BAB III METODE PENELITIAN 3.1. Jenis dan Sumber Data Data yang digunakan dalam penelitian ini merupakan data primer dari survey rumah tangga petani dalam penelitian Dampak Bantuan Langsung Pupuk dan Benih Unggul Terhadap Usahatani dan Perekonomian Nasional. Data didapat dari penelitian Pusat Studi Pembangunan Pertanian dan Pedesaan Institut Pertanian Bogor (PSP3 IPB) dan PT. Pertani di Propinsi Jawa Timur tahun 2010. 3.2. Lokasi dan Waktu Penelitian Penelitian ini menjadikan Propinsi Jawa Timur sebagai lokasi penelitian karena Jawa Timur merupakan salah satu dari lima propinsi penerima BLP terbanyak di Indonesia. Lokasi penelitian dilakukan dengan memilih dua kabupaten, dan selanjutnya untuk tiap kabupaten dipilih dua kecamatan contoh. Pemilihan lokasi mengikuti sebaran program dan hasil diskusi dengan aparat setempat. Kabupaten yang dipilih adalah Kabupaten Banyuwangi dan Kabupaten Bondowoso. Pada Kabupaten Banyuwangi, kecamatan yang dijadikan contoh adalah Kecamatan Sempu dan Kecamatan Licin. Sedangkan Kabupaten Bondowoso, kecamatan yang dipilih adalah Kecamatan Telogosari dan Kecamatan Wonosari. Waktu penelitian dilakukan selama bulan Juni 2011 dengan melihat hasil produksi padi pada dua musim tanam yang berbeda (musim tanam sebelum menggunakan BLP Organik, dan musim tanam setelah menggunakan BLP Organik).
3.3. Metode Pengumpulan Data Metode pengumpulan data untuk menganalisis dampak BLP Organik pada produktivitas dan pendapatan usahatani dilakukan dengan pemilihan sampel untuk petani responden. Penentuan sampel dilakukan secara acak sederhana (Simple Random Sampling), yaitu pengambilan sampel berdasarkan pertimbangan penelitian sesuai dengan tujuan penelitian. Salah satu hal yang perlu diperhatikan dalam Simple Random Sampling adalah semua individu dalam populasi (anggota popluasi) diberi kesempatan yang sama untuk menjadi anggota sampel. Pemilihan mengikuti sebaran program dan jenis usahatani petani dengan membandingkan before dan after. Before untuk musim tanam sebelum menggunakan BLP Organik dan after untuk musim tanam setelah mengunakan BLP Organik. Pemilihan responden petani dilakukan secara acak sederhana rata-rata 15 orang petani per kecamatan sampel. Sebagaimana dipaparkan pada Tabel 3.1., total sampel petani padi adalah 60 orang, dimana dari setiap petani diperoleh dua informasi usahatani padi untuk perbandingan before dan after. Dengan demikian, jumlah usahatani padi yang dianalisis berjumlah 120 unit. Tabel 3.1. Sebaran dan Jumlah Sampel Usahatani Padi di Propinsi Jawa Timur Kabupaten; Kecamatan Usahatani padi Sebelum Sesudah 1. Banyuwangi (Sempu & Licin) 30 30 2. Bondowoso (Telogosari & Wonosari) 30 30 Total 60 60 Responden adalah petani yang menerima bantuan BLP Organik pada tahun 2010. Responden dipilih dari daftar penerima bantuan yang dimiliki oleh petugas pertanian setempat. Usahatani yang dijadikan contoh adalah persil lahan terluas
yang dimiliki responden. Perbandingan antara usahatani sebelum menggunakan BLP Organik dengan yang menggunakan BLP Organik, dilakukan untuk persil lahan yang sama. Prosedur pengambilan contoh menggunakan cluster sampling mengikuti hirarki provinsi, kabupaten, dan kecamatan. 3.4. Pengolahan dan Analisis Data Sebagai penelitian yang bertujuan untuk menganalisis dampak suatu program, maka salah satu pendekatan yang logis untuk digunakan adalah dengan membandingkan antara nilai dari indikator-indikator pada periode sebelum dengan sesudah BLP organik diterapkan (pendekatan Before and After). Selain itu, untuk menganalisis produksi padi pasca penggunaan BLP Organik, maka pendekatan yang digunakan adalah pendekatan Fungsi Produksi. Dengan demikian, metode analisis yang akan digunakan dapat disajikan dalam Tabel 3.2.. Tabel 3.2. Permasalahan, Metode Analisis, dan Indikator Observasi Permasalahan Metode Analisis Indikator Observasi Dampak Program BLP Organik terhadap produksi dan pendapatan petani Pengaruh pupuk organik terhadap produksi padi Respon petani Analisis perbandingan antara usahatani sebelum menggunakan BLP organik dengan usahatani setelah menggunakannya (Before and After Approach) Analisis Fungsi Produksi dengan menggunakan Fungsi Produksi Cobb-Douglas Analisis persepsi terhadap pelaksanaan program BLP Organik dan prestasi kerja Produksi dan produktivitas tiap musim tanam Total pendapatan per musim tanam B/C Ratio per musim tanam Input produksi berpengaruh nyata terhadap produksi padi. Persepsi Positif Persepsi Negatif Saran-saran perbaikan
3.4.1. Analisis Pendapatan Usahatani Penerimaan usahatani adalah hasil kali antara produksi padi yang dihasilkan dengan harga jual padi tersebut. Pernyataan tersebut dinyatakan dalam persamaan sebagai berikut: TR = Y Py (3.1.) keterangan: TR : penerimaan total (Total Revenue) Y : produksi padi (Gabah Kering Panen / GKP) Py : harga padi (Rp.) Pengeluaran usahatani adalah biaya atau pengorbanan yang dilakukan oleh petani dalam mengelola usahanya untuk mendapatkan hasil yang maksimal. Biaya yang dikeluarkan oleh petani digolongkan menjadi biaya tetap dan biaya tidak tetap (variabel). Dalam penelitian ini, yang termasuk dalam biaya tetap adalah biaya Pajak Bumi dan Bangunan (PBB), biaya retribusi, dan biaya sewa lahan. Sedangkan yang termasuk biaya tidak tetap adalah biaya pembelian benih, biaya upah tenaga kerja, biaya pupuk, biaya pestisida dan obat. Biaya total adalah jumlah dari biaya tetap atau fixed cost (FC) dan biaya tidak tetap atau variable cost (VC). Persamaan biaya total adalah: TC = FC + VC (3.3.) keterangan: TC : biaya total (total cost) FC : biaya tetap (fixed cost) VC : biaya tidak tetap (variable cost) Pendapatan usahatani (laba) merupakan selisih antara penerimaan dan biaya total. Pendapatan usahatani dapat ditunjukkan dengan persamaan,
Π = TR TC (3.4.) keterangan: Π : pendapatan usahatani (laba) TR : penerimaan total (total revenue) TC : biaya total (total cost) dengan ketentuan apabila Π bertanda positif maka usahatani mengalami keuntungan, namun apabila Π bertanda negatif maka usahatani mengalami kerugian. 3.4.2. Analisis Imbangan Biaya dan Manfaat Untuk menganalisis efisiensi atau imbangan antara manfaat dan biaya, maka dibutuhkan analisis B/C Ratio (Benefit Cost Ratio). Menurut Soekartawi (1995), analisis B/C Ratio pada prinsipnya sama saja dengan R/C Ratio (Revenue Cost Ratio), hanya saja pada analisis B/C Ratio data yang diperhitungkan adalah besarnya manfaat (pendapatan / Π). Analisis ini tidak memiliki satuan khusus karena berupa rasio, dan dapat ditunjukkan dengan persamaan berikut: B/C = keterangan: B/C : Benefit Cost Ratio TR : penerimaan total (total revenue) TC : biaya total (total cost) (3.5a.) Kriteria keputusan yang digunakan untuk menilai hasi usaha analisis B/C dapat dibagi menjadi tiga bagian keputusan, yakni: 1) B/C ratio > 1, manfaat yang diperoleh usahatani lebih besar daripada biaya yang dikeluarkan sehingga program usahatani layak dilakukan;
2) B/C ratio < 1, manfaat yang diperoleh usahatani lebih kecil daripada biaya yang dikeluarkan sehingga program usahatani tidak layak dilakukan; 3) B/C ratio = 1, usahatani mengalami impas (tidak untung maupun rugi). R/C Ratio merupakan alat analisa untuk mengukur biaya dari suatu produksi. Pernyataan tersebut dapat dituliskan dengan rumus sebagai berikut: R/C = Keterangan: R/C : Revenue Cost Ratio TR : total penerimaan (total revenue) TC : biaya total (total cost) (3.5b.) Kriteria keputusan yang digunakan untuk menilai hasi usaha analisis R/C dapat dibagi menjadi tiga bagian keputusan, yakni: 1) R/C ratio > 1, usahatani mengalami keuntungan sehingga program usahatani layak dilakukan; 2) R/C ratio < 1, usahatani mengalami kerugian sehingga program usahatani tidak layak dilakukan; 3) R/C ratio = 1, usahatani mengalami impas (tidak untung maupun rugi). Dalam penelitian ini, penghitungan analisis usahatani akan dibedakan menjadi analisis usahatani atas dasar Biaya Tunai dan analisis usahatani atas dasar Biaya Total. Analisis usahatani atas dasar biaya tunai merupakan penghitungan pendapatan usahatani tanpa memperhitungkan biaya nonkomersial sedangkan analisis usahatani atas dasar total merupakan penghitungan pendapatan dengan ikut memperhitungkan biaya
nonkomersial (harga bantuan pupuk dan tenaga kerja dalam keluarga). Oleh karena itu, penghitungan nilai imbangan biaya dan manfaat masing-masing akan diperoleh baik atas dasar biaya tunai maupun atas dasar biaya total. 3.4.3. Fungsi Produksi Cobb-Douglas Model fungsi produksi yang umum digunakan dalam suatu penelitian adalah fungsi produksi Cobb-Douglas (fungsi eksponensial). Menurut Nicholson (1995), bentuk matematis dari fungsi Cobb-Douglas tersebut adalah: Q = ƒ (K,L) = a K b L c e u (3.6.) di mana a, b, dan c semuanya merupakan kosntanta penduga yang diestimasi dari data empiris: Q mewakili keluaran (output) untuk suatu barang tertentu selama satu periode; K mewakili penggunaan modal selama periode tersebut, L mewakili tenaga kerja, u adalah galat (error term, disturbance term), dan e adalah bilangan eksponen (e=2,718). Fungsi produksi tersebut di atas dapat menunjukkan hasil berbanding skala (return to scale) dengan ketentuan: (1) apabila b+c=1 maka menunjukkan hasil berbanding skala konstan; (2) apabila b+c<1 maka menunjukkan hasil berbanding skala menurun; dan (3) apabila b+c>1 maka menunjukkan hasil berbanding skala meningkat. Bentuk alternatif dari model fungsi produksi Cobb-Douglas dapat ditunjukkan dengan bentuk:
ln(q) = ln(a) + b ln(k) + c ln(l) + u (3.7.) Q* = a* + bk* + cl* + u (3.8.) di mana: Q* = ln(q) a* = ln(a) K* = ln(k) L* = ln(l) u = galat Persamaan hasil logaritma natural di atas dapat dibentuk menggunakan regresi linear berganda. Pada persamaan tersebut terlihat bahwa konstanta b dan konstanta c adalah tetap walaupun masukan yang terlibat telah berubah bentuk menjadi logaritma natural. Konstantakonstanta dalam funsgi produksi Cobb-Douglas ini dapat sekaligus menunjukkan elastisitas masukan (input) terhadap keluaran (output). Penyelesaian fungsi Cobb-Douglas dilakukan dalam bentuk logaritma natural dan fungsinya diubah bentuk menjadi fungsi linear, maka terdapat persyaratan yang harus dipenuhi sebelum menggunakan fungsi Cobb- Douglas, antara lain: 1) tidak ada nilai pengamatan yang bernilai nol, sebab logaritma natural dari nol adalah suatu bilangan yang tidak diketahui; 2) dalam fungsi produksi perlu asumsi bahwa tidak ada perbedaan teknologi pada tiap pengamatan (non neutral difference in the respective technologies); 3) peubah masukan (input variable) berada pada persaingan sempurna; 4) faktor-faktor lain yang tidak tercakup dalam model, seperti iklim diperhitungkan dalam galat (error term).
Dalam penelitian ini, fungsi produksi Cobb-Douglas yang akan dibuat adalah berupa: Ln Y = C + β1 Ln X1 + β2 Ln X2 + β3 Ln X3 + β4 Ln X4 + β5 Ln X5 + β6 Ln X6 + β7 Ln X7 + β8 Ln X8 + β9 Ln X9 + β10 Ln X10 + u (3.9.) Keterangan: Ln Y : Ln Gabah Kering Panen (Kg) C : Konstanta β1, β2,, β11 : Konstanta Penduga Ln X1 : Ln Lahan (Ha) Ln X2 : Ln Benih (Kg) Ln X3 : Ln Tenaga Kerja Manusia (HOK) Ln X4 : Ln Pupuk Urea (Kg) Ln X5 : Ln Pupuk TSP (Kg) Ln X6 : Ln Pupuk KCL (Kg) Ln X7 : Ln Pupuk NPK (Kg) Ln X8 : Ln Pupuk Organik Granul (Kg) Ln X9 : Ln Pupuk Organik Cair (Liter) Ln X10 : Ln Pestisida & Obat (Kg) u : galat 3.5. Asumsi dalam Analisis Regresi Fungsi produksi Cobb-Douglas dalam bentuk logaritma natural dapat dibentuk menggunakan metode regresi linear berganda. Menurut Juanda (2009), terdapat lima asumsi yang harus dipenuhi untuk memilih suatu model analisis regresi. Kelima asumsi tersebut adalah: 1. Spesifikasi model yang ditetapkan seperti persamaan: Y i = β 1 + β 2 X 2i + β 3 X 3i + + β k X ki + u i (3.10.) 2. Peubah X k merupakan peubah non-stokastik (fixed), artinya sudah ditentukan, bukan peubah acak. Selain itu, tidak ada hubungan linear sempurna antar peubah X k ; 3. Komponen sisaan u i mempunyai nilai harapan sama dengan nol, dan ragam konstan untuk semua pengamatan i. E(u i )=0 dan Var(u i )=σ 2 ;
4. Tidak ada hubungan atau tidak ada korelasi antar sisaan u i, sehingga Cov(u i,u j )=0 untuk setiap i j; 5. Komponen sisaan menyebar normal. Menurut Dalil Gaus-Markov, jika kelima asumsi di atas dipenuhi, maka pendugaan parameter koefisien regresi menggunakan metode OLS (Ordinary Least Square) akan menghasilkan penduga tak bias linear terbaik (BLUE, Best Linear Unbiased Estimator). Penduga terbaik dalam pengertian ragamnya paling kecil (paling efisien) diantara semua penduga tak bias linear lainnya (Juanda, 2009). 3.6. Uji Kriteria Statistik Tujuan pengujian kriteria statistik adalah untuk melihat korelasi antar variabel persamaan, yaitu dengan menggunakan uji-r 2, uji-f, uji-t, dan Uji Pelanggaran Asumsi. 1. Uji-R 2 Koefisien determinasi (R 2 ) sering digunakan secara informal sebagai ukuran dari kecocokan (goodness of fit) model regresi walaupun untuk menentukan kebaikan dari kecocokan suatu model tidak hanya dilihat dari besar R 2 saja. Koefisien determinasi (R 2 ) dapat diintepretasikan sebagai proporsi total keragaman Y yang dapat dijelaskan oleh model regresi X terhadap Y. Jika nilai R 2 besar, maka persentase peluang keragaman Y yang dapat diprediksi dari nilai X 2, X 3 hingga X k semakin besar (Juanda,2009). 2. Uji-F dan Uji-t Setelah model (fungsi produksi) dibentuk, lebih baik dilakukan analisis secara keseluruhan terlebih dahulu dengan menggunakan statistik uji-f melalui
analisis ragam (analysis of variance). Uji statistik ini digunakan untuk menguji apakah keragaman yang bersumber dari model regresi (σ 2 R ) lebih besar dari keragaman sisaan (σ 2 u ). Jika keragaman regresi lebih besar daripada keragamaan sisaan (σ 2 R > σ 2 u ) maka dapat disimpukan model regresi yang telah dibuat dapat menjelaskan keragaman Y. Untuk membuktikan hal tersebut, maka dilakukan pengujian hipotesis, H 0 : σ 2 R = σ 2 u (atau σ 2 R σ 2 u ) atau (β i = β j = 0) H 1 : σ 2 R > σ 2 u (atau σ 2 R / σ 2 u >1) atau (minimal ada satu β 0) dengan ketentuan: jika F-statistik > F α(dbr,dbu), maka terima H 1 jika F- statistik < F α(dbr,dbu), maka terima H 0 di mana: dbr : banyaknya peubah bebas X = (k-1) dbu : n-k Jika model yang telah dibuat secara signifikan dapat menjelaskan keragaman Y dengan menggunakan statistik uji-f, maka dilanjutkan dengan pengujian masing-masing koefisien model dengan menggunakan statistik uji-t. Uji-t digunakan untuk mencari faktor peubah mana (X 2, X 3, atau X k ) yang dapat menjelaskan atau berpengaruh nyata terhadap Y. Untuk membuktikan hal tersebut, maka akan dilakukan dengan uji hipotesis: H 0 : β i = 0 (faktor ke-i tidak berpengaruh nyata terhadap Y) H 1 : β i 0 (faktor ke-i berpengaruh nyata terhadap Y) dengan ketentuan: jika t- statistik > t (α,dbu) maka terima H 1 jika t- statistik < t (α,dbu) maka terima H 0
3. Uji Pelanggaran Asumsi Tujuan pengujian pelanggaran asumsi adalah untuk memastikan bahwa model yang telah dibuat memenuhi asumsi BLUE. Uji ekonometrika tersebut dapat dilakukan dengan uji multikolinearitas, uji heteroskedastisitas, dan uji autokorelasi (Juanda,2009). a. Uji Multikolinearitas Salah satu asumsi dari model regresi berganda adalah bahwa tidak ada hubungan linear antar peubah bebas dalam model tersebut. Multikolinearitas muncul jika dua atau lebih peubah (atau kombinasi peubah) bebas berkorelasi tinggi antara peubah satu dengan yang lainnya. Jika terjadi hal demikian, maka dugaan parameter koefisien regresi dengan metode OLS masih mungkin dapat diperoleh, namun interpretasinya menjadi sulit. Hal ini dikarenakan, apabila terjadi perubahan dalam suatu peubah bebas yang berkolinearitas, maka pengamatan peubah lainnya yang berpasangan kemungkinan akan berubah juga sesuai dengan arah kolinearitasannya. Adanya multikolinearitas dapat dideteksi dengan melihat nilai VIF hasil uji statistika. Apabila nilai VIF pada tiap variabel yang diuji harus memiliki nilai kurang dari 10 (Gujarati, 2004). b. Uji Heteroskedastisitas Salah satu asumsi dari model regresi linear adalah bahwa ragam sisaan (u i ) sama atau homogen. Dengan pengertian lain E(u 2 i )=Var(u i )=σ 2, untuk setiap pengamatan ke-i dari peubah-peubah bebas dalam model regresi. Asumsi ini disebut homoskedastisitas. Namun, jika ragam sisaan tidak sama atau lain
E(u 2 i )=Var(u i ) σ 2, untuk setiap pengamatan ke-i dari peubah-peubah bebas dalam model regresi, maka dikatakan ada masalah heteroskedastisitas. Jika semua asumsi klasik dalam model regresi linear dipenuhi kecuali masalah heteroskedastisitas, maka akibatnya dugaan parameter koefisien regresi dengan metode OLS tetap tidak bias, dan masih konsisten, namun standar errornya bias ke bawah (underestimate); sehingga penduga OLS tidak lagi efisien. Jika dugaan ragam koefiseian yang bias ini digunakan, maka statistik uji-t akan bias ke atas (overestimate) dan selang kepercayaan bagi parameter koefisien menjadi tidak benar. Adanya gejala heteroskedastisitas dapa dilakukan dengan menggunakan Uji White dengan hipotesis H 0 untuk homoskedastisitas dan H 1 untuk heteroskedastisitas. Ketentuan yang digunakan adalah apabila nilai probabilitas hasil uji memiliki nilai yang lebih besar daripada taraf nyata, maka terima H 0. Namun apabila nilai probabilitas hasil uji memiliki nilai yang lebih kecil daripada taraf nyata, maka kesimpulan yang diambil adalah tolak H 0 (Gujarati, 2004). c. Uji Autokorelasi Salah satu asumsi dari model regresi linear adalah bahwa sisaan menyebar bebas atau Cov(u i,u j )=E(u i,u j )=0 untuk setiap i j, yang dikenal sebagai bebas serial (serial independence). Jika antar sisaan tidak bebas atau E(u i,u j ) 0 untuk i j, maka dapat dikatakan terdapat masalah autokorelasi. Autokorelasi mengakibatkan parameter koefisien regresi dengan metode OLS masih tetap tidak bias, masih konsisten, namun memiliki standar error yang bias ke bawah, sehingga penduga OLS menjadi tidak efisien.
Pengujian adanya autokorelasi dapat dilakukan dengan menggunakan Uji Breusch-Godfrey Serial Correlation LM. Hipotesis yang digunakan adalah tidak ada autokorelasi untuk H 0, sedangkan terdapat autokorelasi untuk H 1. Ketentuan yang digunakan adalah apabila nilai probabilitas hasil uji memiliki nilai yang lebih besar daripada taraf nyata, maka terima H 0. Namun apabila nilai probabilitas hasil uji memiliki nilai yang lebih kecil daripada taraf nyata, maka kesimpulan yang diambil adalah tolak H 0 (Gujarati, 2004).