Bagian ini menampilkan metode penelitian untuk memenuhi tujuan penelitian yang disampaikan pada Bab Pendahuluan. Penjelasannya mencakup informasi tentang lokasi dan waktu penelitian, data penelitian, sampel penelitian, metode analisis, validasi dan simulasi model ekonometrika. Ketiga informasi pertama menjelaskan lokasi dan waktu serta strategi penyusunan data yang kemudian digunakan untuk memenuhi metode analisis. Sesuai dengan tujuan penelitian, terdapat tiga metode analisis yang digunakan, yaitu metode pendugaan keuntungan ATI dan ATL, metode pengujian statistik perbandingan dan pendekatan ekonometrika.
Hasil aplikasi metode pertama menunjang aplikasi metode berikutnya. Metode kedua digunakan untuk menguji perbedaan antara keuntungan ATI dan ATL, dan dalam aplikasi metode ketiga, variabel keuntungan yang telah diestimasi menjadi salah satu variabel penjelas dalam model ekonometrika.
4.1. Lokasi dan Waktu Penelitian
Data penelitian diambil dari daerah Pantai Utara Kabupaten Indramayu. Kabupaten Indramayu merupakan Kabupaten yang secara administratif berada di Provinsi Jawa Barat. Secara astronomi, Kabupaten Indramayu terletak pada 107° 52 ° - 108° 36 ° Bujur Timur, dan 6° 15 ° - 6° 40 ° Lintang Selatan. Sedangkan berdasarkan topografinya sebagian besar merupakan dataran atau daerah landai dengan kemiringan tanahnya rata-rata 0 – 2 persen. Kabupaten ini berbatasan dengan Laut Jawa di utara, Kabupaten Cirebon di tenggara, Kabupaten Majalengka dan Kabupaten Sumedang, serta Kabupaten Subang di barat. Peta Kabupaten Indramayu disajikan pada Gambar 3.
Sumber : diakses dari www.googleearth.com
Gambar 3. Kabupaten Indramayu, Provinsi Jawa Barat
Survey di Kabupaten Indramayu dilakukan pada bulan April 2010. Bulan ini merupakan bulan awal dari kwartal kedua. Mengamati perkembangan produksi dalam periode kwartalan dari tahun 2004 hingga 2007, biasanya pada kwartal kedua dan keempat jumlah produksi ikan lebih banyak. Namun pada tahun 2008, jumlah produksi pada kwartal kedua berada pada posisi terendah.
4.2. Data Penelitian
Penelitian ini menggunakan data primer dan sekunder. Data sekunder telah digunakan sejak awal penyusunan penelitian untuk membuka pengamatan terhadap masalah ekonomi perikanan di Kabupaten Indramayu. Data primer digunakan untuk memenuhi analisis data dalam menjelaskan fenomena insentif yang membingkai peluang nelayan untuk menjadi pelanggar mapan, pelanggar oportunis dan nelayan patuh aturan alat tangkap, dan data sekunder tidak tersedia untuk memenuhi studi tersebut.
Jenis data yang digunakan adalah data kuantitatif. Kebutuhan data kuantitatif muncul dari pilihan metode analisis yang digunakan. Data kuantitatif
relevan dengan upaya untuk mengestimasi tingkat keuntungan serta faktor-faktor yang membuka peluang bagi nelayan untuk menjadi pengguna ATI secara tetap dan bergantian serta pengguna ATL secara tetap. Definisi dan ukuran data penelitian disajikan secara langsung dalam penjelasan metode analisis yang digunakan.
4.3. Sampel Penelitian
Data primer diambil dengan cara survey, yaitu mengambil contoh (sample) dari populasi. Populasi target dalam penelitian ini adalah nelayan pemilik alat tangkap legal dan illegal. Dimana, mengacu pada Pasal 1 Perda 14/2006, dan Peraturan Menteri Kelautan dan Perikanan Republik Indonesia Nomor Per.08/Men/2008 tentang Penggunaan Alat Penangkapan Ikan Jaring Insang (gill net) di Zona Ekonomi Eksklusif (ZEE) Indonesia, alat tangkap illegal mencakup mini trawl (dogol dan arad), jaring insang lingkar, jaring insang klitik, jaring insang tiga lapis, bahan peledak dan bahan peracun. Di luar jenis alat tangkap tersebut dianggap memiliki kategori legal. Namun demikian, disadari bahwa sumber data sekunder yang memberikan informasi mengenai pemilik ATI tampaknya tidak tersedia. Oleh karena itu, jumlah contoh akan diturunkan dari populasi rumahtangga nelayan yang tercatat secara statistik.
Unit analisis dalam penelitian ini adalah nelayan pemilik. Nelayan pemilik adalah nelayan yang memiliki asset perikanan dan mempekerjakan sejumlah anak buah kapal (ABK). Nelayan pemilik merupakan unit analisis yang dapat melakukan keputusan ekonomi, termasuk pilihan jenis alat tangkap yang digunakannya.
Jumlah contoh nelayan pemilik yang akan diteliti, ditentukan dengan menggunakan rumus Slovin seperti disajikan pada persamaan (4.1) :
n = ... (4.1)
dimana :
n = jumlah contoh nelayan yang akan diambil
N = populasi rumah tangga nelayan di Kabupaten Indramayu α = batas maksimum kesalahan yang masih diterima
Berdasarkan data statistik perikanan tahun 2009, tercatat bahwa populasi rumahtangga nelayan di Kabupaten Indramayu sebanyak 4 080 rumahtangga. Setelah mempertimbangkan outlier dan tingkat kesalahan, α, yang digunakan adalah sebesar 10 persen, jumlah nelayan contoh yang dijadikan sampel penelitian tercatat sebanyak 91 nelayan.
Jumlah sampel tersebut diperoleh dari empat kecamatan di Kabupaten Indramayu. Sebaran sampel nelayan pemilik selengkapnya disajikan pada Tabel 3. Informasi mengenai lokasi sampel dibantu oleh penjelasan Kepala Penyidik Pegawai Negeri Sipil (PPNS) Perikanan Kabupaten Indramayu. PPNS Perikanan berada di bawah Dinas Perikanan dan Kelautan Kabupaten Indramayu, namun PPNS bersifat independen. PPNS melakukan tugas pengawasan dan pembinaan terhadap nelayan terkait dengan aturan perikanan yang harus ditegakan.
Tabel 3. Sebaran Sampel Penelitian
Kecamatan Jumlah Sampel
Indramayu 71
Sindang 12
Kandang Haur 6
Pasekan 2
Identifikasi pengguna ATL dan ATI di Kabupaten Indramayu mengacu pada keterangan mengenai cara kerja alat tangkap nelayan. Sifat cara kerja alat tangkap yang menyapu bagian dasar laut dipertimbangkan sebagai jenis ATL. Informasi tersebut diperoleh setelah ditanyakan jenis alat tangkap yang digunakan nelayan dan informasi mengenai cara kerjanya. Cara penggalian informasi demikian dilakukan untuk mengantisipasi penyembunyian informasi yang sesungguhnya dari nelayan. Pengamatan dan identifikasi jenis alat secara fisik sulit dilakukan, karena tempat tinggal nelayan pemilik berada jauh dari pelabuhan dimana perahunya ditambatkan, dan lebih dari itu nelayan pemilik hanya dapat ditemui pada waktu siang hari hingga menjelang sore sebelum mereka melakukan persiapan penangkapan ikan. Sementara, pada pagi hari mereka memiliki kesibukan berupa melakukan transaksi hasil tangkapan ikan dan dilanjutkan dengan memeriksa kerusakan alat tangkap serta istirahat.
Mengikuti kategori Sumaila dan Keith (2006) serta Eggert dan Lokina (2008), tingkat penggunaan alat tangkap dapat disusun menjadi tiga kategori : pengguna ATI secara tetap, pengguna ATI secara bergantian, dan pengguna ATL secara tetap.1
1 Istilah yang digunakan Sumaila dan Keith (2006) adalah pelanggar kronis (chronic
violators), pelanggar moderat (moderate violators), dan bukan pelanggar (non-violators).
Pengguna ATI secara tetap adalah identitas bagi nelayan yang menggunakan ATT sebanyak 12 bulan dalam satu tahun. Pengguna ATI secara bergantian adalah identitas bagi nelayan yang menggunakan ATT dari 1 hingga 10 bulan, dan pengguna ATL secara tetap adalah identitas bagi nelayan yang menggunakan ATL dalam satu tahun penuh atau sebaliknya tidak pernah menggunakan ATT dalam satu tahun.
4.4. Metode Analisis
4.4.1. Metode Pendugaan Keuntungan Usaha Perikanan
Pendugaan tingkat keuntungan dari ATL dan ATT ditempatkan pada awal pembahasan hasil penelitian. Keuntungan usaha perikanan diartikan sebagai selisih antara penerimaan dari hasil penangkapan ikan dengan pengeluaran untuk menunjang kegiatan tersebut.
Pendugaan keuntungan usaha nelayan dapat mengambil periode tahunan, bulanan, mingguan hingga trip harian. Oleh karena itu, karakteristik usaha nelayan di Kabupaten Indramayu patut menjadi pertimbangan. Seperti dikemukakan pada rumusan masalah, diketahui bahwa sebagian besar usaha nelayan tampak bersifat tradisional, sehingga dikhawatirkan tidak memiliki dokumentasi tertulis yang lengkap tentang aspek ekonomi usahanya dari waktu ke waktu. Ciri usaha ini diperkirakan dapat menimbulkan lemahnya kualitas data bila mengestimasi keuntungan dalam periode tahunan dan bulanan. Menimbang kondisi demikian, rekaman keuntungan usaha nelayan dalam penelitian ini dihitung dari per trip penangkapan ikan.
Keuntungan usaha nelayan secara matematis dirumuskan pada persamaan (4.2) :
πmn = TRmn – TCmn
Penerimaan nelayan adalah hasil perkalian antara harga hasil transaksi dengan jumlah hasil tangkapan ikan yang dihitung melalui persamaan (4.3) :
... (4.2) dimana :
π = keuntungan nelayan ke-m pengguna alat tangkap ke-n (ribu rupiah)
TR = total penerimaan nelayan ke-m pengguna alat tangkap ke-n (ribu rupiah)
TC = toal biaya nelayan ke-m pengguna alat tangkap ke-n (ribu rupiah) m = indeks nelayan, untuk m = 1 hingga 91
TRmn = Pmn*Qmn ... (4.3)
dimana :
Pimn = harga ikan yang dijual oleh nelayan ke-m pengguna alat tangkap
ke-n (rupiah per kilogram)
Qimn = jumlah ikan yang ditangkap oleh nelayan ke-n pengguna alat
tangkap ke-n (kilogram)
Total biaya adalah sejumlah uang yang dikeluarkan oleh nelayan untuk memenuhi kebutuhan input penangkapan ikan. Total biaya dihitung melalui persamaan (4.4) :
TCmn = (PBmn*BBMmn) + (PESmn*ESmn) + Konmn + PAmn
+ Retmn ... (4.4)
dimana :
TCmn = Total biaya penangkapan ikan nelayan ke-m pengguna alat
tangkap ke-n (rupiah)
PBmn = Harga bahan bakar yang digunakan nelayan ke-m pengguna
alat tangkap ke-n (rupiah per liter)
BBMmn = Banyaknya bahan bakar minyak yang digunakan nelayan ke-m
pengguna alat tangkap ke-n (liter per trip)
PESmn = Harga es yang digunakan nelayan ke-m pengguna alat tangkap
ke-n (rupiah per balok)
ESmn = Banyaknya es yang digunakan nelayan ke-m pengguna alat
tangkap ke-n (balok per trip)
PAmn = Biaya penyusutan asset perikanan nelayan ke-m pengguna alat
tangkap ke-n (rupiah per trip)
Konmn = Biaya untuk bahan makanan nelayan ke-m pengguna alat
tangkap ke-n (rupiah per trip)
Retmn = Retribusi yang dibayarkan oleh nelayan ke-m pengguna alat
tangkap ke-n (rupiah)
Berdasarkan Peraturan Daerah Provinsi Jawa Barat Nomor 5 Tahun 2005 tentang Penyelenggaraan dan Retribusi TPI, retribusi dari TPI ditetapkan sebesar 5 persen dari hasil penjualan, TR. Berdasarkan peraturan ini, maka cara menghitung besarnya retribusi tersebut disajikan pada persamaan (4.4a) :
Retmn = 0.05*TRmn
PA meliputi biaya penyusutan asset perikanan yang mencakup : perahu, alat tangkap atau jaring, motor, dan tambang. PA merupakan biaya tak langsung ... (4.4a)
yang dihitung dengan menggunakan metode langsung (straight line method). Hasil penelitian Mulyatini (2004), memberikan informasi bahwa metode penyusutan yang paling banyak dipakai oleh perusahaan adalah metode penyusutan garis lurus (straight line method). Faktor utama yang mempengaruhi perusahaan dalam pemilihan metode penyusutan ini adalah faktor kemudahan atau kepraktisan. Metode untuk menghitung biaya penyusutan per trip penangkapan ikan disajikan pada persamaan (4.4.b) :
PAmn = [(HPAmn – NSAmn)/MPAmn]/Trip ... (4.4.b)
dimana :
HPAmn = harga pembelian asset ke-A yang digunakan nelayan ke-m
pengguna alat tangkap ke-n (rupiah)
NSAmn = nilai sisa asset ke-A digunakan nelayan ke-m pengguna alat
tangkap ke-n (rupiah) MPAmn
4.4.2. Metode Pengujian Beda Keuntungan Alat Tangkap Legal dan Illegal = lama masa pakai asset ke-A ke-m yang digunakan nelayan
pengguna alat tangkap ke-n (rupiah) Trip = banyaknya trip per tahun
Perbedaan keuntungan nelayan pengguna alat tangkap diuji dengan menggunakan metode statistik. Perbandingan keuntungan nelayan dilakukan dengan menimbang sifat comparable. Uji perbandingannya didasarkan pada ukuran yang sepadan. Perbedaan keuntungan nelayan tersebut dikelompokkan berdasarkan kesepadanan dalam ukuran gear tonnage (GT) perahu dan tipe perahu yang digunakan. Namun, nelayan yang dikaji semuanya menggunakan perahu motor tempel (PTM), sehingga yang membedakannya adalah GT perahu.
Berdasarkan hasil survey, jumlah nelayan pemilik pengguna ATL dan ATT diklasifikasikan menjadi dua kelas, yaitu :
2. Nelayan pengguna ATL dan ATT dengan ukuran perahu 6 – 10 GT.
Kemudian, untuk melihat keragaman keuntungan menurut jenis pasar, dua klasifikasi perbandingan tersebut kemudian diperluas menurut jenis pasar yang diakses nelayan pemilik, yaitu TPI dan di luar TPI. Dengan demikian apabila jenis pasar tersebut dimasukan, maka akan terdapat empat kelompok keuntungan yang diuji perbedaannya, yaitu :
1. Nelayan pengguna ATL dan ATT dengan ukuran perahu di bawah 5 GT yang mengakses fasilitas TPI,
2. Nelayan pengguna ATL dan ATT dengan ukuran perahu di bawah 5 GT yang mengakses pasar di luar TPI,
3. Nelayan pengguna ATL dan ATT dengan ukuran perahu 6 – 10 GT yang mengakses fasilitas TPI, dan
4. Nelayan pengguna ATL dan ATT dengan ukuran perahu 6 – 10 GT yang mengakses pasar di luar TPI.
Namun demikian, data hasil survey hanya mampu menguji perbedaan keuntungan untuk tiga kelompok saja, yaitu kelompok 1, 2 dan 4. Kelompok 3 jumlah sampelnya tidak memenuhi jumlah sampel yang dibutuhkan oleh metode pengujian statistik.
Terdapat dua metode yang tersedia untuk menguji perbedaan pada setiap kelas tersebut, yaitu metode parametrik dan nonparametrik. Metode parametrik disebut dengan uji-T atau T-test. Metode nonparametrik mencakup Kolmogorov-Smirnov Test, Kruskal-Wallis Test, atau Wilcoxon Rank-Sum Test (Park, 2009a). Pemilihan metode parametrik dan nonparametrik tergantung dari bentuk distribusi peluang variabel keuntungan yang dikaji. Metode parametrik dapat digunakan
apabila distribusi peluang variabel keuntungan bersifat normal, sebaliknya apabila asumsi distribusi peluang tersebut tidak terpenuhi oleh data variabel keuntungan nelayan, maka dapat digunakan metode nonparametrik yang secara eksplisit dapat menguji perbedaan keuntungan nelayan pengguna ATL dan ATI tanpa menggunakan asumsi normalitas.
Pengabaian terhadap asumsi tersebut dapat menimbulkan keragu-raguan dalam pengambilan simpulan. Apabila asumsi normalitas tidak terpenuhi (violated), maka rata-rata sampel tidak lagi menjadi ukuran terbaik dari ukuran gejala pusat dan hasil T-test menjadi tidak valid.
Oleh karena itu, tahapan pengujian asumsi normalitas variabel keuntungan telah ditempuh untuk memilih metode pengujian beda keuntungan nelayan tersebut. Dalam praktiknya, pengujian tersebut dibantu dengan menggunakan perangkat lunak STATA/SE 10.0.
Pengujian asumsi normalitas menggunakan metode numerik. Dari beragam metode numerik yang tersedia, dipilih metode Shapiro-Francia test atau S-F test. S-F test memodifikasi Shapro-Wilk test dan merekomendasikan ukuran sampel dari 5 hingga 5 ribu. Apabila nilai statistik S-F test cenderung mendekati satu, maka disimpulkan menerima hipotesa null yang menyatakan bahwa data memiliki distribusi peluang yang bersifat normal..
Setelah melalui tahap pengujian normalitas pada data variabel keuntungan nelayan, pengujian beda keuntungan dilakukan dengan mengaplikasikan metode nonparametrik. Metode tersebut dipilih karena hasil uji normalitas menyimpulkan bahwa data variabel keuntungan nelayan pada setiap kelas tidak berdistribusi normal. Metode nonparemetrik yang digunakan adalah Kruskal-Wallis test.
Kruskal-Wallis test adalah metode yang analog dengan analisis varian yang didisain satu arah (one-way design). Uji ini merupakan generalisasi dari (Wilcoxon)Mann-Whitney test yang menguji perbedaan dua macam sampel. Kruskal dan Wallis (1952) menyajikan metode, yang dikenal dengan H-test, untuk menguji hipotesa null yang menyatakan bahwa beberapa sampel berasal dari populasi yang sama. Mereka menyebutnya analog dengan one-criterion variance anlysis. H-test dispesifikasi menurut dua kelompok : ties dan no-ties. Istilah ties digunakan untuk menunjukkan terdapat dua pengamatan yang sama, dan no-ties sebaliknya. Pengujian tersebut menggunakan distribusi chi-kuadrat. Ekspresi dalam persamaan (4.5) menampilkan ekspresi nilai statistik H yang mengakomodasi ties dan no-ties. Nilai H-statistik yang semakin besar mengarah pada penolakan hipotesa null.2
H = ... (4.5) dimana :
H = nilai statistik H C = jumlah sampel
ni = jumlah pengamatan pada sampel ke-i
N = Σni, jumlah pengamatan dari seluruh sampel
Ri = jumlah rank atau urutan dalam sampel ke-i
T = t3
Apabila tidak terdapat dua pengamatan yang sama atau no-ties, maka pembagi persamaan (4.16) sama dengan satu karena setiap nilai t = 1 sehingga ΣT = 0.
– t, untuk t adalah jumlah ties dalam pengamatan
2 Dalam papernya, Kruskal dan Wallis (1952) menampilkan contoh aplikasi H-test untuk ties dan no-ties. Untuk kasus ties, mereka menggunakan data artifisial untuk menguji perbedaan jumlah produksi tutup botol dari satu mesin orisinil dan dua mesin yang telah dimodifikasi. Untuk kasus ties, mereka menguji perbedaan dari delapan jenias bobot kelahiran ternak babi.
Kruskal dan Wallis (1952) kemudian menyajikan formulasi yang menginduksi pada pengertian statistik chi-kuadrat, seperti disajikan pada persamaan (4.5’).
H = ... (4.5’)
dimana :
= nilai tengah urutan ni dalam sampel ke-i
Menurut Kruskal dan Wallis (1952), apabila faktor (N – 1)/N diabaikan, dan ½(N + 1) adalah nilai tengah, serta 1/12(N2
4.4.2. Spesifikasi Model Ekonometrika
– 1) adalah varian, maka persamaan (4.16’) menampilkan jumlah kuadrat standar deviasi variabel acak dari nilai tengah populasinya. Nilai statistik H serupa dengan chi-kuadrat.
Informasi mengenai peluang nelayan pengguna ATI secara tetap dan bergantian serta pengguna ATL secara tetap dikaji dengan membangun model ekonometrika. Sebagaimana telah dijelaskan pada sampel penelitian, ketiga jenis peluang tersebut menampilkan jenis data peringkat (rangking), dimana nilai yang dipilih tidak bersifat kuantitatif, melainkan sebuah ordering. Model ekonometrika yang menjelaskan sifat variabel demikian disebut Green (2003) dengan istilah model respon kualitatif (qualitative response, QR). Kemudian, parameter model ekonometrika demikian lebih cocok diestimasi dengan metode maximum likelihood (ML). Penjelasan lebih teknis mengenai model yang menjelaskan peluang nelayan tersebut disajikan terpisah pada Sub Bab 4.4.3.
Dari hasil estimasi model secara berulang, diperoleh lima variabel yang menjelaskan ketiga kategori peluang penggunaan alat tangkap di Kabupaten Indramayu. Hubungannya diilustrasikan pada Gambar 4. Gambar tersebut
menunjukkan bahwa peluang pengguna tetap ATI, pengguna ATI bergantian dan pengguna tetap ATL dijelaskan keuntungan ATL, jenis pasar yang akses, pendapatan off-fishing, tingkat pendidikan, dan tingkat penegakan peraturan perikanan. Pada gambar tersebut ditampilkan juga arah hubungannya yang ditemukan dari hasil estimasi model.
Keterangan : = peubah penjelas; = peubah terikat
Gambar 4. Faktor yang Mempengaruhi Peluang Pengguna ATI Tetap dan Bergantian serta Pengguna ATL Tetap di Kabupaten Indramayu
Hubungan pada Gambar 4 diekspresikan pada persamaan (4.6). Namun tanda parameter pada persamaan tersebut tidak menampilkan penjelasan mengenai arah hubungannya. Penjelasan arah hubungannya disajikan terpisah pada Sub Bab 4.4.3.
LEVIOLm* = a0 + a1 PROFITm + a2 TPIm + a3 REOFFISHm
+ a
dimana :
LEVIOLm* = kategori peluang penggunaan alat tangkap nelayanke-m,
untuk LEVIOL = 1, 2, dan 3 1 = pengguna tetap ATI 2 = pengguna ATI bergantian 3 = pengguna tetap ATL
PROFITm = keuntungan ATI (ratusan ribu rupiah)
TPIm = dummy jenis pasar yang diakses nelayan ke-m,
untuk TPI = 1 dan luar TPI = 0
REOFFISH = pendapatan off-fishing nelayan ke-m (ratusan ribu rupiah) EDUCATE = lamanya tingkat pendidikan formal nelayan ke-m (tahun) LEI = tingkat penegakan aturan alat tangkap (indeks)
1 = tidak tegas 2 = kurang tegas 3 = tegas 4 = sangat tegas a0 = konstanta an
LEI adalah tingkat penegakan peraturan perikanan yang dilakukan untuk mengawasi industri perikanan dari penggunaan ATI. Namun menurut Mill (1859), pengendalian terhadap suatu tindakan dapat meningkatkan nilai dari tindakan
= parameter model, untuk n = 1 hingga 5
Terdapat tiga variabel yang dapat meningkatkan LEVIOL* = 1 dan LEVIOL* = 2, yaitu PROFIT, REOFFISH, dan LEI. PROFIT adalah variabel keuntungan ATI, sehingga membesarnya keuntungan ATI diduga dapat menjadi daya tarik bagi nelayan, dan akhirnya memperbesar peluang pengguna ATI baik secara tetap maupun bergantian. REOFFISH merupakan pendapatan yang diperoleh dari kegiatan off-fishing, dan menjadi komplementer bagi nelayan pemilik. REOFFISH menampilkan sebuah portfolio pendapatan bagi nelayan pemilik yang dapat digunakan untuk menunjang modal kerja usaha penangkapan ikan, dan pemenuhan kebutuhan rumahtangganya. Dengan demikian, kenaikan REOFFISH diduga dapat meningkatkan peluang pengguna ATI baik secara tetap maupun bergantian.
tersebut. Oleh karena itu, diduga bahwa semakin tinggi LEI, peluang nelayan untuk menjadi pengguna ATL akan semakin menurun, atau sebaliknya meningkatkan peluang pengguna ATI secara tetap dan bergantian.
Memahami konsep ringkas penegakan hukum yang diturunkan oleh Reiff (2005) yang dijelaskan pada Sub Bab 2.1, dapat diambil pemahaman bahwa untuk menggali penilaian nelayan terhadap penegakan terhadap peraturan perikanan sekurang-kurangnya perlu membidik informasi empiris sebagai berikut :
1. Tingkat ketegasan pemerintah dalam menegakkan peraturan perikanan. 2. Tingkat hukuman pidana atau sanksi terhadap pelanggaran peraturan
perikanan.
3. Frekuensi dilakukannya patroli sebagai bentuk pengawasan terhadap kegiatan perikanan.
4. Frekuensi laporan Kelompok Pengawas Masyarakat (POKWASMAS) terhadap tindakan pelanggaran peraturan perikanan.
Kelima poin pertama diturunkan untuk merekam penilaian nelayan terhadap kinerja pengendalian peraturan yang dilakukan oleh pemerintah (vertikal), dan poin sisanya untuk merekam pengendalian sosial (horisontal). Oleh karena dipahami bahwa penegakan hukum sebagai suatu sistem, maka variabel penegakan hukum ditampilkan sebagai komposisi dari tujuh poin penilaian nelayan tersebut.
Dalam penelitian ini, LEI merupakan indeks yang dikomposisi dari beberapa data kualitatif mengenai tanggapan atau penilaian nelayan pemilik terhadap hal-hal sebagai berikut :
2. Manfaat peraturan perikanan;
3. Tingkat kelayakan hukuman pidana penjara dan denda; dan
4. Frekuensi laporan Kelompok Pengawas Masyarakat (POKWASMAS) terhadap pelanggaran yang dilakukan nelayan.
Cara pengukuran tingkat ketegasan penegakan aturan perikanan tersebut dilakukan setelah mempertimbangkan rekomendasi Kuperan dan Sutinen (1998). Mereka menemukan bahwa variabel tersebut dapat meningkatkan peluang nelayan untuk melakukan tindakan illegal. Rekomendasi Kuperan dan Sutinen (1998) adalah diperlukannya modifikasi terhadap variabel tingkat penegakan peraturan perikanan.
Selanjutnya, variabel TPI dan EDUCATE diduga dapat mengurangi LEVIOL*= 1 dan LEVIOL* = 2, dan sebaliknya meningkatkan LEVIOL*= 3. TPI merupakan fasilitas yang disediakan oleh Pemerintah Daerah yang memiliki beberapa fungsi, yaitu tempat pelelangan ikan, pengelolaan dana sosial bagi nelayan (bersumber dari retribusi), dan sekaligus memiliki fungsi pengawasan terhadap alat tangkap yang digunakan oleh nelayan. Oleh karena itu, pengguna ATI akan menghindari kegiatan pengawasan yang melekat pada fasilitas TPI. Para pengguna ATI dapat mengakses fasilitas TPI, setelah mereka menggunakan ATL, sehingga akses terhadap TPI dapat meningkatkan peluang pengguna ATL secara tetap, dan sebaliknya mengurangi peluang pengguna ATI, baik secara tetap maupun bergantian. EDUCATE merupakan proksi dari pertimbangan moral dan sosial nelayan. Pertimbangan moral yang tinggi dapat mengurangi LEVIOL*=1 dan LEVIOL*=2, karena mereka lebih mementingkan kelestarian sumber daya laut dan menghindari konflik sosial antar nelayan.
Persamaan (4.17) tidak dapat diestimasi secara langsung, karena peubah terikatnyanya, LEVIOL*, bersifat kualitatif atau merupakan peubah laten, dan termasuk kategori peubah pilihan multinomial yang berurut atau ordered data. Karena itu, model ordered probit dan ordered logit menjadi alternatif untuk mengestimasi persamaan (4.6) (Greene, 2003).
Model ordered probit dan logit merupakan pengembangan dari model probit dan logit. Sedikit perbedaannya adalah, dalam model probit dan logit peubah terikatnya memiliki sifat dikotomi atau biner, misalnya keputusan “ya” atau “tidak”, sedangkan dalam ordered probit dan logit, peubah terikatnya menampilkan pilihan multinomial yang berurut (ordered) seperti telah dispesifikasi pada persamaan (4.6). Perbedaan antara probit dan logit terlihat dari perlakuannya terhadap distribusi error term. Dalam model probit error termnya diasumsikan berdistribusi normal, sedangkan dalam model logit error term didistribusikan secara logistik untuk mempertahankan agar peluang yang diestimasi berada pada interval 0 dan 1. Oleh karena itu, menurut Thomas (1997), model logit dipandang lebih realistik dibanding probit, dan Green (2009) merekomendasikan untuk menggunakan model ordered logit. Penjelasan ringkas mengenai prosedur estimasi model ordered logit disajikan pada sub bab prosedur estimasi model ekonometrika.
4.4.3. Prosedur Estimasi Model Ekonometrika
Bagian ini menyajikan penjelasan prosedur untuk mengestimasi persamaan (4.6). Untuk memudahkan penjelasannya, persamaan (4.6) dapat disederhanakan melalui ekspresi persamaan (4.7) :
Dimana peubah X merupakan vektor baris yang meringkas lima variabel penjelas yang tersaji pada persamaan (4.6). Peubah LEVIOLm* tidak dapat diamati secara
langsung (unobservable), sehingga mengacu pada Green (2003) yang perlu diamati adalah menyusun ranking seperti disajikan pada persamaan (4.7) :
LEVIOLm = 1, jika LEVIOLm* ≤ 0 ... (4.7a)
LEVIOLm = 2, jika 0 < LEVIOLm* < µ1 ... (4.7b)
LEVIOLm = 3, jika µ1 < LEVIOLm* ≤ µ2
Prob (LEVIOL
... (4.7c) Term µ adalah parameter yang belum diketahui dan harus diestimasi dengan parameter α. Term ε diasumsikan didistribusikan secara logistik.
Definisi peluang nelayan untuk pengguna tetap ATI, pengguna ATI bergantian, dan pengguna tetap ATL, dijelaskan pada persamaan (4.8) :
m = 1|Xm Prob (LEVIOL ) = ... (4.8a) m = 2|Xm Prob (LEVIOL ) = ... (4.8b) m = 3|Xm
Odds ratio menampilkan informasi mengenai besarnya peluang kategori tertinggi dibandingkan kategori di bawahnya dalam merespon perubahan pada suatu variabel penjelas. Kategori tertinggi dalam model ekonometrika yang diuji ) = 1 ... (4.8c)
Berbeda dengan prosedur estimasi Ordinary Least Square (OLS), tanda dan besaran parameter model tidak dapat diinterpretasikan secara langsung dari hasil estimasi model ordered logit. Tanda dan besaran parameter dugaan yang memiliki makna dapat digali dari statistik perbandingan peluang (odds ratio) dan efek marjinal (marginal effect).
adalah nelayan yang mematuhi alat tangkap atau nelayan patuh. Dalam bentuk logistik, persamaan (4.6) diekspresikan pada persamaan (4.9). Pada sisi kiri persamaan(4.9a), notasi Ologit digunakan sebagai operator dari prosedur ordered logit. Pada persamaan (4.9c) ditunjukkan bahwa nilai odds ratio diperoleh dari eksponen parameter dugaan dalam model.
ologit(LEVIOL = 3) = αXm log = αX + ε ... (4.9a) atau m = e + ε ... (4.9b) atau αXm + ε ... (4.9c)
Efek marjinal diidentifikasi dengan cara menurunkan persamaan (4.8) dengan tanggap terhadap perubahan lima variabel penjelas yang diringkas dengan notasi Xm
∂Prob(LEVIOL = 1|X
. Hasilnya disajikan pada persamaan (4.10) :
i)/∂Xi ∂Prob(LEVIOL = 2|X = ... (4.10a) i)/∂Xi ∂Prob(LEVIOL = 3|X = .... (4.10b) i)/∂Xi = ... (4.10c) Setelah membuat spesifikasi model, selanjutnya persamaan (4.7) diestimasi dengan menggunakan teknik maximum likelihood, sehingga diperoleh hasil estimasi yang siap untuk digunakan dalam menganalisis faktor-faktor yang mempengaruhi peluang pengguna tetap ATI, pengguna ATI secara bergantian, dan peluang pengguna tetap ATL.
Terdapat beragam perangkat lunak untuk mengestimasi model ekonometrika ordered logit. Menurut Park (2009), alternatif perangkat lunak untuk mengestimasi model ordered logit adalah SAS, STATA, LIMDEP, R, and SPSS. SAS versi 9.0 memiliki dua prosedur untuk memfasilitasi tujuan estimasi tersebut, yaitu prosedur qualitative limited dependent variabel (PROC QLIM), dan multinomial discrete choice (PROC MDC). SAS memiliki keunggulan dibandingkan perangkat lunak lainnya. Namun, kelebihan STATA adalah mampu menampilkan analisis post-hoc dengan cara lebih mudah. Seperti telah diuji oleh Park (2009b), kedua perangkat lunak tersebut menghasilkan informasi statistik dan parameter dugaan yang sama persis. Uji coba serupa diikuti oleh penulis. Akhirnya, dengan mempertimbangkan kemudahan dan keperluan informasi, estimasi model mengandalkan perangkat lunak STATA/SE 10.0.
4.4.4. Validasi Model Ekonometrika
Interpretasi didasarkan pada model ekonometrika nelayan yang dinilai valid. Validasinya mengandalkan pada tiga kriteria, yaitu logika ekonomi, statistik dan ekonometrik. Model yang valid adalah model dimana tanda parameternya memiliki makna secara ekonomi, dan memenuhi kriteria statistik dan ekonometrik. Mengacu pada tiga kriteria tersebut, estimasi model telah dilakukan secara berulang, dan mengalami beberapa kali respesifikasi model. Proses ini dapat mengurangi kesalahan secara statistik dan ekonometrika. Kriteria logika ekonomi yang digunakan mengandalkan pada arti statistik odds ratio dan efek marjinal.
Validasi dengan kriteria statistik dan ekonometrik mengandalkan beberapa ukuran statistik yang diperoleh bersamaan dengan hasil estimasi model. Ukuran statistik tersebut mencakup : log likelihood, pseudo R2
Dalam teknik estimasi ordinary least square (OLS), pseudo R , dan statistik z.
Log likelihood digunakan untuk menguji apakah koefisien variabel penjelas dalam model secara simultan sama dengan nol. Nilai rasio likelihood Chie-Square digunakan untuk menguji signifikansinya.
2
sepadan dengan koefisien determinasi (R2), namun memiliki interpretasi yang berbeda. Istilah pseudo digunakan hanya untuk menunjukkan kesamaan dalam skalanya saja, yaitu dari 0 hingga 1. Hasil estimasi model menampilkan beberapa jenis pseudo R2, dua diantaranya yang digunakan yaitu R2 McFadden dan R2 McKelvey & Zavoina. Kedua jenis pseudo R2 tersebut digunakan untuk mengevaluasi goodness-of-fit model ordered logit yang diestimasi.3
R2 McFadden menunjukkan perbandingan antara full model dengan intercept model. Perbandingan tersebut diperoleh dari satu dikurangi dengan rasio dua dugaan likelihood, sehingga nilainya berada dalam interval 0 dan 1. Likelihood sebagai nominator adalah log likelihood yang diperoleh dari estimasi model dengan prediktor atau variabel penjelas, dan denominatornya adalah log likelihood yang diperoleh dari hasil estimasi model tanpa prediktor. Oleh karena itu, semakin kecil rasio likelihood menunjukkan bahwa full model jauh lebih baik dari intercept model. Kemudian, R2
3 http://www.ats.ucla.edu/stat/mult_pkg/faq/general/Psuedo_RSquareds.htm diakses tanggal 10 Desember 2010.
McKelvey & Zavoina digunakan untuk mengukur kelayakan model atau model fit sebagai proporsi dari varian. Tujuanya
adalah menjelaskan varian variabel laten yang dihitung dengan LEVIOL* = β'Var(x)β.
Sementara itu, statistik z digunakan untuk mengevaluasi signifikansi pengaruh setiap variabel penjelas terhadap peluang nelayan untuk menjadi pelanggar mapan, pelanggar oportunis dan nelayan patuh. Signifikansinya diinterpretasikan dari prob|z| yang menunjukkan besarnya peluang nilai statistik z untuk diterima dalam wilayah kritis pengujian.
4.4.5. Simulasi Model
Model yang telah diestimasi dan divalidasi, kemudian digunakan untuk melakukan simulasi. Simulasi diarahkan untuk menggali informasi mengenai prospek kelestarian sumber daya perikanan di Kabupaten Indramayu, yang hanya dilihat dari implikasi penggunaan ATL dan ATI.
Simulasi model dilakukan untuk mempelajari perubahan pada peluang nelayan untuk menjadi pengguna tetap ATI, pengguna ATI secara bergantian, dan peluang pengguna tetap ATL. Dari beragam skenario simulasi, terdapat dua skenario simulasi yang memiliki makna ekonomi, yaitu :
1. Mempelajari dampak perubahan keuntungan ATI terhadap peluang penggunaan ATI secara tetap dan bergantian serta peluang penggunaan ATL secara tetap ketika nelayan mengakses fasilitas TPI, dan
2. Mempelajari perubahan keuntungan ATI terhadap peluang penggunaan ATI secara tetap dan bergantian serta peluang penggunaan ATL secara tetap ketika nelayan mengakses pasar di luar TPI.
IV. METODE PENELITIAN ... 47
4.1. Lokasi dan Waktu Penelitian ... 47
4.2. Data Penelitian ... 48
4.3. Sampel Penelitian ... 49
4.4. Metode Analisis ... 52
4.4.1. Metode Pendugaan Keuntungan Usaha Perikanan ... 52
4.4.2. Metode Pengujian Beda Keuntungan Alat Tangkap Legal dan Illegal .. 54
4.4.2. Spesifikasi Model Ekonometrika ... 58
4.4.4. Validasi Model Ekonometrika ... 66
4.4.5. Simulasi Model ... 68
Tabel : 3. Sebaran Sampel Penelitian ... 50
Gambar : 3. Kabupaten Indramayu, Provinsi Jawa Barat ... 48
4.Faktor yang Mempengaruhi Peluang Pengguna Tetap ATI, Pengguna ATI Bergantian, dan Pengguna Tetap ATL di Kabupaten Indramayu ... 59
