IV. METODE PENELITIAN 4.1 Waktu dan Lokasi Penelitian
Pengambilan data sekunder untuk keperluan penelitian ini dilaksanakan pada awal bulan juli hingga bulan agustus 2011 selama dua bulan. Lokasi penelitian ini dilakukan di Provinsi Jawa Barat. Pemilihan lokasi penelitian ini dilakukan secara sengaja (purposive), dengan pertimbangan bahwa daerah ini merupakan sentra produksi padi dan proses pembangunan pemukiman, industri, dan prasarana perkotaannya berlangsung dengan cepat.
4.2 Jenis dan Sumber Data
Data yang akan dikumpulkan meliputi data-data sekunder yang berhubungan dengan konversi lahan sawah irigasi teknis selama jangka waktu 10 tahun (2001-2010). Data yang digunakan untuk analisis konversi lahan sawah irigasi teknis adalah menggunakan data kependudukan, perkembangan luas lahan sawah irigasi teknis. panjang jalan, luas lahan pemukiman, pertumbuhan PDRB industri, harga GKP, produktivitas lahan sawah, Nilai Tukar Petani (NTP), dan data lain yang dianggap perlu.
Data yang dibutuhkan diperoleh dari Badan Perencanaan Pembangunan Daerah (BAPPEDA) Jawa Barat, Badan Pusat Statistik Nasional, Badan Pusat Statistik Jawa Barat, Dinas Pertanian dan Tanaman Pangan Jawa Barat, Pemerintah Daerah Jawa Barat, serta instansi-instansi lain yang terkait.
Metode analisis yang digunakan dalam penelitian ini meliputi metode inferensia dan statistika deskriptif. Metode inferensia menggunakan analisis regresi linear berganda untuk mengetahui faktor-faktor yang mempengaruhi konversi lahan sawah irigasi teknis di Provinsi Jawa Barat. Metode statistika deskriptif terdiri atas metode-metode yang berkaitan dengan pengumpulan dan penyajian data untuk mencari dan menyajikan informasi dalam suatu kumpulan data agar mudah diinterpretasi. Selain itu digunakan perhitungan-perhitungan lain untuk menganalisis dampak konversi lahan sawah secara kuantitatif. Proses pengolahan data dilakukan dengan menggunakan software Microsoft Excell dan Minitab 14.
Metode pendekatan statistik yang digunakan untuk menganalisis faktor-faktor yang mempengaruhi laju konversi lahan sawah irigasi teknis di Provinsi Jawa Barat adalah dengan metode regresi linear dengan kuadrat terkecil biasa (Ordinary Least
Square = OLS). Metode ini digunakan untuk mengetahui faktor-faktor yang
mempengaruhi konversi lahan sawah ke penggunaan non-sawah di tingkat wilayah (Gujarati, 2002).
Model regresi secara umum dituliskan sebagai berikut :
Y = β + β X + β X + ⋯ + β X + u i = 1,2,…,n Keterangan :
Yt = Variabel tak bebas (dependent variabel)
0 = Intersep
i = Kemiringan
Xit = Variabel bebas
ut = Galat
t = Tahun (2001 sampai dengan 2010)
Dalam penggunaan metode estimasi OLS terdapat asumsi yang melandasi estimasi koefisien regresi (Gujarati, 2002) yaitu :
1. E(u ) = 0 atau E(uixit) = 0 atau E(Y ) = β + β X
Galat atau ui menyatakan variabel-variabel lain yang mempengaruhi Ytakan tetapi
tidak terwakili dalam model, sehingga pada saat Xit terobservasi, pengaruh ui
terhadap Ytdiabaikan atau ui tidak mempengaruhi E(Yt) secara sistematis.
2. Tidak ada korelasi antara uidengan uj {cov (ui , uj) = 0} ; i≠ j
Artinya, deviasi Yt dari rata-rata populasi (mean) tidak menunjukkan pola {E(ui,
uj) = 0}.
3. Homoskedastisitas
Yaitu besarnya varian uisama, atau var (ui) = 2 untuk setiap i.
4. Kovarian antara ui dan Xit nol {cov (ui , Xit) = 0}
Artinya, tidak ada korelasi antara ui dan Xit sehingga jika ada hubungan dimana Xit
meningkat dan mengakibatkan ui juga meningkat atau ketika Xit menurun, maka ui
juga mengalami penurunan, dapat dikatakan adanya korelasi antara ui dan Xit.
5. Tidak ada multikolinearitas, artinya tidak ada hubungan yang nyata antar variabel bebas dalam model regresi.
Jika asumsi di atas dapat terpenuhi, maka metode OLS dapat memberikan penduga koefisien regresi yang bersifat BLUE (Best Linear Unbiased Estimator) (Gujarati, 2002).
Perumusan model yang dilakukan dibagi menjadi dua jenis. Perumusan ini meliputi identifikasi faktor-faktor yang mempengaruhi konversi lahan sawah irigasi teknis di Provinsi Jawa Barat dan analisis kuantitatif estimasi dampak ekonomi konversi lahan sawah irigasi teknis.
4.4.1. Faktor-Faktor Konversi Lahan Sawah Irigasi Teknis di Provinsi Jawa Barat
Dalam penelitian ini, faktor-faktor yang diduga akan mempengaruhi konversi lahan sawah irigasi teknis di Provinsi Jawa Barat dibuat dalam model regresi linear berganda yang dituliskan sebagai berikut:
KLSITt= β0+ β1LPPt+ β2GKPt+ β3LPLLPt+ β4LPPIt+ β5LPPJt + β6NTPt+ µt
Tanda yang diharapkan: β1 > 0 β2< 0 β3 > 0 β4 > 0 β5> 0 β6 < 0 Keterangan:
KLSITt = Konversi lahan sawah irigasi teknis per tahun (hektar)
β0 = Intersep
β1…β6 = Koefisien regresi
LPPt = Laju pertumbuhan penduduk per tahun (%)
GKPt = Harga Gabah Kering Panen (ribu rupiah/ton)
LPLLPt = Laju pertumbuhan luas lahan pemukiman (%)
LPPIt = Laju pertumbuhan PRDB riil sektor industri per tahun (%)
LPPJt = Laju pertambahan panjang jalan per tahun (%)
NTP = Nilai Tukar Petani (%)
Variabel-variabel yang digunakan dan diduga berpengaruh terhadap perubahan penggunaan lahan sawah dan cara pengukurannya sebagai berikut:
1) Penurunan luas lahan sawah irigasi teknis (konversi lahan sawah) diukur dalam satuan hektar selama jangka waktu 10 tahun dan dilambangkan dengan KLSIT. Variabel KLSIT adalah variabel terikat, dimana variabel KLSIT diperoleh dengan cara menghitung pengurangan luas lahan sawah irigasi teknis per tahun.
2) Laju pertumbuhan penduduk dihitung berdasarkan jumlah penduduk tahun sekarang dikurang jumlah penduduk tahun sebelumnya dibagi dengan jumlah penduduk tahun sebelumnya dikali 100% dilambangkan dengan LPP akan mempengaruhi permintaan terhadap lahan, seperti untuk pemukiman maupun untuk sarana dan prasarana lainnya seperti fasilitas umum, misalnya jalan raya, pasar, rumah sakit, dan lain-lain.
3) Harga Gabah Kering Panen (GKP) dilambangkan dengan GKP adalah harga padi konstan ditingkat petani.
4) Laju pertumbuhan luas lahan pemukiman dihitung berdasarkan luas lahan pemukiman tahun sekarang dikurang luas lahan pemukiman tahun sebelumnya dikali 100% dilambangkan dengan LPLLP merupakan luas properti untuk memenuhi kebutuhan papan penduduk.
5) Laju pertambahan PDRB riil sektor industri pengolahan dilambangkan dengan LPPI dengan menggunakan PDRB Atas Dasar Harga Konstan 2000.
6) Laju pertumbuhan panjang jalan dilambangkan dengan LPPJ merupakan perhitungan dari panjang jalan tahun sekarang dikurang panjang jalan tahun sebelumnya dibagi panjang jalan tahun sebelumnya dikali 100%.
7) Nilai Tukar Petani dilambangkan dengan NTP merupakan rasio antara indeks harga yang diterima petani dengan indeks harga yang dibayar petani yang dinyatakan dalam persentase.
4.4.2. Estimasi Dampak Ekonomi Konversi Lahan Sawah Irigasi Teknis
Kerugian yang ditimbulkan dari konversi lahan sawah irigasi teknis diantaranya berupa hilangnya peluang memperoleh produksi dan nilai produksi padi penyerapan tenaga kerja dan upah tenaga kerja usahatani padi seluas lahan sawah irigasi teknis yang terkonversi.
4.4.2.1 Produksi dan Nilai Produksi Padi
Dalam penelitian ini mengasumsikan sawah irigasi teknis yang terkonversi merupakan sawah dengan sistem tiga kali tanam dengan menggunakan produktivitas lahan sawah. Produksi dan nilainya yang hilang merupakan akumulasi dari peluang produksi yang hilang selama kurun waktu akibat konversi tersebut. Sehingga secara kumulatif produksi yang hilang selama periode t tahun adalah (Irawan dan Friyatno, 2002). Secara matematis dapat dihitung:
Q =∑ 3 S KLS
Keterangan:
Q = Produksi kumulatif padi yang hilang selama kurun waktu n tahun (ton)
S = Produktivitas padi sawah per tahun (ton/hektar) KLS = Konversi lahan sawah irigasi teknis per tahun (hektar)
Sedangkan nilai produksi padi yang hilang dapat dirumuskan sebagai berikut: NQ = ∑( P Q )
Keterangan:
NQ = Nilai produksi padi yang hilang (rupiah) P = Harga komoditi padi (rupiah/ton)
Q = Produksi padi yang hilang per tahun (ton) t = 1, 2,…., 10
4.4.2.2 Penyerapan Tenaga Kerja dan Upah Tenaga Kerja Usahatani Padi
Dalam penelitian ini, penyerapan tenaga kerja dalam setiap proses produksi padi yang dipakai berdasarkan Hari Orang Kerja (HOK) per hektar. Dan upah tenaga kerja dalam setiap proses produksi berdasarkan upah per hari per hektar lahan sawah. Secara matematis penyerapan tenaga kerja yang hilang dapat dihitung (1 HOK = 6 jam):
PTKhilang= Lahan yang terkonversi x HOK
Sedangkan upah tenaga kerja yang hilang dapat dihitung:
Upahhilang= Lahan yang terkonversi x Upah
4.5. Pengujian Model
Pengujian yang dilakukan meliputi pengujian ekonomi, pengujian statistik dan pengujian ekonometrik. Pengujian ekonomi dilakukan untuk melihat apakah tanda dan besaran koefisien dugaan yang diperoleh sesuai dengan karakteristik ekonomi. Pengujian statistik dilakukan untuk mengetahui apakah variabel independen berpengaruh secara nyata atau tidak terhadap variabel dependennya. Pengujian ekonometrik dilakukan untuk mengetahui apakah parameter yang diestimasi melakukan pelanggaran atau tidak terhadap asumsi klasik OLS (Utama, 2006).
4.5.1. Kriteria Ekonomi
Pengujian ekonomi dilakukan untuk melihat apakah tanda dan besaran koefisien dugaan yang diperoleh sesuai dengan karakteristik ekonomi. Koefisien dalam model ekonomi adalah konstan dari teori ekonomi: elastisitas, nilai marginal, multiply, dll. Teori ekonomi mendefinisikan tanda dan nilai dari koefisien tersebut secara umum penting dalam hubungan teori ekonomi.
Jika hasil dari parameter tidak sesuai dengan teori ekonomi harus ditolak kecuali ada alasan yang kuat kenapa teori ekonomi tidak berlaku pada model tersebut. Namun pada kebanyakan kasus yang salah disebabkan karena kurangnya data empiris. Selain itu sampel yang diambil tidak representatif pada kondisi ekonomi secara keseluruhan, kurangnya jumlah sampel, atau pelanggaran beberapa asumsi dari metode tersebut. Intinya, jika kriteria teori yang priori tersebut tidak terpenuhi maka model akan ditolak (Koutsoyiannis, 1977).
4.5.2. Kriteria Statistik
Pengujian statistik yang diperlukan dalam penelitian ini terdiri dari tiga pengujian. Pengujian ini meliputi uji koefisien determinasi R-Squared, uji F, dan uji t. 4.5.2.1. Uji Koefisien Determinasi (R-Squared)
Nilai R-squared mencerminkan seberapa besar keragaman dari variabel dependen yang dapat diterangkan oleh variabel independen. Nilai R-squared memiliki dua sifat yang memiliki besaran yang positif dan besarannya adalah 0 <
R-squared < 1. Jika R-R-squared bernilai nol maka artinya keragaman dari variabel
dapat diterangkan oleh variabel independennya secara sempurna (Gujarati, 2002). Koefisien determinasi (R-Squared) dari model yang digunakan adalah rasio dari jumlah kuadrat regresi dan total jumlah kuadrat seperti yang terlihat berikut ini:
R =
R = = 1
-Keterangan:
JKR = Jumlah kuadrat regresi JKT = Jumlah kuadrat total JKG = Jumlah kuadrat galat
Salah satu masalah jika menggunakan ukuran R2untuk menilai baik buruknya suatu model adalah mendapatkan nilai yang terus naik seiring dengan penambahan variabel bebas ke dalam model. Adjusted R-Squared secara umum memberikan
finalty atau hukuman terhadap penambahan variabel bebas yang tidak mampu
menambah daya prediksi suatu model. Nilai R2(Adj) tidak akan pernah melebihi nilai R2 bahkan bisa turun jika ditambahkan variabel bebas yang tidak perlu. Adjusted
R-Squared dapat bernilai negatif jika model memiliki kecocokan rendah (goodness of
fit). Nilai R2 (Adj) dapat dihitung dengan rumus sebagai berikut:
Ř2= 1
-∑
( )
∑ ²
4.5.2.2. Uji F
Pengujian variabel secara keseluruhan, dimaksudkan untuk melihat pengaruh bersama-sama antar variabel dependen dengan variabel independen secara keseluruhan (Gujarati, 2002). Hipotesa yang digunakan adalah sebagai berikut:
H : β1= β2= β3= β4= β5= β6= βi = 0
H : minimal ada satu variabel βi≠ 0
Uji statistik yang digunakan:
F = /(/( ))
Keterangan:
JKR = Jumlah kuadrat regresi JKG = Jumlah kuadrat galat
k = Jumlah variabel terhadap intersep n = Jumlah pengamatan/sampel Kaidah pengujian:
Jika Fhit> Ftabelmaka tolak H0
Jika Fhit < Ftabelmaka terima H0
Jika hasil pengujian menolak H , maka paling tidak ada satu atau seluruh variabel independen yang berpengaruh terhadap variabel dependennya atau signifikan secara statistik. Atau dengan kata lain model tepat untuk meramalkan pengaruh antara variabel independen dengan variabel dependen. Sebaliknya, jika hasil pengujian menerima H0, maka tidak ada variabel independen yang mempengaruhi konversi
lahan sawah dan model tidak tepat untuk meramalkan pengaruh antara variabel independen dengan variabel dependennya (Gujarati, 2002).
Pengujian ini digunakan untuk menghitung koefisien regresi masing-masing variabel independen sehingga dapat diketahui pengaruh variabel independen tersebut terhadap variabel dependennya (Gujarati, 2002). Hipotesis yang digunakan dalam pengujian ini adalah:
H : βi = 0
H : βi > 0 atau βi< 0
Uji statistik yang digunakan:
t =
βKeterangan:
βi = Koefisien regresi suatu variabel bebas
Se = Standar eror Kaidah pengujian:
Jika thit> ttabelmaka tolak H
Jika thit< ttabelmaka terima H
Jika hasil pengujian menolak H maka variabel yang diuji secara nyata berpengaruh terhadap variabel dependen atau signifikan secara statistik. Namun, sebaliknya jika hasil pengujian menerima H maka variabel yang diuji tidak memiliki pengaruh nyata terhadap variabel dependen (Gujarati, 2002).
4.5.3. Kriteria Ekonometrika
Pengujian ekonometrika yang diperlukan dalam penelitian ini terdiri dari tiga jenis pengujian. Pengujian ini meliputi uji normalitas, uji autokorelasi, uji multikolinearitas, dan uji heteroskedastisitas.
4.5.3.1. Uji Normalitas
membandingkan distribusi data (yang akan diuji normalitasnya) dengan distribusi normal baku. Distribusi normal baku adalah data yang telah ditransformasikan ke dalam bentuk Z-Score dan diasumsikan normal. Hipotesis pada uji
Kolmogorov-Smirnov adalah sebagai berikut (Lanis, 2006):
H0 : Sisaan menyebar normal
H1 : Sisaan tidak menyebar normal
Uji statistik yang digunakan:
Z(X) = Keterangan:
Z(X) = Angka baku X = Angka pada data S = Simpangan baku Kaidah pengujian:
Jika Zhit> Ztabel maka tolak H0
Jika Zhit< Ztabelmaka terima H0
Jika keputusan yang diperoleh menolak H0, artinya error term atau sisaan
yang diperoleh tidak menyebar normal. Sebaliknya, jika keputusan yang diperoleh menerima H0artinya sisaan yang diperoleh telah menyebar normal.
4.5.3.2. Uji Autokorelasi
Uji autokorelasi dapat didefinisikan sebagai korelasi antara anggota serangkaian observasi yang diurutkan menurut waktu. Adanya autokorelasi dalam persamaan regresi dapat mengakibatkan bahwa penduga yang diperoleh dengan menggunakan OLS tidak lagi bersifat BLUE. Untuk mendeteksi adanya autokorelasi dapat dilakukan dengan uji Durbin-Watson.
Rumus statistik Durbin-Watson adalah (Yuwono, 2005):
Keterangan:
d = Statistik Durbin-Watson et dan et-1 = Gangguan estimasi
Pengambilan keputusannya:
- Jika nilai DW terletak antara batas atau upper bound (du) dan (4-du), maka koefisien autokorelasi sama dengan nol, berarti tidak ada autokorelasi positif. - Jika nilai DW lebih rendah dari pada batas bawah atau lower bound (dl), maka
koefisien autokorelasi lebih besar dari pada nol, berarti ada autokorelasi positif.
- Jika nilai DW lebih besar dari pada (4-dl), maka koefisien autokorelasi lebih kecil dari pada nol, berarti ada autokorelasi negatif.
- Jika nilai DW terletak diantara batas atas (du) dan batas bawah (dl) atau DW terletak anatara (4-du) dan (4-dl), maka hasilnya tidak dapat disimpulkan.
Gambar 2. Klasifikasi Keputusan Statistik d 4.5.3.3. Uji Multikolinieritas
Uji multikolinearitas didefinisikan sebagai adanya korelasi yang kuat antara variabel independen pada model persamaan. Adanya multikolinearitas dalam persamaan regresi akan berdampak pada varian koefisien regresi menjadi besar yang akan menyebabkan standar error terlalu tinggi sehingga kemungkinan penduga koefisien regresi menjadi tidak signifikan secara statistik.
Dengan mengetahui dampak yang ditimbulkan akibat adanya multikolinearitas dalam persamaan regresi maka dibutuhkan uji untuk mendeteksi multikolinearitas tersebut. Pengujian atas kemungkinan terjadinya multikolinearitas dapat dilihat dengan menggunakan metode pengujian Variance Inflation Factor (VIF). Pedoman regresi yang bebas dari multikolinearitas adalah mempunyai nilai VIF di bawah 10. Nilai VIF yang lebih besar dari 10 mengindikasikan terjadinya multikolinearitas (Juanda, 2009).
Jika terdapat multikolinearitas dapat diatasi dengan metode Best Subsets. Metode ini dilakukan dengan memilih best k subset berdasarkan nilai Cpyaitu dengan
menentukan k model yang mempunyai nilai CpMallows terkecil dan membandingkan
derajat bebas serta nilai dari uji rasio likelihood dengan model penuh atau model yang mengandung semua variabel yang mungkin. Dengan nilai k yang digunakan adalah 5 (Draper, 1992).
Dalam penelitian ini terdapat multikolinearitas secara teroritis yaitu variabel laju pertumbuhan penduduk dengan laju pertumbuhan luas lahan pemukiman serta variabel harga GKP dengan Nilai Tukar Petani.
4.5.3.4. Uji Heteroskedastisitas
Jika ragam sisaan tidak sama atau Var(εi)=E(εi2)=σi2 untuk setiap pengamatan
dari variabel bebas dalam model regresi, maka terjadi masalah heteroskedastisitas. Heteroskedastisitas pada umumnya terjadi pada data cross-section atau data deret waktu. Untuk mendeteksi adanya heteroskedatisitas adalah dengan melihat plot antara sisaan dengan dugaan respon. Jika ragam sisaan homogen, maka seharusnya plot antara sisaan tersebut tidak memiliki pola apapun. Cara mengatasi
terkecil terboboti (weight least square) dan dengan cara transformasi terhadap peubah respon dilakukan dengan tujuan untuk menjadikan ragam menjadi homogeny pada peubah respon hasil transformasi tersebut. Atau dapat juga dengan melakukan uji White Heteroscedasticity.
Hipotesis yang digunakan dalam pengujian ini yaitu: H0: Tidak terdapat heteroskedastisitas
H1 : Terdapat heteroskedastisitas
Kaidah pengujian:
Probabilitas observasi R-Squared < α maka tolak H0
Probabilitas observasi R-Squared > α maka terima H0
Kesimpulannya jika menolak H0 maka terdapat masalah heteroskedastisitas
dalam model, dan jika menerima H0 maka dalam model persamaan tidak terjadi
