IV. METODE PENELITIAN
4.1. Lokasi dan Waktu Penelitian
Lokasi penelitian ini dilakukan Kabupaten Indramayu Provinsi Jawa Barat. Beberapa pertimbangan bahwa Kabupaten Indramayu dijadikan tempat penelitian adalah Kabupaten Indramayu salahsatu kabupaten sentra garam di Jawa Barat selain dari Kabupaten Cirebon dan Kabupaten Karawang serta salah satu kabupaten dalam kawasan zona III dengan ciri jumlah hari kemarau dan tingkat hujan lebih sedikit dibandingkan dengan zona II dan I yang rata-rata berada di bagian kawasan tengah dan timur Indonesia.
Waktu penelitian dilakukan berlangsung pada bulan Mei-Juli 2012 dengan data yang diambil adalah data produksi tahun 2011. Data yang diambil pada tahun 2012 adalah data untuk melihat kondisi keragaan usaha garam rakyat di Kabupaten Indramayu.
4.2. Jenis dan Sumber Data
Jenis data yang akan digunakan dalam penelitian ini adalah data primer cross section yaitu data usaha yang sedang berjalan di petani garam yang ada di Kabupaten Indramayu pada tahun 2011, dan data sekunder yang dipublikasikan dari berbagai sumber, antara lain Badan Pusat Statistik, Kementerian Perdagangan, Kementerian Perindustrian, Kementerian Kelautan dan Perikanan dan sumber lainnya yang berhubungan dengan penelitian.
4.3. Metode Pengambilan Sampel
Pengambilan data primer suatu proses pengumpulan data sampling yang diambil dari populasi yang ada. Populuasi adalah jumlah keseluruhan dari unit analisa yang ciri-cirinya dapat diduga (Tarling, 2006). Dalam kaitan penelitian ini metode pengambilan sampel dilakukan dengan cara multistage sampling atau beberapa literatur disebut cluster sampling, dimana populasinya adalah seluruh petambak garam di Kabupaten indramayu yang semuanya memiliki peluang sebagai sampling yang sebelumnya dilakukan tahap pembagian area dan kelompok karakter petambak. Metode ini banyak dilakukan dalam penelitian efisiensi produksi seperti yang dilakukan oleh (Ojo, 2003); (Kareem, et al., 2008); (Sajjad dan Khan, 2010); (Pei, 2011); (Nwachukwu, et al., 2011).
Populasi petambak garam tersebar di tiga kecamatan yaitu Kecamatan Krangkeng, Kecamatan Kandang Haur dan Losarang. Menurut data dari Dinas Perikanan dan Kelautan Indramayu, ada 1 kecamatan lagi yang mulai mengembangkan usaha garam yaitu Kecamatan Cantigi, tetapi kecamatan ini belum dimasukan dalam proses pengambilan sampel karena dari segi jumlah petambak garam masih sedikit dan belum lama dalam pengalaman usaha garam. Jumlah populasi petambak garam menurut data dari Dinas Perikanan dan Kelautan sejumlah 3.298 petambak.
Tahapan dalam pengambilan sampel terdiri dari : tahapan pertama melakukan pembagian wilayah sebagai primery sample units (PSU) berdasarkan wilayah sentra yaitu Kecamatan Losarang, Kecamatan Kandang Haur dan Kecamatan Krangkeng. Tiga tipe tersebut tersebar dengan kriteria 3 group berbeda. Petambak di Kabupaten Indramayu terbagi menjadi 3 kelompok, kelompok petambak garam pemilik sekaligus penggarap, dan kelompok petambak garam penggarap dengan sistem bagi hasil dan sistem sewa. sebanyak 100 orang petambak dengan proporsi dibagi menjadi 3 bagian. Untuk kelompok petambak pemilik dan penggarap sebanyak 30 orang, petambak penggarap sewa 35 orang dan petambak bagi hasil 35 orang. Selanjutnya dilakukan tahap pengambilan data sampel. Karakteristik dari petambak tersebut merupakan langkah untuk mendapatkan secondary sample units (SSU).
Tabel 6. Pengelolaan lahan dan Penyebaran populasi Petambak Garam di Kabupaten Indramayu
No Kecamatan Sewa Bagi hasil Pemilik
1 Kandanghaur 333 167 136
2 Losarang 1093 468 223
3 Krangkeng 434 186 124
Jumlah 1,971 844 483
Jumlah Sampel 35 35 30
4.4. Metode Analisis Data 4.4.1. Metode Analisis Regresi
Metode analisis data akan dilakukan melalui tiga tahap. Tahap pertama akan dilakukan analisis faktor produksi usaha garam. Tahap kedua adalah melakukan analisis terhadap efisiensi faktor produksi. Metode yang digunakan untuk untuk menganalisis faktor-faktor yang mempengaruhi produksi garam adalah metode kuantitatif dengan menggunakan metode Ordinary Least Square (OLS) dengan model regresi linier berganda. Proses pengolahan data dilakukan
dengan menggunakan software Microsoft Excel, Minitab 16, Eviews 7, dan Frontier 4.1. Sedangkan metode deskriptif dalam penulisan digunakan untuk memberikan penjelasan tentang gambaran umum perkembangan usaha garam rakyat di Kabupaten Indramayu dan dibandingkan dengan usaha garam rakyat didaerah lain berdasarkan referensi dan literature review yang didapatkan. Selain itu metode deskriptif juga digunakan untuk menginterpretasi data. Model yang digunakan untuk menganalisis faktor-faktor yang mempengaruhi produksi usaha garam adalah model regresi berganda dengan persamaan tunggal karena bentuk ini mampu menunjukkan berapa persen variabel dependen dapat dijelaskan oleh variabel independen dengan nilai R2. Selain itu model ini dapat melihat apakah variabel-variabel independennya berpengaruh nyata atau tidak terhadap variabel dependen dengan melihat uji-F dan uji-t serta perhitungannya lebih sederhana. Bentuk umum dari fungsi regresi adalah :
... (4.1)
Dimana:
= variabel dependen = intersep
= parameter penduga
= variabel independen yang menjelaskan variabel Y = pengaruh sisa (error term)
Model tersebut diduga dengan Metode Kuadrat Terkecil Biasa (Ordinary Least Square/ OLS) yang didasarkan pada asumsi-asumsi berikut (Dougherty, 2001); (Vogelvang, 2005) :
1. Nilai rata-rata kesalahan pengganggu sama dengan nol, yaitu E ( ) = 0 untuki = 1, 2, 3, ..., n
2. Varian ( ) = E ( ) = s2, sama untuk semua kesalahan pengganggu (homoskedastisitas).
3. Tidak ada autokorelasi antara kesalahan pengganggu berarti kovarian (ei, ej) =0, ij.
4. Variabel bebas , konstan dalam sampling yang terulang dan bebas terhadap kesalahan pengganggu, E ( , ) = 0.
5. Tidak ada kolinearitas ganda di antara variabel bebas X. ˜ N (0 ; s2), artinya
kesalahan pengganggu mengikuti distribusi normal dengan rata-rata nol dan varian s2.
Dengan dipenuhinya asumsi di atas, maka koefisien regresi (parameter) yang diperoleh merupakan penduga linier terbaik yang tidak bias (BLUE= Best Linier Unbiased Estimator). Pengujian dilakukan terhadap variabel-variabel independen yang diduga berpengaruh besar terhadap produksi usaha garam rakyat.
4.4.2. Motode Analisis Faktor Produksi dan Biaya Produksi
Analisis data menggunakan alat analisis fungsi produksi stochastic frontier dan fungsi biaya dual frontier. Analisis fungsi produksi stochastic frontier dapat digunakan untuk mengukur efisiensi teknis dari usaha industri garam dari sisi output dan faktor-faktor yang mempengaruhi efisiensi teknis. Sedangkan fungsi biaya dual frontier digunakan untuk mengukur efisiensi alokatif dan ekonomis.
Menurut Binici, et al., (1996), fungsi produksi stochastic frontier Cobb-Douglas telah digunakan secara luas dan teruji untuk mengkaji efisiensi produksi di negara-negara maju dan berkembang. Selain itu fungsi Cobb-Douglas memiliki keunggulan praktis yaitu (Debertin, 1986) : (1) Nilai dari produk marjinal adalah turunan pertama dari produksi total, (2) Parameter estimasi secara berturut-turut menggambarkan elastisitas produksi dari masing-masing input dan jumlah dari eksponen tersebut merupakan return to scale. (3) Fungi produksi Cobb-Douglas dapat diestimasi dengan menggunakan analisis regresi linier dengan mengubahnya menjadi bentuk linier double log. (4) Fungi Produksi Cobb-Douglas dapat dengan mudah menambahkan variable bebas. Fungsi Cobb-Douglas adalah fungsi translog linier sehingga disyaratkan asumsi-asumsi yang harus dipenuhi yaitu : (1) Tidak ada nilai pengamatan yang bernilai nol karena nilai dari log nol adalah nilai yang tidak terdefinisikan. (2) Terdapat asumsi tidak ada perbedaan teknologi pada setiap pengamatan produksi. (3) Setiap variable bebas adalah perpect competition. (4) Perbedaan lokasi adalah seperti faktor cuaca dan iklim sudah termasuk dalam faktor kesalahan (error term).
Fungi produksi yang dimodelkan dalam produksi garam diantaranya adalah : (1) ukuran luas area lahan tambak garam, (2) jumlah hari yang diperlukan dalam fase produksi yang berhubungan dengan jumlah kemarau, (3)
jumlah tenaga kerja yang diperlukan dalam usaha garam dan (4) banyak jumlah air laut yang diambil dari aliran irigasi melalui pemakain pompa air dan atau dialirkan oleh kincir angin ke area tempat peminihan.
Dengan memasukkan sebanyak 4 peubah bebas ke dalam persamaan frontier maka model persamaan penduga fungsi produksi dariusaha garam dapat ditulis sebagai berikut :
... (4.2) dimana :
Y = Out put garam mentah (kg) X
1 = Luas lahan (unit luas)
X
2 = Tenaga kerja yang digunakan dalam fase produksi (hari)
X
3 = Jumlah hari produksi panen garam (hari)
X
4= Jumlah air laut (liter)
β
0 = intersep
β
j= koefisien parameter penduga dimana i = 1,2,3,….
v
i– ui = error term (ui) efek inefisiensi teknis dalam model.
Fungsi produksi Cobb-Douglas hanya mampu menjelaskan daerah produksi I dan II dan tidak bisa menjelaskan daerah produksi III (Beattie and Taylor, 1985). Oleh karena itu nilai koefisien yang diharapkan :β
1, β2, β3, β4>0.
Nilai koefisien positif berarti dengan meningkatnya input berupa lahan, tenaga kerja, air laut atau payau dan jumlah hari produksi (jumlah kemarau) yang digunakan di tiap fase produksi diharapkan akan meningkatkan produksi garam.
4.4.3. Metode Analisis Efisiensi Teknis
Analisis efisiensi teknis dapat diukur dengan menggunakan rumus berikut:
... (4.3) Dimana TE
i adalah efisiensi teknis petani ke-i, exp( - E[ui|εi]) adalah nilai
harapan (mean) dari u
i dengan syarat εi, jadi 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). Metode efisiensi teknis yang digunakan dalam penelitian ini mengacu kepada model efek inefisiensi teknis yang dikembangkan oleh Battese
dan Coelli (1995). Variabel u
i yang digunakan untuk mengukur efek inefisiensi
teknis, diasumsikan bebas dan distribusinya terpotong normal dengan N (μ
i,ζ 2
). Untuk menentukan nilai parameter distribusi (μ
i) efek inefisiensi teknis
pada penelitian ini digunakan rumus sebagai berikut: μ
i= δ0 + δ1Z1+ δ2 Z2+ δ3 Z3 + δ4 Z4 +δ5Z5+….+δ10Z10+wit... (4.4)
dimana: μ
i= efek inefesiensi teknis
Z
1 = umur petani (tahun)
Z
2 = pendidikan formal petani (tahun)
Z
3 = pengalaman petani dalam usaha garam (tahun)
Z
4 =Jumlah anggota keluarga yang bias dillibatkan dalam proses produksi (orang)
Z
5= Luas lahan (ha)
Z
6= Aktif dalam keanggotaan dalam pembelajaran kelompok manajemen usaha
(tahun) Z
7= Pendapatan keluarga dari usaha garam (Rp)
Z
8= Akses kredit (dummy dummy variabel) dimana 0 jika petambak tidak
mendapatkan akses kredit dari juragan atau lembaga non-formal dan formal, serta 1, bisa mengakses kredit
Z
9= Pemakaian zat aditif (dummy variabel) dimana 0 jika petambak tidak
memakai zat aditif dan 1, memakai zat aditif Z
10= Pemakaian pompa air (dummy variabel) dimana 0 jika tidak memakai
pompa punya sendiri atau sewa, tapi menggunakan pompa secara kelompok dan menggunakan air laut dari sungai.1, jika memakai pompa. Nilai koefisien yang diharapkan: δ
0 > 0, δ1, δ2,δ3,δ4…δ10<.0
Agar konsisten maka pendugaan parameter fungsi produksi dan inefficiency function (Persamaan 4.2 dan Persamaan 4.4) dilakukan secara simultan. Pengujian parameter stochastic frontier dan efek inefisiensi teknis dilakukan dengan dua tahap.Tahap pertama merupakan pendugaan parameter β
j
dengan menggunakan metode OLS. Tahap kedua merupakan pendugaan seluruh parameter β
0, βj, varians ui dan vi dengan menggunakan metode
Hasil pengolahan program FRONTIER 4.1 menurut Aigner, et al., (1977), Jondrow, et al., (1982) ataupun Greene (1990, 1997a, 1997b), akan memberikan nilai perkiraan varians dalam bentuk parameterisasi sebagai berikut:
... (4.5) ... (4.6)
Parameter dari varians ini dapat mencari nilai ,oleh sebab itu 0 < <1. Nilai parameter merupakan kontribusi dari efisiensi teknis di dalam efek residual total
4.4.4. Metode Analisis Efisiensi Biaya dan Efisiensi Ekonomis
Untuk mengukur efisiensi alokatif dan ekonomis dapat dilakukan dengan menurunkan fungsi biaya dual dari fungsi produksi Cobb-Douglas yang homogenous (Debertin, 1986). Asumsinya bahwa bentuk fungsi produksi Cobb-Douglas bersifat linier derajat satu. Dari fungsi yang dikembangkan pada persamaan 4.2 dapat diturunkan fungsi biaya input dari hasil pendekatan approximate fisik faktor produksi. Fungsi tersebut bisa dikembangkan sebagai berikut :
C = Y+p
x1x1 + px2x2+ px3x3+ px4x4... (4.7)
Dimana :
C = Biaya usaha garam per petambak (Rp) Y=Jumlah produksi garam (ton),
X
1 = Luas lahan (unit luas)
X
2 = Tenaga kerja yang digunakan dalam fase produksi (hari)
X
3 = Jumlah hari produksi panen garam (hari)
X
4= Jumlah bahan bakar (liter)
p
x1 = harga rata-rata sewa lahan per hektar (Rp. 2.500.000),
p
x2= harga rata-rata perbaikan peralatan per hari (Rp. 20.000)
p
x3= harga rata-rata tenaga kerja per HOK (Rp 50.000),
p
Dimana Bentuk fungsi biaya dual dapat diturunkan dengan asumsi minimisasi biaya dengan kendala Y = Yo. Untuk memperoleh fungsi biaya dual diperoleh nilai expansion path (perluasan skala usaha) yang dapat diperoleh dengan fungsi langrange sebagai berikut :
L = p 1x1 + p2x2 + p3x3+ p4x4+λ (Y- β0x1 β1 x 2 β2 x 3 β3 x 4 β4 )... (4.8) Untuk memperoleh nilai x
1 x2 x3 dan x4dapat diturunkan (first-order
condition) sebagai berikut:
... (4.9) ... (4.10) ... (4.11) Dari persamaan (4.9) dan (4.10) diperoleh nilai x
1 dan x2 (expansion path)
sebagai berikut :
dan ... (4.12) Kemudian persamaan (4.11) disubstitusikan ke persamaan dasar fungsi produksi menjadi:
... (4.13) Dari persamaan (3.13) dapat diperoleh fungsi permintaan input untuk x
1*
dan x
2* adalah:
... (4.14) ... (4.15) Kedua persamaan (4.13) dan (4.14) disubstitusikan ke dalam persamaan (4.16) sehingga diperoleh fungsi biaya dual menjadi :
... (4.17) Secara lebih sederhana dapat juga ditulis sebagai berikut:
... (4.18)
dimana dan β
j = 1,2,...6
merupakan nilai parameter β
j hasil estimasi fungsi produksi stochastic frontier Pxj
harga input yang berlaku di daerah penelitian ketika penelitian berlangsung. Variabel Y
0 merupakan tingkat output observasi dari petani responden.
Dengan menggunakan Software Frontier 4.1. fungsi cost frontier dapat dihasilkan tingkat efisiensi biaya (Cost Efficiency) (Ogundari dan Ojo, 2007). Sedangkan efisiensi ekonomis dihasilkan dari invers efisiensi biaya, dimana (Coelli, et al., 1998) :
………..… (4.19) . Menurut Jondrow, et al., (1982); Ogundari dan Ojo (2006), efisiensi ekonomi (EE) juga dapat dihitung dari rasio antara biaya total produksi minimum yang diobservasi (C*) dengan total biaya produksi aktual (C), seperti terlihat pada persamaan (4.19).
... (4.20) dimana EE bernilai 0 <EE <1.
Dalam analisis data penelitian ini digunakan fungsi dual cost yang diolah oleh Frontier 4.1 sehingga menghasilkan indeks efisiensi biaya (Cost efficiency). Setelah dihasilkan efisiensi biaya maka diineverskan sesuai dengan persamaan 4.18.
4.4.5. Metode Analisis Efisiensi Alokatif
Efisiensi alokatif atau efisiensi harga merupakan gabungan dari efisiensi teknis dan efisiensi, sehingga efisiensi alokatif (AE) dapat diperoleh dengan persamaan (Martin and Taylor, 2003) :
... (4.21) dimana AE bernilai 0 <AE <1.
Analisis efisiensi alokatif lainnya yang lebih terinci sumber-sumber efisiensi alokatifnya menurut Soekartowi (1990) dapat diturunkan dari nilai marjinal produk (NMP) dimana NMP dapat menjelaskan efisiensi dalam penggunaan input produksi yang berhubungan dengan harga produk dan harga input. Rasio antara nilaia produk terhadap harga input produksi menghasilkan gambaran tentang efisiensi. NMP dihasilkan dari turunan keuntungan (profit) dengan persamaan sebagai berikut :
Fungi inefisiensi dapat dilihat pada Tabel 19, 20 dan 21. Nilai rata-rata efieinsi (mean technical efficiency) yang dicapai pada petambak sewa mencapai 0.911 atau 91.1 persen, petambak bagi-hasil 0.697 atau 69.7 persen dan
petambak pemilik-garap 0.823 atau 82.3 persen sehingga masih terdapat ruang untuk meningkatkan efisiensi pada teknologi yang sama sebesar untuk petambak bagi-hasil 30.3 persen, untuk petambak pemilik-garap 17.7 persen dan 8.9 persen untuk petambak sewa, melalui pembenahan faktor-faktor yang signifikan mempengaruhi efisiensi. Dari 10 variabel sumber efek in-efisiensi masing-masing kelompok petambak berbeda dalam nilai signifikansinya. Hal ini karena setiap kelompok memiliki ciri khas yang berbeda-beda dalam karakteristik sosial ekonominya, manajerial usahanya dan karakter kelembagaanya.
………..………..………….…... (4.22)
Dimana:
βi = elastisitas produksi input ke-i
Y = produksi
Py = harga out put produksi
Pxi = harga input produksi
xi= jumlah faktor produksi xi
Jika : (a) βiPӯ / ẋPx > 1 dapat diartikan bahwa penggunaan faktor-faktor
produksi x belum efisien sehingga untuk meningkatkan efisiensinya input produksi dapat ditingkatkan. (b) βiPӯ / ẋPx < 1; yang dapat diartikan bahwa
penggunaan faktor-faktor produksi x tidak efisien sehingga faktor produksi bisa dikurangi atau tidak seimbang dengan input produksi yang lainnya.
4.5. Pengujian Model dan Hipotesis
4.5.1. Kesesuaian Model (Goodness of Fit)
Goodness Of Fit (kesesuaian model) dihitung dengan nilai koefisien determinasi (R2). Koefisien determinasi (R2) bertujuan untuk mengukur keragaman variabel dependen yang dapat diterangkan oleh variabel independen. R2 menunjukkan besarnya pengaruh semua variabel independen terhadap variable dependen. Koefisien determinasi dapat dirumuskan sebagai berikut :
Selang R2 yang digunakan adalah 0< R2<1. R2= 1 berarti semua variasi respon dari variabel dapat dijelaskan dengan fungsi regresi, sedangkan R2 = 0 berarti tidak satupun variasi pada variabel dapat dijelaskan oleh fungsi regresi. Dalam kenyataannya nilai R2 berada dalam selang 0 sampai 1 dengan intrepretasi relatif terhadap ekstrim 0 dan 1. Nilai koefisien determinasi semakin mendekati 1, maka model tersebut semakin baik.
4.5.2. Uji Statistik
Untuk menguji apakah secara statistik variabel independen yang digunakan berpengaruh nyata atau tidak terhadap variabel dependen, digunakan uji statistik-F dan uji statistik-t. Penggunaan uji statistik-F dilakukan untuk mengetahui apakah model penduga yang diajukan sudah layak untuk menduga parameter dalam fungsi produksi garam. Uji statistik-t digunakan untuk menguji koefisien regresi dari masing-masing variable independen secara terpisah, apakah variabel ke-i berpengaruh nyata terhadap variabel dependen (Gujarati, 2003).
A. Uji Statistik-F
Pengujian statistik-F dilakukan untuk mengetahui apakah semua variable independen secara bersama-sama berpengaruh terhadap variabel dependen. Pengujian yang dilakukan menggunakan distribusi F dengan membandingkan antara nilai kritis F dengan nilai F-hitung yang terdapat pada hasil analisis. Langkah-langkah analisis dalam pengujian hipotesis terhadap variasi nilai variabel dependen yang dapat dijelaskan oleh variasi nilai variabel independen adalah sebagai berikut :
1. Perumusan Hipotesis
H0 : variasi perubahan nilai variabel independen tidak dapat menjelaskan
variasi perubahan nilai variabel dependen.
H1 : variasi perubahan nilai variabel independen dapat menjelaskan variasi
perubahan nilai variabel dependen.
Dimana:
n = jumlah pengamatan (j = 1, 2, 3, …,n) k = jumlah peubah bebas (i = 1, 2, 3,...,k) 3. Penentuan penerimaan atau penolakan H0
Fhitung < Ftabel : terima H0
Fhitung > Ftabel : tolak H0
4. Apabila keputusan yang diperoleh adalah tolak H0 maka dapat disimpulkan
bahwa variasi perubahan nilai variabel dependen dapat dijelaskan oleh variasi perubahan nilai semua variabel independen. Artinya, semua variable independen secara bersama-sama dapat berpengaruh terhadap variable dependen.
B. Uji Statistik-t
Pengujian hipotesis dari koefisien dari masing-masing peubah bebas dilakukan dengan uji t. Langkah-langkah analisis dalam pengujian hipotesis terhadap koefisien regresi adalah :
1. Perumusan hipotesis H0 : = 0
H1 : < 0 atau >0
2. Penentuan nilai kritis
Nilai kritis dapat ditentukan dengan mengunakan tabel distribusi normal dengan memperhatikan tingkat signifikansi taraf nya dan banyaknya sampel yang digunakan.
Nilai t-hitung masing-masing koefisien regresi dapat diketahui dari hasil perhitungan software statistik. Statistik uji yang digunakan dalam uji-t adalah :
Dimana:
= nilai koefisien regresi atau parameter S( = standar kesalahan dugaan parameter Kriteria uji:
1. Bila thitung < ttabel, maka Ho diterima, berarti nilai koefisien input
produksi atau efek in-efisiensi teknis signifikan mempengaruhi terhadap produksi
2. Bila thitung > ttabel, maka Ho ditolak dengan hasil uji berarti nilai
koefisien input produksi atau efek in-efisiensi teknis tidak signifikan mempengaruhi terhadap produksi atau tingkat efisiensi teknis. Uji t-statistik yang lain digunakan adalah menguji nilai marjinal produk (NMP) dengan hipotesis untuk pengujian ini adalah :
H0 : (NPM/Px) = 1
H1 : (NPM/Px) ≠ 1
Dengan kriteria sebagai berikut:
1. NPM/Px = 1, berarti secara ekonomis alokasi faktor produksi sudah efisien
2. NPM/Px > 1, berarti secara ekonomis penggunaan faktor produksi belum berada pada tingkat optimum
3. NPM/Px < 1, berarti secara ekonomis alokasi faktor produksi tidak efisien.
Nilai t-hitung masing-masing nilai marjinal produk dapat diketahui dari hasil perhitungan software statistik. Statistik uji yang digunakan dalam uji-t adalah :
Dimana : bi = Elastisitas
Se = Standart error elastisitas produksi
Xi = Rata-rata penggunaan faktor produksi ke-i Y = Rata-rata produksi per hektar
Pxi = Harga per satuan faktor produksi ke-i
Py = Harga satuan hasil produksi
Kriteria keputusannya adalah sebagai berikut:
1. Bila thitung < ttabel, maka Ho diterima, berarti penggunaan faktor
2. Bila thitung > ttabel, maka Ho ditolak dengan hasil uji bahwa tingkat
penggunaan faktor produksi belum optimal.
3. Pengambilan keputusan dilakukan berdasarkan letak nilai t-hitung masing-masing koefisien regresi pada kurva normal yang digunakan dalam penentuan nilai kritis. Jika letak t-hitung suatu koefisien regresi berada pada
daerah penerimaan H0, maka keputusannya adalah menerima H0. artinya
koefisien regresi tersebut tidak berbeda dengan nol. Dengan kata lain, variabel tersebut tidak berpengaruh nyata terhadap nilai variabel dependen. Sebaliknya jika t-hitung menyatakan tolak H0 maka koefisien regresi berbeda
dengan nol dan berpengaruh nyata terhadap variabel dependen.
C. Uji Efek In-efisiensi
Pengujian hipotesis hanya dilakukan untuk hasil output efek efisiensi teknis frontier. Untuk mengetahui apakah ada efek inefisiensi di dalam model menggunakan nilai LR test galat satu, sedangkan untuk masing-masing variabel penduga apakah koefisien dari masing-masing parameter bebas (δi) yang dipakai
secara terpisah berpengaruh nyata atau tidak terhadap parameter tidak bebas (μi) dengan menggunakan t-hitung pada taraf nyata 1 persen dan 5 persen.
Beberapa hipotesa yang dilakukan untuk pengujian parameter dugaan nilai gamma yang menunjukan ada atai tidaknya efek inefisiensi. Dimana :
H0 : = δ0 = δ1 = δ2 = δ3 = δ4 = ……. δ 10 = 0
H1 : = δ0 = δ1 = δ2 = δ3 = δ4 = ……. δ 10 > 0
Hipotesis nol artinya efek inefisiensi teknis tidak ada dalam model.Jika hipotesis ini diterima, maka model fungsi produksi rata-rata sudah cukup mewakili data empiris.Uji statistik yang digunakan adalah uji chi-square. LR=
Dimana L(H0) dan L(H1) adalah nilai dari fungsi likelihood di bawah
hipotesis H0 dan H1. Dengan kriteria uji :
LR galat satu sisi > χ2 restriksi (tabel Kodde dan Palm) maka tolak H 0
LR galat satu sisi < χ2 restriksi (tabel Kodde dan Palm) maka terima H 0
Tabel chi-square Kodde dan Palm adalah table upper and lower bound dari nilai kritis untuk uji bersama persamaan dan pertidaksamaan restriksi.
Hipotesis kedua adalah menguji dari parameter delta dari masing-masing variable efek inefisiensi. Dimana :
H0 : δ0 = δ1 = δ2 = δ3 = δ4 = ……. δ 8 = 0
H1 :
δ
0= δ
1= δ
2= δ
3= δ
4= ……. δ
8 ≠ 0Hipotesis nol berarti koefisien dari masing-masing variabel di dalam model efek inefisiensi sama dengan nol. Jika hipotesis ini diterima maka masing-masing variabel penjelas dalam model efek inefisiensi tidak memiliki pengaruh terhadap tingkat inefisiensi dalam proses produksi. Uji statistik yang digunakan dengan t-hitung dan t-tabel = t(α, n-k-1). Kriteria uji :
│t-hitung│>t-tabel t(α, n-k-1) : tolak H0
│t-hitung│<t-tabel t(α, n-k-1) : terima H0
Dimana : k = jumlah variabel bebas, n = jumlah pengamatan (responden), dan S (δi) = simpangan baku koefisien efek inefisiensi
4.6. Definisi Operasional
Guna memudahkan pengumpulan data, peubah-peubah yang digunakan terlebih dahulu didefinisikan dan diukur mengacu pada konsep dan ukuran berikut ini :
1. Produksi garam (Y), adalah jumlah garam yang dihasilkan dalam satu musim produksi dalam bentuk garam mentah. Satuan ukuran yang digunakan adalah kilogram yang didapatkan petambak per 1 kali kerukan garam. Jika petambak tidak memiliki catatan per kerukan tiap hari, maka data produksi diestimasi akumulasi sepanjang tahun 2011 yang umumnya petambak memakai satuan ton. Asumsi semua garam kualitas yang dihasilkan petambak sama dan posisi garam sudah mengalami proses pengarungan dan posisi garam masih di area meja garam.
2. Luas lahan (X
1), adalah luas lahan yang digarap untuk usaha garam pada
musim tanam I 2011. Lahan yang digunakan diasumsikan memiliki petakan yang sama. Satuan ukurannya adalah hektar (ha). Data luas lahan yang didapatkan adalah total luas keseluruhan lahan termasuk didalamnya area peminihan, saluran air masuk ke pintu peminihan, pematang dan area meja garam.
3. Tenaga kerja (X2) adalah jumlah total tenaga kerja yang digunakan dalam
proses produksi untuk berbagai jenis kegiatan, mulai dari persiapan lahan sampai pasca panen. Satuan yang digunakan adalah Jam Kerja Setara Pria (JKSP). Harga tenaga kerja (P1) dihitung sama dengan besarnya
dengan satuan Rupiah per jam (Rp/jam). Tenaga kerja ini dipakai diseluruh fase produksi garam mulai dari pengolahan lahan sampai pemanenan garam. Jumlah tenaga yang diperhitungkan dalam proses produksi adalah tenaga kerja yang dipakai ketika mulai proses peminihan sampai pada tahap pengerukan garam. Sedangkan tenaga kerja yang dipakai dalam pengolahan lahan akan dikalibrasi berdasarkan biaya yang dikeluarkan petambak pada tahap pengolahan lahan.
4. Jumlah hari panen garam (X
3) adalah jumlah hari yang digunakan untuk
mengambil garam dengan kondisi garam diperkirakan bagus menurut petani.
5. Penggunaan jumlah air laut (X
4), adalah jumlah yang digunakan dalam
satu kali proses pembuatan garam.
6. Umur petani (Z1), adalah usia petani pada saat penelitian dilakukan dan
dinyatakan dalam tahun. 7. Pendidikan petani (Z
2), yaitu jumlah total waktu yang dibutuhkan petani
untuk menempuh pendidikan formal mulai dari SD hingga pendidikan terakhirnya, dinyatakan dalam tahun.
8. Pengalaman petani (Z
3), adalah lamanya waktu yang telah dilalui petani
sejak pertama kali mulai hingga saat penelitian dilakukan, dinyatakan dalam tahun.
9. Anggota keluarga yang biasa dijadikan tenaga kerja (Z
4), adalah jumlah
dari anggota keluarga yang biasa membantu dalam produksi garam. 10. Luas lahan yang dikelola oleh petambak (Z
5) dalam satuan hektar
11. Lama keaggotaan petani dalam kelompok tani (Z
6), merupakan variabel
waktu / lama petani menjadi anggota dalam kelompok tani. 12. Pendapatan usaha garam (Z
7) dalam rupiah berhubungan dengan
penerimaan petambak garam selama tahun 2011 yang didapatkan dari usaha garam.
13. Akses kredit pinjaman modal (Z
8), merupakan karakateristik kelembagaan
yang dilakukan petambak dalam memanfaatkan permodalan usaha garam dengan cara meminjam. Nilai dummy 0 jika petambak tidak mendapatkan pinjaman (hanya mengandalkan modal sendiri) dan 1 adalah petambak yang mendapatkan akses permodalan diluar keluarga.
14. Pemakaian zat aditif (Z
9), merupakan variabel dummy pemakaian zat
aditif atau tidak dimana 0 untuk petambak yang tidak memakai zat aditif dan 1 untuk petambak yang memakai zat aditif, baik aditif yang dihasilkan atau dibuat oleh petambak sendiri atau zat aditif sebagai bantuan langsung masyarakat (BLM) program pengembangan usaha garam rakyat (PUGAR).
15. Pemakaian pompa (Z
10), merupakan variabel dummy dalam penggunaan
pompa air untuk pengairan lahan tambak atau tidak menggunakan pompa tetapi secara kelompok dalam satuan area secara kolektif diadakan oleh juragan. Nilai dummy 0 jika petambak tidak memakai pompa, hanya menggunakan kincir angin dan menggunakan aliran air laut yang dialirkan dari embung, dan 1 adalah petambak yang memiiliki pompa intenif digunakan dalam pengaliran air laut ke araea peminihan garam
