated (BLUE) sehingga dilakukan uji asumsi klasik. Namun pada penelitian
ini hanya asumsi normalitas, multikolinieritas, dan heteroskedastisitas yang diuji. Sedangkan autokorelasi tidak diuji sebab asumsi ini sering terjadi pada penelitian dengan data time series (Soekartawi, 2002).
Hal ini dikemukakan Supranto (2005) bahwa autokorelasi merupakan korelasi antara anggota seri observasi yang disusun menurut urutan waktu. Sehingga pada penelitian ini uji asumsi klasik yang digunakan yaitu :
1. Uji Asumsi Normalitas
Asumsi kenormalan sangat diperlukan dalam menghadapi sampel kecil untuk keperluan pengujian hipotesis (Supranto, 2005). Tujuan uji normalitas adalah untuk mengetahui apakah distribusi data mengikuti atau mendekati distribusi normal, yakni distribusi data dengan bentuk lonceng (Santoso, 2010).
Untuk menguji normalitas dengan pendekatan grafik digunakan Normal Probability Plot, yaitu dengan membandingkan distribusi kumulatif data
sesungguhnya (yang digambarkan dengan ploting) dengan distribusi kumulatif dari distribusi normal (yang digambarkan dengan garis lurus normal dari kiri ke kanan atas). Jika data normal, maka garis yang digambarkan data akan mengikuti atau merapat ke garis diagonalnya (Sulianto, 2011).
2. Uji Asumsi Multikolinieritas
Menurut Ragner Frish dalam Supranto (2005) istilah kolinieritas sendiri berarti hubungan linear tunggal, sedangkan kolinieritas ganda (milticollinearity) menunjukkan adanya lebih dari satu hubungan linear yang sempurna. Untuk mendeteksi adanya multikolinearitas dapat ditinjau dari beberapa hal berikut : 1. nilai toleransi lebih kecil dari 0,1
2. nilai VIF lebih besar dari 10 3. R² = 1
Jika terjadi masalah multikolinearitas maka dapat dilakukan beberapa metode untuk mengatasinya. Metode-metode yang dapat dilakukan adalah sebagai berikut:
1. Memperbesar ukuran sampel
2. Menggabungkan data time series dan data cross-section, atau 3. Dengan menghilangkan salah satu atau lebih variabel bebas
Hipotesis (2) dan (3) dianalisis dengan menggunakan metode uji beda rata-rata dengan rumus sebagai berkut:
H0 : µ1 -µ2 H1 : µ1 ≠ µ2
Dimana : µ1 = Variabel 1 ( Sistem Legowo ) µ2 = Variabel 2 ( Sistem Sri )
+ - 2
Dimana :
: Rata-rata nilai variabel 2 S1 : Standard deviasi variable 1 S2 : Standard deviasi variable 2 n1 : Jumlah sampel variable 1 n2 : Jumlah sampel variable 2 kriteria uji :
t-hitung ≤ t-tabel Hipotesis H0 diterima t-hitung > t-tabel Hipotesis H0 ditolak
3.5Defenisi dan Batasan Operasional
Untuk menghindari kesalahpahaman dan kekeliruan atas pengertian dalam penelitian ini, maka diberikan beberapa defenisi dan batasan operasional sebagai berikut:
3.5.1Defenisi
1. Petani adalah seseorang yang menjalankan usaha pertaniannya dan bertanggung jawab pada usahataninya seperti komoditi padi mulai dari persiapan lahan hingga proses panen. Dalam penerapan sistem SRI (System of Rice Intensification) pada padi sawah berbeda-beda.
2. Faktor produksi adalah semua korbanan yang diberikan kepada tanamn agar tanaman tersebut mampu tumbuh dan menghasilkan produksi dengan baik.
3. Biaya produksi adalah seluruh biaya yang dikeluarkan oleh petani selama usaha proses usahatani yang dilakukan yang merupakan penjumlahan dari biaya tetap dan biaya variable.
4. Pendapatan adalah selisih antara penerimaan dengan total biaya produksi yang dikeluarkan oleh petani selama proses produksi
5. Produksi adalah besarnya hasil panen usahatani padi sawah yang diperoleh dalam satu kali periode dengan satuan (kg)
6. Luas lahan adalah areal pertanaman padi sawah sistem tanam SRI (System of Rice Intensification) dan sistem tanam legowo yang dimiliki oleh petani yang
diukur dengan satuan (ha).
7. Biaya produksi adalah jumlah panen padi sawah sistem tanam SRI (System of Rice Intensification) dan sistem tanam legowo yang diperoleh dalam satu kali
periode panen (Kg).
8. Penerimaan adalah penjumlahan penerimaan produsen dari hasil penjualan barang atau outputnya.
3.5.2 Batasan Operasional
1. Lokasi penelitian dilakukan di Desa Pematang Sentrak Kecamatan Teluk Mengkudu Kabupaten Serdang Bedagai
2. Waktu penelitian dilakukan pada bulan Januari tahun 2014
3. Sampel adalah petani padi sawah sistem tanam SRI (System of Rice Intensification) dan sistem tanam legowo di daerah penelitian yang dilakukan
di Desa Pematang Sentrak Kecamatan Teluk Mengkudu Kabupaten Serdang Bedagai.