19 III. METODOLOGI PENELITIAN 3.1. Lokasi dan Waktu Penelitian Penelitian di lapangan dilaksanakan pada pertengahan bulan Februari hingga April 2010. Lokasi penelitian adalah areal perkebunan inti dan plasma milik PT. Perkebunan Nusantara-III yang berada di Desa Torgamba dan Desa Aek-Raso, Kecamatan Torgamba, Kabupaten Labuhanbatu Selatan, Provinsi Sumatera Utara (Gambar 1). Pemilihan lokasi ini dilakukan secara sengaja (purposive), dengan pertimbangan bahwa daerah tersebut merupakan salah satu daerah perkebunan dengan budidaya tanaman kelapa sawit. Analisis data dilakukan di Laboratorium Perencanaan Pengembangan Wilayah, Departemen Ilmu Tanah dan Sumberdaya Lahan, Fakultas Pertanian, Institut Pertanian Bogor. Gambar 1. Peta Lokasi Penelitian 3.2. Jenis Data, Sumber Data dan Alat Penelitian Jenis data yang dikumpulkan terdiri dari data primer dan data sekunder. Data primer diperoleh melalui wawancara langsung dengan petani menggunakan kuesioner yang telah disiapkan sebelumnya. Data sekunder diperoleh dari berbagai sumber dan instansi-instansi terkait, seperti Peta Wilayah Kabupaten
20 Labuhanbatu Selatan Provinsi Sumatera Utara dari Lampiran Undang-Undang Republik Indonesia Nomor 22 Tahun 2008, Laporan Bidang Tanaman dan Standar Operasional Prosedur (SOP) PT. Perkebunan Nusantara-III dari kantor Kebun Torgamba, serta data Potensi Desa (PODES) Kecamatan Torgamba tahun 2003 dan 2008 diperoleh dari Badan Pusat Statistik (BPS). Peralatan yang digunakan dalam penelitian ini meliputi seperangkat komputer dengan perangkat lunak (software) yang terdiri dari Arc View 3.3 untuk koreksi geometrik dan pengolahan peta, Microsoft Office Excel dan Statistica 7.0 untuk pengolahan data. 3.3. Metode Pemilihan Responden Pemilihan responden dilakukan dengan menggunakan metode acak sederhana. Penarikan contoh didasarkan pada jumlah responden sebesar 3.249 responden dan tersebar ke dalam tiga daerah KUD, yaitu KUD Aek Raso, KUD Aek Torop, dan KUD Batu Ajo. Metode ini dirasa yang paling tepat dan setiap sampel dari populasi mempunyai peluang yang sama untuk dijadikan responden. Selanjutnya setiap sampel dari populasi yang dijadikan responden dipilih secara acak. Berhubung jumlah petani di plasma relatif banyak dan kondisinya relatif seragam, maka jumlah responden yang diwawancara dipertimbangkan cukup 2% saja dari jumlah petani pada tiga KUD yang ada. Jumlah responden pada masingmasing KUD tertera pada Tabel 3. Umur tanaman, status kepemilikan lahan, dan luas lahan yang diusahakan petani menjadi sumber keragaman utama produktivitas yang dipertimbangkan. Tabel 3. Jumlah responden pada masing-masing KUD Nama KUD Jumlah KK Proporsi responden Responden yang diwawancara KUD Aek Raso 1.749 1.749 2% 34 KUD Aek Torop 709 709 2% 14 KUD Batu Ajo 791 791 2% 16 Jumlah responden 3.249 64 3.4. Teknik Analisis Data 3.4.1. Analisis Pengelolaan dan Pengolahan Kelapa Sawit di Kebun Torgamba Pada tahapan awal penelitian, dilakukan magang terlebih dahulu di PT. Perkebunan Nusantara-III Kebun Torgamba. Adapun tujuannya adalah untuk
21 mengetahui mekanisme pengelolaan kebun dan pengolahan TBS secara langsung di lokasi penelitian. Dalam melaksanakan kegiatan magang tersebut digunakan beberapa metode pendekatan, yaitu : 1. Metode Observasi Observasi dilakukan dengan mengamati keadaan sebenarnya yang terjadi di lapang. Pengamatan dilakukan terhadap beberapa aspek penting terkait pengelolaan perkebunan kelapa sawit, antara lain pembibitan, pemupukan, pemeliharaan jalan, panen, dan sebagainya. 2. Metode Wawancara Dalam metode ini, dilakukan dialog dan proses komunikasi langsung dengan pihak terkait yang ada di lapangan serta pihak yang terlibat langsung dalam pelaksanaan di lapangan dan bertanggung jawab terhadap semua masalah teknis di lapangan. 3. Studi Pustaka Dalam studi kepustakaan ini, data dikumpulkan dengan mempelajari berbagai literatur dari buku-buku atau jurnal yang berkaitan dengan permasalahan penelitian. 4. Dokumentasi Selama melaksanakan kegiatan di lapangan mahasiswa menggunakan foto atau gambar untuk memperkuat isi tulisan yang disusun. 3.4.2. Teknik Analisis Data Menggunakan Statistik Uji-t Analisis ini dilakukan untuk membandingkan tingkat produktivitas antar afdeling dan tingkat produktivitas antar kelas umur tanaman di kebun Inti. Untuk menguji parameter dugaan dari masing-masing peubah apakah secara terpisah peubah ke-n berpengaruh nyata terhadap peubah tak bebasnya digunakan uji statistik-t (Gujarati, 1995). Statistik uji yang digunakan dalam uji-t: t-hitung =, derajat bebas (n-k) Dimana : Se(b i ) = standar deviasi untuk parameter ke-n b i = koefisien regresi (parameter)
22 Jika t hitung > t tabel, (α/2; n-k) maka tolak H 0, artinya peubah yang diuji berpengaruh nyata (signifikan) terhadap variabel tak bebas pada taraf α persen. Jika t hitung < t tabel, (α/2; n-k) maka terima H 0, artinya peubah yang diuji tidak berpengaruh nyata terhadap variabel tak bebas pada taraf α persen. 3.4.3. Analisis Ragam (ANOVA) dan Uji Lanjut Metode Tukey Pengujian ragam (Analysis of Variance), dilakukan untuk menarik kesimpulan menerima atau menolak hipotesis. Jika hipotesis ditolak berarti variabel-variabel yang diuji memiliki perbedaan yang signifikan. Dalam statistik, teknik Uji lanjut digunakan untuk mengetahui variabel manakah yang memiliki perbedaan yang signifikan. Dalam penelitian ini digunakan metode Tukey dengan pertimbangan metode tersebut relatif sensitif terhadap pengaruh perubahan variabel penjelas terhadap produktivitas sampai tingkat kepercayaan 70%. Analisis ragam dilakukan berdasarkan desain faktorial dengan perlakuan umur tanaman dan status kepemilikan lahan. Umur tanaman dibagi atas 5 kelas yaitu (0-5) tahun, (6-10) tahun, (11-15) tahun, (16-20) tahun, dan >21 tahun. Status kepemilikan terdiri dari 3 kelas yaitu garap, sewa, dan milik sendiri. Pada metode Tukey, semua perbandingan perlakuan yang mungkin, ditetapkan kesalahannya sebesar α. Besaran α ditetapkan yaitu sebesar 5%. Apabila t-hitung yang diperoleh lebih besar dari pada nilai t-tabel pada taraf nyata 5%, maka terdapat perbedaan yang signifikan antara peubah yang diamati dan demikian juga sebaliknya. 3.4.4. Analisis Faktor (Factor Analysis) dan Regresi Berganda (Multiple Regression) Teknik analisis yang digunakan untuk mengetahui faktor-faktor yang mempengaruhi tingkat produktivitas kelapa sawit adalah dengan Analisis Faktor (Factor Analysis) kemudian dilanjutkan dengan Analisis Regresi Berganda (Multiple Regression Analysis). Analisis Faktor (Factor Analysis) Analisis Faktor (Factor Analysis atau FA) merupakan salah satu teknik analisis yang dapat menciptakan variabel baru sebagai pengganti variabel-variabel asal namun masih tetap mempertahankan karakter aslinya (Hair et al., 1998).
23 Tujuan analisis faktor adalah untuk menemukan suatu variabel-variabel baru, yang disebut komponen utama, yang dapat mewakili variabel-variabel indikator asal. Pada penelitian ini, analisis faktor dilakukan karena potensi multikolinearitas cukup besar jika seluruh variabel asal terkait input produksi pertanian diikutsertakan dalam regresi berganda, sementara seluruh variabel input usahatani tersebut diharapkan masuk dalam permodelan. Variabel-variabel indikator asal yang digunakan dalam analisis faktor adalah: X 1 : Umur tanaman (Tahun) X 2 : Jumlah bibit (Rupiah) X 3 : Kebutuhan pupuk (Kg/Ha/Th) X 4 : Jumlah pestisida (Rupiah) X 5 : Jumlah tenaga kerja (orang) X 6 : Peralatan (Rupiah) X 7 : Biaya angkut panen (Rupiah) X 8 : Pemupukan rutin, merupakan jadwal pemupukan yang dilakukan oleh petani apakah rutin atau tidak rutin. Dalam perhitungan dijadikan peubah boneka (dummy). Variabel dummy adalah variabel yang digunakan untuk membuat kategori data yang bersifat kualitatif (nominal). Bagi petani yang melakukan pemupukan rutin diberi nilai 1 sedangkan yang tidak rutin diberi nilai nol. Analisis faktor terhadap data tersebut dilakukan beberapa kali hingga diperoleh hasil terbaik, yaitu: PC scores dengan nilai akar ciri (eigenvalues) di atas 70%; nilai akar ciri lebih besar dari 1; dan korelasi antar variabel-variabel asal dengan faktor-faktor baru pada factor loading dapat diinterpretasikan secara logis. Output data hasil analisis komponen utama umumnya memiliki variabelvariabel baru (faktor) yang lebih sedikit dan orthogonal, dengan nilai ragam (variance) yang relatif sama. Hasil analisis komponen utama adalah sebagai berikut: a) Nilai akar ciri (eigenvalues), yaitu nilai yang menggambarkan keragaman data pada variabel-variabel baru (faktor utama). Dengan kata lain, faktor utama hasil analisis faktor mampu menjelaskan keragaman data awal sekaligus
24 mewakili variabel-variabel asal sebesar nilai akar ciri tadi. Persamaan untuk memperoleh nilai akar ciri (eigenvalues) adalah: [ y y + λ (1 a 1 a 1 )] = [a 1 Sa 1 + λ 1 (1 a 1 a 1 )] b) Tabel kumulatif akar ciri (communalities), yaitu tabel yang menunjukkan besarnya nilai keragaman/keterwakilan data masing-masing variabel atau peubah asal terhadap faktor-faktor utama yang diperoleh. c) Nilai pembobot (eigenvector) atau disebut sebagai PC loadings (factor loadings). Vektor pembobot adalah parameter yang menggambarkan hubungan (peran) setiap variabel dengan faktor ke-i. Nilai loadings diperoleh dari persamaan berikut: r 1 = a 1 λ 1, Dimana : λ 1 r 1 : akar ciri (eigenvalues) komponen utama ke-1 : nilai loadings ke-i a 1 : Nilai vektor pembobot utama ke-1 Jadi, loadings menunjukkan besarnya nilai korelasi antara variabel asal dengan komponen utama ke-i yang diinterpretasikan berdasarkan marked loading > 0,7. Nilai yang berkorelasi positif menyatakan bahwa faktor utama ke-i berbanding lurus dengan variabel penjelas. Sebaliknya, nilai dengan korelasi negatif menyatakan bahwa faktor utama ke-i berbanding terbalik dengan variabel penjelas. Nyata tidaknya korelasi antar komponen utama ke-i terhadap peubah asal dapat diuji dengan persamaan berikut: t = r, Dimana : t : nilai t pada taraf nyata yang diinginkan n : contoh data yang dianalisis r : nilai korelasi d) Tabel PC scores (factor scores), yaitu tabel yang menyajikan nilai-nilai berupa besarnya titik-titik data baru hasil analisis faktor. Faktor inilah yang digunakan jika terdapat analisis lanjutan. Factor analysis (FA) dapat digunakan sebagai analisis antara maupun analisis akhir. FA sebagai analisis
25 antara dapat menghilangkan multikolinearitas data dan menyederhanakan satu set data dengan variabel besar. FA sebagai analisis akhir berfungsi dalam pengelompokkan variabel-variabel penting dari satu kelompok variabel penduga pada suatu fenomena sekaligus pemahaman akan struktur dan hubungan antar variabel. Analisis Regresi Berganda (Multiple Regression Analysis) Selanjutnya, untuk mengetahui faktor-faktor yang mempengaruhi tingkat produktivitas kelapa sawit di kebun plasma, maka dilakukan analisis regresi berganda dengan metode forward stepwise. Prinsip dasar metode forward stepwise adalah mengurangi banyaknya peubah di dalam fungsi tujuan dengan cara menyisipkan peubah penjelas satu per satu hingga diperoleh persamaan regresi yang paling baik. Pada penelitian ini, analisis regresi berganda digunakan untuk menentukan model persamaan yang menjelaskan hubungan antara produktivitas sebagai variabel tujuan (dependent variable) dan faktor-faktor yang mempengaruhi tingkat produktivitas sebagai variabel penduga/penjelas (explanatory variable). Variabel-variabel penduganya adalah sebagai berikut: X 1 : Pengalaman petani (tahun) X 2 : Pendidikan petani (tahun) Faktor-1 : Pestisida, tenaga kerja, peralatan, penen Faktor-2 : Teknik pemupukan Faktor-3 : Umur tanaman dan bibit d1 : Pekerjaan sampingan Berdasarkan hasil kuesioner, ada petani yang memiliki pekerjaan sampingan selain usahatani kelapa sawit dan ada yang tidak (usahatani kelapa sawit menjadi prioritas utama). Untuk memudahkan perhitungan, bagi petani yang memiliki pekerjaan sampingan diberi nilai 1 sedangkan yang lainnya diberi nilai nol. Ini disebut sebagai peubah boneka (dummy). d2 : Status kepemilikan lahan, dalam perhitungan juga dijadikan sebagai peubah boneka (dummy).
26 d21 d22 Status 0 0 Garap 0 1 Sewa 1 1 Milik sendiri Secara umum, hubungan antara variabel-variabel tersebut dapat dirumuskan dalam bentuk persamaan sebagai berikut : Y = β 0 + β 1 X 1 + β 2 X 2 +.. + β n X n Dimana : Y β 0 : Fungsi tujuan/peubah yang diduga (dependent variable) : Nilai konstanta/koefisien fungsi regresi (intercept), Diasumsikan nilai intercept sama dengan 0 β n X : Nilai konstanta/koefisien variabel penjelas fungsi regresi : Variabel penjelas/variabel yang diduga (independent variable) Ukuran kebaikan model regresi dapat dilihat dari beberapa parameter, diantaranya yang paling banyak dinilai adalah koefisien determinasi (R 2 ) dan galat baku (standar error, SE). Model terbaik akan memiliki R 2 mendekati 1 dan SE terkecil (Drapper&Smith, 1992). Selanjutnya pengujian untuk menilai variabel disebut berpengaruh nyata secara statistik jika teruji penting pada selang kepercayaan 85-95% (0,05<p-level<0,1). Variabel disebut berpengaruh sangat nyata secara statistik jika variabel tersebut teruji penting pada selang kepercayaan >95% (p-level<0,05). 3.4.5. Analisis Skalogram Analisis skalogram digunakan untuk menetapkan indeks hirarki desa-desa di Kecamatan Torgamba berdasarkan jumlah unit dan jenis fasilitas pelayanan yang dimiliki masing-masing desa serta jarak ke fasilitas tersebut. Menurut Rustiadi et al. (2009), model untuk menentukan Indeks Perkembangan Desa (IPD) adalah : IPD j = I ij, Dimana : I ij = I ij I i min SD i IPD I ij I i min = Indeks perkembangan desa ke-j = Nilai (skor) indeks perkembangan ke-i terkoreksi (standarisasi) desa ke-j = Nilai (skor) indeks perkembangan ke-i terkecil (minimum)
27 Sd i = Standar deviasi indeks perkembangan ke-i I ij adalah data berupa jumlah unit fasilitas j terpilih yang ada di desa ke-i. Khusus beberapa fasilitas dengan data berupa aksesibilitas (jarak ke lokasi fasilitas) digunakan formula sebagai berikut: I ij = fasilitas j berada di desa ke-i), maka: I ij = untuk X ij = 0, (artinya, Dimana Xij min adalah Xij terendah selain nol (Xij tidak sama dengan nol). Variabel data yang digunakan dalam analisis ini tertera pada Tabel 4. Tabel 4. Variabel-variabel yang Digunakan dalam Analisis Skalogram Kelompok Indeks Variabel data yang digunakan Jumlah TK, SD, SLTP, SMU, SMK, Pondok Fasilitas Pendidikan Pesantren/Madrasah Diniyah Jumlah Rumah Sakit, Poliklinik/Balai Pengobatan, Fasilitas Kesehatan Puskesmas, tempat praktek dokter dan bidan, posyandu, polindes, apotik, toko obat khusus/jamu. Jumlah Masjid, Surau/Langgar, Gereja Fasilitas Sosial Kristen/Katolik Fasilitas Perekonomian Jumlah restoran, warung, koperasi Jarak ke TK terdekat, SLTP terdekat, SMU Aksesibilitas Pendidikan terdekat, SMK terdekat Jarak ke Rumah Sakit, rumah bersalin, Aksesibilitas Kesehatan poliklinik/balai pengobatan, puskesmas, tempat praktek dokter, apotik, toko obat khusus/jamu Jarak ke pub/diskotik/karaoke, kantor pos, Aksesibilitas Perekonomian pertokoan terdekat, pasar terdekat Penentuan tingkat perkembangan desa dapat dapat dilihat pada Tabel 5. Tabel 5. Nilai Selang Hirarki Pusat Pelayanan No. Nilai Selang (x) Kelas Hirarki Tingkat Hirarki 1 x (rataan IPD + Stdev IPD) I Tinggi 2 rataan IPD < x < Stdev IPD II Sedang 3 X < rataan IPD III Rendah