III. METODE PENELITIAN

III. METODE PENELITIAN 3.1 Lokasi dan Waktu Penelitian Kegiatan penelitian dilaksanakan pada bulan Juni sampai bulan Agustus 2016. Tempat pelaksanaan kegiatan penelitian berada di Kecamatan Getasan, Kabupaten Semarang, Jawa Tengah. Pemilihan tempat dilakukan secara sengaja (purposive), dengan pertimbangan terdapat banyak petani sayuran dengan berbagai macam sistem budidaya, baik organik dan juga non-organik, baik yang bergabung dalam kelompok tani ataupun berdiri sendiri. 3.2 Jenis Penelitian Dalam penelitian ini, jenis penelitian yang digunakan adalah penelitian deskriptif dengan pendekatan kuantitatif. Seperti yang dikemukakan oeh Sudjana (1989) bahwa penelitian deskriptif berusaha mendeskripsikan suatu gejala, peristiwa dan kejadian yang terjadi pada masa sekarang dan menjadi pusat perhatian untuk kemudian digambarkan sebagaimana adanya. Peristiwa ini kemudian dianalisis dengan metode statistik yang digunakan. 3.3 Teknik Pengambilan Sampel Teknik sampling yang digunakan adalah quota sampling. Sugiyono (2008) menyatakan bahwa sampling kuota adalah teknik untuk menentukan sampel dari populasi yang mempunyai ciri-ciri tertentu sampai jumlah (kuota) yang diinginkan. Margono (2004) juga menyatakan bahwa dalam teknik ini jumlah populasi tidak diperhitungkan akan tetapi diklasifikasikan dalam beberapa kelompok. Pengumpulan data dilakukan langsung pada unit sampling. Setelah kuota terpenuhi, pengumpulan data dihentikan. Populasi dalam penelitian ini adalah seluruh petani sayuran di Kecamatan Getasan, Desa Batur, Kabupaten Semarang. Secara umum sampel akan diklasifikasikan ke dalam dua kelompok, petani organik dan petani non-organik. Peneliti menetapkan jumlah sampel 110 orang dengan acuan Hair (2010) yang 9

menjelaskan bahwa sampel untuk analisis SEM dikatakan cukup bila lebih dari 100 sampel. Total responden berasal dari beberapa kelompok tani dan juga beberapa petani non-anggota kelompok tani dengan distribusi datanya sebagai berikut : Kelompok Tani Bangkit Merbabu : 45 Orang Kelompok Tani Mardi Santoso : 5 Orang Kelompok Tani Ngudi Rahayu : 4 Orang Petani Independen Desa Batur : 56 Orang Tidak semua kelompok tani di Kecamatan Getasan, Desa Batur ditemui karena peneliti merasa sudah cukup dengan jumlah data yang didapat. Oleh karena itu peneliti melanjutkan penelitian dengan mengolah data yang sudah didapat dengan analisis-analisis berikutnya 3.4 Teknik Pengambilan Data Data yang dianalisis adalah data primer dan sekunder. Data primer diperoleh dengan menggunakan metode survei dengan cara wawancara dengan panduan kuesioner. Menurut Sekaran (2006) kuesioner merupakan suatu mekanisme pengumpulan data yang efisien jika peneliti ingin mengetahui dengan tepat apa yang diperlukan dan bagaimana mengukur variabel penelitian. Data sekunder digunakan sebagai penguat data primer, diperoleh dengan cara studi literatur pada buku, internet, jurnal, dan kajian pustaka dari instansi atau lembaga yang terkait. Pernyataan-pernyataan pada angket tertutup dibuat dengan Skala Likert. Malhotra (2009) menyatakan bahwa Skala Likert merupakan skala pengukuran dengan lima kategori yang mengharuskan responden menentukan derajat persetujuan atau ketidaksetujuan terhadap masing-masing pernyataan mengenai obyektif stimulus. Untuk melakukan analisis penelitian ini, setiap pernyataan diberikan skor 1-5. Jawaban setiap instrumen yang menggunakan Skala Likert mempunyai gradasi dari sangat negatif sampai sangat positif. 3.5 Definisi dan Pengukuran Variabel Definisi dari setiap variabel beserta indikator yang digunakan untuk mengukur varibale disajikan pada tabel 3.1 berikut : 10

Tabel 3.1 Definisi dan Pengukuran Variabel Variabel Definisi Indikator Pengukuran Lingkungan Pandangan petani Banyak anggota Menggunakan skala Sosial terhadap keadaan kelompok tani yang Likert dengan acuan sosial di sekitar bertani organik (X1) indikator : kehidupan petani 1 = tidak ada sama sekali 2 = ada sedikit 3 = sebagian organik 4 = ada banyak Risiko Persepsi tentang kemungkinan munculnya dampak yang kurang menguntungkan bagi petani dibandingkan dengan pertanian konvensional Keaktifan dalam kelompok tani (X2) Peran penyuluh dalam memberikan informasi (X3) Risiko produksi : Pengolahan pertanian organik sangat susah (X4) Risiko finansial : modal bertani secara organik sangat besar /mahal (X5) Risiko harga pasar : produk pertanian organik dibandingkan pertanian konvensional harganya jauh lebih murah (X6) 5 = semua organik tidak tidak Likert 1-5 dari Sangat Setuju sampai Sangat Tidak Setuju Likert 1-5 dari Sangat Setuju sampai Sangat Tidak Setuju Likert 1-5 dari Sangat Setuju sampai Sangat Tidak Setuju Karakter Petani Persepsi petani tentang kepribadian individu yang dimiliki petani dan hanya petani yang dapat merasakannya. Saya sangat suka mencari segala informasi tentang pertanian organik (X7) Saya merupakan pribadi yang kosmopolitan tentang pertanian organik (X8) Saya selalu tertarik dengan inovasi-inovasi (X9) tidak tidak tidak 11

Lanjutan Tabel 3.1 Variabel Definisi Indikator Pengukuran Persepsi Pandangan setiap individu petani terhadap Pertanian organik sebagai salah satu solusi Likert 1-5 dari sanik pertanian orga- untuk meningkatkan ngat tidak kesejahteraan petani (Y11) Pertanian organik dapat meningkatkan dan menjaga kualitas tanah (Y12) tidak sampai dengan sa- Perilaku Tindakan / aktivitas yang dilakukan petani berdasarkan berbagai macam pertimbangan Hasil pertanian organik lebih menyehatkan (Y13) Keputusan untuk bertani secara organik (Y21) Potensi keberlanjutan bertani secara organik (Y22) ngat tidak Menggunakan skala Likert dengan acuan indikator : 1 = tidak organik 2 = belum organik 3 = mau mencoba 4 = pernah mencoba 5 = sudah organik tidak 3.6 Teknik Analisis Data Teknik analisis yang digunakan dalam penelitian ini adalah analisis jalur (path analysis) dengan model persamaan Structural Equation Modelling (SEM). Jika dilihat dari penyusunan model serta cara kerjanya, SEM adalah gabungan dari analisis faktor dan analisis regresi yang dapat menjelaskan hubungan antar banyak variabel. Dengan menganalisis model penelitian dengan SEM peneliti juga dapat mengidentifikasi dimensi-dimensi sebuah konstruk dan pada saat yang sama dapat mengukur pengaruh atau derajat hubungan antar faktor yang telah diidentifikasikan dimensi-dimensinya itu (Ferdinand, 2002). Aplikasi (software) yang digunakan untuk analisis adalah program IBM AMOS V.22. Model penelitian yang diajukan sebagai konstruk yang nantinya akan diolah dalam program AMOS dapat diperhatikan pada bagan 3.1. Bagan ini dibuat dengan mengacu pada Sarjono et al., 2015 : 12

e1 e2 X2 X1 λx11 λx21 e13 e4 e5 e3 X4 X5 X3 λx31 λx42 λx52 ξ 2 ξ 1 γ 12 γ11 ζ1 Ƞ1 β21 Ƞ2 λy42 Y4 e6 e7 e8 e9 X6 X7 X8 X9 λx62 λx73 λx83 λx93 ξ 3 γ 13 λy31 λy11 λy21 Y1 Y3 Y2 e10 e11 e12 ζ2 λy52 Y5 e14 Gambar 3.1 Model Penelitian Keterangan : ξ1 = Variabel eksogen Lingkungan sosial ξ2 = Variabel eksogen Risiko ξ3 = Variabel eksogen Karakter Petani Ƞ1 = Variabel endogen Persepsi Ƞ2 = Variabel endogen Perilaku X1-9 = indikator variabel eksogen Y1-5 = indikator variabel endogen e = komponen kesalahan pengukuran variabel ζ = komponen kesalahan struktural Persamaan Model Pengukuran Variabel Laten Endogen : Y1 = λy11 * Ƞ1 + e10 Y2 = λy21 * Ƞ1 + e11 Y3 = λy31 * Ƞ1 + e12 Y4 = λy42 * Ƞ2 + e13 Y5 = λy52 * Ƞ2 + e14 Persamaan Model Struktural : Ƞ1 = γ 11 * ξ 1 + γ 12 * ξ 2 + γ 13 * ξ 3 + ζ1 Ƞ2 = β 21 * Ƞ1 + ζ2 Persamaan Model Pengukuran Variabel Laten Eksogen : X1 = λx11 * ξ 1 + e1 X2 = λx21 * ξ 1 + e2 X3 = λx31 * ξ 1 + e3 X4 = λx42 * ξ 2 + e4 X5 = λx52 * ξ 2 + e5 X6 = λx62 * ξ 2 + e6 X7 = λx73 * ξ 3 + e7 X8 = λx83 * ξ 3 + e8 X9 = λx93 * ξ 3 + e9 13

3.7 Uji Keabsahan Data Pengujian instrumen dalam penelitian ini dimulai dengan menguji validitas dan reliabilitas instrumen pengukuran. Pengujian ini digunakan untuk membuktikan tingkat keakuratan dan reliabilitas instrumen pengukuran yang digunakan. a. Uji Validitas Validitas dalam penelitian dijelaskan sebagai suatu derajat ketepatan alat ukur penelitian tentang isi atau arti sebenarnya yang diukur (Umar, 2005). Uji validitas digunakan untuk mengetahui valid tidaknya suatu kuesioner. Suatu kuesioner dikatakan valid jika pertanyaan pada kuesioner mampu mengungkapkan sesuatu yang akan diukur oleh kuesioner tersebut (Ghozali, 2006) Untuk menguji apakah kuesioner memenuhi persyaratan validitas, pada dasarnya digunakan Confirmatory Factor Analysis dengan bantuan software SPSS. Kriteria daya yang dapat dianalisis dengan factor analysis adalah data yang menunjukkan KMO (Kaiser-Meyer-Olkin) 0,5 dan BTS (Barlett s Test of Sphencity) dengan signifikansi 0,05. Item pernyataan dikatakan valid jika memiliki factor landing 0,4 dan terekstrak sempurna pada satu faktor yang sama (Hair et al., 1998 dalam Ghozali, 2006). b. Uji Reliabilitas Jika alat ukur telah dinyatakan valid, maka reliabilitas alat ukur tersebut harus diuji. Reliabilitas merupakan suatu nilai yang menunjukkan konsistensi suatu alat ukur dalam mengukur gejala yang sama. Setiap alat pengukur seharusnya memiliki kemampuan untuk memberikan hasil pengukuran yang konsisten (Umar, 2003). Pengujian ini merupakan pengujian statistik yang relevan untuk mengukur sejauh mana kehandalan atau konsistensi internal dari sebuah intrumen penelitian. Uji reliabilitas ini menggunakan teknik analisis Cronbach s Alpha dengan bantuan software SPSS. Tujuannya adalah untuk memberikan jaminan bahwa data yang diperoleh telah memenuhi kriteria untuk diuji dengan menggunakan berbagai jenis metode statistik yang ada. Hasil dari pengujian Cronbach s Alpha dapat dibagi menjadi 3 tingkatan reliabilitas, yaitu (Sekaran, 2006) : 14

Nilai Alpha 0.8 1.0 dikategorikan reliabilitas baik Nilai Alpha 0.6 0.79 dikategorikan reliabilitas diterima Nilai Alpha 0.6 dikategorikan reliabilitas kurang baik c. Analisis Deskriptif Responden Analisis deskriptif yang dilakukan terhadap responden meliputi karakteristik responden untuk mendapatkan gambaran responden mengenai jenis kelamin, umur, serta sistem budidaya pertanian yang diterapkan. Analisis deskriptif ini adalah analisis jawaban responden terhadap variabel-variabel penelitian yang selanjutnya didapati kecenderungan persepsi responden mengenai kondisi-kondisi masing-masing variabel penelitian. Teknik analisis yang digunakan adalah dengan menggunakan nilai indeks (Ferdinand, 2002). d. Kriteria Goodness of Fit Model Goodness-of-fit mengukur kesesuaian input observasi atau hasil sesungguhnya (matrik kovarian atau korelasi) dengan prediksi dari model yang diajukan (proposed model). Menurut Ghozali (2004) dalam penelitian Luviana (2013) menjelaskan bahwa secara keseluruhan Goodness-of-fit dari suatu model dapat dinillai dari beberapa ukuran fit, yaitu : 1) Chi-Square dan Probabilitas Chi-Square merupakan alat uji statistik mengenai adanya perbedaan antara matriks kovarians populasi dan matriks kovarians sampel. Peneliti mencari penerima hipotesa nol. Chi-Square yang kecil dan signifikanlah yang diharapkan agar hipotesa nol sulit ditolak (Ferdinand, 2002). Menurut Ghozali (2007) dalam penelitian Luviana (2013), nilai Chi- Square yang tinggi relatif terhadap degree of freedom menunjukkan bahwa nilai matrik kovarian atau korelasi yang diobservasi dengan yang diprediksi berbeda secara nyata dan ini menghasilkan probabilitas lebih kecil dari tingkat signifikansi dan begitu pula sebaliknya. Probabilitas Chi-Square diharapkan tidak signifikan dikarenakan probabilitas menunjukkan penyimpangan (deviasi) besar sebagaimana ditunjukkan oleh nilai Chi-Square. Sehingga nilai probabilitas yang signifikan (<0,05) menunjukkan data yang diperoleh memiliki perbedaan dengan teori yang dibangun. Nilai X 2 yang signifikan artinya matrik yang 15

diobservasi berbeda secara signifikan dengan matrik yang diestimasi. Sebaliknya nilai X 2 yang rendah akan menghasilkan model yang lebih baik (Ferdinand, 2002). 2) CMIN/DF CMIN/DF adalah ukuran yang diperoleh dari nilai Chi-Square yang dibagi dengan degree of freedom. Indeks ini merupakan indeks kesesuaian parsimonious yang mengukur hubungan goodness of fit model dan jumlahjumlah koefisien estimasi yang diharapkan untuk mencapai tingkat kesesuaian. Nilai yang direkomendasikan untuk menerima kesesuaian model adalah CMIN/DF<2,0/3,0 (Luviana, 2013). 3) Goodness of Fit Index (GFI) GFI merupakan derajat kesesuaian secara keseluruhan yaitu residual yang dikuadratkan (R 2 ) dari data yang diprediksi dibandingkan dengan data aktual namun tidak disesuaikan dengan degree of freedomnya. Semakin tinggi nilai GFI mengidentifikasikan fit yang semakin baik. Model dikatakan fit yang baik jika nilai GFI 0,90 (Ferdinand, 2002). 4) Adjusted Goodness of Fit Index (AGFI) Ghozali (2007) dalam penelitian Luviana (2013) mengatakan bahwa AGFI merupakan GFI yang disesuaikan dengan rasio degree of freedom untuk proposed model yang diusulkan dan degree of freedom untuk null model. Nilai AGFI yang direkomendasikan adalah 0,90 5) Root Mean Square Error of Approximation (RMSEA) RMSEA merupakan nilai yang digunakan untuk mengoreksi kecenderungan statistik Chi-Square untuk menilak model yang dispesifikasi jika menggunakan sampel yang cukup besar. Nilai RMSEA yang dapat diterima 0,08 (Ferdinand, 2002). 6) Tucker-Lewis Index (TLI) TLI adalah suatu alternatif incremental fit index yang membandingkan sebuah model yang diuji terhadap baseline model. Nilai yang direkomendasikan sebagai acuan untuk diterimanya sebuah model adalah penerimaan 0,90 (Ghozali, 2007 dalam Luviana, 2013). 16

7) Comparative Fit Index (CFI) CFI merupakan perbandingan antara model yang diestimasi dengan null model. CFI baik digunakan untuk sampel kecil, nilai yang direkomendasikan adalah 0,90. Indeks ini tidak dipengaruhi oleh ukuran sampel. CFI juga merupakan indeks kesesuaian incremental. Besaran indeks ini adalah dalam rentang 0 sampai 1 dan nilai yang mendekati 1 menunjukkan bahwa model memiliki tingkat kesesuaian yang baik. Indeks ini sangat dianjurkan untuk dipakai karena indeks ini relatif tidak sensitif terhadap besarnya sampel dan kurang dipengaruhi oleh kerumitan model (Luviana, 2013). 8) Normed Fit Index (NFI) NFI merupakan ukuran perbandingan antara proposed model dan null model. Nilai NFI akan bervariasi dari 0 (tidak memiliki fit sama sekali) sampai 1,0 (fit secara sempurna). Nilai yang direkomendasikan adalah 0,90 (Luviana, 2013). Berikut adalah tabel yang menunjukkan indeks-indeks yang digunakan dalam menguji kelayakan sebuah model : Tabel 3.2 Goodness of Fit Index INDEKS NILAI KRITIS Chi-Square (X 2 ) Diharapkan kecil Probability Level 0,05 CMIN/DF < 2,00/3,00 GFI 0,90 AGFI 0,90 RMSEA 0,08 TLI 0,90 CFI 0,90 NFI 0,90 Sumber : Luviana (2013), Ferdinand (2002), dan Ghazali (2007) 17