Penelitian dilakukan di Kabupaten Majalengka, Provinsi Jawa Barat.
Penentuan daerah penelitian ditentukan secara purposivesampling dengan
pertimbangan lokasi penelitian merupakan salah satu sentra dan pengembangan produksi bawang merah di Jawa Barat. Selain itu, Kabupaten Majalengka juga merupakan salah satu kawasan pembangunan sayuran seiring dengan program Pemerintah dalam Program Pengembangan Kawasan Hortikultura Terintegrasi Dengan Pendampingan Intensif. Waktu pengumpulan data pada penelitian ini
dilakukan pada bulanSeptember 2015 – April 2016.
Jenis dan Sumber Data
Data utama yang digunakan dalam penelitian ini adalah data sekunder yang berasal dari hasil penelitian Pusat Kajian Hortikultura Tropika (PKHT) Institut Pertanian Bogor tahun 2015. Pengumpulan data yang dilakukan oleh PKHT dilakukan melalui metode survei dan wawancara langsung responden petani bawang merah dengan bantuan kuesioner. Responden petani bawang merah
ditentukan secara purposive, dengn jumlah responden petani bawang merah yang
digunakan dalam penelitian ini sebanyak 37 petani bawang merah di Kabupaten Majalengka. Data tersebut mencakup data kuantitatif dan data kualitatif usahatani bawang merah di Kabupaten Majalengka. Data yang diperoleh meliputi data karakteristik responden, data input dan output usahatani bawang merah, serta informasi harga input dan output usahatani bawang merah.
Data sekunder lain sebagai data pendukung yang diperoleh dari berbagai sumber, yaitu Badan Pusat Statistik (BPS), Kementerian Pertanian (Kementan), Dinas Pertanian Pangan dan Hortikultura Jawa Barat, Dinas Pertanian Kabupaten Majalengka, internet, hasil penelitian, artikel, jurnal dan literatur yang relevan serta sumber informasi terkait lainnya yang mendukung penelitian.
Metode Pengumpulan Data
Data dikumpulkan berdasarkan variabel-variabel yang dibutuhkan untuk penelitian dan juga mengacu pada data yang tersedia. Lokasi penelitian dipilih
secara purposive sesuai dengan provinsi, kecamatan, dan desa pilihan dari
penelitian oleh Pusat Kajian Hortikultura Tropika (PKHT) Bogor. Dalam menentukan jumlah sampel, Pusat Kajian Hortikultura Tropika (PKHT) tidak
menentukan sample frame, fokus penelitian dilakukan kepada populasi sasaran
berdasarkan informasi dari Dinas Pertanian Kabupaten Majalengka. Populasi sasaran penelitian adalah petani yang termasuk dalam program Pemerintah pada
Program Pengembangan Kawasan Hortikultura Terintegrasi Dengan
Pendampingan Intensif . Pemilihan desa contoh dilakukan dengan memperhatikan
jenis lahan, jumlah pelaku usahatani bawang merah, dan merupakan kawasan pengembangan hortikultura.
Metode Analisis dan Pengolahan Data
Data yang diperoleh dianalisis secara kualitatif dan kuantitatif. Analisis kualitatif digunakan untuk mengkaji karakteristik usahatani bawang merah di Kabupaten Majalengka, seperti luas lahan tanam, luas lahan panen, produktivitas, kondisi iklim, pengairan, kualitas lahan, infrastruktur, dan sebagainya. Selanjutnya analisis kuantitatif digunakan untuk mengkaji faktor-faktor yang berpengaruh pada efisiensi usahatani bawang merah, mengukur efisiensi usahatani bawang merah secara teknis, alokatif, dan ekonomis.
Analisis data menggunakan alat analisis fungsi produksi stochastic
frontier dan perbandingan biaya produk marginal. Dalam penelitian ini, fungsi
produksi yang digunakan merupakan fungsi produksi stochastic frontier Cobb-
Douglas yang digunakan untuk mengukur efisiensi teknis dari usahatani bawang merah serta faktor-faktor yang mempengaruhi efisiensi teknis. Sedangkan perbandingan biaya produk marginal, digunakan untuk mengukur efisiensi alokatif dan ekonomis.
Data yang diperoleh diolah dengan menggunakan program komputer
Microsoft Excel, Eviews, dan Frontier 4.1. Data yang telah diolah, selanjutnya
disajikan dalam bentuk tabel dan diuraikan secara deskriptif.
Analisis Fungsi Produksi Stochastic Frontier
Analisis produksi usahatani bawang merah pada penelitian ini
menggunakan fungsi produksi stochastic frontier Cobb-Douglas. Pemilihan
bentuk fungsi produksi stochastic frontier Cobb-Douglas sebagai alat pendekatan
dilatarbelakangi pertimbangan bahwa bentuk fungsi produksi stochastic frontier
Cobb-Douglas dapat mengurangi terjadinya multikolinearitas, bersifat homogen sehingga dapat digunakan untuk menurunkan fungsi biaya dual dari fungsi produksi, perhitungannya sederhana, dapat dibuat dalam bentuk fungsi linear, dan banyak digunakan penelitian, khususnya dalam bidang pertanian. Dalam fungsi produksi, faktor-faktor yang secara langsung mempengaruhi produksi yang dihasilkan adalah faktor-faktor produksi yang digunakan. Faktor-faktor tersebut yang diduga adalah luas lahan, jumlah penggunaan bibit, jumlah pupuk (diakumulasikan secara keseluruhan dari masing-masing jenis pupuk, karena penggunaan pupuk yang beragam), tenaga kerja yang digunakan, dan jumlah pestisida keseluruhan (kimia dan organik). Bentuk matematis pengukuran efisiensi teknis usahatani bawang merah adalah:
0 2 2 ...(19)
dalam bentuk linier menjadi:
0 2 2
...(20)
dimana:
Y = Produksi bawang merah (kg)
X1 = Luas lahan yang digarap (ha)
X2 = Jumlah penggunaan bibit (kg)
X3 = Jumlah pupuk (kg)
X4 = Jumlah tenaga kerja yang digunakan (HOK)
0 = Intersep/konstanta
j = koefisien parameter penduga ke-j, dimana j = 1,2,3,...,5
vi– ui = (vi) kesalahan pengganggu, (ui) efek inefisiensi teknis dalam model.
Nilai koefisian yang diharapkan dari 1, 2,...., 6 > 0 yang berarti hasil
pendugaan fungsi produksi stochastic frontier memberikan nilai parameter dugaan
yang positif. Nilai koefisien parameter dugaan yang bernilai positif mengartikan bahwa peningkatan input akan meningkatkan nilai produksi usaha.
Analisis Efisiensi Teknis dan Inefisiensi Teknis
Metode perhitungan efisiensi teknis yang digunakan dalam penelitian ini
mengacu pada model Coelli et al. (1998) yang memperhitungankan efek
inefisiensi teknis. Analisis efisiensi teknis dapat diukur dengan menggunakan rumus sebagai berikut:
| ...(21)
dimana, TEi merupakan efisiensi teknis petani ke-i, | merupakan
nilai harapan (mean) dari ui dengan syarat i, sehingga 0 ≤ TEi ≤ 1. Nilai efisiensi
teknis tersebut berhubungan terbalik dengan nilai efek inefisiensi teknis dan hanya
digunakan untuk fungsi yang memiliki jumlah output dan input tertentu (cross
section data). Nilai efisiensi usaha dikategorikan cukup efisien jika benilai ≥ 0,7
dan dikatakan belum efisien jika bernilai < 0,7 (Kumbhakar dan Lovell 2000). Model inefisiensi teknis yang digunakan pada penelitian ini mengacu pada model efek inefisiensi yang dikembangkan oleh Battese dan Coelli (1991).
Variabel ui adalah variabel acak yang menggambarkan inefisiensi secara teknis
dalam produksi dan berkaitan dengan faktor internal, semakin besar nilai ui maka
semakin besar pula inefisiensi usahatani yang dilakukan oleh petani. Variabel
acak ui tidak boleh bernilai negatif, diasumsikan bebas dan distribusinya terpotong
normal dengan N 2 .
Untuk menentukan nilai parameter distribusi (ui) efek inefisiensi teknis
usahatani bawang merah, pada penelitian ini digunakan rumus sebagai berikut:
0 2 2
...(22)
dimana:
ui = efek inefisiensi teknis
Z1 = usia petani (tahun)
Z2 = jumlah tanggungan keluarga (orang)
Z3 = pendidikan formal yang ditempuh petani (tahun)
Z4 = status kepemilikan lahan (Z4=1 jika ‘εilik Pribadi’ dan Z4=0 jika
‘Sewa’)
Z5 = mutu benih (Z5=1 jika ‘Berlabel’ dan Z5=0 jika ‘Tidak Berlabel’)
Z6 = keikutsertaan dalam penyuluhan (Z5=1 jika ‘Ya’ dan Z5=0 jika ‘Tidak’)
Z7 = lama waktu menjadi petani (tahun)
Penggunaan variabel tersebut dipilih karena berdasarkan hasil pengamatan bahwa inefisiensi terbesar terjadi karena adanya faktor internal, termasuk manajemen produksi. Oleh karena itu, variabel usia, jumlah tanggungan keluarga, pendidikan formal yang ditempuh, status kepemilikan lahan, mutu benih, keikutsertaan penyuluhan, serta lama waktu menjadi petani termasuk pada variabel yang berkaitan dengan manajemen produksi dan dapat mempengaruhi hasil produksi bawang merah.
Nilai koefisien parameter penduga inefisiensi ( ) yang diharapkan adalah
2 . Jika parameter penduga inefisiensi bernilai
negatif untuk variabel 2 , maka variabel tersebut dapat
menurunkan inefisiensi atau meningkatkan efisiensi usaha yang dijalankan.
Namun, jika parameter penduga inefisiensi bernilai positif untuk variabel
maka variabel tersebut berpengaruh positif terhadap peningkatan inefisiensi usaha atau menurunkan tingkat efisiensi usaha. Pendugaan parameter fungsi produksi
stochastic frontier dan inefficienct function dilakukan secara simultan dengan
menggunakan program Frontier 4.1 . Pengujian parameter stochastic frontier dan
efek inefisiensi teknis dilakukan dengan dua tahap. Tahap pertama dengan
menggunakan metode Ordinary Least Square (OLS) dengan tujuan untuk menguji
asumsi klasik. Selanjutnya pada tahap kedua merupakan pendugaan seluruh parameter 0, j, varians ui dan vi dengan menggunakan metode Maximum
Likelihood Estimation (MLE) pada tingkat kepercayaan 1 persen, 5 persen, 10
persen, 15 persen, dan 20 persen.
Hasil pengolahan program Frontier 4.1 menurut Aigner, et al. (1977),
Jondrow, et al. (1982), dan Greene (1993) dalam Coelli, et al. (1998) akan
memberikan perkiraan varians dari parameter dalam bentuk sebagai berikut:
2 2 2...(23)
...(24)
Parameter dari varians ini dapat mencari nilai , dengan sebaran 0 ≤ ≤ 1. Nilai parameter merupakan kontribusi dari efisiensi teknis di dalam efek residual total. Nilai yang mendekati 1 menunjukkan bahwa error term hanya berasal dari
akibat inefisiensi (ui) dan bukan berasal dari noise (vi). Sedangkan jika
mendekati nol, diinterpretasikan bahwa seluruh error term adalah sebagai akibat
dari noise (vi), seperti cuaca, hama dan sebagainya.
Nilai log likelihood dengan metode MLE perlu dibandingkan dengan nilai
log likelihood dengan metode OLS. Jika nilai log likelihood metode MLE lebih
besar dari OLS, maka fungsi produksi dengan metode MLE dapat dikatakan baik
dan sesuai dengan kondisi lapangan. Selain itu, nilai varian atau sigma-square
( 2) menunjukkan distribusi dari error term inefisiensi teknis (ui). Jika nilai yang
dihasilkan kecil atau mendekati nol, artinya error term inefisiensi (ui) terdistribusi
secara normal. Uji Asumsi Klasik
Persamaan dari sebuah estimasi dapat dioperasikan secara statistik jika telah memenuhi asumsi klasik, yaitu bebas multikolinearitas, heteroskedastisitas, autokorelasi dan normalitas.
Uji Multikolinearitas
Memperlihatkan adanya hubungan linear yang sempurna, diantara beberapa atau semua variabel yang menjelaskan dari model regresi (Gujarati,
2003). Untuk mendeteksi multikolinearitas dapat dilihat dari nilai tolerance dan
variance inflation factor (VIF). Tolerance mengukur variabilitas variabel
independen yang terpilih yang tidak dijelaskan oleh variabel independen lainnya.
1/tolerance). Nilai yang umum dipakai untuk menunjukkan adanya
multikolinearitas adalah nilai tolerance < 0,10 atau sama dengan nilai VIF > 10.
Uji Autokorelasi
Uji autokorelasi dilakukan untuk melihat apakah dalam model regresi
linier terdapat korelasi antar error satu dengan yang lainnya. Konsekuensi dari
adanya autokorelasi pada model adalah bahwa penaksir tidak efisien dan uji t serta uji F yang biasa tidak valid walaupun hasil estimasi tidak bias (Gujarati, 2003). Pengujian yang biasa digunakan untuk mengetahui kemungkinan terjadinya
autokorelasi adalah Uji Durbin-Watson. Untuk melihat terjadi atau tidaknya
autokorelasi yaitu berdasarkan hipotesis berikut:
1) Jika nilai d<dL atau d>(4-dL), maka terdapat autokorelasi.
2) Jika nikai d<d<(4-dU), maka tidak terdapat autokorelasi.
3) Jika nilai dL<d<dU atau (4-dU)<d<(4-dL), maka menghasilkan
kesimpulan yang belum pasti.
Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model
regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke
pengamatan yang lain. Heteroskedastisitas terjadi pada saat residu dan nilai prediksi memiliki korelasi atau pola hubungan. Pola hubungan ini tidak hanya sebatas hubungan yang linier, tetapi dalam pola yang berbeda juga
memungkinkan. Metode uji heteroskedastisitas yang digunakan adalah Uji White.
Untuk melihat terjadi atau tidaknya heteroskedastisitas pada model adalah dengan melihat Nilai Prob. Chi-Square.
Hipotesis :
H0 : Tidak terdapat heteroskedastisitas
H1 : Terdapat heteroskedastisitas
Apabila nilai Prob. Chi-Square lebih besar dari tingkat kepercayaan, maka
H0 diterima yang artinya tidak terjadi heteroskedastisitas, sedangkan apabila nilai
Prob. Chi-Square lebih kecil dari tingkat kepercayaan, maka H0 ditolak yang
artinya terjadi heteroskedastitas.
Uji Normalitas
Uji normalitas yang dimaksud dalam asumsi klasik dengan pendekatan OLS adalah (data) residual yang dibentuk model regresi linier terdistribusi normal, bukan variabel bebas atau variabel terikatnya. Pengujian terhadap residual
terdistribusi normal atau tidak, dapat menggunakan Uji Jarque-Bera. Keputusan
terdistribusi normal tidaknya residual secara sederhana dengan membandingkan nilai Probabilitas JB (Jarque-Bera) hitung dengan tingkat kepercayaan. Apabila Prob. JB hitung lebih besar dari tingkat kepercayaan, maka dapat disimpulkan bahwa residual terdistribusi normal dan sebaliknya.
Uji Hipotesis
Uji hipotesis untuk model efek inefisiensi teknis menggunakan uji parameter dugaan , dengan tujuan untuk mengetahui ada tidaknya efek inefisiensi
di dalam model. Selanjutnya, digunakan t-hitung untuk masing-masing variabel
penduga yang digunakan secara statistik untuk mengetahui apakah koefisien dari
masing-masing parameter bebas ( ) yang dipakai secara terpisah, berpengaruh
nyata atau tidak terhadap parameter tak bebas (ui). Berikut hipotesis awal yang
Hipotesis pertama:
H0: = 0= = ... = = 0
H1: = 0= = ... = > 0
Hipotesis nol, menyatakan bahwa efek inefisiensi teknis, tidak terdapat dalam model fungsi produksi. Jika hipotesis diterima, maka fungsi model
produksi rata-rata cukup mewakili data empiris. Sedangkan jika H0 ditolak, maka
terdapat efek inefisiensi dalam model fungsi produksi. Uji statistik yang
digunakan adalah uji Chi Square.
0 ...(25)
dimana L(H0) dan L(H1) masing-masing merupakan nilai dari fungsi likelihood
dari hipotesis nol dan hipotesis alternatif. Kriteria uji:
LR galah satu sisi > 2restriksi(Tabel Kodde dan Palm) Tolak H0
LR galah satu sisi < 2restriksi(Tabel Kodde dan Palm) Terima H0
Tabel Chi Square Kodde dan Palm merupakan tabel upper and lower dari tabel
kritis untuk uji persamaan dan pertidaksamaan restriksi (Kodde dan Palm, 1986). Hipotesis kedua:
H0 : = ... = = 0
H1 : > 0 dan 2 < 0
Hipotesis nol artinya koefisien dari masing-masing variabel di dalam model efek inefisiensi adalah sama dengan nol. Jika hipotesis ini diterima, maka masing-masing variabel penjelas di dalam model efek inefisiensi tidak memiliki pengaruh sama sekali terhadap tingkat inefisiensi di dalam proses produksi. Jika hipotesis ditolak, maka masing-masing variabel penjelas di dalam model efek inefisiensi memiliki pengaruh terhadap tingkat inefisiensi di dalam proses produksi. Berikut uji statistik yang digunakan:
0 dan 2 ...(26) Kriteria uji:
|t-hitung| > t-tabel (α/β,n-k-1) : Tolak H0
|t-hitung| < t-tabel (α/β,n-k-1) : Terima H0
Namun, apabila tidak menggunakan tabel, maka dapat dilihat nilai p,
dengan kriteria sebagai berikut:
P-value/β < α : Tolak H0
P-value/β > α : Terima H0
dimana:
k : jumlah variabel bebas
n : jumlah pengamatan/responden
: simpangan baku koefisien efek inefisiensi
Analisis Efisiensi Alokatif dan Ekonomis
Setelah menganalisis efisiensi dan inefisiensi teknis, langkah selanjutnya adalah menganalisis efisiensi alokatif dan ekonomi. Dengan mengasumsikan bahwa usahatani dalam mencapai keuntungannya. Sebuah usahatani dapat
dikatakan berhasil mencapai efisiensi alokatif, apabila mampu mengalokasikan biaya secara minimum dari input yang ada. Menurut Nicholson (1995), efisiensi harga (efisiensi alokatif) dapat tercapai jika perbandingan nilai produktivitas masing-masing input atau nilai produk marginal (NPM) sama dengan harga inputnya (Px), sehingga dapat dituliskan sebagai berikut:
...(27) ...(28) ...(29) dimana : b = elastisitas Y = produksi Py = harga produksi Y
X = jumlah faktor produksi X
Px = harga faktor produksi X
Dalam banyak kenyataan NPMx tidak selalu sama dengan Px. Yang sering terjadi adalah sebagai berikut (Nicholson 2005):
a. (NPMx/Px)> 1; artinya penggunaan input x tidak efisien dan belum
mencapai batas penggunaan input secara optimal untuk mencapai efisien,
maka penggunaan input xperlu ditambah.
b. (NPMx/Px) < 1; artinya penggunaan input tidak efisien dan sudah
melewati batas penggunaan input secara optimal untuk mencapai efisien,
maka input x perlu dikurangi.
Setelah memperoleh perhitungan efisiensi harga atau efisiensi alokatif, selanjutnya dihitung efisiensi ekonomi. Efisiensi ekonomi (EE) merupakan gabungan antara efisiensi teknis dan alokatif, sehingga efisiensi ekonomi dapat dihitung sebagai berikut:
...(30) dimana EE bernilai 0 ≤ EE ≤ 1.
Konsep Pengukuran Variabel
Variabel-variabel yang diamati merupakan data dan informasi mengenai karakteristik usahatani bawang merah di Kabupaten Majalengka. Variabel- variabel yang digunakan dalam analisis efisiensi teknis, alokatif, dan ekonomis, serta risiko pada usahatani bawang merah, yaitu:
1. Produksi bawang merah (Y), merupakan jumlah bawang merah yang
dihasilkan dalam satu musim dengan ukuran satuan adalah kilogram.
2. Luas lahan (X1), merupakan luas lahan yang ditanami bawang merah dengan
satuan ukurannya adalah hektar.
3. Jumlah bibit (X2), merupakan jumlah bibit yang digunakan petani dalam
usahatani bawang merah yang dihitung dalam satuan kilogram.
4. Jumlah pupuk (X3), merupakan jumlah pupuk anorganik dan organik dari
berbagai jenis yang digunakan, dikur dengan satuan kilogram. Harga pupuk anorganik adalah harga rata-rata pupuk yang berlaku di daerah penelitian yang dihitung dalam satuan rupiah per kilogram (Rp/kg).
5. Tenaga kerja (X4), merupakan jumlah total tenaga kerja yang digunakan
dalam proses produksi untuk berbagai jenis kegiatan, mulai dari persiapan lahan sampai dengan pasca panen. Harga tenaga kerja dihitung berdasarkan harga tenaga kerja setiap jenis kelamin yang berlaku di daerah penelitian, yang dihitung dalam satuan rupiah per jam (Rp/jam).
6. Pestisida (X5), merupakan jumlah pestisida yang digunakan, diukur dalam
satuan liter. Harga pestisida adalah harga pestisida yang berlaku di daerah penelitian, yang dihitung dalam satuan rupiah per liter (Rp/liter).
7. Usia petani (Z1), merupakan usia petani pada saat penelitian dilakukan dan
dinyatakan dalam tahun.
8. Jumlah tanggungan keluarga (Z2), merupakan jumlah orang yang masih
menjadi tanggungan petani bawang merah, seperti istri, anak, dan saudara.
9. Lama pendidikan formal (Z3), merupakan jumlah total waktu yang
dibutuhkan untuk menempuh pendidikan formal (Sekolah Dasar sampai dengan pendidikan tertinggi) yang dinyatakan dalam tahun.
10. Status kepemilikan lahan (Z4), merupakan variabel dummy status kepemilikan
lahan yang digarap oleh petani, memiliki nilai 1 (satu) jika milik pribadi dan nilai 0 (nol) jika lahan yang digarap merupakan lahan sewa.
11. Mutu Benih (Z5), merupakan variabel dummy dari benih yang digunakan
petani bawang merah, dengan nilai 1 (satu) untuk penggunaan benih berlabel dan nilai 0 (nol) untuk penggunaan benih tidak berlabel. Penggunaan benih akan mempengaruhi produktivitas hasil usahatani.
12. Keikutsertaan dalam penyuluhan (Z6), merupakan variabel dummy bernilai 1
(satu) jika petani mengikuti kegiatan penyuluhan, dan bernilai 0 (nol) jika petani tidak mengikuti kegiatan penyuluhan pertanian.
13. Lama waktu menjadi petani (Z7), merupakan lamanya waktu yang dilalui
petani sejak pertama kali mulai menanam bawang merah sampai dengan saat penelitian dilakukan.
GAMBARAN UMUM DAERAH PENELITIAN