3.6.1 Menganalisis perubahan penggunaan lahan pertanian
Metode dan pendekatan yang digunakan untuk menjawab perumusan masalah pertama pada penelitian yaitu dengan analisis perubahan penggunaan lahan. Analisis yang dilakukan merupakan analisis berbasis Geographic Information System (GIS) sesuai dengan kebutuhan penelitian dalam segi spasial.Analisis perubahan penggunaan lahan dilakukan dengan membandingkan antar peta penggunaan lahan tahun 2009 dan 2019. Analisis overlay (tumpang tindih) adalah salah satu teknik analisis yang dapat dilakukan dengan bantuan software pengolahan data spasial ArcGIS.Hasil dari proses analisis overlay ini adalah peta perubahan penggunaan lahan pertanian.
3.6.2 Analisis ekonomi lahan (land rent)
Metode dan pendekatan yang digunakan untuk menjawab perumusan masalah kedua pada penelitian menganalisis ekonomi lahan (land rent). Langkah awal dalam analisa ini adalah mengumpulkan data terkait analisis ekonomi lahan.
Teori yang menjelaskan tentang land rent dikembangkan oleh Dunn dan Isard (Alonso, 1964). Menurut teori ini land rent di setiap lokasi adalah sama dengan nilai dari produk dikurangi biaya produksi dan biaya transportasi. Dalam teori ini
Universitas Sumatera Utara
44
diasumsikan hanya ada satu pasar dimana produk-produk pertanian dapat dijual, dan hanya ada satu jenis produk pertanian. Rentang nilai antara penerimaan dan biaya dalam kegiatan pertanian merupakan sewa ekonomi dan juga dapat menjadi sewa yang dibayarkan oleh penggarap kepada pemilik lahan. Land rent pada setiap lokasi dapat diformulasikan sebagai berikut :
pc(t) = N [ Pc – C – kc(t) ] dimana :
pc(t) : land rent per satuan unit lahan pada jarak t dari pasar N : jumlah produk yang diproduksi per satuan unit lahan Pc : harga produk per unit di pasar
C : biaya produksi
Kc(t) : biaya transportasi satu unit produk pada jarak t ke pasar
3.6.3 Analisis faktor-faktor yang mempengaruhi nilai ekonomi lahan (land rent)
Metode dan pendekatan untuk menjawab perumusan masalah ketiga pada penelitian ini adalah dengan analisis kolerasi berganda, analisis regresis berganda menganalisis faktor-faktor yang mempengaruhi perubahan land rent lahan pertanian.
a. Analisis Korelasi Berganda
Sebelum dilakukan analisis regresi berganda, terlebih dahulu dilakukan analisis korelasi berganda terhadap variabel-variabel penjelas. Analisis korelasi berganda merupakan analisis yang digunakan untuk mengetahui keeratan hubungan antara dua atau lebih variabel sebagai salah satu pertimbangan dalam melihat ada atau tidaknya hubungan sebab-akibat antar variabel tersebut. Dalam
Universitas Sumatera Utara
45
analisis korelasi berganda, keeratan sifat antara dua variabel akan ditunjukkan dari koefisien korelasi apakah berkorelasi positif, negatif, atau tidak berkorelasi.
Apabila dua variabel memiliki kecenderungan yang searah maka dinyatakan sebagai berkorelasi positif, sebaliknya bila memiliki kecenderungan yang berlawanan arah maka dinyatakan sebagai berkorelasi negatif. Dua variabel tersebut tidak berkorelasi atau tidak memiliki hubungan sama sekali jika nilai koefisien korelasi mendekati nol atau perubahan nilai pada salah satu variabel tidak diikuti oleh perubahan pada variabel lainnya. Koefisien korelasi berganda dapat dihitung berdasarkan persamaan sebagai berikut :
dimana :
n = ukuran populasi
xi= nilai variabel x untuk anggota populasi ke-i yi = nilai variabel y untuk anggota populasi ke-i
Hasil analisis korelasi berganda digunakan untuk menentukan kombinasi variabel-variabel penjelas sedemikian rupa sehingga variabel-variabel-variabel-variabel penjelas yang berkorelasi tinggi tidak muncul bersamaan dalam satu persamaan (model).
Sehingga syarat bahwa tidak ada multikolinearitas antar variabel penjelas dapat dipenuhi.
b. Analisis regresi berganda
Analisis regresi berganda menganalisis faktor-faktor yang mempengaruhi perubahan land rent lahan pertanian. Metode analisis Regresi Berganda merupakan metode analisis yang didasarkan pada metode Ordinary Least
Universitas Sumatera Utara
46
Square(OLS). Metode OLS merupakan metode yang kuat dan populer, adapun
sifat-sifat dari OLS adalah : (1) penaksir OLS tidak bias; (2) penaksir OLS mempunyai varians yang minimum; (3) konsisten, yaitu dengan meningkatnya ukuran sampel secara tidak terbatas, penaksir mengarah ke nilai populasi yang sebenarnya; (4) efisien; dan (5) linier. Menurut Gujarati (1978) analisis regresi berganda digunakan untuk membuat model pendugaan terhadap nilai suatu parameter (variabel penjelas yang diamati). Model yang dihasilkan dapat digunakan sebagai penduga yang baik jika asumsi-asumsi berikut dapat dipenuhi :
a) E (ui) = 0, untuk setiap i, dimana i = 1, 2, ... , n. Artinya rata-rata galat adalah nol, artinya nilai yang diharapkan bersyarat dari ui tergantung pada variabel bebas tertentu adalah nol.
b) Cov (ui , uj) = 0, i ≠ j. Artinya kovarian (Ui , Uj) = 0, dengan kata lain tidak ada autokorelasi antara galat yang satu dengan yang lain;
c) Var (ui) = σ2, untuk setiap i, dimana i = 1, 2, ... , n. Artinya setiap galat memiliki varian yang sama (asumsi homoskedastisitas);
d) Cov (ui , X1i) = cov (ui , X2i) = 0. Artinya kovarian setiap galat memiliki varian yang sama. Setiap variabel bebas tercakup dalam persamaan linear berganda;
e) tidak ada multikolinearitas, yang berarti tidak terdapat hubungan linear yang pasti antara variabel yang menjelaskan, atau variabel penjelas harus saling bebas;
Universitas Sumatera Utara
47
Dalam analisis regresi berganda, variabel-variabel yang digunakan berasal dari data lahan pertanian. Persamaan (model) dapat dirumuskan sebagai berikut :
Y = a + b1X1 + b2X2 + b3X3 + b4X4 + b5X5 + . . . + AnXn dimana :
Y = Land rent Lahan Pertanian (Rp/ha/tahun)
X1= Usahatani dalam mengelola lahan pertanian (monokultur,tumpangsari) X2 = Status Lahan (milik sendiri, sewa, garapan)
X3 = Total Penerimaan (Rp/ha/tahun) X4 = Biaya Operasional (Rp/ha/tahun)
X5 = Pajak Bumi dan Bangunan (PBB) (Rp/ha/tahun) X6 = Jarak ke Pasar terdekat (m)
An = koefisien regresi a= konstanta
c. Analisis Koefisien Determinasi Majemuk (R2)
Dalam mengetahui proporsi atau persentase variasi total dalam variabel tidak bebas (dependent variabel) yang dijelaskan oleh variabel-variabel bebas (dependent variabels) secara bersama-sama dalam model regresi lebih dari dua variabel atau model regresi berganda, dapat menggunakan koefisien determinasi majemuk (multiple coefficient of determination) dan dinyatakan dengan R2. Koefisien ini juga dapat melihat kebaikan suatu model (goodness of fit). Untuk memperoleh nilai R2 dapat menggunakan persamaan sebagai berikut:
Universitas Sumatera Utara
48 Dimana :
R2=Koefisien determinasi majemuk An =Koefisien regresi variabel ke-n
Yi= Nilai variabel tidak bebas untuk anggota ke-i Xni = Nilai variabel bebas untuk anggota popolasi ke-i
Nilai R2 terletak antara nol dan satu, kalau R2 sama dengan satu, berarti bahwa garis regresi yang disesuaikan atau variabel-variabel bebas menjelaskan 100 persen variasi dalam variabel tidak bebas. Sebaliknya R2 sama dengan nol, model regresi tersebut tidak menjelaskan sedikitpun variasi dalam variabel tidak bebas. Kesesuaian model dapat dikatakan lebih baik apabila nilai koefisien determinasi majemuk (R2) semakin dekat dengan satu (Gujarati, 1978).