39 BAB III
METODE PENELITIAN 3.1 Desain Penelitian
Suryana (2010) mengatakan bahwa desain penelitian merupakan tipe penyelidikan yang akan dilakukan dan tergantung pada tipe masalah, terdapat beberapa desain penelitian diantaranya desain korelasional, desain kausal komparatif, desain penelitian kasus dan penelitian lapangan, desain penelitian eksperimen dan desain peneltian tindakan (action research).
3.2 Jenis Data
Jenis data yang digunakan dalam penelitian ini berupa data kualitatif. Menurut Ashlih Amria Nailil HS & Husna (2016) data kualitatif merupakan tangkapan atau perkataan subjek penelitian dalam bahasanya sendiri dan bersifat mendalam serta terperinci sehingga panjang lebar . Data kualitatif dalam penelitian ini berupa letak geografis dan tanggapan petani dalam menjawab quisioner.
Sumber data yang digunakan dalam penelitian ini berupa data primer dan data sekunder. Data primer merupakan sumber data yang langsung memberikan data dari pihak pertama kepada pengumpul data yang biasanya melalui wawancara (Febriansyah & Dwinita, 2016). Data primer pada penelitian ini berdasarkan variabel pembentuk sikap diantaranya yaitu: umur, pengalaman pribadi, pengaruh orang lain yang dianggap penting, media massa, dan lembaga pendidikan baik formal maupun
Non-formal dan dokumentasi guna memperkuat penelitian ini. Data primer pada penelitian ini juga berupa tanggapan petani dalam menjawab pertanyaan atribut kepercayaan dan evaluasi, diantaranya: fluktuasi harga, penyusutan berat timbangan, cuaca tidak menentu, dan kesesuaian bibit. Penelitian ini juga menggunakan data sekunder. Menurut Febriansyah & Dwinita (2016) data sekunder merupakan suatu cara membaca, mempelajari dan memahami dengan tersedianya sumber-sumber lainnya sebelum penelitian dilakukan. Data sekunder pada penelitian ini didapatkan dari Badan Pusat Statistika yang menunjukkan jumlah produksi bawang merah guna memperkuat pemilihan lokasi penelitian. Gambaran lokasi penelitian merupakan data sekunder, karena peneliti mengambil dari sumber yang telah ada.
3.3 Waktu dan Tempat
Pemilihan daerah untuk penelitian dilakukan dengan metode sengaja (purposive
method) yang mana pemilihan daerah berdasarkan data yang diambil dari Badan
Pusat Statistika yang menunjukkan produksi bawang merah terbesar pada tahun 2017 yang di perbaruhi pada tahun 2018 berada di kecamatan Ngantang. Penelitian dilaksanakan pada bulan Januari tahun 2020 sampai selesai
3.4 Teknik Pengambilan Sampel
Teknik pengambilan sampel dilakukan dengan metode sengaja (Purposive
sampling) yang mana mencari jumlah keseluruhan populasi petani terlebih dahulu
kemudian dilakukan perhitungan untuk mencari jumlah sampel yang akan diteliti. Selanjutnya pemilihan petani sebagai sampel penelitian berdasarkan rekomendasi dari ketua kelompok tani. Alasan ketua kelompok tani dalam memilih petani tersebut
yakni perwakilan tiap Rukun Tetangga (RT) dengan jumlah tidak tentu menyesuaikan dengan jumlah penduduk RT tersebut, kita-kira 15 orang per RT.
Rumus perhitungan Metode slovin untuk mencari jumlah sampel penelitian sebagai berikut:
n = Keterangan:
n = jumlah sampel minimal N= Jumlah populasi
E= margin eror (5%)
Jumlah keseluruhan anggota Kelompok Tani Karya Bakti Dusun Pakan Desa Purworejo Kecamatan Ngantang ± 100 orang. Jumlah anggota kelompok tani dijadikan populasi dalam penelitian ini, sehingga untuk menentukan jumlah sampel dalam penelitian dibutuhkan perhitungan metode solvin sebagai berikut:
n = n = n = n = n = n=80 orang
Berdasarkan perhitungan untuk mencari jumlah sampel menggunkaan metode perhitungan solvin didapatkan jumlah sampel untuk penelitian ini sebanyak 80 orang
petani bawang merah yang merupakan kelompok tani Karya Bakti Dusun Pakan Desa Purworejo Kecamatan Ngantang.
3.5 Teknik pengumpulan data
Terdapat dua sumber data, yaitu sumber data primer dan sumber data sekunder, yang masing-masing dapat dikumpulkan dengan alat : (1) Angket/ Kuesioner, (2) Pedoman Wawancara, (3) Observasi, dan (4) Dokumentasi (Suryana, 2010).
Tenik pengumpulan data pada penelitian ini untuk primer dilakukan dengan wawancara (interview) langsung kepada sampel dengan bantuan questioner. Pengumpulan data dilakukan dengan observasi yang mana peneliti pengamati keadaan sekitar daerah yang menjadi sasaran penelitian. Teknik pengumpulan data sekunder dilakukan dengan mencari data yang sudah ada dari pihak kedua, yang mana dalam penelitian ini pihak kedua yakni Badan Pusat Statistika yang meyajikan data produksi sayuran di Kabupaten Malang pada tahun 2017.
3.6 Metode Analisis Data
Penelitian ini menggunakan metode deskriptif kualitatif yakni data yang dihasilkan dalam penelitian merupakan data ordinal, yang tidak dapat diolah secara aritmatika. Suryana (2010) mengatakan bahwa Skala Ordinal, yaitu suatu skala yang disusun berdasarkan jenjang atau ranking (kurang atau lebih). Penelitian deskriptif
(descriptive research), yang biasa disebut juga penelitian taksonomik (taxonomic research), seperti telah disebutkan sebelumnya, dimaksudkan untuk eksplorasi dan
klarifikasi mengenai sesuatu fenomena atau kenyataan sosial, dengan jalan mendeskripsikan sejumlah variabel yang berkenaan dengan masalah dan unit yang
diteliti (Mulyadi, 2011). Suryana (2010) mengatakan bahwa, tujuan penelitian deskriptif untuk membuat deskripsi secara sistematis, faktual dan akurat mengenai fakta-fakta, dan sifat-sifat populasi daerah tertentu. Metode kualitatif instrumennya adalah orang, yaitu peneliti itu sendiri. Peneliti adalah sebagai instrumen kunci, untuk dapat menjadi instrumen, maka peneliti harus memiliki wawasan dan bekal teori yang luas sehingga mampu bertanya, menganalisis, memotret, dan mengkontruksi situasi sosial yang diteliti menjadi lebih jelas dan bermakna. Penelitian kualitatif menurut (Singestecia et al., 2018) adalah penelitian yang bermaksud memahami fenomena tentang apa yang dialami oleh subjek penelitian misalnya seperti perilaku, persepsi, motivasi, tindakan dan lain-lain secara holistik dan dengan cara deskripsi dalam bentuk kata-kata dan bahasa pada suatu konteks khusus yang alamiah dan dengan memanfaatkan berbagai metode alamiah. Berdasarkan literature di atas, peneliti memberikan pertanyaan-pertanyaan langsung kepada narasumber untuk melihat fenomena yang dialami oleh narasmber atau subjek yang akan diteliti dengan bantuan pertanyaan dalam kuisioner. Pertanyaan-pertanyaan dalam kuisioner diukur menggunakan skala likert dengan skor kisaran 1-5. Kriteria penilaian dalam setiap jawaban dari pertanyaan pada kuisioner adalah 5 = sangat tidak setuju, 4 = tidak setuju, 3 = ragu-ragu, 2 = setuju, dan 1 = sangat setuju. Budiaji (2013) mengatakan bahwa skala likert menggunakan beberapa butir pertanyaan untuk mengukur perilaku individu dengan merespon 5 titik pilihan pada setiap butir pertanyaan, sangat setuju, setuju, tidak memutuskan, tidak setuju, dan sangat tidak setuju.
3.6.1 Uji Validitas
Validitas adalah ketepatan atau kecermatan suatu instrument dalam pengukuran. Dalam pengujian instrument pengumpulan data, validitas dibedakan menjadi validitas factor dan validitas item. Validitas faktor diukur bila item yang disusun menggunakan lebih dari satu faktor (antara faktor satu dengan yang lain ada kesamaan. Pengukuran validitas faktor ini dengan cara mengkorelasikan antara skor faktor (penjumlahan item dalam satu faktor) dengan skor total faktor (total keseluruhan faktor). Pengukuran validitas item dengan cara mengkorelasikan antara skor item dengan skor total item. Validitas item ditunjukkan dengan adanya korelasi atau dukungan terhadap item total (skor total). Bila kita menggunakan lebih dari satu faktor, berarti pengujian validitas item dengan cara mengkorelasikan antara skor item dengan skor faktor, kemudian dilanjutkan mengkorelasikan antara item dengan skor total faktor (penjumlahan dari beberapa faktor). Berdasarkan hasil perhitungan korelasi akan di dapat suatu koefisien korelasi yang digunakan untuk mengukur tingkat validitas suatu item dan menentukan apakah suatu item layak digunakan atau tidak. Penentuan layak atau tidaknya suatu item yang digunakan, biasanya digunakan uji signifikansi valid jika berkorelasi signifikan terhadap skor total (Dewi, 2018).
Validitas adalah suatu indeks yang menunjukkan alat ukur itu benar-benar mengukur apa yang hendak diukur. kuisioner sebagai alat ukur harus bisa mengukur apa yang ingin diukur. Uji validitas digunakan untuk mengetahui apakah kuisioner yang kita susun tersebut mampu mengukur apa yang hendak kita ukur, maka perlu diuji dengan uji korelasi antara skor (nilai) tiap-tiap item (pertanyaan) dengan skor
total kuisioner tersebut. Pengujian validitas tiap butir kuisioner pada program SPSS dengan menggunakan teknik korelasi product moment antara skor tiap butir kuisioner dengan skor total (jumlah tiap skor kuisioner) (Widi, 2011).
Validitas dalam penelitian menyatakan derajat ketepatan alat ukur penelitian terhadap isi sebenarnya yang diukur. Uji validitas adalah uji yang digunakan untuk menunjukkan sejauh mana alat ukur yang digunakan dalam suatu mengukur apa yang
diukur, dengan ketentuan bahwa sebuah item kuesioner dinyatakan valid apabila r hitung > r tabel. Uji reliabilitas digunakan untuk mengukur suatu kuesioner yang
merupakan indikator dari variabel. Uji reliabilitas akan dilakukan dengan menggunakan uji statistik cronbach’s alpha ( ) dengan ketentuan bahwa variabel yang diteliti dinyatakan reliabel apabila nilai cronbach’s alpha adalah di atas 0,6 (Hermanto & Cahyadi, 2015).
Langkah pengujian validitas menggunkaan SPSS
1) Memasukkan skor dari kuisioner ke tabel bantu dengan program excel 2) Memasukkan data dari Excel ke dalam SPSS
3) Menganalisis data
(Klik Analyze - Correlate – Bivariate) 4) Memasukkan semua item ke kotak variabel
5) Klik ok, kemudian akan muncul lembar output hasil analisis Langkah pengujian reliabilitas
2) Memasukkan data dari Excel ke dalam SPSS 3) Menganalisis data
(Analysis → scale →Reliability Analysis)
4) Memasukkan seluruh variabel yang valid (pada pemgujian validitas) ke dalam kotak item
5) Klik Statistic, pada Descriptives pilih For klik Scale If Item Deleted Klik Continue Klik
6) Klik ok, kemudian akan muncul lembar output hasil analisis 3.6.2 Analisis Patial Least Square (PLS)
Patial Least Square (PLS) dikembangkan pertama kali oleh Herman Wold
(1982). PLS merupakan metode analisis yang powerful karena tidak mengasumsikan data harus dalam skala pengukuran tertentu dan juga mengenai jumlah sampel relatif kecil (minimal direkomendasikan berkisar dari 30 sampai 100). Pendekatan PLS adalah distribution free yang artinya data tidak dapat berdistribusi tertentu, dapat berupa nominal, kategori, ordinal, interval dan rasio. Dalam pengembangannya, model dasar PLS diselesaikan oleh Herman Wold pada tahun 1977 yang kemudian dikembangkan lebih lajut oleh Lohmoller pada tahun 1984 dan 1989, dan kemudian dikembangkan oleh China pada tahun 1996 (Alfidella, Kusumo, & Suwawi, 2015).
PLS dapat menampung sampai 100 konstruk dan indikator. Selain itu PLS dapat digunakan pada setiap jenis skala data (nominal, ordinal, interval, rasio) serta syarat asumsi yang lebih fleksibel. Terdapat dua macam indikator dalam pendekatan PLS, yaitu model indikator refleksif dan model indikator formatif. Lebih lanjut,
variance atau component based SEM merupakan tipe SEM yang menggunakan variance dalam proses iterasi sehingga tidak memerlukan korelasi antara indikator maupun konstruk latennya dalam suatu model struktural. Konsekuensi penggunaan PLS-SEM adalah pengujian dapat dilakukan tanpa dasar teori yang kuat, mengabaikan beberapa asumsi (non- parametrik) dan parameter ketepatan model prediksi dilihat dari nilai koefisien determinasi (R-Square), maka dengan teknik PLS ini dapat diketahui 4 variabel laten yang didapatkan pada prinsip usability, yakni
variabel effectiveness, variabel efficiency, variabel satisfaction dan variabel derajat usability, ada beberapa hal yang ciri-ciri analisis pada PLS antara lain:
1. Data tidak harus berdistribusi normal multivariate.
2. Dapat digunakan sampel kecil. Minimal sampel >30 dapat digunakan. 3. PLS selain dapat digunakan untuk mengkonfirmasikan teori, dapat juga
digunakan untuk menjelaskan ada atau tidaknya hubungan antar variabel laten.
4. PLS dapat menganalisis sekaligus konstruk yang dibentuk dengan indikator reflektif dan formatif
5. PLS mampu mengestimasi model yang besar dan kompleks dengan ratusan variabel laten dan ribuan indikator
Pendugaan parameter di dalam PLS meliputi 3 hal, yaitu:
1. Weight estimate yang digunakan untuk menciptakan skor variabel laten. 2. Estimasi jalur (path estimate) yang menghubungkan antar variabel laten dan
3. Means dan lokasi parameter (nilai konstanta regresi, intersep) untuk indikator dan variabel laten.
Alfidella et al., (2015) menjelaskan bahwa PLS menggunakan proses iterasi tiga tahap dan setiap tahap iterasi menghasilkan estimasi. Tahap pertama menghasilkan penduga bobot (weight estimate), tahap kedua menghasilkan estimasi untuk inner model dan outer model, dan tahap ketiga menghasilkan estimasi means dan lokasi (konstanta). Tahap pertama dan kedua pada proses iterasi dilakukan dengan pendekatan deviasi (penyimpangan) dari nilai means (rata-rata). Pada tahap ketiga, estimasi bisa didasarkan pada matriks data asli dan hasil penduga bobot dan koefisien jalur pada tahap kedua, tujuannya untuk menghitung means dan lokasi parameter.
3.6.3 Model Fishbein
Metode untuk menganalisis data penelitian menggunkaan metode model fishbein. Mulyana, Akademi, & Kesatuan (2018) mengatakan bahwa tahapan analisis data dilakukan dengan menghitung nilai keyakinan konsumen atas atribut pada produk yang disimbolkan dengan b (belief), kemudian hasil evaluasi konsumen atas masing-masing atribut, yang disimbolkan dengan e (evaluation), dengan memperoleh kedua nilai masing-masing keyakinan dan evaluasi, maka diperoleh nilai sikap konsumen, yang merupakan penjumlahan dari nilai keyakinan (b) dengan nilai evaluasi (e).
Nurmalina, Tinaprilla, Rifin, Sarianti, & Muflikh (2012) mengatakan bahwa Sikap dan perilaku konsumen juga merupakan bagian dari konsep perilaku
konsumen. Salah satu model analisis sikap adalah model sikap multiatribut Fishbein. Model sikap Fishbein ini berfokus pada prediksi sikap yang dibentuk seseorang terhadap obyek tertentu. Formulasi model Fishbein adalah sebagai berikut:
∑
Keterangan:
Ao = Sikap petani terhadap risiko usahtaani
bi = Tingkat kepercayaan petani terhadap atribut ke-i ei = Evaluasi kepentingan terhadap atribut ke-i n = Jumlah atribut yang menonjol
Langkah menganalisis data menggunakan metode model fishbein: 1) Menentukan Salient Belief
Menentukan atribut yang dianggap penting dalam penelitian ini. Salient
Belief dalam penelitian ini diantaranya: fluktuasi harga, penyusutan berat
timbangan produk, cuaca tidak menentu, dan kesesuaian bibit. 2) pertanyaan untuk mengukur tingkat kepercayaan
Pertanyaan di dalam kuisioner mengarah kepada tingkat kepercayaan petani terhadap Salient Belief yang telah ditetapkan sebelumnya merupakan risiko dalam berusahatani bawang merah. Pengambilan data mengenai kepercayaan petani menggunkan metode wawancara dengan bantuan kuisioner. Pertanyaan-pertanyaan dalam kuisioner memiliki tingkat skor jawaban yang berbeda-beda sehingga menggunakan skala
likert. Kisaran nilai pada skala likert untuk mengukur tingkat kepercayaan (bi) digunakan skor penilaian dengan skala lima angka (2, -1, 0, +-1, +2) yang berjajar dari “sangat tidak setuju” hingga “sangat setuju”.
Tabel 3.1 Rentang Skala Kepercayaan untuk Menentukan Sikap Petani
Kategori Rentang skala penilaian
Sangat tidak setuju -2
Tidak setuju -1
Netral 0
Setuju +1
Sangat setuju +2
Data sekunder, diolah tahun 2012
3) Menentukan pertanyaan untuk mengukur tingkat evaluasi
Pertanyaan di dalam kuisioner mengarah pada evaluasi petani terhadap
Salient Belief secara general yang telah ditetapkan sebelumnya
merupakan risiko dalam berusahatani bawang merah dan menentukan sikap petani apakah tetap melanjutkan berusahatani setelah mengalami kegagalan atau berhenti dan beralih usaha atau beralih komoditas. Pengambilan data mengenai evaluasi petani menggunkan metode wawancara dengan bantuan kuisioner. Pertanyaan-pertanyaan dalam kuisioner memiliki tingkat skor jawaban yang berbeda-beda sehingga menggunakan skala likert. Rentang skore untuk penilaian pada evaluasi sebagai berikut:
Tabel 3.2 Rentang Skala Evaluasi untuk Menentukan Sikap Petani
Kategori Rentang skala kepentingan
Sangat tidak setuju 4,2 < x < 5.00
Tidak setuju 3,4 < x < 4,2
Netral 2,6 < x < 3,4
Setuju 1,8 < x < 2,6
Sangat setuju 1,0 < x < 1,8
Data sekunder, diolah tahun 2012
4) Mengukur sikap terhadap risiko usahatani
Pengukuran sikap menggunakan keseluruhan atribut, dengan rumus:
∑
Keterangan:
Ao = Sikap petani terhadap risiko usahtaani
bi = Tingkat kepercayaan petani terhadap atribut ke-i ei = Evaluasi kepentingan terhadap atribut ke-i n = Jumlah atribut yang menonjol
5) Pengisian
Langkah selanjutnya yakni pengisian. Pengisian data kedalam tabel kemudian mencari jumlah skor dari penilaian setiap responden dengan mengalikan dari setiap atribut kepercayaan dan atribut evaluasi yang sama. Langkah pengisian selanjutnya yakni menghitung rata-rata atribut secara keseluruhan responden. Pengisian pada faktor pembentuk sikap
petani dimasukkan ke dalam tabel tersendiri dan dihitung rata-rata secara keseluruhan tiap faktor pembentuk sikap.
6) Analisis
Analisis kepercayaan
Hasil rata-rata tiap atribut kepercayaan kemudian dimasukkan ke dalam tabel evaluasi dan diurutkan berdasarkan rata-rata tertinggi, sehingga didapatkan atribut manakah yang dianggap petani sebagai risiko tertinggi dalam berusahatani
Analisis evaluasi
Hasil rata-rata tiap atribut evaluasi kemudian dimasukkan ke dalam tabel evaluasi dan diurutkan berdasarkan rata-rata tertinggi, sehingga didapatkan atribut manakah yang dianggap petani sebagai risiko tertinggi dalam berusahatani
3.7 Pengukuran Variabel
Variabel yang diukur dalam penelitian untuk melihat sikap petani terhadap resiko usahatani yakni bagaimana sikap petani dalam memandang dan mengatasi suatu permasalahan yang menimpa usahataninya. Variabel yang digunakan dalam penelitian ini untuk mengukur faktor-faktor yang berhubungan dengan persepsi petani seperti yang dikutip dalam (Azwar, 1991) yang mana faktor-faktor yang dapat mebentuk sikap petani terhadap
menangani risiko usatani diantaranya: umur, Pengalaman pribadi, Pengaruh orang lain yang dianggap penting, Media massa, dan Lembaga pendidikan.
Tabel 3.3 Variabel Pembentuk Sikap
No Variabel Indikator Kategori Skor
1. Umur (dalam tahun) Umur petani saat
penelitian dilakukan - > 64 - 54-64 - 43-53 - 32-42 - 21-31 5 4 3 2 1 2. Pengalaman Pribadi (dalam tahun)
Lama petani dalam berusahatani - > 6 - 4-5 - 3-4 - 1-2 - 0 5 4 3 2 1 3. Pengaruh Orang Lain
Yang Dianggap
Penting
-Banyak orang lain
yang dianggap
penting dalam
memberikan nasehat atau pengaruh terkait dengan berusahatani (misalnya: penyuluh, aparat desa, petani
lain, pemerintah, ketua gapoktan) -Frekuensi tokoh panutan memberikan nasehat mengenai berusahatani - 5 orang - 4 orang - 3 orang - 2 orang - 1 orang - 4x / tahun - 3x / tahun - 2x / tahun - 1x / tahun - Tidak pernah 5 4 3 2 1 5 4 3 2 1
4. Media Massa -Frekuensi untuk
mengakses informasi
dari media massa
berkaitan dengan usahatani (dalam setahun) - > 6 kali - 5-6 kali - 3-4 kali - 1-2 kali - Tidak pernah 5 4 3 2 1
No Variabel Indikator Kategori Skor
5. Lembaga Pendidikan - Tingkat
pendidikan formal petani yang pernah ditempuh - frekuensi petani mengikuti kegiatan pelatihan di bidang pertanian (dalam setahun) - frekuensi petani mengikuti kegiatan penyuluhan di bidang pertanian (dalam setahun) - D3-S1 / Sederajat - D1 – D2 - SLTA / Sederajat - SLTP / Sederajat - SD - > 7 kali - 5-6 kali - 3-4 kali - 1-2 kali - Tidak pernah - > 7 kali - 5-6 kali - 3-4 kali - 1-2 kali - Tidak pernah 5 4 3 2 1 5 4 3 2 1 5 4 3 2 1
Data Sekunder, Diolah Tahun 2019
Keterangan nilai skor variabel pembentuk sikap: 5: sangat tidak setuju,
4: tidak setuju, 3: netral, 2: setuju, dan 1: sangat setuju
Tabel 3.4 Atribut Kepercayaan
No Evaluasi Skor
1 Fluktuasi Harga -2: Sangat Tidak Setuju,
-1: Tidak Setuju, 0: Netral, +1: Setuju
+2: Sangat Setuju
2 Penyusutan Berat Timbangan Produk -2: Sangat Tidak Setuju,
-1: Tidak Setuju, 0: Netral, +1: Setuju
+2: Sangat Setuju
3 Cuaca Tidak Menentu -2: Sangat Tidak Setuju,
-1: Tidak Setuju, 0: Netral, +1: Setuju
+2: Sangat Setuju
4 Kesesuaian Bibit -2: Sangat Tidak Setuju,
-1: Tidak Setuju, 0: Netral, +1: Setuju
+2: Sangat Setuju
Tabel 3.5 Atribut evaluasi
No Evaluasi Skor
1 Fluktuasi Harga 5: Sangat Tidak Setuju,
4: Tidak Setuju, 3: Netral, 2: Setuju
1: Sangat Setuju
2 Penyusutan Berat Timbangan Produk 5: Sangat Tidak Setuju,
4: Tidak Setuju, 3: Netral, 2: Setuju, 1: Sangat Setuju
3 Cuaca Tidak Menentu 5: Sangat Tidak Setuju,
4: Tidak Setuju, 3: Netral, 2: Setuju, Dan 1: Sangat Setuju
4 Kesesuaian Bibit 5: Sangat Tidak Setuju,
4: Tidak Setuju, 3: Netral, 2: Setuju, Dan 1: Sangat Setuju
56