Teknik Analisis Data - Data kualitatif - METODE PENELITIAN 3.1 Ruang Lingkup Penelitian

METODE PENELITIAN 3.1 Ruang Lingkup Penelitian

2. Data kualitatif

3.4. Teknik Analisis Data

Seperti yang telah disampaikan pada Bab I tentang perumusan masalah, maka untuk menganalisis data dalam penelitian ini digunakan beberapa teknik analisis data antara lain :

3.4.1. Analisis Hubungan Antara Output Dengan Input

Untuk menyelesaikan masalah 1 pada Bab I digunakan analisis hubungan antara output dengan input beserta uji statistik menjelaskan faktor-faktor yang mempengaruhi produksi ternak sapi potong di Kabupaten Deli Serdang akibat yang ditimbulkan oleh variabel – variabel bebas (independen) terhadap variabel terikat (dependen,) maka dalam penelitian ini digunakan alat analisis regresi linear berganda dari rumus Cobb-Douglas :

Y = aX₁^b_1,X₂^b_2, X₃^b_3,X₄^b_4,X₅^b_{5, e}^u Logaritma dari persamaan di atas adalah :

...(3.2)

Log Y = log a + b1 ^{log X}1 ^{+ b}2 ^{log X}2^{+ b}3^{log X}3^{+ b}4^{log X}4^{+ b}5^{log X}5

Dimana :

+ u....(3.3)

bn^{= Koefisiensi variabel faktor produksi yang “dinormalkan”}

X₁ = Modal kandang di ukur dari luas M X

= Tenaga kerja rata-rata pertahun di ukur dari pemakaian jam kerja

= Volume pemakaian pakan ternak pertahun di ukur dalam Kg

= Pemakaian obat-obatan ternak pertahun diukur dalam satuan liter

5 ^{= Skala Ternak tahun t-}1

U = Kesalahan (disturbance term)

diukur dalam jumlah ternak

3.4.2. Uji Asumsi Klasik

Untuk memperoleh keabsahan penafsiran yang tinggi dalam model regresi maka terlebih dahulu dilakukan pengujian asumsi klasik yang memenuhi persyaratan awal untuk menggunakan regresi linear ganda yaitu variabel penelitian diukur dalam skala interval. Selain data harus berskala interval, beberapa persyaratan lain juga harus dipenuhi penggunaan statistik parametik meliputi :

3.4.2.1. Uji Homoskedastisitas

Salah satu asumsi yang harus dipenuhi dalam persamaan regresi adalah bahwa taksiran parameter dalam model regresi bersifat BLUE (Best Linier Unbiased Estimate) maka var (u_i) harus sama dengan σ2

(konstan), atau semua residual atau error mempunyai varian yang sama. Kondisi itu disebut dengan homoskedastisitas. Sedangkan bila varian tidak konstan atau berubah-ubah disebut dengan heteroskedastisitas. Untuk mendeteksi adanya heteroskedastisitas dapat menggunakan metode General Least Square (Cross section Weights) yaitu

dengan membandingkan sum square Resid pada Weighted Statistics dengan sum square Resid unweighted Statistics.

Jika sum square Resid pada Weighted Statistics lebih kecil dari sum square Resid unweighted Statistics, maka terjadi heteroskedastisitas.

3.4.2.2. Uji Autokorelasi

Autokorelasi adalah korelasi yang terjadi antar observasi dalam satu peubah atau korelasi antar error masa yang lalu dengan error masa sekarang. Uji autokorelasi yang dilakukan tergantung pada jenis data dan sifat model yang digunakan. Autokorelasi dapat mempengaruhi efisiensi dari estimatornya. Untuk mendeteksi adanya korelasi serial adalah dengan melihat nilai Durbin Watson (DW). Untuk mengetahui ada/tidaknya autokorelasi, maka dilakukan dengan membandingkan DW-statistiknya dengan DW-tabel. Adapun kerangka identifikasi autokorelasi terangkum dalam Tabel 3.3. Korelasi serial ditemukan jika error dari periode waktu yang berbeda saling berkorelasi. Hal ini bisa dideteksi dengan melihat pola random error dari hasil regresi.

Tabel 3.3.Kerangka Identifikasi Autokorelasi

Nilai DW Hasil

4 – dl <DW< 4 Terdapat korelasi serial negatif 4 – du <DW< 4- dl Hasil tidak dapat ditentukan

2 <DW< 4 – du Tidak ada korelasi serial du <DW< 2 Tidak ada korelasi serial dl <DW< du Hasil tidak dapat ditentukan

3.4.2.3. Uji Normalitas

Uji normalitas dilakukan untuk memeriksa apakah error term mendekati distribusi normal atau tidak. Jika asumsi tidak terpenuhi maka prosedur pengujian menggunakan statistik t menjadi tidak sah. Uji normalitas error term dilakukan dengan menggunakan uji Jarque Bera.Berdasarkan nilai probabilitas Jarque Bera yang lebih besar dari taraf nyata 5%, maka dapat disimpulkan bahwa error term terdistribusi dengan normal.

3.4.2.4. Uji Multikolinearitas

Uji Multikolinearitas bertujuan untuk menguji apakah model regresi ditentukan adanya korelasi diantara variabel independent. Pengujian ini diperlukan untuk mengetahui apakah ada tidaknya variabel independen yang memiliki kemiripan dengan variabel independen lain dalam satu model. Jika terjadi korelasi maka terdapat masalah multikolinearitas. Pada Model regresi yang baik tidak terdapat korelasi diantara variabel independent. Pendeteksiannya dengan menggunakan tolerance value dan variance inflation factor (VIF). Jika nilai tolerance value > 0,10 dan VIF< 10 maka tidak terjadi multikolinearitas. Penghitungan di atas dilakukan sepenuhnya dengan softwerw komputer.

3.4.3 Pengujian Keadan Skala Usaha (Return to Scale)

Untuk menjawab masalah 2 pada Bab I, yang tujuannya menganalisis keadaan skala usaha (Return to Scale) maka perlu dilakukan pengujian yang diperoleh dari hasil uji regresi linear pada susbab 3.4.1. terhadap koefisien variabel b1^+b2^+b3^{+ b}4^+b5 ^{apakah jumlahnya sama dengan satu atau tidak.}

berlaku kaidah “increasing, constant atau decreasing RTS.” Untuk mendapatkan informasi apakah terjadi constant RTS atau tidak, maka perlu dibuat hipotesis terlebih dahulu seperti berikut :

HO ^{: b}1^+b2^+b3^{+ b}4^+b5 H = 1 1^{: b}1^+b2^+b3^{+ b}4^+b5 Hipotesis nol (H ≠ 1

0^{) menyatakan bahwa: “Benarkah terjadi}^constant^{RTS?” Bila}

tidak, maka berlaku kaidah seperti dinyatakan oleh hipotesis tandinganya , H₁ Bila H . 0 b benar maka : 1 ^{= (1 - b}2^-b3^{- b}4^-b5

bila dilakukan pendugaan regresi dengan memanipulasi b )

1^+b2^+b3^{+ b}4^+b5^{= 1,}

maka model pendugaan seperti ini disebut constrainted regression. Misalkan dengan menggunakan kembali persamaan (2.3), maka :

Y^* = a^* + b1^X1^*^+b2^X2^*

Atau

Log Y = log a + b1 ^{log X}1 ^{+ b}2 ^{log X}2

= log a + (1 - b2^{) log X}1^{+ b}2 ^{log X}2………..……….(2.3)

Persamaan (2.3) dapat pula dituliskan sebagai berikut :

Berdasarkan dua persamaan tersebut, maka dapat dihitung perbandingan antara jumlah kuadrat sisa (JKS) dari persamaan (2.3) dan (3.3) sehingga ditemukan nilai Fhitung F , yaitu : hitung ^{=[ {JKS}(H0) ^{– JKS}(H1) { (JKS }/m] (H1) Di mana : ) / ( n - k – l ) }……… (3.4)

JKS_(H0)= jumlah kuadrat sisa pada persamaan (2.3) JKS(H1)

Dengan demikian ujinya adalah apabila F

= jumlah kuadrat sisa pada persamaan (3.4) m = jumlah constrains

n = jumlah sampel k = jumlah variabel

( n-k-l) = derajat bebas (degrees of freedom)

hitung ^{lebih besar dari F}tabel ^(m,n-k-l)

pada tingkat kepercayaan tertentu, maka H0^{ditolak. Dengan kata lain hipotesa}

yang menyatakan bahwa b₁+b₂+b₃+b₄+b₅

3.4.4. Pengujian Efisiensi

= 1 (constant RTS) adalah tidak benar.

Untuk menjawab masalah 3 pada Bab I tentang pengujian efisiensi biaya, maka terlebih dahulu harus dipahami bahwa efisiensi diartikan sebagai upaya penggunaan input yang sekecil-kecilnya untuk mendapat output produksi yang sebesar-besarnya (Soekartawi 2003). Dalam situasi demikian efisiensi akan terjadi kalau peternak mampu membuat suatu upaya dimana nilai produksi marginal (NPM) untuk suatu input sama dengan harga input (P) tersebut. Dengan

demikian untuk menguji efisiensi penggunaan input jika NPMx / Px = ^�^.^�^.^��

�.��^maka

kondisi efisiensi ditulis sebagai berikut : 1. ^�^.^�^.^��

�.�� ^{= 1...(3.5)}

Artinya penggunaan faktor produksi X sudah efisiensi 2.^�^.^�^.^��

�.�� ^{> 1...(3.6)}

Artinya penggunaan faktor produksi X belum efisien, untuk mencapai efisiensi penggunaan faktor produksi X perlu ditambah

3. ^�^.^�^.^��

�.�� ^{< 1...(3.7)}

Artinya penggunaan faktor produksi X tidak efisiensi. Untuk penggunaan yang efisien maka penggunaan faktor produksi X perlu dikurangi.

apabila k = ^�^.^�^.^��

�.��^{maka untuk menguji k =1 hipotesisnya sebagai berikut :}

: k = 1 , pemakaian faktor produksi sudah efisien.

Pemakaian produksi tidak efisien jika k < 1.

: k ≠ 1 , pemakaian faktor produksi belum efisien jika k > 1 dan

Besarnya ragam dan simpangan baku dari k perlu dihitung terlebih dahulu, cara yang sering digunakan seperti yang disarankan oleh Heady and Dilon (1961) dalam Soekartawi (2003) yaitu :

Var (k) = (k/b)².Var (b_i)

Perhitungan t hitung adalah : t

……….(3.8)

hitung

Kriteria pengujian hipotesis adalah sebagai berikut : = ⁽^�−1⁾

a. Jika t hitung ≤ t table α 5% maka hipotesis H0

b. Jika t

diterima, artinya pemakaian faktor produksi sudah efisien.

hitung ^{> t}table α 5% maka hipotesis H0

3.4.5. Analisis Produksi Ternak Dalam Pengembangan Wilayah

ditolak, pemakaian faktor produksi belum efisien jika > 1 dan tidak efisien jika k < 1.

Setelah dilakukan analisis dan uji statistik terhadap rumah tangga peternak yang terpilih sampel, berdasarkan hasil penelitian yang dilakukan terhadap fungsi produksi ternak sapi, selanjutnya dilihat keterkaitan hasil uji tersebut dalam pengembangan wilayah. Untuk menjawab masalah 4 pada Bab I, alat uji yang dilakukan adalah uji beda terhadap peningkatan jumlah ternak, peningkatan produksi ternak dan peningkatan pendapatan peternak yang dibandingkan antar periode. Hasil pengujian tersebut akan memperlihatkan tingkat pendapatan peternak juga tendapatan tenaga kerja yang pada akhirnya akan berpengaruh pada pertumbuhan ekonomi atau PDRB yang berdampak secara langsung ataupun tidak langsung dalam pengembangan wilayah di Kabupaten Deli Serdang.

3.5. Defenisi Operasional Variabel penelitian

Dalam dokumen Analisis Produksi Peternakan Sapi Dalam Pengembangan Wilayah di Kabupaten Deli Serdang (Halaman 57-64)