ANALISIS PERMINTAAN KONSUMEN RUMAH TANGGA TERHADAP IKAN LELE DI KECAMATAN CISEENG, KABUPATEN BOGOR

ANALISIS PERMINTAAN KONSUMEN RUMAH TANGGA TERHADAP IKAN LELE DI KECAMATAN CISEENG, KABUPATEN BOGOR

GUSTAV MUHAMMAD IRSYAD

SKRIPSI

PROGRAM STUDI MANAJEMEN BISNIS DAN EKONOMI PERIKANAN-KELAUTAN FAKULTAS PERIKANAN DAN ILMU KELAUTAN INSTITUT PERTANIAN BOGOR 2008

PERNYATAAN MENGENAI SKRIPSI DAN SUMBER INFORMASI Dengan ini saya menyatakan bahwa Skripsi yang berjudul : ANALISIS PERMINTAAN KONSUMEN RUMAH TANGGA TERHADAP IKAN LELE DI KECAMATAN CISEENG, KABUPATEN BOGOR. Adalah benar merupakan hasil saya sendiri dan belum diajukan dalam bentuk apa pun kepada perguruan tinggi mana pun. Semua sumber data dan informasi yang berasal atau dikutip dari literature telah disebutkan dalam teks dan tercantum dalam Daftar Pustaka di bagian akhir Skripsi ini.

Bogor, September 2008

Gustav Muhammad Irsyad C44104052

ABSTRAK GUSTAV MUHAMMAD IRSYAD . Analisis Permintaan Konsumen Rumah Tangga terhadap Ikan Lele di Kecamatan Ciseeng, Kabupaten Bogor, Dibimbing oleh MOCH. PRIHATNA SOBARI. Ikan Lele merupakan salah satu jenis ikaan air tawar yang kaya akan protein dan banyak dibudidayakan di Kecamatan Ciseeng, sehingga konsumen akan berusaha memuaskan keinginannya dengan membeli produk yang dapat memberikan manfaat sesuai yang dibutuhkan. Pada dasarnya tingkat permintaan konsumen terhadap suatu produk ditentukan oleh beberapa faktor. Pada Ikan Lele, faktor-faktor yang mempengaruhi diantaranya adalah harga Ikan Lele itu sendiri, harga produk substitusi (harga ikan air tawar jenis lain, harga ikan laut, harga daging sapi, harga daging ayam, harga telur, dan harga ikan asin), pendapatan, dan selera konsumen terhadap Ikan Lele. Tujuan dari penelitian ini adalah menentukan model permintaan konsumen rumah tangga terhadap Ikan Lele di Kecamatan Ciseeng, mengetahui besarnya pengaruh faktor-faktor permintaan terhadap permintaan Ikan Lele, dan menentukan nilai elastisitas harga, elastisitas pendapatan, dan elastisitas silang dari model permintaan tersebut. Hasil penelitian menunjukkan model dugaan permintaan Ikan lele oleh konsumen rumah tangga di Kecamatan Ciseeng yang terbaik adalah dalam bentuk model log ganda. Berdasarkan evaluasi model baik secara ekonomi, statistik, maupun ekonometrik, model log ganda layak digunakan untuk memprediksi permintaan Ikan Lele berdasarkan masukkan variabel independennya. Berdasarkan kriteria statistik yaitu terpenuhinya uji-F, berdasarkan ekonometrika yaitu telah memenuhui asumsi-asumsi model linier klasik yaitu asumsi normalitas, homoskedasitas, asumsi tidak adanya multikolinearitas dan autokolerasi. Berdasarkan kriteria ekonomi dan analisis respon (elastisitas) diketahui elastisitas harga, elastisitas pendapatan, dan elastisitas silang bersifat inelastis. Elastisitas permintaan terhadap harga sebesar 0.143 dan elastisitas pendapatan sebesar 0.168. Elastisitas silang terdiri atas elastisitas harga ikan tawar jenis lain sebesar 0.171, elastisitas harga ikan laut sebesar 0.371, elastisitas harga daging sapi sebesar -0.731, elastisitas harga daging ayam sebesar 0.387, elastisitas harga telur sebesar -1.235, dan elastisitas harga ikan asin sebesar 0.202.

Kata Kunci : Analisis permintaan, elastisitas permintaan, konsumen rumah tangga, dan Ikan Lele.

© Hak Cipta Milik Gustav Muhammad Irsyad, Tahun 2008 Hak Cipta Dilindungi Dilarang mengutip atau memperbanyak tanpa izin tertulis dari Institut Pertanian Bogor, sebagian atau seluruhnya dalam bentuk apa pun, baik cetak, fotocopy, dan sebagainya.

ANALISIS PERMINTAAN KONSUMEN RUMAH TANGGA TERHADAP IKAN LELE DI KECAMATAN CISEENG, KABUPATEN BOGOR

SKRIPSI Sebagai salah satu syarat untuk memperoleh gelar Sarjana Perikanan pada Fakultas Perikanan dan Ilmu Kelautan Institut Pertanian Bogor

Oleh : GUSTAV MUHAMMAD IRSYAD C44104052

PROGRAM STUDI MANAJEMEN BISNIS DAN EKONOMI PERIKANAN-KELAUTAN FAKULTAS PERIKANAN DAN ILMU KELAUTAN INSTITUT PERTANIAN BOGOR 2008

SKRIPSI Judul Skripsi

: Analisis Permintaan Konsumen Rumah Tangga terhadap Permintaan Ikan Lele di Kecamatan Ciseeng, Kabupaten Bogor.

Nama Mahasiswa

: Gustav Muhammad Irsyad

NRP

: C44104052

Program Studi

: Manajemen Bisnis dan Ekonomi Perikanan-Kelautan

Disetujui, Pembimbing

Ir. Moch. Prihatna Sobari, M.S NIP. 131 578 826

Diketahui, Dekan Fakultas Perikanan dan Ilmu Kelautan

Prof. Dr. Ir. Indra Jaya, M.Sc. NIP. 131 578 799

Tanggal Lulus : 25 Agustus 2008

RIWAYAT HIDUP Penulis dilahirkan di Ambon, Maluku pada tanggal 23 Agustus 1987 . Penulis bernama lengkap Gustav Muhammad Irsyad putra pertama dari keluarga Bapak Muhammad Nur Dean. Penulis telah menempuh pendidikan formal Sekolah Menengah Umum Negeri 3 Kota Bogor dan lulus pada tahun 2004. Pada tahun 2004 penulis diterima di Program Studi Manajemen Bisnis dan Ekonomi PerikananKelautan, Departemen Sosial Ekonomi Perikanan-Kelautan , Fakultas Perikanan dan Ilmu Kelautan, Institut Pertanian Bogor melalui jalur Undangan Seleksi Masuk IPB (USMI). Selama menjadi mahasiswa, penulis aktif dalam beberapa organisasi kemahasiswaan dan kepanitiaan beberapa acara yang diselenggarakan oleh departemen. Beberapa organisasi yang diikuti oleh penulis diantaranya adalah Himpunan Mahasiswa Sosial Ekonomi Perikanan-Kelautan (HIMASEPA) sebagai anggota divisi dana-usaha periode Tahun 2005-2006, Wakil Ketua Umum Himasepa periode Tahun 2006-2007, dan Forum Keluarga Muslim Perikanan (FKM-C) sebagai anggota divisi syi’ar periode Tahun 2004/2005. Kepanitiaan yang pernah diikuti oleh penulis antara lain adalah Seksi Hubungan Masyarakat dalam kepanitiaan acara Seminar Nasional Undang-Undang Perikanan Tahun 2006. Penulis melakukan penelitian dengan judul ” Analisis Permintaan Konsumen Rumah Tangga terhadap Ikan Lele di Kecamatan Ciseeng, Kabupaten Bogor”. Dalam menyelesaikan skripsi ini penulis dibimbing oleh Ir. Moch. Prihatna Sobari, M.S. Penulis dinyatakan lulus pada tanggal 25 Agustus 2008 dalam sidang ujian skripsi yang diselenggarakan oleh Program Studi Manajemen Bisnis dan Ekonomi Perikanan-Kelautan, Fakultas Perikanan dan Ilmu Kelautan, Institut Pertanian Bogor (IPB)

KATA PENGANTAR Segala puji dan syukur kehadirat Allah SWT, atas segala rahmat dan karunia-Nya, sehingga skripsi ini dapat diselesaikan sebagai tugas akhir yang berjudul “Analisis Permintaan Konsumen Rumah Tangga Terhadap Ikan Lele di Kecamatan Ciseeng, Kabupaten Bogor”. Skripsi tersebut merupakan hasil penelitian yang dilakukan di Wilayah Kecamatan Ciseeng, Kabupaten Bogor pada Bulan April 2008. Skripsi yang memberikan sedikit gambaran mengenai karakteristik masyarakat yang mengkonsumsi Ikan Lele di Kecamatan Ciseeng ini disusun untuk meraih gelar sarjana Perikanan pada Fakultas Perikanan dan Ilmu Kelautan, Institut Pertanian Bogor. Pada kesempatan dan dalam tempat yang terbatas ini penulis ingin menyampaikan terima kasih kepada Ir. Moch. Prihatna Sobari, M.S, sebagai pembimbing yang telah memberikan arahan dan bimbingan selama penyusunan skripsi, para responden konsumen rumah tangga di Kecamatan Ciseeng dan seluruh warga masyarakat Ciseeng, kedua orang tua dan seluruh keluarga penulis atas pengorbanan, dukungan moril dan materil kepada penulis, kepada temanteman SEI 41, sehingga skripsi ini dapat terselesaikan. Skripsi ini merupakan salah satu syarat dalam memperoleh gelar Sarjana Perikanan pada Program Studi Manajemen Bisnis dan Ekonomi PerikananKelautan, Fakultas Perikanan dan Ilmu Kelautan, di Institut Pertanian Bogor. Saran dan kritik sangat diharapkan oleh penulis dari semua pihak untuk penyempurnaan tulisan ini selanjutnya. Semoga skripsi ini dapat bermanfaat bagi penulis, pembaca dan semua pihak yang berkepentingan.

Bogor, September 2008

Gustav M Irsyad

DAFTAR ISI

Halaman DAFTAR TABEL ............................................................................................... ix DAFTAR GAMBAR........................................................................................... x DAFTAR LAMPIRAN ....................................................................................... xi I. PENDAHULUAN ........................................................................................... 1 1.1 Latar Belakang ........................................................................................... 1.2 Perumusan Masalah .................................................................................. 1.3 Hipotesis Penelitian.................................................................................... 1.4 Tujuan dan Kegunaan Penelitian ..............................................................

1 3 4 4

II. TINJAUAN PUSTAKA ............................................................................... 6 2.1 Ikan Lele .................................................................................................. 6 2.2 Permintaan ............................................................................................... 7 2.2.1 Faktor-Faktor yang Mempengaruhi Permintaan .............................. 8 2.2.2 Elastisitas .........................................................................................10 2.3 Konsumen Rumah Tangga .......................................................................13 2.4 Keputusan Pembelian ...............................................................................14 III. KERANGKA PENDEKATAN STUDI ....................................................16 IV. METODOLOGI ..........................................................................................18 4.1 4.2 4.3 4.4

Metode Penelitian ..................................................................................18 Jenis dan Sumber Data ..........................................................................18 Metode Pengambilan Sampel ................................................................19 Spesifikasi Model ..................................................................................20 4.4.1 Model Linier .................................................................................20 4.4.2 Model Semilog ...............................................................................20 4.4.3 Model Log Ganda .........................................................................21 4.5 Metode Pengolahan Data .......................................................................21 4.6 Pengujian Model......................................................................................21 4.7 Analisis Respon Permintaan....................................................................25 4.8 Konsepsi dan Pengukuran .......................................................................26 4.9 Tempat dan Waktu Peneltian...................................................................27 V. HASIL DAN PEMBAHASAN ....................................................................28 5.1 Kondisi Umum Daerah Penelitian ..........................................................28 5.1.1 Letak dan Kondisi Umum Daerah Penelitian ................................28 5.1.2 Kependudukan ..............................................................................29 5.1.3 Sarana dan Prasarana .....................................................................31 5.2 Karakteristik Umum Responden .............................................................33 5.2.1 Usia ...............................................................................................33 5.2.2 Jenis Kelamin ................................................................................34

Halaman

5.3 5.4

5.5 5.6

5.2.3 Tingkat Pendidikan .......................................................................34 5.2.4 Pekerjaan .......................................................................................35 5.2.5 Pendapatan ....................................................................................36 Karakteristik Perilaku Konsumsi Ikan Lele ...........................................37 Analisis Pendugaan Fungsi Permintaan Ikan Lele..................................38 5.4.1 Model Linier .................................................................................39 5.4.1.1 Spesifikasi Model Persamaan Pendugaan Ikan Lele dengan Model Linier..................................................39 5.4.1.2 Model Persamaan Pendugaan Permintaan Ikan Lele oleh Konsumen Rumah Tangga di Kecamatan Ciseeng dalam Model Linier..............................................39 5.4.2 Model Semilog 1 ...........................................................................46 5.4.2.1 Spesifikasi Model Persamaan Pendugaan Ikan Lele dengan Semilog 1......................................................46 5.4.2.2 Model Persamaan Pendugaan Permintaan Ikan Lele oleh Konsumen Rumah Tangga di Kecamatan Ciseeng dalam Model Semilog 1 ......................................47 5.4.3 Model Semilog 2 ..........................................................................54 5.4.3.1 Spesifikasi Model Persamaan Pendugaan Ikan Lele dengan Model Semilog 2 ..........................................54 5.4.3.2 Model Persamaan Pendugaan Permintaan Ikan Lele oleh Konsumen Rumah Tangga di Kecamatan Ciseeng dalam Model Semilog 2 ......................................54 5.4.4 Model Log Ganda .........................................................................61 5.4.4.1 Spesifikasi Model Persamaan Pendugaan Ikan Lele dengan Model Log Ganda ........................................61 5.4.4.2 Model Persamaan Pendugaan Permintaan Ikan Lele oleh Konsumen Rumah Tangga di Kecamatan Ciseeng dalam Model Log Ganda ...................................62 Evaluasi Seluruh Model ..........................................................................69 Analisis Elastisitas ..................................................................................70

VI. KESIMPULAN DAN SARAN ....................................................................76 6.1 Kesimpulan ..............................................................................................76 6.2 Saran .........................................................................................................76 DAFTAR PUSTAKA .........................................................................................78 LAMPIRAN ........................................................................................................80

DAFTAR TABEL

Halaman 1. Perbandingan Zat Gizi Beberapa Sumber Protein Hewani per Kilogram, Tahun 2003 ...................................................................................... 2 2. Data Produksi perikanan di Kecamatan Ciseeng, Tahun 2006 ......................... 3 3. Jumlah Penduduk Kecamatan Ciseeng Berdasarkan Kelompok Umur, Tahun 2006 ...........................................................................................29 4. Jumlah Penduduk Menurut Tingkat Pendidikan, Tahun 2006..........................30 5. Jumlah Penduduk Kecamatan Ciseeng Berdasarkan Mata Pencaharian, Tahun 2006 .................................................................................30 6. Prasarana Transportasi di Kecamatan Ciseeng, Tahun 2006 ............................31 7. Data Sarana dan Jumlah Murid di Kecamatan Ciseeng, Tahun 2006 ..............32 8. Karakteristik Responden Berdasarkan Usia, Tahun 2008 ................................33 9. Karakteristik Responden Berdasarkan Jenis Kelamin, Tahun 2008 .................34 10. Karakteristik Responden Berdasarkan Tingkat Pendidikan Tahun 2008 .......................................................................................................35 11. Karakteristik Responden Berdasarkan Pekerjaan, Tahun 2008 ......................35 12. Karakteristik Responden Berdasarkan Pendapatan, Tahun 2008 ...................37 13. Preferensi Konsumen terhadap Ikan Lele, Tahun 2008 ..................................37 14.Tempat Responden Biasanya Membeli Ikan Lele, Tahun 2008 ......................38 15. Korelasi Antar Peubah Model Linier, Tahun 2008 ........................................39 16. Koefisien Variabel-Variabel Model Dugaan Permintaan Ikan Lele oleh Konsumen Rumah Tangga Kecamatan Ciseeng dengan Model Linier, Tahun 2008 ............................................................ .......... .....40 17. Koefisien Model Dugaan Permintaan Ikan Lele di Kecamatan Ciseeng dengan Model Linier, Tahun 2008 ...................................................45

Halaman

18. Korelasi Antar Peubah Model Semilog 1, Tahun 2008...................................47 19. Koefisien Variabel-Variabel Model Dugaan Permintaan Ikan Lele oleh Konsumen Rumah Tangga Kecamatan Ciseeng dengan Model Semilog 1, Tahun 2008 ...................................................................................48 20. Koefisien Model Dugaan Permintaan Ikan Lele di Kecamatan Ciseeng dengan Model Semilog 1, Tahun 2008 ............................................53 21. Korelasi Antar Peubah Model Semilog 2, Tahun 2008 ..................................54 22. Koefisien Variabel-Variabel Model Dugaan Permintaan Ikan Lele oleh Konsumen Rumah Tangga Kecamatan Ciseeng dengan Model Semilog 2, Tahun 2008 ...................................................................................55 23. Koefisien Model Dugaan Permintaan Ikan Lele di Kecamatan Ciseeng dengan Model Semilog 2, Tahun 2008 .............................................60 24. Korelasi Antar Peubah Model Log Ganda, Tahun 2008.................................62 25. Koefisien Variabel-Variabel Model Dugaan Permintaan Ikan Lele oleh Konsumen Rumah Tangga Kecamatan Ciseeng dengan Model Log Ganda, Tahun 2008..................................................................................63 26. Koefisien Model Dugaan Permintaan Ikan Lele di Kecamatan Ciseeng dengan Model Log Ganda, Tahun 2008............................................68 27. Elastisitas Harga, Elastisitas Pendapatan, dan Elastisitas Silang, Tahun 2008 .....................................................................................................71

DAFTAR GAMBAR

Halaman

1. Ikan Lele ........................................................................................................... 7 2. Kurva Permintaan.............................................................................................. 8 3. Elastisitas Tidak Sempurna ...............................................................................12 4. Elastisitas Sempurna ........................................................................................12 5. Elastisitas Uniter ...............................................................................................12 6. Tidak Elastis .....................................................................................................13 7. Elastis ...............................................................................................................13 8. Kerangka Pendekatan Studi ..............................................................................17 9. Grafik Normal Probability Model Linier..........................................................44 10. Histogram Untuk Uji Normalitas Model Linier .............................................44 11. Grafik Scatterplot Model Linier .....................................................................44 12. Grafik Normal Probability Model Semilog 1 ................................................51 13. Histogram Untuk Uji Normalitas Model Semilog 1 .......................................51 14. Grafik Scatterplot Model Semilog 1 ..............................................................52 15. Grafik Normal Probability Model Semilog 2 .................................................59 16. Histogram Untuk Uji Normalitas Model Semilog 2 .......................................59 17. Grafik Scatterplot Model Semilog 2 ...............................................................60 18. Grafik Normal Probability Model Log Ganda ...............................................66 19. Histogram Untuk Uji Normalitas Model Log Ganda......................................66 20. Grafik Scatterplot Model Log Ganda .............................................................67

DAFTAR LAMPIRAN Halaman 1. Denah Lokasi Penelitian Kecamatan Ciseeng...................................................81 2. Kararkteristik Responden .................................................................................82 3. Variabel Dependent dan Independent Penduga Model Permintaan .................84 4. Hasil Regresi Berupa Printout Komputer dengan SPSS Versi 16.00...............90

I. PENDAHULUAN

1.1 Latar Belakang Indonesia adalah salah satu negara kepulauan, dengan panjang garis pantai sebesar 81.000 km, yang memiliki potensi perikanan yang besar, dengan total potensi sumber daya jenis pelagis besar dan kecil, ikan demersal, udang, karang, lobster, dan cumi mencapai 63.760.100 ton (DKP 2006). Ironisnya, potensi perikanan ini tidak diimbangi dengan tingkat tingkat produksi perikanan Indonesia. Berdasarkan data dari DKP, pada Tahun 2006 tingkat produksi Indonesia hanya sebesar 6,78 juta ton, yang terdiri atas laut sebesar 4,16 juta ton dan tawar sebesar 2, 62 juta ton. Selain tingkat produksinya yang rendah, tingkat konsumsi ikan per kapita di Indonesia pun masih terbilang rendah. Berdasarkan data dari DKP Tahun 2006 tingkat konsumsi ikan per kapita masyarakat Indonesia pada tahun 2006 sebesar 24,47 kg, lebih rendah dari Thailand 35 kg per kapita per tahun, Malaysia 45 kg per kapita per tahun, dan bahkan tertinggal jauh oleh Jepang 120 kg per kapita per tahun. Keadaan tersebut sangat memprihatinkan ditengah kayanya sumberdaya perikanan Indonesia dan ditengah pentingnya konsumsi ikan bagi kebutuhan hidup manusia, seperti diketahui makanan merupakan salah satu unsur yang penting bagi pertumbuhan. Makanan adalah kebutuhan primer dari setiap manusia, karena makanan menempati urutan teratas dalam pemenuhan kebutuhan manusia. Dalam pemenuhan akan kebutuhan primer manusia, makanan tidak hanya berfungsi untuk mempertahankan kelangsungan hidup manusia, namun makanan merupakan unsur penting untuk pembangunan fisik yang sehat dan daya fikir yang kuat. Makanan yang baik adalah makanan yang mengandung unsur empat sehat lima sempurna. Makanan empat sehat lima sempurna di dalamnya terdapat lauk-pauk. Ikan merupakan salah satu jenis lauk-pauk yang dapat dikategorikan makanan empat sehat lima sempurna. Daging ikan memiliki keunggulan kompetitif dibandingkan dengan daging lainya, seperti daging ayam dan daging sapi. Perbandingan nilai gizi yang terkandung dalam berbagai sumber protein hewani dapat dilihat pada Tabel 1.

2

Berdasarkan Tabel 1, ikan lele memiliki kandungan gizi yang paling baik dibandingkan dengan sumber protein hewani lainnya. Daging ikan lele mengandung protein yang berkualitas tinggi dibandingkan dengan ikan air tawar lainnya dan hewan lainnya. Protein dalam ikan sangat baik, karena tersusun dari asam-asam amino yang dibutuhkan tubuh untuk pertumbuhan. Selain itu protein ikan amat mudah dicerna dan diabsorbsi tubuh (DKP 2003). Ikan pun sering disebut juga sebagai makanan untuk kecerdasan karena mengandung lemak omega-3 yang berfungsi sebagai asam lemak otak yang terutama berperan dalam proses tumbuh kembang otak janin. Tabel 1. Perbandingan Zat Gizi yang Terkandung dalam Beberapa Sumber Protein Hewani per Kilogram Unsur Gizi Air (gram)

Lele 75,10

Mas 80,00

Kembung 76,00

Sapi 66,00

Kerbau 84,00

Ayam -

Protein (gram)

37,00

16,00

22,00

18,00

18.70

18.20

Lemak (gram)

4,80

2,00

1,00

14,00

0.50

25,00

Udang

Telur

Susu

78,50

65,50

87,00

18,10

11,00

3,00

0,10

11,70

4,00

Sumber : DKP (2003)

Ikan lele adalah salah satu jenis ikan air tawar yang cukup dikenal dan diminati untuk dikonsumsi oleh masyarakat Indonesia. Berdasarkan penelitian Wulandari (1997) alasan masyarakat mengkonsumsi ikan yaitu kandungan gizi , rasa gurih, kebiasaan makan dan alasan kesehatan, juga harganya yang relatif murah. Ikan lele banyak dibudidayakan di Indonesia, tak terkecuali di Kabupaten Bogor. Salah satu kecamatan di Kabupaten Bogor yang memproduksi atau membudidayakan ikan lele adalah Kecamatan Ciseeng. Tingkat produksi ikan lele di Kecamatan Ciseeng pada Tahun 2006 mencapai angka 8.450 ton. Tingkat produksi Ikan Lele di Kecamatan Ciseeng ini merupakan tingkat produksi tertinggi bila dibandingkan dengan ikan air tawar lainnya yang diproduksi di Kecamatan Ciseeng, seperti Ikan Mas, Ikan Gurame, Ikan Patin, Ikan Mujair, Ikan Tawes, dan Ikan Bawal. Data produksi perikanan di Kecamatan Ciseeng dapat dilihat pada Tabel 2. Tersedianya data tentang tingginya tingkat produksi ikan lele di Kecamatan Ciseeng, tidak diimbangi tersedianya data tingkat konsumsi masyarakat Ciseeng terhadap ikan lele, karena sampai saat ini belum terdapat

3

catatan pasti mengenai jumlah permintaan Ikan Lele. Berdasarkan uraian di atas perlu sekali dilakukan penelitian mengenai “Analisis Permintaan Konsumen Rumah Tangga terhadap Ikan Lele di Kecamatan Ciseeng Bogor”.

Tabel 2. Data Produksi Perikanan di Kecamatan Ciseeng No 1 2 3 4 5 6 7

Jenis

Hasil (ton/tahun)

Ikan Lele Ikan Gurame Ikan Patin Ikan Bawal Ikan Mas Ikan Mujair Ikan Tawes

8.450 7.243 4.828 3.621 648,2 555,6 370,4

Sumber : Data Monografi Kecamatan Ciseeng Tahun 2006

1.2 Perumusan Masalah Kecamatan Ciseeng merupakan salah satu Kecamatan panghasil Ikan lele di Kabupaten Bogor. Tingkat produksi ikan lele di Kecamatan Ciseeng berada pada peringkat pertama dari Ikan air tawar yang di produksi oleh kecamatan ini yaitu telah mencapai 8.450 ton pada Tahun 2006. Permintaan suatu produk atau komoditas dalam hal ini permintaan terhadap ikan lele dipengaruhi oleh beberapa faktor. Pertama adalah harga ikan lele itu sendiri. Ikan lele mempunyai harga yang relatif murah dibandingkan dengan komoditas substitusi lainnya. Harga rata-rata Ikan Lele yang biasa dikonsumsi oleh konsumen rumah tangga di Kecamatan Ciseeng adalah Rp10.000,00 per kilogram, sedangkan harga rata-rata ikan air tawar jenis lainnya seperti Ikan Mas sebesar Rp15.000 per kilogram, Ikan Mujair Rp8000 per kilogram. Harga rata-rata ikan air laut di Pasar Ciseeng, seperti Ikan Selar, Ikan Tongkol dan Ikan Bandeng masing-masing sebesar Rp13.000 per kilogram, Rp14.000 per kilogram, dan Rp15.000 per kilogram, sedangkan harga komoditas substitusi bukan ikan seperti daging ayam, daging sapi dan telur masing-masing memiliki harga rata-rata sebesar Rp18.000,00, Rp50.000,00, dan Rp10.500,00 per kilogramnya. Harga tersebut merpukan harga jual di pasar Ciseeng pada tanggal 12 Februari 2008. Kedua yaitu harga komoditas substitusi Ikan Lele. Berdasarkan teori ekonomi bila harga suatu komoditas substitusi mengalami kenaikan, maka jumlah

4

permintaan komoditas utama akan mengalami kenaikan. Sebaliknya, bila harga komoditas substitusi mengalami penurunan, maka jumlah permintaan terhadap komoditas utama akan mengalami penurunan. Ketiga yaitu pendapatan keluarga. Berdasarkan teori ekonomi bila terjadi kenaikan pendapatan, maka jumlah permintaan terhadap komoditas utama akan mengalami kenaikan. Sebaliknya, bila terjadi penurunan maka jumlah permintaan komoditas utama akan mengalami penurunan. Keempat adalah selera atau cita rasa konsumen terhadap Ikan Lele. Rasa gurih dan alasan kesehatan merupakan alasan yang mengungkapkan cita rasa konsumen terhadap Ikan Lele. Berdasarkan uraian di atas dapat dirumuskan permasalahan sebagai berikut: 1) Bagaimana model permintaan konsumen rumah tangga terhadap Ikan Lele? 2) Berapa besar pengaruh faktor-faktor permintaan mempengaruhi permintaan ikan lele di Kecamatan Ciseeng, Kabupaten Bogor? 3) Bagaimana elastisitas harga, elastisitas pendapatan, dan elastisitas silang dari model permintaan tersebut?

1.3 Hipotesis Penelitian Berdasarkan latar belakang perumusan masalah dan tujuan penelitian, maka dapat diduga permintaan konsumen Ikan Lele di Kecamatan Ciseeng, Kabupaten Bogor dipengaruhi oleh faktor permintaan meliputi harga Ikan Lele, harga ikan jenis lain, harga daging ayam, harga daging sapi, harga telur, dan pendapatan keluarga, serta selera terhadap karakteristik ikan lele rasa dan gizi.

1.4 Tujuan dan Kegunaan Tujuan penelitian ini adalah untuk: 1) Menentukan model permintaan konsumen rumah tangga terhadap Ikan Lele di Kecamatan Ciseeng. 2) Mengetahui besarnya pengaruh faktor-faktor permintaan terhadap permintaan Ikan Lele

5

3) Menentukan nilai elastisitas harga, elastisitas pendapatan, dan elastisitas silang dari model permintaan tersebut. Kegunaan penelitian ini adalah: 1) Bagi mahasiswa merupakan wadah untuk meningkatkan kemampuan berfikir dan meningkatkan daya nalar serta daya analisis, juga sebagai salah satu syarat untuk meraih gelar Sarjana Perikanan. 2) Sebagai salah satu sumber informasi bagi pemasar dalam menentukan strategi pemasaran dengan memperhatikan faktor-faktor permintaan yang mempengaruhinya. 3) Diharapkan dapat memberikan informasi yang berguna bagi perencanaan dan tindakan pasar serta meminimalkan resiko yang mungkin muncul, sehingga produk akan tetap dikonsumsi.

II. TINJAUAN PUSTAKA 2.1 Ikan Lele Ikan Lele adalah salah satu jenis ikan air tawar. Menurut Soetomo S (2000), klasifikasi Ikan Lele adalah sebagai berikut: Kerajaan : Animalia (Hewan) Filum

: Chordata

Kelas

: Pisces

Ordo

: Ostaryophisi

Famili

: Clariidae

Genus Jenis

: Clarias : Clarias batrachus Clarias gariepinus

Ciri-ciri Ikan Lele yang membedakannya dari jenis ikan lain adalah badannya yang bulat memanjang, bagian badannya tinggi dan memipih ke arah ekornya, tidak bersisik serta licin mengeluarkan lendir, kepalanya gepeng, dan simetris, mulutnya lebar tidak bergigi. Pada sudut-sudut mulut terdapat empat pasang sungut (misai) sebagai alat peraba dan petunjuk. Punggungnya cembung, perutnya rata, gurat sisi rata sempurna (merentang dari belakang tutup insang sampai ke pangkal ekor). Warna tubuhnya seperti lumpur, punggungnya berwarna kehitam-hitaman dan pada bagian perutnya berwarna lebih muda. Ikan Lele mempunyai sirip yang lengkap, berguna untuk menggerakan tubuhnya. Sirip punggung panjang, tetapi tidak bersinggungan dengan sirip ekor (Soetomo S 2000). Ikan Lele mempunyai patil yang keras di sebelah kanan dan kirinya. Bagian belakangnya bergigi dan digunakan sebagai senjata untuk melukai musuhnya. Ujungnya mudah patah kalau ditusukan (dengan jalan membengkokan tubuhnya ke samping) dan duri bagian dalamnya itu mengeluarkan bisa yang dapat melukai karena tusukan. Orang yang terkena patil dapat sakit dan badannya merasa panas dingin (Soetomo S 2000). Bentuk monografi Ikan Lele dapat digambarkan pada Gambar 1.

7

Sumber: www.fishbase.net

Gambar 1. Ikan Lele 2.2 Permintaan Menurut Sukirno S (2002) permintaan adalah kesediaan konsumen untuk membeli suatu produk pada tingkat harga tertentu. Menurut Kotler P (2005) menyatakan bahwa permintaan adalah keinginan akan produk spesifik yang didukung oleh kemampuan dan kesediaan untuk membeli. Permintaan pada hakekatnya adalah suatu kegiatan yang menggambarkan hubungan antara harga barang dengan jumlah barang yang diminta. Semakin rendah harga suatu barang , maka semakin banyak permintaan terhadap barang tersebut. Sebaliknya, makin tinggi harga suatu barang maka makin sedikit permintaan terhadap barang tersebut (Sukirno S 2002). Hal tersebut disebabkan oleh dua hal, yaitu pertama, sifat hubungan seperti itu disebabkan oleh kenaikan harga menyebabkan para pembeli mencari barang lain yang dapat digunakan sebagai pengganti terhadap barang yang mengalami kenaikan harga. Sebaliknya, apabila harga barang tesebut turun maka pembeli mengurangi jumlah pembelian terhadap barang lain yang sama jenisnya dan menambah pembelian terhadap barang yang mengalami penurunan harga. Kedua, kenaikan harga menyebabkan pendapatan riil para pembeli berkurang. Pendapatan yang merosot tersebut memaksa para pembeli untuk mengurangi pembeliannya terhadap berbagai jenis barang, dan terutama barang yang mengalami kenaikan harga (Sukirno S 2002). Permintaan terhadap suatu produk dapat digambarkan dalam kurva permintaan. Kurva permintaan adalah kurva yang menggambarkan sifat hubungan antara harga suatu barang dengan jumlah barang yang diminta. Dalam sebuah

8

kurva permintaan dapat terjadi perubahan pada titik-titik kurva. Perubahan permintaan ini dapat dibedakan menjadi dua, yaitu pertama pergerakan sepanjang kurva permintaan. Perubahan permintaan sepanjang kurva permintaan terjadi bila harga komoditas yang diminta berubah (naik atau turun), seperti pada Gambar 2, bila permintaan semula berada pada titik a kemudian akan mengalami penurunan ke titik d, bila harga turun yang menyebabkan jumlah komoditas yang diminta mengalami kenaikan sebesar ∆Q (Q2-Q1). Kedua adalah pergeseran kurva permintaan. Pergeseran kurva permintaan ke kanan atas atau ke kiri bawah disebabkan oleh perubahan permintaan yang ditimbulkan oleh faktor-faktor selain harga komoditas tersebut. Kurva akan bergeser ke kanan atas atau garis D1 seperti pada Gambar 2, bila terjadi kenaikan harga komoditas substitusi, pendapatan, jumlah tanggungan keluarga. Kurva akan bergeser ke kiri bawah atau garis D2, bila terjadi hal sebaliknya, yaitu penurunan harga komoditas substitusi, pendapatan, dan sedikitnya jumlah tanggungan keluarga (Sukirno S 2002). Secara grafis uraian di atas dapat ditampilkan seperti pada Gambar 2.

P

D0

P1

D1 a

b

c

d

D2 P2

Q1

Q2

Q

Sumber : Sukirno S (2002)

Gambar 2. Kurva Permintaan

2.2.1 Faktor – Faktor yang Mempengaruhi Permintaan Berdasarkan Lipsey RG, PN Courant, DD Purvis, dan PO Steiner (1995), bahwa banyaknya komoditas yang akan dibeli oleh semua rumah tangga pada periode waktu tertentu dipengaruhi oleh enam faktor yaitu (1) harga komoditas itu sendiri, (2) harga komoditas yang berkaitan, (3) rata-rata pendapatan rumah tangga, (4) distribusi pendapatan, (5) selera, dan (6) besarnya populasi. Putong S

9

(2003) menyatakan bahwa apabila pendapatan dianggap tetap, jumlah penduduk relatif konstan (zero growth), selera tidak berubah, perkiraan masa yang akan datang tidak ada perubahan, harga barang substitusi relatif tetap dan lain-lain faktor yang dianggap tidak ada atau tidak berubah, maka permintaan hanya ditentukan oleh harga. Hukum permintaan menyatakan bahwa penurunan harga suatu barang akan menaikkan permintaan atas barang tersebut dengan asumsi cateris paribus (Meiners RE dan RLR Miller 1997). Menurut Sukirno S (2002) secara matematis fungsi permintaan dapat dinyatakan sebagai berikut: Qx = f(Px, Py, I, T) Keterangan: Qx = Permintaan produk x Px = Harga produk x Py = Harga produk substitusi y I = Pendapatan rumah tangga T = Selera Menurut Sukirno S (2002), permintaan suatu barang terutama dipengaruhi oleh tingkat harganya. Hubungan antara tingkat harga dengan jumlah permintaan suatu barang adalah negatif, yaitu ketika harga suatu barang tersebut naik, maka jumlah barang yang diminta akan turun. Begitu pun sebaliknya, jika harga turun maka jumlah barang yang diminta akan naik. Barang substitusi adalah barang yang memiliki manfaat dan kegunaan yang hampir sama dengan barang utamanya (Putong S 2003). Lipsey RG et al. (1995) menyatakan bahwa penurunan harga suatu komoditas komplementer juga akan menyebabkan lebih banyak komoditas yang akan dibeli pada setiap tingkat harga tertentu, sedangkan kenaikkan harga barang substitusi komoditas tertentu akan menyebabkan lebih banyak komoditas yang akan dibeli pada setiap tingkat harga tertentu. Mankiw NG (2000) menyatakan substitusi adalah dua barang ketika peningkatan harga barang pertama mendorong peningkatan dalam permintaan terhadap barang kedua. Jika rata-rata rumah tangga menerima rata-rata pendapatan yang lebih besar, maka dapat diperkirakan rumah tangga akan membeli lebih banyak beberapa komoditas walau pun harga-harga komiditas itu tetap sama (Lipsey RG et al. 1995).

10

Faktor selanjutnya yang mempengarui permintaan adalah pendapatan. Perubahan dalam distribusi pendapatan tidak hanya akan menyebabkan naiknya permintaan untuk komoditas yang dibeli, terutama oleh rumah tangga yang memperoleh tambahan pendapatan tersebut, tetapi perubahan dalam distribusi pendapatan juga akan mengakibatkan berkurangnya permintaan untuk komoditas yang akan dibeli terutama rumah tangga yang berkurang pendapatannya (Lipsey RG et al. 1995). Lipsey RG et al. (1995) menyatakan bahwa selera berpengaruh besar terhadap keinginan orang untuk membeli. Lebih lanjut dikatakan bahwa perubahan selera dapat terjadi dalam waktu yang lama dan dapat juga berubah dalam waktu cepat, tetapi cepat atau lambatnya perubahan selera terhadap suatu komoditas akan menyebabkan lebih banyak komoditas yang akan dibeli pada setiap tingkat harga. Pertambahan penduduk tidak dengan sendirinya menyebabkan pertambahan permintaan. Biasanya pertambahan penduduk diikuti oleh perkembangan dalam kesempatan kerja. Dengan demikian lebih banyak orang yang menerima pendapatan dan ini menambah daya beli dalam masyarakat. Pertambahan daya beli ini akan menambah permintaan (Sukrino S 2002).

2.2.2 Elastisitas Ada tiga macam elastisitas yang berhubungan dengan permintaan yaitu elastisitas harga, elastisitas silang dan elastisitas pendapatan (Boediono 2000). Menurut Lipsey RG et al. (1995) elastisitas permintaan juga disebut elastisitas permintaan terhadap harga merupakan ukuran besarnya respon (tanggapan) jumlah yang diminta dari suatu komoditas tertentu, terhadap perubahan harga. Dengan elastisitas dapat diukur dan dijelaskan hingga seberapa jauh reaksi perubahan kuantitas terhadap perubahan faktor-faktor yang mempengaruhi permintaan. Nicholson W (2003) menyatakan bahwa untuk mengukur responsi perubahan harga terhadap jumlah permintaan bisa digunakan konsep elastisitas permintaan harga.

11

Elastisitas harga adalah persentsi perubahan jumlah yang diminta yang disebabkan oleh perubahan harga barang tersebut sebesar satu persen (Putong S 2003). Secara matematis persamaan Elastisitas harga, sebagai berikut: E=

dQd Px . dPx Qd

Elastisitas silang adalah koefisien yang mencoba mengukur tarik menarik antara dua macam barang pada berbagai tingkat harga (Putong S 2003). Secara matematis persamaan elastisitas silang, sebagai berikut: E=

dQd Px . dPy Qd

Menurut Putong S (2003) elastisitas permintaan dari pendapatan adalah elastisitas permintaan yang mencoba menjelaskan perilaku konsumen dalam menggunakan pendapatannya untuk membeli jenis macam barang. Secara matematis persamaan elastisitas permintaan , sebagai berikut: E=

dQd I . dI Qd

Permintaan akan suatu barang berbeda dengan barang lainnya, hal ini disebabkan, pertama, tingkat kemampuan barang-barang lain untuk menggantikan barang yang bersangkutan. Kedua, persentasi pendapatan yang akan dibelanjakan untuk membeli barang tersebut. Ketiga, jangka waktu di dalam mana permintaan di analisa (Sukirno S 2002). Elastisitas permintaan terbagi menjadi lima jenis (Sukirno S 2002). Pertama tidak elastis sempurna. Keadaan ini menggambarkan perubahan harga tidak akan merubah jumlah yang diminta, yaitu tetap saja jumlah yang diminta tetap saja jumlahnya walaupun harga mengalami kenaikan atau penurunan, dengan kata lain nilai koefisiennya adalah nol. Secara grafis dapat dijelaskan pada Gambar 3.

12

P dQ =0 dP

Q Sumber: Sukirno S (2002)

Gambar 3. Elastis permintaan tidak sempurna Kedua yaitu elastis sempurna. Keadaan ini menggambarkan suatu harga tertentu pada pasar sanggup dibeli semua. Koefisiennya adalah tak hingga. Secara grafis uraian di atas seperti pada Gambar 4.

P

dQ = ∞ dP

Q Sumber: Sukirno S (2002)

Gambar 4. Elastis permintaan sempurna

Ketiga uniter, yaitu elastisitas yang memiliki nilai koefisien sama dengan satu. Secara grafis penjelasan di atas disajikan pada Gambar 5.

P

dQ = 1 dP

Q Sumber: Sukirno S (2002)

Gambar 5. Elastis Permintaan Uniter

13

Keempat adalah permintaan tidak elastis. Permintaan tidak elastis apabila persentase perubahan harga lebih besar dari persentase perubahan jumlah atau koefisiennya diantara nol dan satu. Secara grafis penjelasan di atas dapat di lihat pada gambar 6.

P

1> dQ > 0 dP

Q

Sumber: Sukirno S (2002)

Gambar 6. Elastis Permintaan yang Tidak Elastis

Kelima adalah permintaan elastis. Permintaan dikatakan elastis apabila persentase perubahan jumlah melebihi persentase perubahan harga atau koefisiennya lebih besar dari satu. Secara grafis penjelasan di atas seperti yang terlihat pada Gambar 7. P dQ > 1 dP

Q Sumber: Sukirno S (2002)

Gambar 7. Elastisitas Permintaan yang Elastis

2.3 Konsumen Rumah Tangga Menurut Undang-Undang Negara Republik Indonesia No. 8 tahun 1999 tentang Perlindungan Konsumen, definisi konsumen adalah setiap orang pemakai barang dan jasa yang tersedia dalam masyarakat baik untuk kepentingan sendiri, keluarga, orang lain dan tidak untuk diperdagangkan kembali. Menurut Engel JF, DB Roger , dan WM Paul (1994) menyatakan rumah tangga adalah semua orang, baik yang berkerabat mau pun tidak, yang menempati suatu unit perumahan.

14

Berdasarkan Lipsey RG et al. (1995), rumah tangga adalah semua orang yang bertempat tinggal dalam satu atap dan membuat keputusan keuangan bersama atau menyebabkan pihak lain mengambil keputusan bagi konsumen. Anggota rumah tangga seringkali disebut sebagai konsumen, karena konsumen membeli dan mengkonsumsi sebagian besar barang konsumsi dan jasa. Ciri-ciri rumah tangga, antara lain setiap rumah tangga mengambil keputusan yang konsisten selain itu rumah tanga menjual jasa-jasa faktor produksi pada perusahaan dan menerima penghasilan sebagai imbalannya. 2.4 Keputusan Pembelian Menurut Engel JF et al. (1994), salah satu faktor yang mempengaruhi proses pengambilan keputusan konsumen adalah perbedaan individu meliputi sumberdaya konsumen, motivasi dan keterlibatan, pengetahuan, sikap dan kepribadian, gaya hidup dan demografi. Dalam proses pertukaran, konsumen memiliki tiga sumberdaya yang digunakan, yaitu sumberdaya ekonomi, temporal dan kognitif. Secara praktis hal ini berarti bahwa pemasar bersaing untuk mendapatkan uang, waktu, dsan perhatian konsumen. Persepsi konsumen mengenai sumberdaya yanmg tersedia mempengaruhi ketersediaan untuk menggunakan uang atau waktu untuk produk. Jadi ukuran kepercayaan konsumen (mungkin) berguna dalam meramalkan penjualan masa datang berdasarkan kategori produk. a) Motivasi adalah suatu dorongan dalam diri seseorang untuk memenuhi kebutuhan dan keinginannya yang diarahkan pada tujuan untuk memperoleh kepuasan. Kebutuhan adalah variabel utama dalam motivasi, sedangkan keterlibatan adalah faktor penting dalam motivasi. Keterlibatan memacu dalam tingkat relevansi yang disadari dalam tindakan pembelian dan konsumsi. Bila keterlibatan tinggi, ada motivasi untuk memperoleh dan mengolah informasi dari kemungkinan yang jauh lebih besar dari pemecahan masalah yanag diperluas. b) Pengetahuan terdiri atas informasi yang disimpan didalam ingatan. Pemasar tertarik intuk mengerti pengetahuan konsumen, karena informasi yang dipegang oleh konsumen mengenai produk akan sangat mempengaruhi pola pembelian mereka. Secara umum pengetahuan konsumen yang penting untuk

15

diketahui oleh pihak pemasar adalah pengetahuan produk (product knowledge), pengetahuan pembelian (purchase knowledge), dan pengetahuan pemakaian (usage knowledge). c) Sikap didefinisikan sebagai suatu evaluasi menyeluruh. Intensitas, dukungan dan kepercayaan adalah sifat penting dari sikap. Masing-masing sifat ini akan bergantung pada kualitas pengalaman konsumen sebelumnya dengan objek sikap. Sementara konsumen mengakumulasi pengalaman baru, sikap dapat berubah. d) Kepribadian dalam perilaku konsumen didefinisikan sebagai respon yang konsisten terhadap stimulus lingkungan. Kepribadian menciptakan pada pola khusus yang menyebabkan satu individu unik dan berbeda dengan individu lainnuya. Hal ini disebabkan keputusan pembelian yang bervariasi antar individu seperti halnya gaya hidup. e) Gaya Hidup adalah pola dimana orang hidup dan menghabiskan waktu serta uang. Gaya hidup adalah fungsi motivasi konsumen dan pembelajaran konsep ringkas yang mencerminkan nilai konsumen. Dalam bidang demografi, sasaran yang dicapai adalah mendeskripsikan pangsa konsumen, dalam usia, pendapatan dan pendidikan. Penekanannya adalah “trend” di dalam perilaku dan pengeluaran. Bila disertai dengan penelitian demografik, demografi dapat memberikan keterangan tentang sifat dan komposisi pasar.

III. KERANGKA PENDEKATAN STUDI Pasar adalah tempat bertemunya penjual dan pembeli. Di dalam pasar terdapat aktivitas penawaran dan permintaan terhadap produk-produk yang dijual. Penawaran adalah kegiatan menawarkan produk yang dilakukan oleh pedagang kepada konsumen. Permintaan adalah kegiatan pembelian produk terhadap tingkat harga tertentu yang dilakukan oleh konsumen. Kecamatan Ciseeng, Kabupaten Bogor terkenal dengan sebutan sentra Ikan Lele. Hal ini disebabkan tingginya tingkat produksi Ikan Lele. Pada tahun 2006 tingkat produksi Ikan Lele di Kecamatan Ciseeng mencapai 8.450 ton, dengan luas lahan 55,34 Ha Ironisnya, sampai saat ini belum diketahui berapa besar permintaan terhadap Ikan Lele yang dikonsumsi oleh konsumen rumah tangga masyarakat Kecamatan Ciseeng. Oleh sebab itu, perlu dilakukan suatu penelitian tentang analisis permintaan Ikan Lele oleh konsumen rumah tangga. Jumlah yang diminta oleh pembeli terhadap ikan lele dipengaruhi oleh beberapa faktor antara lain harga Ikan Lele itu sendiri, harga makanan substitusi (ikan air tawar lainnya, ikan air laut, daging sapi, daging ayam), jumlah pendapatan keluarga, jumlah anggota keluarga, dan selera masyarakat. Analisis yang digunakan antara lain analisis statistika deskriptif, analisis regresi linier berganda dan analisis respon elastisitas. Hasil analisis memberikan informasi tentang faktor-faktor yang mempengaruhi jumlah permintaan terhadap ikan lele oleh konsumen rumah tangga yang dapat digunakan untuk pengambilan keputusan konsumen dalam membeli Ikan Lele dan strategi penjualan bagi produsen atau penjual. Selengkapnya penjelasan tersebut dapat dilihat pada Gambar 8.

17

Produsen Ikan Lele

Penawaran

Pasar

Permintaan

Rumah Tangga Konsumen Ikan Lele

Faktor-faktor yang mempengaruhi permintaan: • • • •

Harga Ikan Lele Harga produk substitusi Pendapatan rumah tangga selera

Strategi penjualan

Analisis: • Statistik deskriptif • Analisis ekonometrika • Analisis respon/elastisitas

Kebijakan Kebijakan Pembelian pembelian Gambar 8. Kerangka Pendekatan Studi Keterangan : : Ruang lingkup penelitian

IV. METODE PENELITIAN 4.1 Metode Penelitian Metode yang digunakan dalam penelitian ini adalah studi kasus dengan satuan kasusnya adalah konsumen rumah tangga di Kecamatan Ciseeng yang mengkonsumsi Ikan Lele. Menurut Nazir M (1999) metode studi kasus adalah studi intensiv dan terperinci mengenai suatu obyek dan dilakukan dengan berpedoman pada kuesioner dan pengamatan langsung terhadap hal-hal yang tidak tercakup dalam keusioner. Pemilihan lokasi penelitian berdasarkan pertimbangan bahwa di daerah tersebut merupakan sentra penghasil Ikan Lele dan belum pernah diteliti tentang banyaknya permintaan serta seberapa besar faktor-faktor permintaan mempengaruhi permintaan Ikan Lele. 4.2 Jenis dan Sumber Data Jenis data yang digunakan adalah data text dan data image. Menurut Fauzi A (2001) data text adalah data yang berbentuk alphabet, tabel mau pun data numerik. Ada pun data image adalah data yang memberikan informasi secara spesifik mengenai keadaan tertentu melalui foto, diagram, dan sebagainya (Fauzi A 2001). Data text yang dikumpulkan dalam penelitian ini adalah keadaan umum daerah penelitian, seperti data monografi wilyah Kecamatan Ciseeng, jumlah permintaan Ikan Lele oleh konsumen rumah tangga, harga Ikan Lele, harga dan kuantitas ikan air tawar lain (Ikan Mujair, Ikan Mas) yang diminta , harga dan kuantitas ikan air laut (Ikan Bandeng, Kembung dan Jambal) yang diminta, harga dan kuantitas daging sapi yang diminta, harga dan kuantitas daging ayam yang diminta, harga dan kuantitas telur yang diminta, harga dan kuantitas Ikan Asin yang diminta, jumlah tanggungan keluarga, tingkat pendidikan dan selera konsumen masyarakat Ciseeng. Menurut sumber data yang diperoleh, data yang digunakan dalam penelitian ini terdiri atas data primer dan sekunder. Data primer diperoleh langsung dari wawancara dengan responden konsumen rumah tangga yang bermukim di Kecamatan Ciseeng, yang membeli ikan lele atas dasar

19

keputusannya sendiri. Teknik wawancara dilengkapi dengan kuesioner yang telah disiapkan sebelumnya. Daftar kuesioner tersebut berisi antara lain profil konsumen (nama, umur, jenis kelamin, tingkat pendidikan, jumlah anggota keluarga, dan pekerjaan), pendapatan total, kuantitas dan harga Ikan Lele, kuantitas dan harga daging substitusi (ikan air tawar lainnya, ikan air laut, daging sapi, daging ayam), frekuensi pembelian Ikan Lele, frekuensi pembelian daging substitusi (ikan air tawar lainnya, ikan air laut, daging sapi, daging ayam, telur dan ikan asin), selera konsumen terhadap Ikan Lele. Data sekunder yang digunakan, adalah data yang didapat dan dikumpulkan dari instansi-instansi setempat seperti Dinas Peternakan dan Perikanan Kabupaten Bogor dan Kantor Kecamatan Ciseeng. Data juga ada yang didapat dari Sumber Informasi Kepustakaan. 4.3 Metode Pengambilan Sampel Metode Pengambilan sampel yang digunakan dalam penelitian ini adalah teknik purposive sampling. Purposive sampling adalah teknik pengambilan contoh yang digunakan apabila peneliti mempunyai pertimbangan tertentu dalam menetapkan contoh sesuai dengan tujuan penelitiannya. Besarnya contoh yang dapat ditarik dari populasi sangat tergantung pada tujuan penelitian, jenis instrumen yang digunakan, biaya, dan waktu (Levin J dan JA Fox 1997). Kriteria responden yang diambil adalah konsumen yang telah dewasa, dengan asumsi mempunyai wewenang dalam memutuskan pembelian dan wewenang dalam menentukan pengeluaran untuk berbelanja. Kriteria yang lain adalah konsumen tersebut telah minimal dua kali mengkonsumsi Ikan Lele dan produk substitusinya, dapat berkomunikasi dan bersedia diwawancara. Jumlah responden yang diambil adalah 60 orang dari kesepuluh desa yang ada di Kecamatan, jadi tiap-tiap desa diambil g responden rumah tangga. Responden yang termasuk kriteria diantaranya adalah ibu rumah tangga, seorang ayah dengan status kepala rumah tangga, anggota keluarga yang telah memiliki penghasilan dan mempunyai wewenang dalam membelanjakan pendapatannya, atau seseorang yang hidup sendiri/kost seperti karyawan/karyawati.

20

4.4 Spesifikasi Model Spesifikasi model merupakan langkah pertama yang dilakukan dalam penelitian yang menggunakan model ekonometrika, dimana hubungan antara peubah yang digunakan dirumuskan dalam bentuk model. Spesifikasi model ekonometrika didasarkan pada teori ekonomi dan adanya informasi yang berhubungan dengan fenomena yang diteliti. Suatu model dikatakan baik jika model tersebut dapat memenuhi kriteria di bawah ini : 1) Kriteria Ekonomi (menyangkut tanda dan besaran parameter dugaan) 2) Kriteria Statistik (menyangkut uji statistik) 3) Kriteria Ekonometrika (menyangkut asumsi model) Model ekonometrika dibedakan atas persamaan tunggal dan persamaan simultan. Persamaan tunggal adalah persamaan dimana peubah terikat (dependent variables) dinyatakan sebagai sebuah fungsi dari satu atau lebih peubah bebas (independent variables), sehingga hubungan sebab akibat antara peubah etrikat dan peubah bebas merupakan hubungan satu arah, sedangkan persamaan simultan adalah suatu persamaan yang membentuk suatu sistem persamaan yang menggambarkan ketergantungan diantara berbagai peubah dalam persamaanpersamaan tersebut. Model yang digunakan dalam penelitian ini adalah model persamaan tunggal dengan analisis Ordinary Least Square (OLS). Menganalisis model ekonometrika dengan metode OLS dapat dilakukan dengan tiga pendekatan yaitu linear, semilog dan log ganda. 4.4.1. Model Linear Persamaan permintaan Ikan Lele oleh konsumen rumah tangga di Kecamatan Ciseeng dengan bentuk model linear biasa adalah : Qd =

β 0 + β1Px+ β2Pi + β3Pl + β4Ps+ β5Pa + β6Pt + β7Pia + β8I +β9S+ μi

4.4.2. Model Semilog Persamaan permintaan ikan lele oleh konsumen rumah tangga di Kecamatan Ciseeng dengan bentuk model semi log adalah sebagai berikut :

21

Ln Qd = β 0 + β1Px+ β2Pi + β3Pl + β4Ps+ β5Pa + β6Pt + β7Pia + β8I +β9S+ μi atau Qd

= β 0 + β1LnPx+ β2LnPi + β3LnPl + β4LnPs+ β5LnPa + β6LnPt + β7LnPia + β8LnI +β9LnS+ μi

4.4.3. Model Log Ganda Persamaan permintaan ikan lele oleh konsumen rumah tangga di Kecamatan Ciseeng dengan bentuk model log ganda adalah sebagai berikut : Ln Qd =

β 0 + β1LnPx+ β2LnPi + β3LnPl + β4LnPs+ β5LnPa + β6LnPt +

β7LnPia + β8LnI +β9LnS+ μi Dimana untuk ketiga jenis model tersebut memiliki variabel yang sama, yaitu : Qd β0 β1- β9 Px Pi Pl Ps Pa Pt Pia I S μi

= Permintaan ikan lele = Konstanta = Koefisien regresi = Harga ikan lele (Rp per Kg) = Harga rata-rata ikan air tawar lain: Ikan Mas dan Ikan Mujair (Rp per Kg) = Harga rata-rata ikan air laut: Ikan Bandeng, Kembung, dan Jambal (Rp per Kg) = Harga daging sapi (Rp per Kg) = Harga daging ayam (Kg per Rp) = Harga telur (Rp per Kg) = Harga ikan asin (Rp per Kg) = Pendapatan total (Rp per Bln) = Selera / alasan untuk membeli (1= rasa gurih 2= alasan kesehatan 3= rasa gurih dan alasan kesehatan) = Gangguan random (stokhastik)

4.5 Metode Pengolahan Data Data sekunder yang terkumpul diolah dengan menggunakan komputer program Statistical Package for the Social Sciences (SPSS) versi 16 for windows. Analisis yang dilakukan dalam penelitian ini menggunakan model persamaan tunggal. Pendugaan parameter koefisien regresi untuk mengetahui besarnya pengaruh antar variabel diperoleh berdasarkan metode kuadrat terkecil (Ordinary Least Squares).

22

4.6 Pengujian Model Setelah didapatkan model dugaan, maka dilanjutkan dengan melakukan evaluasi terhadap hasil yang diperoleh. Evaluasi ini terdiri atas penentuan apakah dugaan terhadap parameter berarti secara teoritis dan memuaskan secara statistik. Untuk tujuan ini digunakan bermacam-macam kriteria yang dapat diklasifikasikan ke dalam 3 kelompok, yaitu kriteria ekonomi yang ditentukan oleh teori ekonomi, kriteria statistik yang ditentukan oleh teori statistik dan kriteria ekonometrik yang ditentukan oleh teori ekonometrik (Koutsoyiannis A 1977). a.) Kriteria Ekonomi Evaluasi model permintaan Ikan Lele menggunakan kriteria ekonomi adalah dengan melihat hubungan antara keofisien regresi dengan jumlah permintaan Ikan Lele. Diharapkan hubungan antara koefisien regresi pada harga Ikan Lele dengan jumlah permintaan Ikan Lele adalah negatif, maksudnya apabila harga Ikan Lele mengalami kenaikan, maka jumlah permintaan terhadap Ikan Lele akan mengalami penurunan. Begitu pun sebaliknya, apabila harga Ikan Lele mengalami kenaikan, maka jumlah permintaan terhadap Ikan Lele mengalami penurunan. Hubungan antara koefisien regresi pada harga ikan air tawar lain, harga ikan air laut, harga daging sapi, harga daging ayam, harga telur, dan harga ikan asin dengan jumlah permintaan Ikan Lele diharapkan poistif, yang artinya apabila harga ikan air tawar lain atau harga ikan air laut naik, maka permintaan terhadap Ikan Lele mengalami kenaikan. Begitu pun sebaliknya. Evaluasi selanjutnya dengan melihat koefisien regresi pada pendapatan total keluarga dan selera terhadap permintaan Ikan Lele. Hubungan ini diharapkan positif, artinya apabila pendapatan total konsumen naik maka permintaan terhadap Ikan Lele mengalami kenaikan, dan apabila semakin tinggi pertimbangan dalam selera seseorang maka jumlah permintaan terhadap Ikan Lele akan mengalami kenaikan, karena semakin orang tersebut mengetahui kandungan gizi dan manfaat dari Ikan Lele. b.) Kriteria Statistik Faktor-faktor yang berpengaruh nyatra dan yang tidak berpengaruh nyata ditentukan dengan menggunakan uji-F, uji-t dan koefisien determinasi (R2). Uji-F

23

digunakan untuk mengetahui apakah seluruh variabel independen secara bersamasama berpengaruh nyata terhadap permintaan Ikan Lele. Uji-t digunakan untuk mengetahui pengaruh masing-masing variabel independen terhadap permintaan Ikan Lele. Pengujian model regresi secara statistik diawali dengan pembuatan tabel analisis of varience (ANOVA) untuk menghitung F-hitung dan R2 (koefisien determinasi). R2 digunakan untuk mengetahui seberapa besar variabel-variabel independen dapat menjelaskan variabel dependen, sedangkan pengujian koefisien korelasi (R) digunakan untuk mengetahui keeratan hubungan antar variabel dependen dan independen. Pengujian kebenaran hipotesis dilakukan dengan uji t-student dan uji Fisher (F). Uji-F dilakukan untuk mengetahui secara serentak variabel independen atau menguji koefisien regresi parsial secara indivindu. Pada program SPSS pengujian terhadap hipotesis baik untuk uji F mau pun uji t, yaitu dengan melihat tingkat signifikasi (α) yaitu probabilitas kesalahan menolak hipotesis yang ternyata benar. Jika dikatakan α=5%, berarti resiko kesalahan mengambil keputusan adalah 5%. Semakin kecil α berarti semakin mengurangi resiko salah. SPSS selalu menggunakan

α =5% pada selang

kepercayaan 95% (Santoso S 2000). Uji statistik Fisher (F) dalam penelitian ini mengajukan hipotesa: H0 : β0 = β1 = β2 = β3 = β4 = β5 = β6 = β7 = β8 = 0, variabel bebas (Xi) secara serentak tidak berpengaruh nyata terhadap variabel tidak bebasnya (Yi) H1: Salah satu atau semua βi ≠ 0, Variabel bebasnya (Xi) secarac serentak berpengaruh nyaa terhadap variabel tidak bebasnya (Yi) Ini berarti H0 diduga koefisien regresi parsial secara serentak tidak berpengaruh terhadap permintaan ikan lele, sedangkan H1 diduga berpengaruh secara serentak. Uji statistik t-student dalam penelitian ini mengajukan hipotesa: H0 : βi = 0, variabel bebas (Xi) tidak berpengaruh nyata terhadap variabel tidak bebasnya (Yi)

24

H1 : βi ≠ 0, Variabel bebas (Xi) berpengaruh nyata terhadap variabel tidak bebasnya (Yi) Ini berarti H0 diduga koefisien regresi parsial secara individu tidak berpengaruh terhadap permintaan ikan lele sedangkan H1 diduga berpengaruh secara individu. c. ) Kriteria Ekonometrika Asumsi utama yang yang harus di penuhi dari analisis regresi yaitu: (1). Normalitas Gujarati D (1997) mengemukakan bahwa model regresi linier harus mengasumsikan populasi gangguan (disturbance) μi terdistribusi secara normal. Oleh karena itu model regresi yang baik adalah distribusi data normal atau mendekati normal. Menurut Santoso S (2000), secara mendeteksi normalitas yaitu dengan melihat grafik normal probability atau histogram, yaitu dengan melihat penyebaran data (titik) pada sumbu diagonal untuk grafik normal probability sedangkan untuk histogram dengan melihat kurva yang membentuk lonceng. Ada pun dasar pengambilan keputusan berdasarkan grafik normal probability menurut Santoso S (2000) adalah sbagai berikut: •

Jika data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal, maka model regresi memenuhi asumsi normalitas.

•

Jika data menyebar jauh dari garis diagonal dan atau tidak mengikuti arah garis diagonal, maka model regresi tidak memenuhi asumsi normalitas.

(2). Homoskedastisitas Santoso S (2000) mengemukakan bahwa model regresi linier garus memenuhi asumsi homoskedestisitas, yaitu varians dari residual satu pengamatan ke pengamatan lain harus konstan. Jika tidak, maka terjadi heteroskedastisitas. Model regresi yang baik adalah tidak terjadi heteroskedastisitas. Scatterplot digunakan untuk mendeteksi ada tidaknya pola tertentu dimana sumbu X adalah Y yang telah diprediksi, dan sumbu Y adalah residual (Y prediksi – Y sesungguhnya) yang telah distudentized, dengan dasar pengambilan keputusan sebagai berikut: . Jika ada pola tertentu, seperti titik-titik (point-point) yang ada membentuk suatu pola tertentu yang teratur (bergelombang, melebar kemudian menyempit), maka telah terjadi heteroskedastisitas. Jika tidak ada pola yang jelas, serta titik-

25

titik menyebar diatas dan dibawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas. (3). Multikolinieritas Santoso S (2000) menjelaskan bahwa antar variabel X (independen) tidak boleh saling berkolerasi atau tidak boleh terjadi hubungan linier yang sempurna. Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen. Cara mendeteksi multikolinieritas adalah sebagai berikut: a) Besaran VIF (Variance Inflation Factor) dan Tolerance. Pedoman suatu model regresi yang bebas multikolinieritas adalah mempunyai nilai VIF di sekitar angka 1 dan mempunyai angka Tolerance mendekati 1. b) Besaran Korelasi antar Variabel Independen. Pedoman suatu model regresi yang bebas multikolinieritas adalah koefisien korelasi antar variabel independen haruslah lemah (di bawah 0,5). Jika korelasi kuat, maka terjadi multikolinieritas. (4). Autokorelasi Gujarati D (1997) mendefinisikan autokorelasi sebagai korelasi antara anggota serangkaian observasi yang diurutkan menurut waktu (seperti dalam data deretan waktu) atau ruang (seperti dalam data cross-sectional). Model regresi seharusnya bebas dari autokorelasi, sehigga kesalahan prediksi (selisih data asli dengan data hasil regresi) bersifat bebas untuk tiap nilai X. Cara mendeteksi autokorelasi menurut Santoso S (2000), yaitu dengan menggunakan uji DurbinWatson yang diambil patokan secara umum adalah sebagai berikut: Angka D - W dibawah –2 berarti ada autokorelasi positif. Angka D - W diantara –2 sampai+2, berarti tidak ada autokorelasi. Angka D - W diatas +2 berarti ada autokorelasi negatif. 4.7 Analisis Respon Permintaan Elastisitas mengukur persentase perubahan nilai variabel tak bebas sebagai akibat dari perubahan 1 % dalam nilai dari variabel bebas tertentu (cateris paribus, dengan asumsi nilai dari variabel-variabel bebas yang lain dianggap konstan). Besarnya elastisitas memenuhi persamaan : a) Model Linier

26

Nilai elastisitas dihitung dengan mengalikan koefisien peubah bebas dengan rata-rata peubah tak bebas. Dengan rumus (Koutsoyiannis A 1977) :

b) Model semi log Nilai elastisitas dapat langsung dihitung dengan membagi koefisien peubah bebas dengan rata-rata peubah tak bebas. Dengan rumus (Koutsoyiannis A 1977):

ε=

dy / y dy x = = bi x dx / x dx y

Untuk model semilog bentuk kedua, rumus elastisitasnya adalah (Gujarati D 1995) :

ε=

dy / y dy x bi x 2 = = y dx / x dx y

c) Model log ganda Nilai elastisitas dapat langsung diketahui dari koefisien peubah bebasnya. Dengan rumus (Koutsoyiannis A 1977):

Jika nilai elastisitas > 1, maka dikatakan elastis, yaitu perubahan peubah bebas 1 persen mengakibatkan perubahan peubah tak bebas lebih dari 1 persen. Jika nilai elastisitas 0 < є < 1, maka dikatakan inelastis, yaitu perubahan peubah bebas 1 persen mengakibatkan perubahan peubah tak bebas kurang dari 1 persen. Nilai elastisitas 0 dikatakan inelastis sempurna, elastisitas ∞ dikatakan elastis sempurna dan elastisitas dengan nilai 1 dikatakan unitary elastis. 4.8 Konsepsi dan Pengukuran 1) Profil konsumen Ikan Lele meliputi usia, jenis kelamin, pendidikan , pekerjaan, dan pendapatan. 2) Penelitian tidak memisahkan antara faktor ekonomi dan non ekonomi dalam pengaruhnya terhadap permintaan Ikan Lele.

27

3) Pemilihan faktor ekonomi yaitu meliputi harga Ikan Lele, harga ikan air tawar jenis lain, harga ikan laut, harga daging sapi, harga daging ayam, harga telur, harga ikan asin, dan pendapatan. Sedangkan faktor non ekonomi adalah selera konsumen. 4) Permintaan (demand) Ikan Lele oleh konsumen rumah tangga di Kecamatan Ciseeng adalah jumlah Ikan Lele yang dibeli oleh konsumen (keluarga) untuk konsumsi rumah tangga sehari-hari dengan satuan kilogram per keluarga per bulan (kg per keluarga per bulan). 5) Konsumen Ikan Lele adalah para pembeli produk Ikan Lele di Wilayah Ciseeng, kriterianya adalah mempunyai wewenang dalam memutuskan pembelian dan wewenang dalam menentukan pengeluaran untuk berbelanja, telah beberapa kali mengkonsumsi Ikan Lele dan produk substitusinya, dapat berkomunikasi dan bersedia diwawancarai. Konsumen disini dapat berarti seorang ibu rumah tangga, seorang ayah dengan keputusan sendiri, atau dapat pula seseorang/kelompok orang yang hidup sendiri (kost) seperti karyawan. 6) Harga Ikan Lele rata-rata adalah rupiah per kilogram (Rp per kg), sebagai harga kesepakatan antara pembeli dan penjual Ikan Lele di wilayah Ciseeng. 7) Harga produk substitusi rata-rata dinyatakan rupiah per kilogram (Rp per kg), sebagai harga kesediaan konsumen untuk membeli. 8) Pendapatan total adalah penghasilan yang diperoleh rumah tangga dari berbagai sumber dinyatakan dalam rupiah per bulan (Rp per bln). 9) Selera terhadap karakteristik Ikan Lele adalah ukuran kesukaan berdasarkan unsure fundamental yang melekat pada Ikan Lele baik mengenai rasa (gurih/tidak) mau pun mengetahui /tidak kandungan gizi Ikan Lele sebagai alasan kesehatan. 10) Gizi adalah senyawa esensial yang dibutuhkan tubuh untuk kesehatan, pertumbuhan, dan perkembangan. Rasa adalah reaksi indera perasa terhadap rasa Ikan Lele. Pengukuran keduanya yaitu dengan criteria scoring. 4.9 Tempat dan Waktu Penelitian Lokasi penelitian dilakukan di Kecamatan Ciseeng, Kabupaten Bogor. Penelitian dilaksanakan selama satu bulan, yaitu Bulan April 2008.

28

V. HASIL DAN PEMBAHASAN

5.1 Kondisi Umum Daerah Penelitian Kecamatan Ciseeng merupakan salah satu kecamatan yang terletak di Kabupaten Bogor. Kecamatan ini dikenal sebagai sentra Ikan Lele, karena tingginya tingkat produksi ikan lele di kecamatan ini. Tingginya tingkat produksi Ikan Lele dapat ditampung pada sebuah pasar yaitu Pasar Ciseeng yang terletak di sebelah Kantor Desa Parigi Mekar, atau tersebar di warung-warung sayur, pedagang-pedagang sayur dan ikan keliling yang berjualan di pemukimanpemukiman masyarakat Ciseeng.

5.1.1 Letak dan Kondisi Umum Secara orbitrasi Kecamatan Ciseeng berjarak 30 km dari ibukota Kabupaten Bogor, 155 km dari ibukota Provinsi Jawa Barat, dan 50 km dari Ibukota Negara Republik Indonesia. Batas wilayah Kecamatan Ciseeng diantaranya dengan Kecamtan Gunung Sindur di Utara, sebelah Selatan dengan Kecamatan Kemang, dengan Kecamtan Rumpin di sebelah Barat, dan berbatsan dengan Kecamatan Parung di sebelah Timur. Kecamatan Ciseeng terletak 100 meter di atas permukaan laut dengan kisaran suhu 270C-320C dan memiliki curah hujan sebesar 24.530 mm per tahun dengan jumlah hari hujan terbanyak selama 130 hari. Luas Kecamatan Ciseeng mencapai 37, 17 km2 yang diantaranya terdiri atas tanah sawah seluas 840 hektar dan tanah basah seluas 359 hektar yang dijadikan kolam untuk usaha budidaya perikanan. Bentuk wilayah Kecamatan Ciseeng, 60% wilayah memiliki bentuk berombak sampai dengan berbukit, 20% datar sampai dengan berombak, dan sisanya berbukit sampai dengan bergunung. Kecamatan Ciseeng terdiri atas 10 desa dan 34 dusun. Kesepuluh desa yang ada di Kecamatan Ciseeng, yaitu Desa Babakan, Desa Putut Nutug, Desa Parigi Mekar, Desa Ciseeng, Disa Cihoe, Desa Kuripan, Desa Cibentang, Desa Cibentang Muara, Desa Cibentang Udik, dan Desa Karikil.

29

5.1.2 Kependudukan Jumlah penduduk di Kecamatan Ciseeng berdasarkan data monografi kecamatan pada tahun 2006 sebanyak 83.016 orang yang terdiri atas 47.178 orang laki-laki (50,8%) dan 40.838 orang perempuan (49,2), dengan jumlah kepala keluarga sebanyak 21.841 KK. Tingkat kepadatan penduduk di Kecamatan Ciseeng adalah 2.233 jiwa per km2. Berdasarkan kelompok umurnya, jumlah penduduk terbanyak berada pada kelompok umur 25-55 tahun dengan jumlah 26.488 (31,31%). Jumlah penduduk paling sedikit berada pada kelompok umur >80 tahun dengan jumlah 3.157 orang (3,8%). Mayoritas penduduk Kecamatan Ciseeng beragama Islam, yaitu sebanyak 82.802 orang (99,28%). Data lengkap mengenai jumlah penduduk berdasarkan kelompok umur dapat dilihat pada Tabel 3.

Tabel 3. Jumlah Penduduk Kecamatan Ciseeng Berdasrkan Kelompok Umur Tahun 2006 No 1 2 3 4 5 6 7

Kelompok Umur (th) 0-6 7 -12 12 – 18 19 – 24 25 – 55 56 – 79 >80 Jumlah

Jumlah Penduduk (orang) 12.116 13.979 11.486 9.109 26.488 6.678 3.157 83.016

Persentase (%) 14,59 16,83 13,83 10,97 31,91 8,04 3,80 100,00

Sumber : Data Monografi Kecamatan Ciseeng Tahun 2006

Berdasarkan data pada Tabel 3, dapat dihitung besarnya rasio beban tanggungan di Kecamatan Ciseeng, yaitu sebesar 1,33 yang artinya bahwa setiap 100 orang penduduk berusia produktif antara 19-55 tahun harus menanggung 133 orang penduduk berusia non produktif. Sex ratio antara laki-laki dan perempuan sebesar 1,03 yang artinya bahwa setiap 100 orang perempuan terdapat 103 orang laki-laki. Penduduk Kecamatan Ciseeng yang mampu menyelesaikan wajib belajar sembilan tahun berjumlah 10.995 orang atau setara 28,13%. Sementara itu sebanyak 6.779 orang (17,35%) tidak tamat SD, 13.937 orang (35,66%) tamat SD, dan sebanyak 1.396 orang (3,57%) penduduk yang buta huruf. Data lengkap

30

mengenai tingkat pendidikan penduduk di Kecamatan Ciseeng dapat dilihat pada Tabel 4.

Tabel 4. Jumlah Penduduk Menurut Tingkat Pendidikan Tahun 2006 No 1 2 3 4 5 6 7 8

Tingkat Pendidikan Belum Sekolah Tidak tamat SD Tamat SD/sederajat Tamat SMP/sederajat Tamat SMA/sederajat Tamat Akademik/sederajat Tamat Perguruan Tinggi Buta Huruf Jumlah

Jumlah Penduduk Persentase (%) 5.973 15,28 6.779 17,35 13.937 35,66 6.618 16,93 3.725 9,53 497 1,27 155 0,39 1.396 3,57 39.08 100,00

Orang

Sumber : Data Monografi Kecamatan Ciseeng Tahun 2006

Berdasarkan data pada Tabel 5, Kecamatan Ciseeng memiliki jumlah angakatan kerja sebanyak 12.720 orang yang terdiri 6.789 angkatan kerja laki-laki (54%) dan 5.490 angkatan kerja perempuan (46%). Dapat diketahui bahwa sebagian besar penduduk Kecamatan Ciseeng bekerja di bidang jasa dan pertanian. Data lengkap mengenai mata pencaharian penduduk Kecamatan Ciseeng dapat dilihat pada Tabel 5.

Tabel 5. Jumlah Penduduk Kecamatan Ciseeng Berdasarkan Mata Pencaharian Tahun 2006 No 1 2 3 4 5 6 7 8 9 10 11

Mata Pencaharian Petani Buruh Tani Pengusaha Pertukangan Buruh Pedagang Jasa Pegawai Negeri Sipil TNI/POLRI Pensiunan Lain-lain Jumlah

Orang

Sumber : Data Monografi Kecamatan Ciseeng Tahun 2006

Jumlah Penduduk Persentase (%) 3.73 13,4 3.345 12,49 784 2,93 315 1,18 870 3,25 3.986 14,89 8.113 30,32 521 1,95 29 0,12 148 0,55 4.92 18,38 26.761 100,00

31

Hal ini dapat dilihat dari jumlah penduduk yang bekerja di sektor jasa sebanyak 8.113 orang (30,32%), dan yang bekerja di sektor pertanian baik sebagai petani mau pun buruh tani berjumlah 7.075 orang (26,43%). Ada pun penduduk lainnya, ada yang bekerja sebagai pedagang sebanyak 3.986 orang (14,89%), 784 pengusaha (2,93%), 315 orang di bidang pertukangan (1,18%), 870 orang buruh (3,25%), 521 orang PNS (1,95%), TIN/POLRI sebanyak 29 orang (0,12%), 148 orang pensiunan (0,55%) dan sisanya sebanyak 4.920 orang (18,83%).

5.1.3 Sarana dan Prasarana Sarana dan Prasarana merupakan faktor pendukung yang amat penting terhadap keberhasilan satu wilayah untuk berkembang. Tanpa adanya sarana dan prasarana pendukung yang memadai, maka perkembangan suatu daerah dapat terhambat. Sarana dan prasarana yang terdapat di Kecamatan Ciseeng diantaranya sarana dan prasarana pemerintahan, pendidikan, ekonomi, ibadah, transportasi, komunikasi, kesehatan, dan olahraga. Data lengkap mengenai prasarana transportasi di Kecamatan Ciseeng dapat dilihat pada Tabel 6.

Tabel 6. Prasarana Transportasi di Kecamatan Ciseeng Tahun 2006 No 1 2 3 4

Prasarana Transportasi Jalan Desa Jalan Kabupaten Jalan tanah Jembatan (buah)

Panjang Jalan (km) 96 28 84 13

Sumber : Data Monografi Kecamatan Ciseeng Tahun 2006

Prasarana pemerintahan di Kecamatan Ciseeng terdiri atas sebuah kantor kecamatan dan 10 buah kantor desa, tiga instansi pemerintah (KUA, Sekolah Tinggi Sandi Negara, dan Balai Rehabilitasi Galih Pakuan), lima Unit Pelayanan Teknis Daerah (UPTD), yaitu UPTD pendidikan, UPTD Puskesmas, UPTD Pengairan, UPTD Penyuluhan Pertanian dan Hutbun, dan UPTD Penyuluhan Peternakan dan Kesehatan Hewan dan satu instansi BUMN yaitu Telkom. Untuk sarana dan prasarana trasnportasi yang amat penting bagi perkembangan suatu wilayah, Kecamatan Ciseeng memiliki jalan desa sepanjang 96 km, jalan kabupaten sepanjang 28 km dan jalan tanah sepanjang 84 km. Di

32

kecamatan Ciseeng ini lalu lintas seluruhnya dilakukan melalui jalan darat. Data lengkap mengenai sarana dan prasarana transportasi dapat dilihat pada Tabel 6. Sarana perekonomian yang berada di Kecamatan Ciseeng diantaranya ialah sebuah koperasi dan sebuah pasar dengan bangunan semi permanen. Untuk sarana pendidikan, Kecamatan Ciseeng memiliki 4 taman kanak-kanak (TK), 44 sekolah dasar (SD), 6 sekolah menengah pertama (SMP), 3 sekolah menengah atas (SMA) dan 1 sekolah tinggi. Berdasarkan Tabel 7, terlihat bahwa untuk tingkat pendidikan TK rasio antara guru dan murid sudah cukup bagus yaitu seesar 9,67 yang artinya satu orang guru harus menangani 10 orang murid. Tingkat sekolah dasar memiliki rasio antara guru dan murid yang kurang memadai karena satu orang guru harus menangani 52 orang murid. Rasio antara guru dan murid untuk tingkat penidikan SMP sampai dengan SMA sudah cukup memadai yaitu 13,74 untuk tingkat SMP dan 10,11 untuk tingkat SMA. Data lengkap mengenai sarana dan prasarana pendidikan dapat dilihat pada Tabel 7.

Tabel 7. Data Sarana pendidikan dan Jumlah Murid di Kecamatan Ciseeng Tahun 2006 No. 1 2 3 4 5

Jenis Pendidikan TK SD atau sederajat SMP atau sederajat SMA atau sederajat Sekolah Tinggi

Jumlah Guru (Orang) 4 15 44 252

Gedung (Buah)

Murid (Orang) 145 13.033

Rasio guru dan murid 9,67 51,72

6

136

1.868

13,74

3 1

185 -

1.871 113

10,11

Sumber : Data Monografi Kecamatan Ciseeng Tahun 2006

Prasarana kesehetan terdiri atas dua buah puskesmas dan empat prakter dokter. Untuk prasarana ibadah, Kecamatan Ciseeng memiliki 70 buah mesjid dan 154 buah mushala untuk umat islam, selain itu terdapat dua buah gereja untuk umat Kristen di Kecamatan ini. Sarana dan prasaran komunikasi di Kecamatan Ciseeng terdiri atas tujuh buah telepon umum, dua pemancar radio, dan sebuah kantor telekomunikasi.

33 33

5.2 Karakteristik Umum Responden Karakteristik responden yang dianalisis dalam penelitian ini meliputi usia, jenis kelamin, pendapatan, pendidikan, dan pekerjaan. Karakteristik responden yang telah diidentifikasi memberi informasi pegaruh pribadi dalam proses pembilian ikan lele.

5.2.1 Usia Kelompok umur dalam penelitian ini dibagi menjadi 7 kelas sesuai dengan perhitungan statistik atau sebaran distribusi frekuensi (Nazir M 1999) berdasarkan jumlah sampel yang diamati. Selang kelas didapat dari selisih umur maksimum sampel dengan umur minimum sample dibagi dengan jumlah kelas didapat 7 Kelompok umur yang melakukan pembelian ikan lele yaitu usia 19-26 tahun, 2734 tahun, 35-42 tahun, 43-50 tahun, 51-58 tahun, 59-66 tahun dan 67-74 tahun. Karakterisrik reponden berdasarkan usia dapat dilihat pada Tabel 8.

Tabel 8. Karakteristik Responden Berdasarkan Usia, Tahun 2008 No 1 2 3 4 5 6 7

Usia (Tahun) 19-26 27-34 35-42 43-50 51-58 59-66 67-74

Jumlah (Orang)

Persentase (%) 6 24 14 8 4 2 2

10 40 23.33 13.33 6.67 3.33 3.33

Sumber: Data Primer, diolah 2008

Berdasarkan hasil penelitian pada Tabel 8 menunjukkan kelompok usia terbanyak adalah kelompok usia 27-34 tahun yaitu sebanyak 24 orang atau 23.33% yang termasuk dalam usia produktif. Kelompok usia dengan jumlah paling sedikit adalah 59-66 tahun dan 67-74 tahun, yaitu sebanyak 2 orang atau 3.33%. Responden pada selang 27-34 mendominasi jumlah responden hal ini dikarenakan para responden di Kecamatan Ciseeng adalah kelurga yang relatif baru, sehingga keputusan pembelian dilakukan oleh ibu atau bapak yang umumnya masih berusia muda.

34

5.2.2 Jenis Kelamin Dalam penelitian ini responden dibagi menjadi dua kelompok berdasarkan jenis kelaminnya, yaitu laki-laki dan perempuan. Karakteristik responden berdasarkan jenis kelamin dapat dilihat pada Tabel 9.

Tabel 9. Karakteristik Responden berdasarkan Jenis Kelamin Tahun 2008 Jenis Kelamin

Jumlah (orang)

Persentase (%)

Laki-laki

22

36.67

Perempuan

38

63.33

Sumber: Data Primer, diolah 2008

Berdasarkan hasil penelitian pada Tabel 9 menunjukkan bahwa jenis kelamin perempuan mendominasi jumlah responden dengan jumlah 38 orang atau 63,33%, sedangkan responden laki-laki sebanyak 22 orang atau 36,67%. Jumlah responden. perempuan lebih mendominasi karena pada umumnya perempuan sebagai agent of family (Engel JF et al. 1994) memiliki peranan sebagai pihak yang bertanggung jawab menyediakan dan menyiapkan kebutuhan rumah tangga terutama dalam menyediakan makanan dalam sebuah rumah tangga, sehingga kegiatan belanja lebih banyak dilakukan oleh perempuan.

5.2.3 Tingkat Pendidikan Tingkat pendidikan adalah salah satu faktor yang mempengaruhi kelas sosial seseorang, dimana kelas sosial menunjukkan preferensi seseorang atas produk yang berbeda-beda di sejumlah bidang (Kotler P 2003). Dalam penelitian ini tingkat pendidikan responden dibagi menjadi enam kelompok, yaitu Tidak tamat SD, SD, SLTP, SLTA, dan Diploma,. Karakteristik responden berdasarkan tingkat pendidikan dapat dilihat di Tabel 10. Berdasarkan hasil penelitian pada Tabel 10 menunjukkan tingkat pendidikan responden didominasi oleh tingkat pendidikan SD dengan jumlah 29 orang atau 48,33%, sedangkan yang paling sedikit, yaitu pada tingkat pendidikan Diploma dengan jumlah 4 orang atau 6,67%. Hal ini tampak bertentangan dengan asumsi pada umumnya, yang menyatakan bahwa tingkat pendidikan yang cukup

35

tinggi merupakan indikator tinggi pula tingkat pengetahuan responden, menurut Sumarwan (2003) pengetahuan yang baik mengenai suatu produk akan mendorong seseorang untuk menyukai produk. Tabel 10. Karakteristik Responden Berdasarkan Tingkat Pendidikan Tahun 2008. No 1 2 3 4 5

Pendidikan

Orang 29 11 9 7 4 60

SD SMU SLTP Tidak tamat SD Diploma Jumlah

Jumlah Persentase (%) 48.33 18.33 15.00 11.67 6.67 100.00

Sumber: Data Primer, diolah 2008

5.2.4 Pekerjaan Menurut Kotler P (2003), pekerjaan seseorang mempengaruhi pola konsumsinya. Dalam penelitian ini karakteristik responden berdasarkan pekerjaan dibagi kelompok, yaitu karyawan swasta, ibu rumah tangga, buruh, petani, wiraswata, dan PNS. Sebaran karakteristik responden berdasarkan pekerjaannya dapat dilihat pada Tabel 11. Tabel 11. Karakterisitk Responden Berdasarkan Pekerjaan Tahun 2008 Jumlah No 1 2 3 4 5 6

Pekerjaan Buruh Ibu Rumah Tangga Petani Wiraswasta Karyawan PNS Jumlah

Orang

Persentase (%) 17 14 10 10 8 1 60

28.33 23.33 16.67 16.67 13.33 1.67 100.00

Sumber: Data Primer, diolah 2008

Berdasarkan hasil penelitian pada Tabel 11 menunjukkan bahwa pekerjaan sebagai buruh memiliki jumlah terbesar yaitu sebesar 17 orang atau 28,33% sedangkan pekerjaan sebagai PNS memiliki jumlah dan persentase terkecil dari keseluruhan responden yaitu sebesar 1 orang atau 1,67 %. Pekerjaan sebagai buruh adalah pekerjaan dengan jumlah terbanyak dalam penelitian ini dikarenakan banyaknya usaha-usaha yang berskala kecil mau pun sedang di Kecamatan

36

Ciseeng. Hal ini berkorelasi positif dengan tingkat pendidikan. Bila merujuk Tabel 10 tingkat pendidikan responden sebagian besar adalah lulusan SD yang minim akan pengetahuan dan keterampilan untuk mendapatkan pekerjaan lebih tinggi dari pekerjaan sebagai buruh. Berdasarkan Tabel 11, responden yang sebagaian besar ibu rumah tangga juga memiliki persentase yang cukup besar yaitu sebesar 14 orang atau 23,33% karena pada umumnya ibu rumah tangga bertanggung jawab dalam pemilihan makanan yang akan dikonsumsi oleh keluarganya. Sama halnya dengan pekerjaan sebagai buruh, pekerjaan sebagai ibu rumah tangga tidak membutuhkan tingkat pendidikan yang tinggi, jadi walaupun hanya lulusan SD, seorang wanita dapat menjadi ibu rumah tangga asalkan memiliki rasa kasih sayang tinggi terhadap keluarga.

5.2.5 Pendapatan Menurut Kotler P (2003), pilihan produk sangat dipengaruhi oleh keadaan ekonomi seseorang, dalam hal ini pendapatan yang dapat dibelanjakan. Pendapatan adalah sumberdaya material yang sangat penting bagi konsumen karena dengan pendapatan itulah, konsumen bisa membiayai kegiatan konsumsinya (Sumarwan U 2003). Berdasarkan hasil analisis statistik dengan metode simpangan baku, pendapatan responden per bulan kurang dari sama dengan Rp636.829,47 masuk dalam kelas bawah, responden dengan pendapatan antara Rp636.829,47 sampai dengan Rp1.083.170.52 termasuk dalam kelas menengah, sedangkan konsumen dengan pendapatan lebih besar sama dengan Rp1.083.170.52 termasuk dalam kelas atas. Besarnya standar deviasi yaitu Rp1.437.945,00. Rata-rata pendapatan responden secara keseluruhan adalah Rp2.095.000 dengan pendapatan minimum Rp100000,00 dan maksimum Rp2.500.000,00 per bulan. Dari Tabel 12 dapat dilihat bahwa pendapatan konsumen umumnya berkisar antara Rp636.829,47 sampai dengan Rp1.083.170.52 sebanyak 28 orang (40%) dari total keseluruhan responden. Selanjutnya diikuti pendapatan kurang dari sama dengan Rp636.829,47 sebanyak 21 orang (33,33%) dari total keseluruhan responden. Hal ini berkolerasi postif dengan karakteristik responden bila dilihat dari tingkat pendidikan dan pekerjaannya. Rendahnya tingkat

37

pendidikan rata-rata responden yang sebagian besar adalah lulusan SD, mengakibatkan sulitnya untuk mendapatkan pekerjaan yang lebih baik. Dengan demikian, pekerjaan sebagai buruh dan ibu rumah tangga yang mempunyai upah relatif sedikit menjadi salah satu pilihan untuk menyambung hidup. Sebaran karakteristik responden berdasarkan pendapatannya dapat dilihat pada Tabel 12.

Tabel 12. Karakterisitk Responden Berdasarkan Pendapatan Tahun 2008 Selang Kelas >Rp1.083170.53 Rp1.083170.52- Rp.636829.47
Jumlah (Orang)

Persentase (%) 18.33 46.67 35.00 100.00

11 28 21 60

Sumber: Data Primer, diolah 2008

5.3 Karakteristik Perilaku Konsumsi Ikan Lele Berdasarkan hasil wawancara dengan responden, diketahui bahwa konsumen dalam mengkonsumsi ikan lele mayoritas, karena alasan Ikan Lele rasanya gurih dan bergizi tinggi. Hal ini membuktikan bahwa produk Ikan Lele selain menawarkan kelezatan rasa juga menawarkan asupan gizi karena mengandung protein tinggi yang baik untuk kesehatan. Sebaran karakteristik perilaku konsumsi ikan lele berdasarkan preferensi dapat dilihat pada Tabel 13. Tabel 13. Preferensi Konsumen Terhadap Ikan Lele, Tahun 2008 Preferensi konsumen terhadap Ikan Lele Rasa gurih dan alasan kesehatan Rasa gurih Alasan kesehatan Jumlah

Jumlah Responden (Orang)

Persentase (%)

36

60,00

15 9 60

25,00 15,00 100,00

Sumber : Data Primer Diolah, 2008

Pada Tabel 13 dapat dilihat bahwa responden yang menyukai Ikan Lele karena alasan rasa gurih dan alasan kesehatan sangat mendominasi yaitu sebanyak 36 orang (60%) dari keseluruhan responden. Responden yang menyukai Ikan Lele karena alasan rasa gurih saja sebanyak 9 orang (15%), dan yang menyukai Ikan Lele berdasarkan alasan kesehatan saja sebanyak 6 orang (10%). Bila melihat data tersebut, terjadi hubungan yang negatif atau pertentangan antara tingkat

38

pendidikan dan alasan dalam memilih Ikan Lele untuk dikonsumsi. Dengan melihat tingkat pendidikan responden yang sebagian besar adalah lulusan SD, seharusnya alasan memilih Ikan Lele karena alasan kandungan gizi Ikan Lele yang menyangkut kesehatan tidak sampai pada logika atau pengetahuan responden, tetapi ini lah yang terjadi di lapangan. Hal ini karena responden sangat paham sekali tentang manfaat ikan, sebab di Kecematan Ciseeng banyak sekali masyarakat yang memiliki kolam di pekarangan rumah untuk memelihara ikan. Ada pun tempat responden berbelanja ikan lele dapat dilihat pada Tabel 14. Sebagian besar responden membeli ikan lele di pasar tradisional yaitu sebanyak 30 orang (50%). Selain di pasar tradisional, responden biasanya membeli ikan lele di pedagang sayur sebanyak 12 orang (20%), di pedagang ikan keliling sebanyak lima orang (8,33%) dan lain-lain sebanyak lima orang (8,33%). Lain-lain disini adalah mendapatkan ikan lele dengan cara memancing dikolam. Responden mayoritas membeli ikan lele di pasar tradisional adalah karena menurut responden di pasar, konsumen dapat sekaligus membeli komoditas lainnya atau kebutuhan-kebutuhan lainnya. Tabel 14. Tempat Responden Biasanya Berbelanja Ikan Lele, Tahun 2008 Tempat Pembelian Pasar tradisional Pedagang sayur Pedagang ikan keliling Lain-lain Jumlah

Jumlah Responden (orang) 30 12 5 13 60

Persentase (%) 50,00 20,00 8,33 21,67 100,00

Sumber : Data Primer Diolah, 2008

5.4 Analisis Pendugaan Fungsi Permintaan Ikan Lele Analisis pendugaan fungsi permintaan ikan Lele dilakukan untuk memilih model produksi terbaik, sehingga dapat digunakan dalam menganalisis faktor permintaan dan elastisitas permintaan. Untuk mendapatkan model permintaan terbaik perlu dilakukan pengujian model dengan menggunakan kriteria ekonomi, kriteria statistik, dan kriteria ekonometrika. Pendugaan fungsi permintaan yang diuji dalam penelitian ini sebanyak empat macam, yaitu (1) Pendugaan fungsi permintaan Ikan Lele dengan model regresi linier, (2) Pendugaan fungsi

39

permintaan Ikan Lele dengan model semilog bentuk 1, (3) Pendugaan fungsi permintaan Ikan Lele dengan model semilog bentuk 2, dan (4) Pendugaan fungsi permintaan Ikan Lele dengan model log ganda. 5.4.1

Model Linier

5.4.1.1 Spesifikasi Model Persamaan Pendugaan Permintaan Ikan Lele dengan Model Linier Spesifikasi model merupakan langkah pertama yang perlu dikakukan untuk mengetahui ubungan antara beberapa peubah, baik antara peubah dependen dengan independen mau pun hubungan diantara variabel independen itu sendiri. Bila terdapat hubungan, maka analisis terhadap model dugaan dapat dilakukan dan selanjutnya dalam penelitian ekonometrika. Hubungan beberapa variabel peubah model linier tersebut dapat dilihat pada Tabel 15.

Tabel 15. Korelasi Antar Peubah Model Linier, Tahun 2008 Qd

Px

Pi

1,00

0,002

0,088

-0,046

-0,126

0,002 0,088 -0,046 -0,126 0,064

1,000 -0,200 -0,158 0,198 -0,189

-0,200 1,000 -0,040 0,071 0,078

-0,155 -0,040 1,000 -0,073 0,052

0,198 0,071 -0,073 1,000 0,098

Pt

-0,269

-0,076

-0,049

0,526

-0,021

0,52

Pia I S

0,168 0,004 0,128

-0,272 0,560 0,186

0,287 0,001 -0,065

-0,190 -0,207 -0,067

-0,049 0,282 0,128

0,003 -0,039 0,269

Pearson Corrrelation Qd Px Pi Pl Ps Pa

Pl

Ps

Pa

Pt

Pia

I

S

0,064

-0,269

0,168

0,004

0,128

-0,189 0,078 0,052 0,098 1,000

-0,76 -0,049 0,526 -0,021 0,052

-0,272 0,287 -0,190 -0,049 0,003

0,560 0,001 -0,207 0,282 -0,039

1,000

-0,51

-0,131

-0,051 -0,131 -0,075

1,000 -0,123 0,043

-0,123 1,000 0,172

0,186 0,65 -0,67 0,128 0,269 0,075 0,43 0,172 1,000

Sumber : Data Sekunder diolah, 2008

Berdasarkan Tabel 15 dapat dilihat adanya hubungan diantara beberapa peubah walaupun diantaranya memiliki hubungan yang relatif lemah (r<0,5), jadi tidak terjadi multikolinearitas. Oleh karena itu peubah tersebut layak sebagai variabel yang dapat memprediksi permintaan Ikan Lele.

5.4.1.2 Model Regersi Linier Persamaan Penduga Permintaan Ikan Lele oleh Konsumen Rumah Tangga di Kecamatan Ciseeng Model fungsi permintaan konsumen rumah tangga terhadap ikan lele di Kecamatan Ciseeng Kabupaten Bogor diduga dengan menggunakan metode Ordinary Least Square (OLS) dengan menggunakan program SPSS 16 for

40

Windows dan program Excel for Windows. Persamaan regresi model dugaan permintaan konsumen rumah tangga terhadap ikan lele di Kecamatan Ciseeng Kabupaten Bogor menggunakan sembilan peubah bebas yaitu harga ikan lele (Px), harga ikan air tawar jenis lain (Pi), harga ikan air laut (Pl), harga daging sapi (Ps), harga daging ayam (Pa), harga telur (Pt), harga ikan asin (Pia), pendapatan rumah tangga (I), dan selera (S). Tabel 16 menyajikan hasil regresi peubah bebas bentuk regersi linier. Tabel 16. Koefisien Variabel-Variabel Model Dugaan Permintaan Ikan Lele oleh Konsumen Rumah Tangga di Kecamatan Ciseeng dengan Model Linier, Tahun 2008 Peubah Konstanta Px Pi Pl Ps Pa Pt Pia I S R2 R2(adj) F Ratio DW

Koefisien

T hit

3.33 0 0.00006 0 0.00054 0.00008 0 0.00039 0.000000032 0.245

Sig 0.904 0.566 0.388 1.246 -1.110 0.554 -2.506 1.285 -0.038 0.641

0.370 0.574 0.700 **0.219 *0.272 0.582 ***0.016 **0.205 0.970 0.525 0.175 0.027 1.181 1.863

Keterangan: *** nyata pada SK 95% ** nyata pada SK 75% * nyata pada SK 70% Sumber : Data Sekunder diolah, 2008

Pada model linear dapat menjelaskan 17,5 persen total variasi permintaan Ikan Lele oleh rumah tangga di Kecamatan Ciseeng, sisanya sebesar 82,5 persen dijelaskan oleh peubah lain di luar model. Model dugaan permintaan Ikan Lele model linier oleh konsumen rumah tangga di Kecamatan Ciseeng dengan menggunakan program SPPS 16 for Windows adalah sebagai berikut: Qd = 3,33 + 0,000Px +0,0006Pi -0,000Pl + 0,0005 Ps + 0,00008Pa + 0,000 Pt +0,00039Pia +0,000000032I +0,245S R2 = 17,5 %

R2 (adj) = 2,7 %

F ratio = 1,181

DW = 1,863

41

Model yang diperoleh kemudian dievaluasi dengan kriteria ekonomi, statistik dan ekonometrik.

1). Kriteria Ekonomi Teori ekonomi yang digunakan untuk mengevaluasi model dugaan permintaan Ikan Lele oleh konsumen rumah tangga di Kecamatan Ciseeng adalah hukum permintaan, yaitu jumlah yang dibeli per unit akan semakin besar apabila harga semakin rendah, begitu pula sebaliknya, cateris paribus. Hal ini berarti terdapat hubungan yang negatif antara permintaan suatu komoditas dengan harganya. Peubah harga Ikan Lele untuk model linier mempunyai tanda koefisien yang positif. Hal tersebut tidak sesuai dengan anggapan a priori, yang berarti meski pun semakin tinggi harga Ikan Lele di Kecamatan Ciseeng permintaan akan Ikan Lele tidak akan mengalami penurunan. Hal ini dikarenakan bahwa banyak konsumen rumah tangga yang membeli ikan lele dengan harga yang tidak sesuai dengan harga pasar karena biasanya rumah tangga mendapatkan ikan lele tersebut dengan cara memancing dan banyak konsumen rumah tangga yang memelihara Ikan Lele di kolam-kolam di dekat rumah, jadi untuk mendapatkan Ikan Lele tersebut tinggal mengambil tanpa harus membeli, seperti penyataan salah satu responden konsumen Ikan Lele berikut ini: “biasanya mah de si bapak ngdapetinnya dari mancing jadi harganya rada beda gitu ama yang di pasar” atau pernyataan konsumen lain bahwa ia mendapatkan Ikan Lele dengan mengambilnya langsung di kolam miliknya sendiri, seperti berikut ini: “ kadang saya suka ngambil di kolam sendiri de” Banyaknya masyarakat Ciseeng yang membudidayakan Ikan Lele menjadikan Kecamatan Ciseeng sebagai sentra penghasil Ikan Lele di Kabupaten Bogor. Arti dari tanda postif pada peubah harga Ikan Lele menyatakan bahwa Ikan Lele merupakan barang inferior. Peubah harga ikan air tawar jenis lain, harga ikan laut, harga daging sapi, harga daging ayam, harga telur, dan harga ikan asin sebagai produk substitusi bagi Ikan Lele pada model regresi linier bertanda positif, hal ini sesuai dengan

42

anggapan a priori. Berarti dengan meningkatnya harga ikan air tawar jenis lain, harga ikan laut, harga daging sapi, harga daging ayam, harga telur, dan harga ikan asin akan meningkatkan permintaan Ikan Lele oleh konsumen rumah tangga di Kecamatan Ciseeng. Peubah pendapatan, dan peubah Selera bertanda positif. Tanda positif ini benar sesuai dengan a priori dan seperti yang diharapkan. Tanda positif tersebut menunjukkan hubungan yang positif antara pendapatan, dan selera terhadap permintaan Ikan Lele, yaitu jika terjadi peningkatan pendapatan, dan peningkatan selera konsumen terhadap Ikan Lele, maka permintaan terhadap Ikan Lele pun akan meningkat.

2) Kriteria Statistik Permintaan Ikan Lele oleh konsumen rumah tangga di Kecamatan Ciseeng dalam model linier selanjutnya dievaluasi bedasarkan kriteria statistik dan hasilnya dapat dilihat pada Tabel 16. Berdasarkan Tabel 16 hasil regresi diperoleh nilai R2 sebesar 0,175 atau 17,5%. Ini berarti bahwa 17,5% variasi permintaan Ikan Lele oleh konsumen rumah tangga di Kecamatan Ciseeng dapat diterangkan oleh kesembilan variabel yang digunakan yaitu harga Ikan Lele, harga ikan air tawar jenis lain, harga ikan air laut, harga daging sapi, harga daging ayam, harga telur, harga ikan asin, pendapatan total, dan selera. Sisanya sebesar 0,825 atau 82,5% diterangkan oleh faktor lain yang tidak digunakan dalam model. Angka sisa ini cukup besar dan perlu dikaji lebih lanjut mengenai faktor yang menjelaskan permintaan Ikan Lele yang tidak dimasukkan dalam model, misalnya seperti pendidikan, persentase pendapatan untuk konsumsi bahan makanan, barang substitusi Ikan Lele lainnya, karakteristik Ikan Lele yang lain, dan sebagainya. Angka R sebesar 0,27 menunjukkan angka korelasi yang cukup kuat antara permintaan dengan kesembilan variabel yang digunakan. Berdasarkan Tabel 16 juga dapat dilihat bahwa nilai Fhitung sebesar 1,181 dengan selang kepercayaan 65%. Hasil perhitungan tersebut menunjukkan bahwa kesembilan variabel independen yang diduga, secara serentak tidak berpengaruh nyata terhadap variabel dependen pada selang kepercayaan 65%.

43

Pada Tabel 16 juga memperlihatkan hasil Thitung beserta tingkat signifikansinya untuk setiap variabel independen. Berdasarkan hasil pengujian dengan uji statistik tstudent diketahui bahwa terdapat empat variabel dependen yang nyata mempengaruhi permintaan Ikan Lele secara parsial pada selang kepercayaan 70%,75%, dan 95%, yaitu masing-masing variabel harga daging sapi dengan tingkat signifikansi sebesar 0,272 (nyata pada selang kepercayaan 70%), variabel harga ikan laut dan ikan asin dengan tingkat signifikansi masing-masing sebesar 0,219 dan 0.205 (nyata pada selang kepercayaan 75%), dan variabel harga telur dengan tingkat signifikansi sebesar 0,16 (nyata pada selang kepercayaan 95%). Hal ini berarti variabel penjelas tersebut, yaitu harga ikan laut, harga daging sapi, harga ikan asin, dan harga telur secara nyata mempengaruhi permintaan secara individu. Lain halnya dengan variabel penjelas lainnya seperti harga Ikan Lele, harga ikan air tawar jenis lain, harga daging ayam, pendapatan dan selera yang tidak nyata mempengaruhi permintaan secara individu pada selang kepercayaan diatas 70%.

3) Kriteria Ekonometrik Model dugaan yang baik harus memenuhi kriteria ekonometrika meliputi pengujian terhadap asumsi-asumsi model linear klasik yaitu asumsi normalitas, homoskedastisitas, asumsi tidak adanya multikoliniearitas dan autokorelasi : a) Normalitas Cara mendeteksi normalitas yaitu dengan melihat grafik normal probability, yaitu dengan melihat penyebaran data (titik) pada sumbu diagonal. Pengujian normalitas untuk model linier permintaan Ikan Lele oleh konsumen rumah tangga di Kecamatan Ciseeng dapat dilihat pada Gambar 9 dan Gambar 10. Berdasarkan Gambar 9, terlihat bahwa titik-titik menyebar di sekitar sumbu diagonal. Dengan demikian model linier permintaan Ikan Lele oleh konsumen rumah tangga di Kecamatan Ciseeng memenuhi asumsi normalitas. Dari Gambar 10 dapat dilihat kurva membentuk lonceng, ini bisa dikatakan nilai variabel-variabel yang dimasukkan ke dalam regresi terdistribusi normal, sehingga model regresi linier layak untuk memprediksi permintaan Ikan Lele oleh konsumen rumah tangga di Kecamatan Ciseeng.

44

Histogram

Normal P-P Plot of Regression Standardized Residual

Dependent Variable: Y

Dependent Variable: Y 15

0.8

Frequency

Expected Cum Prob

1.0

0.6

10

5

0.4

Mean =1.18E-16 Std. Dev. =0.921 N =60

0.2 0 -2

-1

0

1

2

3

Regression Standardized Residual

0.0 0.0

0.2

0.4

0.6

0.8

1.0

Observed Cum Prob

Gambar 9. Grafik Normal Probability model linier

Gambar 10. Histogram untuk Uji Normalitas model linier

2) Homoskedasitas Model regresi yang baik adalah jika tidak terjadi heteroskedasitas. Untuk mendeteksi hal tersebut digunakan grafik Scatterplot. Jika data menyebar baik di atas maupun di bawah sumbu pada titik nol dengan tidak membentuk pola tertentu maka asumsi homosdekasitas terpenuhi. Grafik Scatterplot pada model linier permintaan Ikan Lele oleh konsumen rumaha tangga di Kecamatan Ciseeng dapat dilihat pada Gambar 11.

Scatterplot

Dependent Variable: Y

Regression Studentized Residual

3

2

1

0

-1

-2 -4

-2

0

2

Regression Standardized Predicted Value

Gambar 11. Grafik Scatterplot model linier

Berdasarkan Gambar 11, terlihat titik-titik sebuah pola satu buah garis diagonal. Dengan demikian menunjukkan telah terjadi heteroskedasitas pada model linier, meskipun terdapat titik-titik yang menyebar di atas sumbu pada angka nol dengan tidak membentuk pola tertentu.

45

3) Multikolinearitas Model regresi yang baik yaitu tidak terdapat multikoliniearitas atau korelasi diantara variabel independen. Untuk mendeteksi multikolinieraritas dapat dilihat pada Tabel 17 terlihat untuk ketujuh variabel independen. Nilai Tolerance setiap variabel mendekati 1 dan angka VIF setiap variabel berada di sekitar angka 1. Hal ini menunjukkan bahwa model regresi tidak terdapat multikoliniearitas dan layak dipakai untuk prediksi permintaan berdasarkan masukan variabel independennya. Tabel 17. Koefisien Model Dugaan Permintaan Ikan Lele di Kecamatan Ciseeng dengan Model Linier, Tahun 2008 Peubah Konstanta Px Pi Pl Ps Pa Pt Pia I S R2 R Fhit DW

Koefisien 3.33 0 0.00006 0 0.00054 0.00008 0 0.00039 0.000000032 0.245

Collinearity Statistics Tolerance VIF 0.567 0.867 0.65 0.893 0.842 0.712 0.798 0.63 0.841

1.763 1.153 1.517 1.12 1.188 1.404 1.252 1.586 1.19 0.175 0.027 1.181 1.863

Sumber : Data Primer Diolah, 2008

Cara lain untuk mendeteksi multikoliniearitas adalah melihat nilai korelasi antar variabel independennya, dimana nilai korelasi antar variabel independen harus lemah (di bawah 0,5). Pada Tabel 15 dapat dilihat angka korelasi antar koefisien variabel independen semuanya bernilai di bawah 0,5 hal ini menunjukkan kecendrungan bahwa model regresi tidak terjadi multikoliniearitas dan layak dipakai untuk prediksi permintaan berdasarkan masukan variabel independennya.

46

4) Autokorelasi Selain bebas multikolinearitas, model regresi yang baik juga harus bebas autokorelasi. Cara mendeteksi autokorelasi yaitu dengan uji Durbin-Watson dengan patokan sebagai berikut : - Angka D-W di bawah -2 berarti ada autokorelasi -

Angka D-W antara -2 sampai +2 berarti tidak ada autokorelasi

-

Angka D-W di atas +2 berarti ada autokorelasi negatif Nilai Durbin-Watson model linier permintaan Ikan Lele oleh konsumen

rumah tangga di Kecamatan Ciseeng adalah 1,863 (Tabel 17), maka model linier permintaan Ikan Lele oleh konsumen rumah tangga di Kecamatan Ciseeng memenuhi asumsi ekonometrika yaitu tidak ada autokorelasi. Dari hasil evaluasi model linier menurut kriteria ekonometrik, model permintaan Ikan Lele oleh konsumen rumah tangga di Kecamatan Ciseeng asumsi ekonometrika, yaitu normalitas, multikolinearitas dan tidak terdapat autokorelasi telah terpenuhi, namun terjadi heteroskedasitas.

5.4.2

Model Semi Log Bentuk 1

5.4.2.1 Spesifikasi Model Persamaan Pendugaan Permintaan Ikan Lele dengan Model Semilog Bentuk 1 Spesifikasi model merupakan langkah pertama yang perlu dikakukan untuk mengetahui ubungan antara beberapa peubah, baik antara peubah dependen dengan independen mau pun hubungan diantara variabel independen itu sendiri. Bila terdapat hubungan, maka analisis terhadap model dugaan dapat dilakukan dan selanjutnya dalam penelitian ekonometrika. Hubungan beberapa variabel peubah model semilog 1 tersebut dapat dilihat pada Tabel 18. Berdasarkan Tabel 18 dapat dilihat adanya hubungan diantara beberapa peubah walaupun diantaranya memiliki hubungan yang relatif lemah (r<0,5), jadi tidak terjadi multikolinearitas. Oleh karena itu peubah tersebut layak sebagai variabel yang dapat memprediksi permintaan Ikan Lele.

47

Tabel 18. Korelasi Antar Peubah Model Semilog 1, Tahun 2008 Pearson Corrrelation Qd Px Pi Pl Ps Pa Pt Pia I S

Qd 1,00

Px 0,043

Pi 0,139

Pl -0,073

Ps -0,050

Pa 0,112

Pt -0,286

Pia 0,125

I 0,111

S 0,167

0.043 0.139 -0.073 -0.050 0.112 -0.286 0.125 0.111 0.167

1,000 -0,200 -0,158 0,198 -0,189 -0,076 -0,272 0,560 0,186

-0,200 1,000 -0,040 0,071 0,078 -0,049 0,287 0,001 -0,065

-0,158 -0,040 1,000 -0,073 0,052 0,526 -0,190 -0,207 -0,067

0,198 0,071 -0,073 1,000 0,098 -0,021 -0,049 0,282 0,128

-0,189 0,078 0,052 0,098 1,000 0,52 0,003 -0,039 0,269

-0,76 -0,049 0,526 -0,021 0,052 1,000 -0,051 -0,131 -0,075

-0,272 0,287 -0,190 -0,049 0,003 -0,51 1,000 -0,123 0,043

0,560 0,001 -0,207 0,282 -0,039 -0,131 -0,123 1,000 0,172

0,186 0,65 -0,67 0,128 0,269 -0,075 0,43 0,172 1,000

Sumber : Data Sekunder diolah, 2008

5.4.2.2 Model Persamaan Penduga Permintaan Ikan Lele oleh Konsumen Rumah Tangga di Kecamatan Ciseeng dalam Model Semilog 1 Model fungsi permintaan konsumen rumah tangga terhadap Ikan Lele di Kecamatan Ciseeng Kabupaten Bogor diduga dengan menggunakan metode Ordinary Least Square (OLS) dengan menggunakan program SPSS 16 for Windows dan program Excel for Windows. Persamaan regresi model dugaan permintaan konsumen rumah tangga terhadap Ikan Lele di Kecamatan Ciseeng Kabupaten Bogor menggunakan sembilan peubah bebas yaitu harga Ikan Lele (Px), harga ikan air tawar jenis lain (Pi), harga ikan air laut (Pl), harga daging sapi (Ps), harga daging ayam (Pa), harga telur (Pt), harga ikan asin (Pia), pendapatan rumah tangga (I), dan selera (S). Tabel 19 menyajikan hasil regresi peubah bebas dengan empat bentuk model semilog bentuk 1. Pada model semilog bentuk1 dapat menjelaskan 16,6 persen total variasi permintaan ikan lele oleh rumah tangga di Kecamatan Ciseeng, sisanya sebesar 83,4 persen dijelaskan oleh peubah lain di luar model. Model semilog 1 dugaan permintaan Ikan Lele oleh konsumen rumah tangga di Kecamatan Ciseeng dengan menggunakan program SPPS 16 for Windows adalah sebagai berikut: ln Qd = 0,37 + 0,000024Px +0,0000204Pi +0,0000279Pl - 0,000013Ps + 0,00000184Pa - 0,000082Pt +0,000018Pia +0,000000154I +0,94S 2

R = 16,6 % R2 (adj) = 1,6 %

F ratio = 1,108

DW = 1,757

Model yang diperoleh kemudian dievaluasi dengan kriteria ekonomi, statistik dan ekonometrik.

48

Tabel 19. Koefisien Varaibel-Varaibel Dugaan Permintaan Ikan Lele oleh Konsumen Rumah Tangga di Kecamatan Ciseeng dengan Model Semilog 1, Tahun 2008 Peubah Konstanta Px Pi Pl Ps Pa Pt Pia I S R2 R2(adj) F Ratio DW

Koefisien 0.370 0.0000241 0.0000204 0.0000279 -0.000013 0.0000184 -0.000082 0.000018 0.000000154 0.094

T hit

Sig 0.316 0.409 0.814 0.989 -0.820 0.785 -2.215 0.867 0.569 0.776

0.753 0.684 0.419 **0.328 0.416 0.436 ***0.031 *0.390 0.572 0.441 0.166 0.016 1.108 1.757

Keterangan: *** nyata pada SK 95% ** nyata pada SK 65% * nyata pada SK 60% Sumber : Data Sekunder diolah, 2008

1). Kriteria Ekonomi Teori ekonomi yang digunakan untuk mengevaluasi model dugaan permintaan Ikan Lele oleh konsumen rumah tangga di Kecamatan Ciseeng adalah hukum permintaan, yaitu jumlah yang dibeli per unit akan semakin besar apabila harga semakin rendah, begitu pula sebaliknya, cateris paribus. Hal ini berarti terdapat hubungan yang negatif antara permintaan suatu komoditas dengan harganya. Peubah harga Ikan Lele untuk model semilog bentuk 1 mempunyai tanda koefisien yang positif. Hal tersebut tidak sesuai dengan anggapan a priori, yang berarti meski pun semakin tinggi harga ikan lele di Kecamatan Ciseeng permintaan akan Ikan Lele tidak akan mengalami penurunan. Hal ini dikarenakan bahwa banyak konsumen rumah tangga yang membeli Ikan Lele dengan harga yang tidak sesuai dengan harga pasar karena biasanya rumah tangga mendapatkan Ikan Lele tersebut dengan cara memancing dan banyak konsumen rumah tangga yang memelihara Ikan Lele di kolam-kolam di dekat rumah jadi untuk mendapatkan ikan lele tersebut tinggal mengambil tanpa harus membeli, seperti penyataan salah satu responden konsumen Ikan Lele yang telah dituliskan di atas.

49

atau pernyataan konsumen lain bahwa ia mendapatkan Ikan Lele dengan mengambilnya langsung di kolam miliknya sendiri, seperti pernyataan responden yang juga telah di tuliskan di atas. Banyaknya masyarakat Ciseeng yang membudidaya Ikan Lele menjadikan Kecamatan Ciseeng sebagai sentra penghasil Ikan Lele di Kabupaten Bogor. Arti dari tanda postif pada peubah harga Ikan Lele menyatakan bahwa Ikan Lele merupakan barang inferior. Peubah harga ikan air tawar jenis lain, harga ikan laut, harga daging ayam, dan harga ikan asin sebagai produk substitusi bagi Ikan Lele pada model semilog 1 bertanda positif, hal ini sesuai dengan anggapan a priori. Berarti dengan meningkatnya harga ikan air tawar jenis lain, harga ikan laut, harga daging ayam, dan harga ikan asin akan meningkatkan permintaan Ikan Lele oleh konsumen rumah tangga di Kecamatan Ciseeng. Peubah harga daging sapi, dan harga telur sebagai produk substitusi bagi Ikan Lele pada model semilog 1 bertanda negatif, hal ini tidak sesuai dengan anggapan a priori. Tanda negatif tersebut menunjukkan hubungan yang negatif antara harga daging sapi dan harga telur dengan permintaan Ikan Lele, yaitu jika terjadi kenaikan harga daging sapi maupun harga telur akan menyebabkan permintaan Ikan Lele menurun. Hal tersebut memperlihatkan bahwa kenaikan harga daging sapi maupun harga telur akan menyebabkan naiknya harga Ikan Lele. Berarti hubungan antara daging sapi maupun telur dengan Ikan Lele adalah komoditas komplemen atau komoditas yang saling melengkapi, meski pun hal ini bertentangan dengan teori yang ada, namun inilah kenyataan yang terjadi di lapangan. Hal ini dapat dibuktikan dengan pernyataan salah seorang responden yang menyatakan bahwa tidak semua anggota keluarganya suka Ikan Lele, seperti berikut : “Saya mah de ga suka Ikan Lele, yang suka anak-anak. Jadi kalo masak ikan lele, saya juga harus masak yang laen gitu buat saya, kaya telor”. Peubah pendapatan, dan peubah Selera bertanda positif. Tanda positif ini benar sesuai dengan a priori dan seperti yang diharapkan. Tanda positif tersebut menunjukkan hubungan yang positif antara pendapatan, dan selera terhadap permintaan Ikan Lele, yaitu jika terjadi peningkatan pendapatan, dan peningkatan

50

selera konsumen terhadap Ikan Lele, maka permintaan terhadap Ikan Lele pun akan meningkat.

2) Kriteria Statistik Permintaan Ikan Lele oleh konsumen rumah tangga di Kecamatan Ciseeng dalam model semilog bentuk 1 selanjutnya dievaluasi bedasarkan kriteria statistik dan hasilnya dapat dilihat pada Tabel 19. Berdasarkan Tabel 19 hasil regresi diperoleh nilai R2 sebesar 0,166 atau 16,6%. Ini berarti bahwa 16,6% variasi permintaan Ikan Lele oleh konsumen rumah tangga di Kecamatan Ciseeng dapat diterangkan oleh kesembilan variabel yang digunakan yaitu harga Ikan Lele, harga ikan air tawar jenis lain, harga ikan air laut, harga daging sapi, harga daging ayam, harga telur, harga ikan asin, pendapatan total, dan selera. Sisanya sebesar 0,834 atau 83,4% diterangkan oleh faktor lain yang tidak digunakan dalam model. Angka sisa ini cukup besar dan perlu dikaji lebih lanjut mengenai faktor yang menjelaskan permintaan Ikan Lele yang tidak dimasukkan dalam model, misalnya seperti pendidikan, persentase pendapatan untuk konsumsi bahan makanan, barang substitusi Ikan Lele lainnya, karakteristik Ikan Lele yang lain, dan sebagainya. Angka R sebesar 0,16 menunjukkan angka korelasi yang cukup kuat antara permintaan dengan kesembilan variabel yang digunakan. Berdasarkan Tabel 19 juga dapat dilihat bahwa nilai Fhitung sebesar 1,108 dengan selang kepercayaan 60%. Hasil perhitungan tersebut menunjukkan bahwa kesembilan variabel independen yang diduga, secara serentak tidak berpengaruh nyata terhadap variabel dependen pada selang kepercayaan 60%. Pada Tabel 19 juga memperlihatkan hasil Thitung beserta tingkat signifikansinya untuk setiap variabel independen. Berdasarkan hasil pengujian dengan uji statistik tstudent diketahui bahwa terdapat tiga variabel dependen yang nyata mempengaruhi permintaan Ikan Lele secara parsial pada selang kepercayaan 60%,65%, dan 95%, yaitu masing-masing variabel harga ikan asin dengan tingkat signifikansi sebesar 0,390 (nyata pada selang kepercayaan 60%), variabel harga ikan laut dengan tingkat signifikansi sebesar 0,328 (nyata pada selang kepercayaan 65%), dan variabel harga telur dengan tingkat signifikansi sebesar

51

0,31 (nyata pada selang kepercayaan 95%). Hal ini berarti variabel penjelas tersebut, yaitu harga ikan laut, ikan asin, dan harga telur secara nyata mempengaruhi permintaan secara individu. Lain halnya dengan variabel penjelas lainnya seperti harga Ikan Lele, harga ikan air tawar jenis lain, harga daging sapi, harga daging ayam, pendapatan dan selera yang tidak nyata mempengaruhi permintaan secara individu pada selang kepercayaan diatas 60%. 3) Kriteria Ekonometrik Model dugaan yang baik harus memenuhi kriteria ekonometrika meliputi pengujian terhadap asumsi-asumsi model linear klasik yaitu asumsi normalitas, homoskedastisitas, asumsi tidak adanya multikoliniearitas dan autokorelasi : a) Normalitas Cara mendeteksi normalitas yaitu dengan melihat grafik normal probability, yaitu dengan melihat penyebaran data (titik) pada sumbu diagonal. Pengujian normalitas untuk model semilog bentuk 1 permintaan Ikan Lele oleh konsumen rumah tangga di Kecamatan Ciseeng dapat dilihat pada Gambar 12 dan Gambar 13. Berdasarkan Gambar 12, terlihat bahwa titik-titik menyebar di sekitar sumbu diagonal. Maka model semilog bentuk 1 permintaan Ikan Lele oleh konsumen rumah tangga di Kecamatan Ciseeng memenuhi asumsi normalitas. Dari Gambar 13 dapat dilihat kurva membentuk lonceng, ini bisa dikatakan nilai variabel-variabel yang dimasukkan ke dalam regresi terdistribusi normal, sehingga model semilog 1 layak untuk memprediksi permintaan Ikan Lele oleh konsumen rumah tangga di Kecamatan Ciseeng.

Normal P-P Plot of Regression Standardized Residual

Histogram

Dependent Variable: Y

Dependent Variable: Y 25

1.0

Frequency

Expected Cum Prob

20 0.8

0.6

0.4

15

10

5

0.2

0.0

Mean =3.75E-16 Std. Dev. =0.921 N =60

0 0.0

0.2

0.4

0.6

0.8

1.0

Observed Cum Prob

Gambar 12. Grafik Normal Probability Model semilog 1

-2

-1

0

1

2

3

Regression Standardized Residual

Gambar 13. Histogram untuk Uji Normalita Model semilog 1

52

2) Homoskedasitas Model regresi yang baik adalah jika tidak terjadi heteroskedasitas. Untuk mendeteksi hal tersebut digunakan grafik Scatterplot. Jika data menyebar baik di atas maupun di bawah sumbu pada titik nol dengan tidak membentuk pola tertentu maka asumsi homosdekasitas terpenuhi. Grafik Scatterplot pada model semilog 1 permintaan Ikan Lele oleh konsumen rumaha tangga di Kecamatan Ciseeng dapat dilihat pada Gambar 14.

Scatterplot

Dependent Variable: Y

Regression Studentized Residual

3

2

1

0

-1

-2 -4

-3

-2

-1

0

1

2

Regression Standardized Predicted Value

Gambar 14. Grafik Scatterplot Model Semilog 1

Berdasarkan Gambar 14, terlihat titik-titik sebuah pola garis diagonal. Dengan demikian menunjukkan telah terjadi heteroskedasitas pada model linier, meskipun terdapat titik-titik yang menyebar di atas sumbu pada angka nol dengan tidak membentuk pola tertentu. 3) Multikolinearitas Model regresi yang baik yaitu tidak terdapat multikoliniearitas atau korelasi diantara variabel independen. Untuk mendeteksi multikolinieraritas dapat dilihat pada Tabel 20 terlihat untuk kesembilan variabel independen. Nilai Tolerance setiap variabel mendekati 1 dan angka VIF setiap variabel berada di sekitar angka 1. Hal ini menunjukkan bahwa model regresi tidak terdapat multikoliniearitas dan layak dipakai untuk prediksi permintaan berdasarkan masukan variabel independennya. Cara lain untuk mendeteksi multikoliniearitas adalah melihat nilai korelasi antar variabel independennya, dimana nilai korelasi antar variabel independen harus lemah (di bawah 0,5). Pada Tabel 18 dapat dilihat angka korelasi antar koefisien variabel independen semuanya bernilai di bawah 0,5 hal ini

53

menunjukkan kecendrungan bahwa model regresi tidak terjadi multikoliniearitas dan layak dipakai untuk prediksi permintaan berdasarkan masukan variabel independennya. Tabel 20. Koefisien Model Dugaan Permintaan Ikan Lele di Kecamatan Ciseeng dengan Model Semilog 1, Tahun 2008 Peubah Konstanta Px Pi Pl Ps Pa Pt Pia I S R2 R Fhit DW

Koefisien 0.370 0.0000241 0.0000204 0.0000279 -0.000013 0.0000184 -0.000082 0.000018 0.000000154 0.094

Collinearity Statistics Tolerance VIF 0.567 0.867 0.65 0.893 0.842 0.712 0.798 0.63 0.841

1.763 1.153 1.517 1.12 1.188 1.404 1.252 1.586 1.19 0.166 0.016 1.108 1.757

Sumber : Data Primer Diolah, 2008

4) Autokorelasi Selain bebas multikolinearitas, model regresi yang baik juga harus bebas autokorelasi. Cara mendeteksi autokorelasi yaitu dengan uji Durbin-Watson dengan patokan sebagai berikut : - Angka D-W di bawah -2 berarti ada autokorelasi -

Angka D-W antara -2 sampai +2 berarti tidak ada autokorelasi

-

Angka D-W di atas +2 berarti ada autokorelasi negatif Nilai Durbin-Watson model linier permintaan Ikan Lele oleh konsumen

rumah tangga di Kecamatan Ciseeng adalah 1,863 (Tabel 20), maka model semilog1 permintaan Ikan Lele oleh konsumen rumah tangga di Kecamatan Ciseeng memenuhi asumsi ekonometrika yaitu tidak ada autokorelasi. Dari hasil evaluasi model semilog 1 menurut kriteria ekonometrik, model permintaan Ikan Lele oleh konsumen rumah tangga di Kecamatan Ciseeng asumsi ekonometrika, yaitu normalitas, multikolinearitas dan tidak terdapat autokorelasi telah terpenuhi, namun terjadi heteroskedasitas.

54

5.4.3

Model Semilog Bentuk 2

5.4.3.1 Spesifikasi Model Persamaan Pendugaan Permintaan Ikan Lele dengan Model Semilog Bentuk 2 Spesifikasi model merupakan langkah pertama yang perlu dikakukan untuk mengetahui ubungan antara beberapa peubah, baik antara peubah dependen dengan independen mau pun hubungan diantara variabel independen itu sendiri. Bila terdapat hubungan, maka analisis terhadap model dugaan dapat dilakukan dan selanjutnya dalam penelitian ekonometrika. Hubungan beberapa variabel peubah model semilog 2 tersebut dapat dilihat pada Tabel 21.

Tabel 21. Korelasi Antar Peubah Model Semilog 2, Tahun 2008 Pearson Corrrelation Qd Px Pi Pl Ps Pa Pt Pia I S

Qd 1,00

Px -0.001

Pi 0.079

Pl -0.010

Ps -0.157

Pa 0.104

Pt -0.386

Pia 0.134

I 0.042

S 0.137

-0.001 0.079 -0.010 -0.157 0.104 -0.386 0.134 0.042 0.137

1,000 -0.218 -0.171 0.178 -0.168 -0.106 -0.307 0.330 0.180

-0.218 1,000 0.004 0.006 0.029 -0.005 0.286 0.115 -0.078

-0.171 0.004 1,000 -0.084 0.034 0.408 -0.134 -0.128 -0.060

0.178 0.006 -0.084 1,000 0.065 -0.010 -0.071 0.210 0.100

-0.168 0.029 0.034 0.065 1,000 -0.003 0.003 -0.047 0.300

-0.106 -0.005 0.408 -0.010 -0.003 1,000 0.020 -0120 -0.066

-0.307 0.286 -0.134 -0.071 0.003 0.020 1,000 -0.031 0.044

0.330 0.115 -0.128 0.210 -0.047 -0.120 -0.031 1,000 0.057

0.180 -0.078 -0.060 0.100 0.300 -0.066 0.044 0.057 1,000

Sumber : Data Sekunder diolah, 2008

Berdasarkan Tabel 21 dapat dilihat adanya hubungan diantara beberapa peubah walaupun diantaranya memiliki hubungan yang relatif lemah (r<0,5), jadi tidak terjadi multikolinearitas. Oleh karena itu peubah tersebut layak sebagai variabel yang dapat memprediksi permintaan Ikan Lele.

5.4.3.2 Model Persamaan Penduga Permintaan Ikan Lele oleh Konsumen Rumah Tangga di Kecamatan Ciseeng dalam Model Semilog 2 Model fungsi permintaan konsumen rumah tangga terhadap Ikan Lele di Kecamatan Ciseeng Kabupaten Bogor diduga dengan menggunakan metode Ordinary Least Square (OLS) dengan menggunakan program SPSS 16 for Windows dan program Excel for Windows. Persamaan regresi model dugaan permintaan konsumen rumah tangga terhadap Ikan Lele di Kecamatan Ciseeng Kabupaten Bogor menggunakan sembilan peubah bebas yaitu harga Ikan Lele (Px), harga ikan air tawar jenis lain (Pi), harga ikan air laut (Pl), harga daging sapi

55

(Ps), harga daging ayam (Pa), harga telur (Pt), harga ikan asin (Pia), pendapatan rumah tangga (I), dan selera (S). Tabel 22 menyajikan hasil regresi peubah bebas dengan t bentuk model semilog bentuk 2. Tabel 22. Koefisien Variabel-Variabel Dugaan Permintaan Ikan Lele oleh Konsumen Rumah Tangga di Kecamatan Ciseeng dengan Model Semilog 2, Tahun 2008 Peubah Koefisien Konstanta 32.137 Px 0.710 Pi 0280 Pl 1.771 Ps -2.896 Pa 0.873 Pt -4.835 Pia 1.113 I 0.114 S 0.465 R2 R2(adj) F Ratio DW Keterangan: *** nyata pada SK 99% ** nyata pada SK 85% * nyata pada SK 80%

T hit

Sig 0.860 0.425 0.349 1.441 -1.299 0.671 -3.372 1.169 0.191 0.688

0.394 0.673 0.728 *0.156 *0.200 0.505 ***0.001 **0.248 0.849 0.495 0.249 0.113 1.838 1.862

Sumber : Data Sekunder diolah, 2008

Pada model semilog bentuk 2 dapat menjelaskan 24,9 persen total variasi permintaan Ikan Lele oleh rumah tangga di Kecamatan Ciseeng, sisanya sebesar 75,1 persen dijelaskan oleh peubah lain di luar model. Dengan uji F didapat bahwa variabel bebas yang dipakai dalam model secara bersama-sama berpengaruh terhadap permintaan Ikan Lele oleh rumah tangga di Kecamatan Ciseeng pada selang kepercayaan 90 persen. Model dugaan permintaan Ikan Lele oleh konsumen rumah tangga di Kecamatan Ciseeng dengan menggunakan program SPPS 16 for Windows adalah sebagai berikut:

Model Semilog bentuk 2 Qd = 32, 137 + 0,71lnPx +0,28lnPi +1,771lnPl - 2,86lnPs + 0,873lnPa - 4,835lnPt +1,113lnPia +0,114lnI +0, 465lnS

56

R2 = 24,9 % R2 (adj) = 11,3 %

F ratio = 1,838

DW = 1,86

Model yang diperoleh kemudian dievaluasi dengan kriteria ekonomi, statistik dan ekonometrik.

1). Kriteria Ekonomi Teori ekonomi yang digunakan untuk mengevaluasi model dugaan permintaan Ikan Lele oleh konsumen rumah tangga di Kecamatan Ciseeng adalah hukum permintaan, yaitu jumlah yang dibeli per unit akan semakin besar apabila harga semakin rendah, begitu pula sebaliknya, cateris paribus. Hal ini berarti terdapat hubungan yang negatif antara permintaan suatu komoditas dengan harganya. Peubah harga Ikan Lele untuk model semilog bentuk 2 mempunyai tanda koefisien yang positif. Hal tersebut tidak sesuai dengan anggapan a priori, yang berarti meski pun semakin tinggi harga Ikan Lele di Kecamatan Ciseeng permintaan akan Ikan Lele tidak akan mengalami penurunan. Hal ini dikarenakan bahwa banyak konsumen rumah tangga yang membeli Ikan Lele dengan harga yang tidak sesuai dengan harga pasar karena biasanya rumah tangga mendapatkan Ikan Lele tersebut dengan cara memancing dan banyak konsumen rumah tangga yang memelihara Ikan Lele di kolam-kolam di dekat rumah jadi untuk mendapatkan Ikan Lele tersebut tinggal mengambil tanpa harus membeli, seperti penyataan salah satu responden konsumen Ikan Lele yang telah dituliskan di atas. atau pernyataan konsumen lain bahwa ia mendapatkan Ikan Lele dengan mengambilnya langsung di kolam miliknya sendiri yang juga telah dituliskan di atas. Banyaknya masyarakat Ciseeng yang membudidaya Ikan Lele menjadikan Kecamatan Ciseeng sebagai sentra penghasil ikan lele di Kabupaten Bogor. Arti dari tanda postif pada peubah harga Ikan Lele menyatakan bahwa Ikan Lele merupakan barang inferior. Peubah harga ikan air tawar jenis lain, harga ikan laut, harga daging ayam, dan harga ikan asin sebagai produk substitusi bagi Ikan Lele pada model semilog 2 bertanda positif, hal ini sesuai dengan anggapan a priori. Berarti dengan meningkatnya harga ikan air tawar jenis lain, harga ikan laut, harga daging ayam,

57

dan harga ikan asin akan meningkatkan permintaan Ikan Lele oleh konsumen rumah tangga di Kecamatan Ciseeng. Peubah harga daging sapi, dan harga telur sebagai produk substitusi bagi Ikan Lele pada model semilog 2 bertanda negatif, hal ini tidak sesuai dengan anggapan a priori. Tanda negatif tersebut menunjukkan hubungan yang negatif antara harga daging sapi dan harga telur dengan permintaan Ikan Lele, yaitu jika terjadi kenaikan harga daging sapi maupun harga telur akan menyebabkan permintaan Ikan Lele menurun. Hal tersebut memperlihatkan bahwa kenaikan harga daging sapi maupun harga telur akan menyebabkan naiknya harga Ikan Lele. Berarti hubungan antara ikan daging sapi maupun telur dengan Ikan Lele adalah komoditas komplemen atau komoditas yang saling melengkapi, meski pun hal ini bertentangan dengan teori yang ada, namun inilah kenyataan yang terjadi di lapangan. Hal ini dapat dibuktikan dengan pernyataan salah seorang responden yang menyatakan bahwa tidak semua anggota keluarganya suka Ikan Lele, seperti yang telah dituliskan diatas. Peubah pendapatan, dan peubah Selera bertanda positif. Tanda positif ini benar sesuai dengan a priori dan seperti yang diharapkan. Tanda positif tersebut menunjukkan hubungan yang positif antara pendapatan, dan selera terhadap permintaan Ikan Lele, yaitu jika terjadi peningkatan pendapatan, dan peningkatan selera konsumen terhadap ikan lele, maka permintaan terhadap Ikan Lele pun akan meningkat.

2) Kriteria Statistik Permintaan Ikan Lele oleh konsumen rumah tangga di Kecamatan Ciseeng dalam model semilog bentuk 2 selanjutnya dievaluasi bedasarkan kriteria statistik dan hasilnya dapat dilihat pada Tabel 22. Berdasarkan Tabel 22 hasil regresi diperoleh nilai R2 sebesar 0,249 atau 24,9%. Ini berarti bahwa 24,9% variasi permintaan Ikan Lele oleh konsumen rumah tangga di Kecamatan Ciseeng dapat diterangkan oleh kesembilan variabel yang digunakan yaitu harga Ikan Lele, harga ikan air tawar jenis lain, harga ikan air laut, harga daging sapi, harga daging ayam, harga telur, harga ikan asin, pendapatan total, dan selera. Sisanya sebesar 0,751 atau 75,1% diterangkan oleh

58

faktor lain yang tidak digunakan dalam model. Angka sisa ini cukup besar dan perlu dikaji lebih lanjut mengenai faktor yang menjelaskan permintaan Ikan Lele yang tidak dimasukkan dalam model, misalnya seperti pendidikan, persentase pendapatan untuk konsumsi bahan makanan, barang substitusi Ikan Lele lainnya, karakteristik Ikan Lele yang lain, dan sebagainya. Angka R sebesar 0,113 menunjukkan angka korelasi yang cukup kuat antara permintaan dengan kesembilan variabel yang digunakan. Berdasarkan Tabel 22 juga dapat dilihat bahwa nilai Fhitung sebesar 1,838 dengan selang kepercayaan 90%. Hasil perhitungan tersebut menunjukkan bahwa ke sembilan variabel independen yang diduga, secara serentak tidak berpengaruh nyata terhadap variabel dependen pada selang kepercayaan 90%. Pada Tabel 22 juga memperlihatkan hasil Thitung beserta tingkat signifikansinya untuk setiap variabel independen. Berdasarkan hasil pengujian dengan uji statistik tstudent diketahui bahwa terdapat empat variabel dependen yang nyata mempengaruhi permintaan Ikan Lele secara parsial pada selang kepercayaan 80%,85%, dan 99%, yaitu masing-masing variabel harga ikan laut dan harga daging sapi dengan tingkat signifikansi sebesar 0,156 dan 0.200 (nyata pada selang kepercayaan 80%), variabel harga ikan asin dengan tingkat signifikansi sebesar 0,248 (nyata pada selang kepercayaan 85%), dan variabel harga telur dengan tingkat signifikansi sebesar 0,001 (nyata pada selang kepercayaan 99%). Hal ini berarti variabel penjelas tersebut, yaitu harga ikan laut, harga daging sapi, harga ikan asin, dan harga telur secara nyata mempengaruhi permintaan secara individu. Lain halnya dengan variabel penjelas lainnya seperti harga Ikan Lele, harga ikan air tawar jenis lain, harga daging ayam, pendapatan dan selera yang tidak nyata mempengaruhi permintaan secara individu pada selang kepercayaan diatas 60%. 3) Kriteria Ekonometrik Model dugaan yang baik harus memenuhi kriteria ekonometrika meliputi pengujian terhadap asumsi-asumsi model linear klasik yaitu asumsi normalitas, homoskedastisitas, asumsi tidak adanya multikoliniearitas dan autokorelasi : a) Normalitas

59

Cara mendeteksi normalitas yaitu dengan melihat grafik normal probability, yaitu dengan melihat penyebaran data (titik) pada sumbu diagonal. Pengujian normalitas untuk model semilog 2 permintaan Ikan Lele oleh konsumen rumah tangga di Kecamatan Ciseeng dapat dilihat pada Gambar 15 dan 16. Berdasarkan Gambar 15, terlihat bahwa titik-titik menyebar di sekitar sumbu diagonal. Maka model semilog bentuk 2 permintaan Ikan Lele oleh konsumen rumah tangga di Kecamatan Ciseeng memenuhi asumsi normalitas. Dari Gambar 16 dapat dilihat kurva membentuk lonceng, ini bisa dikatakan nilai variabel-variabel yang dimasukkan ke dalam regresi terdistribusi normal, sehingga model semilog 2 layak untuk memprediksi permintaan Ikan Lele oleh konsumen rumah tangga di Kecamatan Ciseeng.

Histogram

Normal P-P Plot of Regression Standardized Residual

Dependent Variable: Y

Dependent Variable: Y 20

1.0

Frequency

Expected Cum Prob

15

0.8

0.6

10

0.4 5

0.2

Mean =-1.25E-15 Std. Dev. =0.921 N =60

0 -2

0.0

-1

0

1

2

3

Regression Standardized Residual 0.0

0.2

0.4

0.6

0.8

1.0

Observed Cum Prob

Gambar 15. Grafik Normal Probability model semilog 2

Gambar 16. Histogram untuk Uji Normalitas model semilog 2

2) Homoskedasitas Model regresi yang baik adalah jika tidak terjadi heteroskedasitas. Untuk mendeteksi hal tersebut digunakan grafik Scatterplot. Jika data menyebar baik di atas maupun di bawah sumbu pada titik nol dengan tidak membentuk pola tertentu maka asumsi homosdekasitas terpenuhi. Grafik Scatterplot pada model semilog 2 permintaan Ikan Lele oleh konsumen rumaha tangga di Kecamatan Ciseeng dapat dilihat pada Gambar 17. Berdasarkan Gambar 17, terlihat titik-titik sebuah pola garis diagonal. Dengan demikian menunjukkan telah terjadi heteroskedasitas pada model semilog

60

2, meskipun terdapat titik-titik yang menyebar di atas sumbu pada angka nol dengan tidak membentuk pola tertentu..

Scatterplot

Dependent Variable: Y

Regression Studentized Residual

4

3

2

1

0

-1

-2 -2

0

2

4

Regression Standardized Predicted Value

Gambar 17. Grafik Scatterplot

3) Multikolinearitas Model regresi yang baik yaitu tidak terdapat multikoliniearitas atau korelasi diantara variabel independen. Untuk mendeteksi multikolinieraritas dapat dilihat pada Tabel 23 terlihat untuk ketujuh variabel independen. Nilai Tolerance setiap variabel mendekati 1 dan angka VIF setiap variabel berada di sekitar angka 1. Hal ini menunjukkan bahwa model regresi tidak terdapat multikoliniearitas dan layak dipakai untuk prediksi permintaan berdasarkan masukan variabel independennya. Tabel 23. Koefisien Model Dugaan Permintaan Ikan Lele di Kecamatan Ciseeng dengan Model Semilog 2, Tahun 2008 Peubah

Koefisien

Konstanta 32.137 Px 0.710 Pi 0280 Pl 1.771 Ps -2.896 Pa 0.873 Pt -4.835 Pia 1.113 I 0.114 S 0.465 R2 R Fhit DW Sumber : Data Primer Diolah, 2008

Collinearity Statistics Tolerance VIF 0.676 0.860 0.775 0.926 0.846 0.819 0.795 0.825 0.832

1.476 1.162 1.290 1.080 1.182 1.221 1.257 1.212 1.202 0.249 0.113 1.838 1.862

61

Cara lain untuk mendeteksi multikoliniearitas adalah melihat nilai korelasi antar variabel independennya, dimana nilai korelasi antar variabel independen harus lemah (di bawah 0,5). Pada Tabel 21 dapat dilihat angka korelasi antar koefisien variabel independen semuanya bernilai di bawah 0,5 hal ini menunjukkan kecendrungan bahwa model semilog 2 tidak terjadi multikoliniearitas dan layak dipakai untuk prediksi permintaan berdasarkan masukan variabel independennya. 4) Autokorelasi Selain bebas multikolinearitas, model regresi yang baik juga harus bebas autokorelasi. Cara mendeteksi autokorelasi yaitu dengan uji Durbin-Watson dengan patokan sebagai berikut : - Angka D-W di bawah -2 berarti ada autokorelasi -

Angka D-W antara -2 sampai +2 berarti tidak ada autokorelasi

-

Angka D-W di atas +2 berarti ada autokorelasi negatif Nilai Durbin-Watson model linier permintaan Ikan Lele oleh konsumen

rumah tangga di Kecamatan Ciseeng adalah 1,862 (Tabel 23), maka model semilog bentuk 2 permintaan Ikan Lele oleh konsumen rumah tangga di Kecamatan Ciseeng memenuhi asumsi ekonometrika yaitu tidak ada autokorelasi. Dari hasil evaluasi model semilog 2 menurut kriteria ekonometrik, model permintaan Ikan Lele oleh konsumen rumah tangga di Kecamatan Ciseeng asumsi ekonometrika yaitu normalitas, multikolinearitas dan tidak terdapat autokorelasi telah terpenuhi, namun terjadi heteroskedasitas.

5.4.4

Model Log Ganda

5.4.4.1 Spesifikasi Model Persamaan Pendugaan Permintaan Ikan Lele dengan Model Log Ganda Spesifikasi model merupakan langkah pertama yang perlu dikakukan untuk mengetahui ubungan antara beberapa peubah, baik antara peubah dependen dengan independen mau pun hubungan diantara variabel independen itu sendiri. Bila terdapat hubungan, maka analisis terhadap model dugaan dapat dilakukan

62

dan selanjutnya dalam penelitian ekonometrika. Hubungan beberapa variabel peubah model log ganda tersebut dapat dilihat pada Tabel 24.

Tabel 24. Korelasi Antar Peubah Model Log Ganda, Tahun 2008 Pearson Corrrelation Qd Px Pi Pl Ps Pa Pt Pia I S

Qd 1,00

Px 0.026

Pi 0.116

Pl -0.044

Ps -0.093

Pa 0.150

Pt -0.339

Pia 0.092

I 0.141

S 0.175

0.026 0.116 -0.044 -0.093 0.150 -0.339 0.092 0.141 0.175

1,000 -0.218 -0.171 0.178 -0.168 -0.106 -0.307 0.330 0.180

-0.218 1,000 0.004 0.006 0.029 -0.005 0.286 0.155 -0.078

-0.171 0.004 1,000 -0.084 0.034 0.408 -0.134 -0.128 -0.060

0.178 0.006 -0.084 1,000 0.065 -0.010 -0.071 0.210 0.100

-0.168 0.029 0.034 0.065 1,000 -0.003 0.003 -0.047 0.300

-0.106 -0.005 0.408 -0.010 -0.003 1,000 0.020 -0.120 -0.066

-0.307 0.286 -0.134 -0.071 0.003 0.020 1,000 -0.031 0.044

0.330 0.115 -0.128 0.210 -0.047 -0.120 -0.031 1,000 0.057

0.180 -0.078 -0.060 0.100 0.300 -0.066 0.044 0.057 1,000

Sumber : Data Sekunder diolah, 2008

Berdasarkan Tabel 24 dapat dilihat adanya hubungan diantara beberapa peubah walaupun diantaranya memiliki hubungan yang relatif lemah (r<0,5), jadi tidak terjadi multikolinearitas. Oleh karena itu peubah tersebut layak sebagai variabel yang dapat memprediksi permintaan Ikan Lele.

5.4.4.2 Model Persamaan Penduga Permintaan Ikan Lele Oleh Konsumen Rumah Tangga di Kecamtan Ciseeng Dalam Model Log Ganda Model fungsi permintaan konsumen rumah tangga terhadap Ikan Lele di Kecamatan Ciseeng Kabupaten Bogor diduga dengan menggunakan metode Ordinary Least Square (OLS) dengan menggunakan program SPSS 16 for Windows dan program Excel for Windows. Persamaan regresi model dugaan permintaan konsumen rumah tangga terhadap Ikan Lele di Kecamatan Ciseeng Kabupaten Bogor menggunakan sembilan peubah bebas yaitu harga Ikan Lele (Px), harga ikan air tawar jenis lain (Pi), harga ikan air laut (Pl), harga daging sapi (Ps), harga daging ayam (Pa), harga telur (Pt), harga ikan asin (Pia), pendapatan rumah tangga (I), dan selera (S). Tabel 25 menyajikan hasil regresi peubah bebas dengan bentuk model log ganda. Pada model log ganda dapat menjelaskan 20,9 persen total variasi permintaan Ikan Lele oleh rumah tangga di Kecamatan Ciseeng, sisanya sebesar 79,1 persen dijelaskan oleh peubah lain di luar model. Model dugaan permintaan

63

Ikan Lele oleh konsumen rumah tangga di Kecamatan Ciseeng dengan menggunakan program SPPS 16 for Windows adalah sebagai berikut: Model Log ganda ln Qd = 5,474 + 0,143lnPx +0,171lnPi +0,371lnPl - 0,73lnPs + 0,387lnPa - 1,235lnPt +0,202lnPia +0,168lnI +0, 197lnS R2 = 20,9 %

R2 (adj) = 6,6 %

F ratio = 1,466

DW = 1,736

Model yang diperoleh kemudian dievaluasi dengan kriteria ekonomi, statistik dan ekonometrik. Tabel 25. Koefisien Variabel-Variabel Model Dugaan Permintaan Ikan Lele oleh Konsumen Rumah Tangga di Kecamatan Ciseeng dengan Model Log Ganda, Tahun 2008 Peubah Konstanta Px Pi Pl Ps Pa Pt Pia I S R2 R2(adj) F Ratio DW

Koefisien

T hit 5.474 0.143 0.171 0.371 -0.731 0.387 -1.235 0.202 0.168 0.197

Sig 0.452 0.263 0.660 0.31 -1.010 0.917 -2.654 0.653 0.867 0.896

0.653 0.794 0.512 *0.356 **0.317 *0.364 ***0.011 0.517 *0.390 *0.374 0.209 0.066 1.466 1.736

Keterangan: *** nyata pada SK 95% ** nyata pada SK 65% * nyata pada SK 60% Sumber : Data Sekunder diolah, 2008

1). Kriteria Ekonomi Teori ekonomi yang digunakan untuk mengevaluasi model dugaan permintaan Ikan Lele oleh konsumen rumah tangga di Kecamatan Ciseeng adalah hukum permintaan, yaitu jumlah yang dibeli per unit akan semakin besar apabila harga semakin rendah, begitu pula sebaliknya, cateris paribus. Hal ini berarti terdapat hubungan yang negatif antara permintaan suatu komoditas dengan harganya.

64

Peubah harga Ikan Lele untuk model log ganda mempunyai tanda koefisien yang positif. Hal tersebut tidak sesuai dengan anggapan a priori, yang berarti meski pun semakin tinggi harga ikan lele di Kecamatan Ciseeng permintaan akan Ikan Lele tidak akan mengalami penurunan. Hal ini dikarenakan bahwa banyak konsumen rumah tangga yang membeli Ikan Lele dengan harga yang tidak sesuai dengan harga pasar karena biasanya rumah tangga mendapatkan Ikan Lele tersebut dengan cara memancing dan banyak konsumen rumah tangga yang memelihara Ikan Lele di kolam-kolam di dekat rumah jadi untuk mendapatkan ikan lele tersebut tinggal mengambil tanpa harus membeli, seperti penyataan salah satu responden konsumen Ikan Lele yang telah diuraikan sebelumnya. Banyaknya masyarakat Ciseeng yang membudidayakan Ikan Lele menjadikan Kecamatan Ciseeng sebagai sentra penghasil ikan lele di Kabupaten Bogor. Arti dari tanda postif pada peubah harga Ikan Lele menyatakan bahwa Ikan Lele merupakan barang inferior. Peubah harga ikan air tawar jenis lain, harga ikan laut, harga daging ayam, dan harga ikan asin sebagai produk substitusi bagi Ikan Lele pada model regresi linier bertanda positif, hal ini sesuai dengan anggapan a priori. Berarti dengan meningkatnya harga ikan air tawar jenis lain, harga ikan laut, harga daging ayam, dan harga ikan asin akan meningkatkan permintaan Ikan Lele oleh konsumen rumah tangga di Kecamatan Ciseeng. Peubah harga daging sapi, dan harga telur sebagai produk substitusi bagi Ikan Lele pada model log ganda bertanda negatif, hal ini tidak sesuai dengan anggapan a priori. Tanda negatif tersebut menunjukkan hubungan yang negatif antara harga daging sapi dan harga telur dengan permintaan Ikan Lele, yaitu jika terjadi kenaikan harga daging sapi maupun harga telur akan menyebabkan permintaan Ikan Lele menurun. Hal tersebut memperlihatkan bahwa kenaikan harga daging sapi maupun harga telur akan menyebabkan naiknya harga Ikan Lele. Berarti hubungan antara ikan daging sapi maupun telur dengan Ikan Lele adalah komoditas komplemen atau komoditas yang saling melengkapi, meski pun hal ini bertentangan dengan teori yang ada, namun inilah kenyataan yang terjadi di lapangan. Hal ini dapat dibuktikan dengan pernyataan salah seorang responden

65

yang menyatakan bahwa tidak semua anggota keluarganya suka Ikan Lele, seperti yang telah dituliskan di atas. Peubah pendapatan, dan peubah Selera bertanda positif. Tanda positif ini benar sesuai dengan a priori dan seperti yang diharapkan. Tanda positif tersebut menunjukkan hubungan yang positif antara pendapatan, dan selera terhadap permintaan Ikan Lele, yaitu jika terjadi peningkatan pendapatan, dan peningkatan selera konsumen terhadap Ikan Lele, maka permintaan terhadap Ikan Lele pun akan meningkat.

2) Kriteria Statistik Permintaan Ikan Lele oleh konsumen rumah tangga di Kecamatan Ciseeng dalam model log ganda selanjutnya dievaluasi bedasarkan kriteria statistik dan hasilnya dapat dilihat pada Tabel 25. Berdasarkan Tabel 25 hasil regresi diperoleh nilai R2 sebesar 0,209 atau 20,9%. Ini berarti bahwa 20,9% variasi permintaan Ikan Lele oleh konsumen rumah tangga di Kecamatan Ciseeng dapat diterangkan oleh kesembilan variabel yang digunakan yaitu harga Ikan Lele, harga ikan air tawar jenis lain, harga ikan air laut, harga daging sapi, harga daging ayam, harga telur, harga ikan asin, pendapatan total, dan selera. Sisanya sebesar 0,791 atau 79,1% diterangkan oleh faktor lain yang tidak digunakan dalam model. Angka sisa ini cukup besar dan perlu dikaji lebih lanjut mengenai faktor yang menjelaskan permintaan Ikan Lele yang tidak dimasukkan dalam model, misalnya seperti pendidikan, persentase pendapatan untuk konsumsi bahan makanan, barang substitusi Ikan Lele lainnya, karakteristik Lele yang lain, dan sebagainya. Angka R sebesar 0,066 menunjukkan angka korelasi yang cukup kuat antara permintaan dengan kesembilan variabel yang digunakan. Berdasarkan Tabel 25 juga dapat dilihat bahwa nilai Fhitung sebesar 1,466 dengan selang kepercayaan 95%. Hasil perhitungan tersebut menunjukkan bahwa kesembilan variabel independen yang diduga, secara serentak tidak berpengaruh nyata terhadap variabel dependen pada selang kepercayaan 95%. Pada Tabel 25 juga memperlihatkan hasil Thitung beserta tingkat signifikansinya untuk setiap variabel independen. Berdasarkan hasil pengujian

66

dengan uji statistik tstudent diketahui bahwa terdapat enam variabel dependen yang nyata mempengaruhi permintaan Ikan Lele secara parsial pada selang kepercayaan 60%, 65%, dan 95%, yaitu masing-masing variabel harga ikan laut, harga daging ayam, pendapatan, dan selera dengan tingkat signifikansi berturut-turut sebesar 0,356 0,364 0,390 dan 0,374 (nyata pada selang kepercayaan 60%), variabel harga daging sapi dengan tingkat signifikansi sebesar 0,317 (nyata pada selang kepercayaan 65%), dan variabel harga telur dengan tingkat signifikansi sebesar 0,011 (nyata pada selang kepercayaan 95%). Hal ini berarti variabel penjelas tersebut, yaitu harga ikan laut, harga daging sapi, harga daging sapi, harga daging ayam, harga telur, pendapatan dan selera secara nyata mempengaruhi permintaan secara individu. Lain halnya dengan variabel penjelas lainnya seperti harga Ikan Lele, harga ikan air tawar jenis lain, dan harga ikan asin yang tidak nyata mempengaruhi permintaan secara individu pada selang kepercayaan diatas 60%. 3) Kriteria Ekonometrik Model dugaan yang baik harus memenuhi kriteria ekonometrika meliputi pengujian terhadap asumsi-asumsi model linear klasik yaitu asumsi normalitas, homoskedastisitas, asumsi tidak adanya multikoliniearitas dan autokorelasi : a) Normalitas Cara mendeteksi normalitas yaitu dengan melihat grafik normal probability, yaitu dengan melihat penyebaran data (titik) pada sumbu diagonal. Pengujian normalitas untuk model log ganda permintaan Ikan Lele oleh konsumen rumah tangga di Kecamatan Ciseeng dapat dilihat pada Gambar 18 dan Gambar 19.

Histogram

Normal P-P Plot of Regression Standardized Residual

Dependent Variable: Y

Dependent Variable: Y 20

15

0.8

Frequency

Expected Cum Prob

1.0

0.6

10

0.4 5

0.2 Mean =5.83E-16 Std. Dev. =0.921 N =60

0 -2

0.0 0.0

0.2

0.4

0.6

0.8

1.0

-1

0

1

2

3

Regression Standardized Residual

Observed Cum Prob

Gambar 18. Grafik Normal Probability Log Ganda

Gambar 19. Histogram untuk Uji Normalitas Log Ganda

67

Berdasarkan Gambar 18, terlihat bahwa titik-titik menyebar di sekitar sumbu diagonal. Maka model log ganda permintaan Ikan Lele oleh konsumen rumah tangga di Kecamatan Ciseeng memenuhi asumsi normalitas. Dari Gambar 19 dapat dilihat kurva membentuk lonceng, ini bisa dikatakan nilai variabel-variabel yang dimasukkan ke dalam regresi terdistribusi normal, sehingga model log ganda layak untuk memprediksi permintaan Ikan Lele oleh konsumen rumah tangga di Kecamatan Ciseeng. 2) Homoskedasitas Model regresi yang baik adalah jika tidak terjadi heteroskedasitas. Untuk mendeteksi hal tersebut digunakan grafik Scatterplot. Jika data menyebar baik di atas maupun di bawah sumbu pada titik nol dengan tidak membentuk pola tertentu maka asumsi homosdekasitas terpenuhi. Grafik Scatterplot pada model log ganda permintaan Ikan Lele oleh konsumen rumaha tangga di Kecamatan Ciseeng dapat dilihat pada Gambar 20.

Scatterplot

Dependent Variable: Y

Regression Studentized Residual

3

2

1

0

-1

-2 -4

-2

0

2

4

Regression Standardized Predicted Value

Gambar 20. Grafik Scatterplot

Berdasarkan Gambar 20, terlihat titik-titik sebuah pola dua buah garis diagonal. Dengan demikian menunjukkan telah terjadi heteroskedasitas pada model log ganda, meskipun terdapat titik-titik yang menyebar di atas sumbu pada angka nol dengan tidak membentuk pola tertentu.

3) Multikolinearitas Model regresi yang baik yaitu tidak terdapat multikoliniearitas atau korelasi diantara variabel independen. Untuk mendeteksi multikolinieraritas dapat

68

dilihat pada Tabel 26 terlihat untuk ketujuh variabel independen. Nilai Tolerance setiap variabel mendekati 1 dan angka VIF setiap variabel berada di sekitar angka 1. Hal ini menunjukkan bahwa model regresi tidak terdapat multikoliniearitas dan layak dipakai untuk prediksi permintaan berdasarkan masukan variabel independennya.

Tabel 26. Koefisien Model Dugaan Permintaan Ikan Lele di Kecamatan Ciseeng dengan Model Log Ganda, Tahun 2008 Peubah Koefisien Konstanta 5.474 Px 0.143 Pi 0.171 Pl 0.371 Ps -0.731 Pa 0.387 Pt -1.235 Pia 0.202 I 0.168 S 0.197 R2 R Fhit DW Sumber : Data Primer Diolah, 2008

Collinearity Statistics Tolerance VIF 0.676 0.860 0.775 0.926 0.846 0.819 0.795 0.825 0.832

1.476 1.162 1.290 1.080 1.182 1.221 1.257 1.212 1.202 0.209 0.066 1.466 1.736

Cara lain untuk mendeteksi multikoliniearitas adalah melihat nilai korelasi antar variabel independennya, dimana nilai korelasi antar variabel independen harus lemah (di bawah 0,5). Pada Tabel 24 dapat dilihat angka korelasi antar koefisien variabel independen semuanya bernilai dibawah 0,5 hal ini menunjukkan kecendrungan bahwa model log ganda tidak terjadi multikoliniearitas dan layak dipakai untuk prediksi permintaan berdasarkan masukan variabel independennya. 4) Autokorelasi Selain bebas multikolinearitas, model regresi yang baik juga harus bebas autokorelasi. Cara mendeteksi autokorelasi yaitu dengan uji Durbin-Watson dengan patokan sebagai berikut : - Angka D-W di bawah -2 berarti ada autokorelasi -

Angka D-W antara -2 sampai +2 berarti tidak ada autokorelasi

69

-

Angka D-W di atas +2 berarti ada autokorelasi negatif Nilai Durbin-Watson model log ganda permintaan Ikan Lele oleh

konsumen rumah tangga di Kecamatan Ciseeng adalah 1,862 (Tabel 26), maka model semilog bentuk 2 permintaan Ikan Lele oleh konsumen rumah tangga di Kecamatan Ciseeng memenuhi asumsi ekonometrika yaitu tidak ada autokorelasi. Dari hasil evaluasi model log ganda menurut kriteria ekonometrik, model permintaan Ikan Lele oleh konsumen rumah tangga di Kecamatan Ciseeng asumsi ekonometrika yaitu normalitas, multikolinearitas dan tidak terdapat autokorelasi telah terpenuhi, namun terjadi heteroskedasitas.

5.5 Evaluasi Seluruh Model Berdasarkan seluruh analisis yang dilakukan secara ekonomi, statistik dan ekonometrika terhadap keempat model permintaan Ikan Lele oleh konsumen rumah tangga di Kecamatan Ciseeng, didapat sebuah model yang paling baik dilihat dari kriteia-kriteria tersebut. Selanjutnya, model tersebut akan dianalisis untuk mengetahui nilai elastisitas beberapa variabel dalam model tersebut. Secara ekonomi, model linier adalah model yang yang paling baik, karena memiliki tanda peubah paling banyak berdasarkan kesesuaian apriori dan yang diharapkan, sedangkan ketiga model lainnya memiliki tanda yang lebih sedikit dalam hal kesesuaian terhadap apriori dan yang diharapkan. Namun, ketidaksesuaian terhadap apriori beberapa tanda peubah barang substitusi yang seharusnya positif, tetapi kenyataan di lapangan adalah negatif tidak menjadi kendala, sebab tanda negatif yang berarti menyatakan produk tersebut adalah barang komplemen ikan lele didukung oleh pernyataan responden atau sesuai dengan yang terjadi di lapang. Berdasarkan analisis statistik yang dilihat dari nilai R2, Fhitung, dan Thitung model log ganda dianggap model terbaik dari ketiga model lainnya. Nilai R2 log ganda sebesar 0,209 atau 20,9%. Ini berarti bahwa 20,9% variasi permintaan Ikan Lele dapat diterangkan oleh kesembilan variabel yang digunakan, sedangkan sisanya sebesar 79,1% diterangkan oleh variabel lain. Fhitung log ganda sebesar 1.466 lebih kecil dari Fhitung model semilog 2 yaitu sebesar 1.838. Meskipun nilai R2 model log ganda sedikit lebih kecil dari model semilog 2 yaitu sebesar 0,249

70

atau 24,9%, dan Fhitung log ganda yang juga lebih kecil dari model semilog 2, tetapi model log ganda dianggap yang terbaik karena nilai Fhitung model log ganda berada pada selang kepercayaan 95% yang berarti kesembilan variabel independen yang diduga, secara serentak berpengaruh nyata pada selang kepercayaan 95% persen, sedangkan model semilog 2 memiliki nilai Fhitung yang berada pada selang kepercayaan 90%. Untuk nilai thit, model log ganda memilki variabel dengan taraf nyata atau signifikansi di atas 60% lebih banyak dari pada keempat model lainnya. Berdasarkan analisis secara ekonometrika, keempat model memiliki hasil yang sama telah memenuhi asumsi ekonometrika yaitu normalitas, , multikolinearitas, tidak terdapat autokolerasi, namun terjadi heteroskedasitas. Dari semua hasil analisis tersebut model log ganda merupakan model terbaik, yang selanjutnya akan dianalisis untuk mengetahui nilai elastisitas beberapa variabelnya. Berdasarkan penelitian sebelumnya yang dilakukan oleh Santoso H (2008) dengan judul “Model Permintaan Yellowfin Tuna Segar Indonesia di Pasar Jepang” yang juga menggunakan empat model, model terbaik yang kemudian dicari nilai elastisitasnya adalah model semilog 1. Pemilihan model terbaik pada penelitian Santoso H sedikit berbeda dengan yang dilakukan dalam penelitian ini. Dalam penelitian yang dilakukan oleh Santoso H, model tidak dievaluasi dengan semua kriteria. Pengevaluasian model hanya dilakukan dengan kriteria ekonomi dan statistik, kemudian langsung dipilih model terbaik berdasarkan kedua kriteria tersebut. Model terpilih yaitu model semilog 1 kemudian dianalisis berdasarkan kriteria ekonometrika. Dalam penelitian Model Permintaan Yellowfin Tuna Segar Indonesia di Pasar Jepang yang dilakukan oleh Santoso H (2008) ini, model semilog 1 terjadi multikolinearitas berbeda dengan penelitian analisis permintaan konsumen rumah tangga terhadap Ikan Lele di Kecamatan Ciseeng yang tidak terjadi multikolinearitas.

5.6 Analisis Elastisitas Konsep elastisitas digunakan untuk mengetahui kebijakan-kebijakan yang harus diambil oleh produsen untuk meningkatkan permintaan ikan lele oleh

71

konsumen rumah tangga di Kecamatan Ciseeng. Ukuran kepekaan konsumen (elastisitas) dapat digunakan untuk meramalkan efek perubahan variasi penjelas tersebut terhadap permintaan ikan lele oleh konsumen rumah tangga di Kecamatan Ciseeng. Berdasarkan analisis regresi linier data consideration dengan transformasi log-natural, model permintaan ikan lele oleh konsumen rumah tangga di Kecamatan Ciseeng yang terbentuk adalah sebagai berikut : Qd = 5,474. Px 0,143 . Pi 0,171. Pl 0,371. Ps -0,731. Pa 0,387. Pt-1,235. Pia 0,202. I 0,168. S0,197 Dengan demikian elastisitas harga, elastisitas pendapatan, serta elastisitas silangnya adalah koefisien dari masing-masing variabel tersebut. Tabel 27 memperlihatkan jenis-jenis elastisitas, besar dan sifat dari masing-masing elastisitas tersebut. Tabel 27. Elastisitas Harga, Elastisitas Pendapatan, dan Elastisitas Silang Tahun2008 Jenis Elastisitas

Nilai Elastisitas

Sifat Elastisitas 0,143 Inelastis (e<1)

Elastisitas harga (ikan Lele) 0,168 Inelastis (e<1) Elastisitas pendapatan Elastisitas Silang • Harga ikan air tawar lain • • • • •

Harga ikan air laut Harga daging sapi Harga daging ayam Harga telur Harga ikan asin

Inelastis (e<1) 0,171 0,371 -0,731 0,387 -1,235 0,202

Inelastis (e<1) Inelastis (e<1) Inelastis (e<1) Inelastis (e<1) Inelastis (e<1)

Sumber : Data Sekunder diolah,2008

Berdasarkan Tabel 27, diketahui elastisitas permintaan terhadap harga sebesar 0,143 dan bersifat inelastis (e<1). Inelastis berarti persentase perubahan jumlah ikan lele yang diminta oleh konsumen rumah tangga di Kecamatan Ciseeng lebih kecil dari persentase perubahan harga. Tanda positif pada nilai elastisitas harga menunjukkan bahwa ikan lele adalah bukan barang normal atau Ikan Lele merupakan barang inferior, yaitu jika terjadi kenaikan harga, maka permintaan ikan lele tidak mengalami penurunan, begitu juga sebaliknya.

72

Elastisitas harga sebesar 0,143 ini berarti apabila terjadi peningkatan harga ikan laut sebesar 1 persen, maka permintaan ikan lele akan cendrung tetap atau bahkan naik 1,43 persen. Dapat disimpulkan bahwa harga tidak menjadi kendala dalam permintaan ikan lele atau menjadi pertimbangan konsumen dalam memutuskan pembelian ikan lele. Karena biasanya rumah tangga di Kecamatan Ciseeng memiliki kolam ikan lele sendiri. Hal ini dirasa tidak wajar, namun ini lah kenyataan yang terjadi di lapangan. Banyaknya para konsumen Ikan Lele yang juga merupakan produsen Ikan Lele, atau paling tidak memiliki kolam Ikan sendiri yang memelihara Ikan Lele, atau mendapatkan Ikan Lele dengan cara memancing yang dengan demikian harganya pun berbeda bila membeli di pasar. Kenyataan ini diperkuat dengan beberapa pernyataan dari responden seperti telah dituliskan di atas. Berdasarkan penelitian sebelumnya yang dilakukan oleh Sudihastuti D (2008) dengan judul “ Analisis Permintaan Konsumen Rumah Tangga terhadap Ikan Laut Segar di Kecamatan Sukmajaya, Kota Depok, Jawa Barat” yang cukup relevan dengan penelitian ini, didapatkan nilai elastisitas harga Ikan laut segar bertanda negatif. Perbedaan nilai elastisitas yang didapat antara penelitian di Ciseeng dengan yang di Sukmajaya dapat disebabkan perbedaan komoditas yang diteliti dan perbedaan keadaan kondisi masyarkat di Depok dengan masyarakat di Ciseeng. Berdasarkan penelitian yang juga dilakukan sebelumnya oleh Santoso H (2008) dengan judul “Model Permintaan Yellowfin Tuna Segar Indonesia di Pasar Jepang” nilai elastisitas Elastisitas permintaan yellowfin segar terhadap harga adalah negatif sebesar 1,283 dan bersifat elastis. Hal ini menunjukkan bahwa peningkatan harga yellowfin segar sebesar 1 persen akan membuat permintaan impor yellowfin segar Indonesia oleh Jepang menurun sebesar 1,283 persen, begitu pula sebaliknya. Dalam sifat elastistasnya terjadi perbedaan antra penelitian di Ciseeng dan di Sukmajaya Depok dengan penelitian yang dilakukan oleh Santoso H (2008). Hal tersebut dikarenakan perbedaan komoditas yang diteliti dan perbedaan pangsa pasar antar komoditas di ketiga wilayah tersebut, untuk penelitian yang dilakukan oleh Santoso H pangsa pasar yellowfin segar adalah luar negeri (Jepang).

73

Tabel 27 juga menunjukkan elastisitas pendapatan sebesar 0,168. Ini berarti jika terjadi peningkatan pendapatan sebesar 1 persen, maka akan terjadi peningkatan jumlah yang diminta sebesar 1, 6 persen. Elastisitas pendapatan bersifat inelastis, maka persentase perubahan jumlah ikan lele yang diminta lebih kecil dari persentase perubahan pendapatan. Tanda positif pada nilai elastisitas pendapatan menunjukkan bahwa ikan lele sebenarnya merupakan barang normal, dimana jika terjadi kenaikan pendapatan, maka permintaan ikan lele pun akan meningkat, begitu pun sebaliknya. Tetapi karena kenaikannya sangat kecil yaitu bila kenaikan pendapatan sebesar 1 persen penambahan jumlah ikan lele yang diminta oleh konsumen hanya 0,16. menyebabkan barang atau Ikan Lele tersebut adalah produk inferior. Masyarakat di Kecamatan Ciseeng kebanyakan berasal dari golongan ekonomi menengah ke bawah, maka dengan adanya kenaikan harga Ikan Lele akan memberikan dampak yang sangat berarti bagi masyarakat di sana. Dampaknya adalah masyarakat akan mengurangi kuantitas pembelian Ikan Lele. Berdasarkan penelitian sebelumnya yang dilakukan oleh Sudihastuti D (2008) dengan judul “Analisis Permintaan Konsumen Rumah Tangga terhadap Ikan Laut Segar di Kecamatan Sukmajaya, Kota Depok, Jawa Barat” yang cukup relevan dengan penelitian ini, didapatkan nilai elastisitas pendapatan bertanda postitf. Hal ini sama-sama menunjukan bahwa harga berpengaruh terhadap pembelian komoditas tersebut dan membuktikan rata-rata masyarakat di kedua kecamatan tersebut adalah golongan ekonomi kebawah yang sangat berdampak pada kenaikan harga. Dalam penelitian yang dilakukan oleh Santoso H (2008) yang berjudul “Model Permintaan Yellowfin Tuna Segar Indonesia di Pasar Jepang” elastisitas pendapatan dilihat dari hsail pehitungan elastisitas GDP Jepang. Elastisitas permintaan yellowfin terhadap pendapatan adalah positif sebesar 0,002 dan bersifat inelastis. Hal ini menunjukkan bahwa peningkatan GDP Jepang sebesar 1 persen akan membuat permintaan impor yellowfin segar Indonesia oleh Jepang meningkat sebesar 0,002 persen. Dengan demikian yellowfin segar Indonesia bagi masyarakat Jepang merupakan barang normal. Terjadi kesamaan sifat elastisitas dari ketiga penelitian tersebut, yaitu inelastis dan tanda elastistas pendapatan pada ketiga penelitian tersebut bertanda positif yang

74

berarti sebenarnya komoditas pada masing-masing penelitian tersebut merupakan barang normal. Elastisitas silang dari harga ikan air tawar jenis lain, harga ikan laut, harga daging sapi, harga daging ayan, harga telur, dan harga ikan asin dapat dilihat pula dilihat pada Tabel 27. Dapat diketahui dari tabel elastisitas silang harga ikan tawar jenis lain adalah sebesar 0,171 artinya jika terjadi perubahan harga ikan tawar sebesar 10 persen maka akan diikuti perubahan permintaan ikan lele sebesar 1,71 persen. Elastisitas silang harga ikan air laut adalah sebesar 0,371 berarti jika terjadi perubahan harga ikan air laut sebesar 10 persen, maka akan diikuti perubahan permintaan ikan lele sebesar 3,71 persen. Elastisitas silang harga daging sapi adalah sebesar -0,731 artinya jika terjadi perubahan harga daging sapi sebesar 10 persen maka akan diikuti perubahan permintaan ikan lele sebesar 7,31 persen. Elastisitas silang harga daging ayam adalah sebesar 0,387 artinya jika terjadi perubahan harga daging ayam sebesar 10 persen, maka akan diikuti perubahan permintaan ikan lele sebesar 3,87. Elastisitas silang harga telur adalah sebesar -1,235 artinya jika terjadi perubahan harga telur sebesar 10 persen, maka akan diikuti perubahan permintaan ikan lele sebesar 12,35. Selanjutnya elastisitas silang harga ikan asin adalah sebesar 0,202 artinya jika terjadi perubahan harga daging ayam sebesar 10 persen, maka akan diikuti perubahan permintaan ikan lele sebesar 0,202. Dapat diketahui pula bahwa sifat elastisitas kelima variabel tersebut bersifat inelastis (e<1), berarti persentase perubahan permintaan ikan lele oleh konsumen rumah tangga di Kecamatan Ciseeng lebih kecil dari persentase perubahan harga ikan tawar jenis lain, harga ikan air laut, harga daging sapi, harga daging ayam, dan harga ikan asin. Sedangkan untuk sifat elastisitas variabel harga telur bersifat elastis (e>1) yang berarti persentase perubahan permintaan ikan lele oleh konsumen rumah tangga di Kecamatan Ciseeng lebih besar daripada persentase perubahan harga telur. Semua tanda elastisitas silang harga adalah postitif kecuali peubah harga daging sapi dan harga telur yang bertanda negatif. Hal ini menunjukkan bahwa ikan air tawar jenis lain, ikan air laut, daging ayam, dan ikan asin adalah komoditas substitusi atau barang yang saling menggantikan ikan lele karena diasumsikan mempunyai fungsi yang sama. Hal ini sesuai dengan a priori,

75

sedangkan daging sapi dan telur menunjukkan bahwa komoditas tersebut adalah barang komplemen atau barang yang saling melengkapi terhadap ikan lele. Hal ini bertentangan dengan a priori, namun inilah kenyataan yang terjadi di lapangan. Pernyataan salah seorang responden membuktikan melalui pernyataannya alasan mengapa daging sapi dan telur adalah barang komplementer bagi ikan lele. Responden menyatakan bahwa dalam keluarga responden tersebut jika menyajikan ikan laut segar sebagai menu pada suatu hari, maka harus menyajikan menu lain seperti daging sapi sebagai menu pelengkapnya atau telur karena tidak semua anggota keluarga menyukai ikan lele. Berdasarkan penelitian sebelumnya yang dilakukan oleh Sudihastuti D (2008) dengan judul “Analisis Permintaan Konsumen Rumah Tangga terhadap Ikan Laut Segar di Kecamatan Sukmajaya, Kota Depok, Jawa Barat” yang cukup relevan dengan penelitian ini, di dapatkan

beberapa nilai elastisitas silang

bertanda postitf. Keadaan ini sama denga yang terjadi di Kecamatan Ciseeng, yang berarti bahwa Pada variabel harga barang substitusi, kadang tidak sesuai dengan apriori, karena mungkin di pengaruhi oleh perbedaan tempat tempat tinggal atau letak geografis dimana konsumen berada atau mungkin juga dipengaruhi oleh perbedaan perilaku konsumen yang berbeda-beda. Dalam penelitian sebelumnya yang dilakukan oleh Santoso H (2008) dengan judul “Model Permintaan Yellowfin Tuna Segar Indonesia di Pasar Jepang” elastisitas silang dari komoditas Yellowfin Tuna Segar Indonesia di Pasar Jepang yaitu udang, tidak dimasukkan dalam perhitungan elastisitas, hal ini karena berdasarkan perhitungan peneliti Santoso H (2008), variabel bebas harga udang segar di pasar Jepang tidak nyata sehingga variabel bebas tersebut tidak dimasukkan dalam perhitungan elastisitas.

VI. KESIMPULAN DAN SARAN 6.1 Kesimpulan 1) Untuk model dugaan permintaan Ikan lele oleh konsumen rumah tangga di Kecamatan Ciseeng yang terbaik adalah dalam bentuk model log ganda. Dengan persamaan sebagai berikut: ln Qd = 5,474 + 0,143lnPx +0,171lnPi +0,371lnPl - 0,73lnPs + 0,387lnPa 1,235lnPt +0,202lnPia +0,168lnI +0, 197lnS 2) Faktor-faktor yang diduga mempengaruhi permintaan adalah harga ikan lele dan telah diuji berdasarkan uji-F harga Ikan Lele itu sendiri, harga ikan air tawar jenis lain, harga ikan air laut, harga daging sapi, harga daging ayam, harga telur dan harga ikan asin, pendapatan, dan selera. Berdasarkan uji-t terdapat enam variabel independen yang nyata mempengaruhi permintaan Ikan Lele dengan tingkat selang kepercayaan lebih dari sama denga 60% adalah harga ikan air laut (60%), harga daginga ayam (60%), pendapatan (60%), selera (60%), harga daging sapi (65%), dan harga telur (95%). 3) Elastisitas permintaan terhadap harga sebesar 0,14 dan elastisitas pendapatan sebesar 0,17. Elastisitas silang terdiri atas elastisitas harga ikan tawar jenis lain sebesar 0,17, elastisitas ikan laut sebesar 0,37, elastisitas harga daging sapi sebesar -0,73, elastisitas daging ayam sebesar 0, 38, elastisitas telur sebesar -1, 23, dan elastisitas ikan asin sebesar 0, 20 . Sifat elastisitas semuanya bersifat inelastis (e<1), kecuali harga telur bersifat elastis(e>1). 6.2 Saran 1) Perlu dilakukan penelitian yang lebih mendalam lagi, serta memasukkan

variabel-variabel penjelas atau faktor-faktor yang mempengaruhi permintaan lainnya ke dalam model permintaan dengan maksud untuk meningkatkan nilai R2 , karena dilihat dari koefisien determinasi (R2) hanya sebesar 0,209 atau 20,9%. Ini berarti bahwa ke sembilan variabel penjelas hanya 20,9% dapat menjelaskan model permintaan, sedangkan sisanya sebesar 79,1% diterangkan oleh faktor lain yang tidak dimasukkan dalam model. Faktorfaktor lain tersebut misalnya seperti pendidikan, persentase pendapatan untuk konsumsi bahan makanan, barang substitusi ikan lele lainnya, perlunya

77

pembedaan konsumen yang membeli ikan lele di pasar, dengan yang mendapatkannya melalui proses pemancingan di kolam pemancingan, karena harganya pun pasti berbeda. Dalam pengolahan data agar di bedakan jenis ikan yang bernilai ekonomis tinggi dengan jenis ikan yang bernilai ekonomis rendah dalam setiap jenisnya. 2) Perlu dilakukan penelitian penelitian mengenai analisa permintaan ikan air tawar jenis lain seperti patin atau mas, juga ikan air laut sebagai pembanding dari penelitian ini.

77

DAFTAR PUSTAKA Boediono. 2000. Ekonomi Mikro Seri Sinopsis Pengantar Ilmu Ekonomi No. II Ed ke-2. Yogyakarta. Fakultas Ekonomi, Universitas Gadjah Mada. [DKP]. Departemen Kelautan dan Perikanan. 2003. Ayo makan ikan. Artikel. http://www.dkp.go.id/content.php?c=1866 [31 Desember 2007] Engel JF, DB Roger, dan WM Paul. 1994. Perilaku Konsumen. Jilid I dan II. Ed ke-6. FX Budiyanto. Penerjemah. Jakarta : Binarupa Aksara. Terjemahan dari Consumer Behavior 6th E. 423 hal. Fauzi A. 2001. Prinsip-prinsip Penelitian Sosial Ekonomi : Panduan Singkat. Bogor : IPB, Jurusan Sosial Ekonomi Perikanan dan Kelautan IPB. 28 hal. Gujarati D. 1997. Ekonometrika Dasar. Zain S. Penerjemah. Jakarta : Penerbit Erlangga. Terjemahan dari Basics Econometrics. Kotler P. 2003. Manajemen Pemasaran. Jilid 1. Ed ke-11. Benyamin M. Penerjemah. Jakarta : Erlangga. Terjemahan dari Marketing Manajemen 11th ed. 422 hal . 2005. Manajemen Pemasaran Ed ke-11. Benyamin M. Penerjemah. Jakarta : Erlangga. Terjemahan dari Marketing Manajemen 11th ed. 407 hal. Koutsoyiannis. A. 1997. Theory of Econometrics: An Introductory Exposition of Econometric Methods. Second Edition. New York. Barners and Noble. 681 hal. Lancaster K J. 1996. “A New Approach to Consumer Theory” Journal of Political Economy 74 : 132 – 157. Levin J, JA Fox. 1997. Elementary Statistics In Social Research. Seventh Edition. USA. Longman. Lipsey RG, PN Courant, DD Purvis, dan PO Steiner. 1995. Ekonomi Mikro. Wasana AJ, Kibrandoko. Penerjemah. Jakarta : Binarupa Aksara. Terjemahan dari Economics 10th Ed. 345 hal. Mankiw NG. 2000. Pengantar Ekonomi Jilid 1. Jakarta. Erlangga.

Meiners RE, RLR Maller. 1997. Teori Ekonomi Intermediete. Jakarta. Erlangga.

Nazir M. 1988. Metode Penelitian. Jakarta. Ghalia Indonesia. 622 hal.

79

Nicholson W. 2002. Mikroekonomi Intermediate dan Aplikasinya. Mahendra IB dan A Aziz. Penerjemah. Jakarta : Erlangga. Terjemahan dari Intermediate Microeconomics. Putong S. 2003. Pengantar Ekonomi Mikro dan Makro, Ed ke-2. Jakarta. Ghalia Indonesia. Santoso, H. 2008. Model Permintaan Yellowfin Tuna Segar Indonesia di Pasar Jepang. [Skripsi]. Bogor: Departemen Sosial Ekonomi Perikanan. Fakultas Perikanan dan Ilmu Kelautan. Institut Pertanian Bogor. Santoso S. 2000. Buku Latihan SPSS Statistik Parametrik. Jakarta. PT. Elektromedia Komputindo. Soetomo M. 2000. Teknik Budidaya Ikan Lele Dumbo. Bandung. Sinar Baru Algesindo Offset. Sudarsono S. 1990. Pengantar Ekonomi Mikro. Ed ke-5. Jakarta. LP3S. Sudihastuti, Dyah. 2008. Analisis Permintaan Konsumen Rumah Tangga Terhadap Ikan Laut Segar di Pasar Kecamatan Sukmajaya, Kota Depok, Jawa Barat. [Skripsi]. Bogor: Departemen Sosial Ekonomi Perikanan. Fakultas Perikanan dan Ilmu Kelautan. Institut Pertanian Bogor.Jurusan Sosek Perikanan. FPIK. IPB. Sukirno S. 2002. Pengantar Teori Mikroekonomi. Ed ke-3. Jakarta. PT Raja Grafindo Persada. 101-111. Wulandari, S. 1997. Analisis Permintaan Konsumen Terhadap Ikan Laut Segar di Pasar Swalayan Hero Jakarta (Studi Kasus di Hero Cabang Gatot Subroto dan Hero Cabang Kalibata). [Skripsi]. Bogor: Departemen Sosial Ekonomi Perikanan. Fakultas Perikanan dan Ilmu Kelautan. Institut Pertanian Bogor.Jurusan Sosek Perikanan. FPIK. IPB.

79

Lampiran 1. Peta Kecamatan Ciseeng

Sumber : Data Monografi Kecamatan Ciseeng Tahun 2006

Lampiran 2. Karakteristik Responden di Kecamatan Ciseeng, Kabupaten Bogor Nama Suhaeni

Desa Parigi Mekar

Umur (Thn) 36

2 3 4 5 6 7 8 9 10 11

Ansoriyah Misnan Ibu Yati Bp. Mi'an Mentih Iyoh Maemunah Madyani Ican Junaedi

Parigi Mekar Parigi Mekar Parigi Mekar Parigi Mekar Parigi Mekar Putut Nutug Putut Nutug Putut Nutug Putut Nutug Putut Nutug

24 39 27 70 33 34 41 28 34 47

P L P L P P P P L L

12

Kasan

Putut Nutug

63

L

13 14

Milah Marsah

Ciseeng Ciseeng

29 32

P P

15

Atit

Ciseeng

45

P

16

Marsanih

Ciseeng

25

L

17

Wati

Ciseeng

25

P

18 19 20

Yani Siti Apih

Ciseeng Babakan Babakan

30 30 29

P P L

SD Tidak Tamat SD Diploma SD

21

Khotimah

Babakan

35

P

SD

22 23 24

Tamah Bp Awang Bp Deden

Babakan Babakan Babakan

29 37 27

P L L

SMU SD SMU

25 26 27

Ibu Titi Ibu Haeriah Ibu Badriah

Cihoe Cihoe Cihoe

45 40 32

P P P

SD SLTP SMU

28 29 30 31

Ibu Eem Bpk Eko BpK Sadeli Bpk Pai

Cihoe Cihoe Cihoe Cibentang

53 37 42 27

P L L L

SD SMU SMU SLTP

32

Bpk Darja

Cibentang

39

L

SLTP

33 34

Bpk Asi Khoirunisa

Cibentang Cibentang

42 19

L P

SD SMU

No. 1

Jenis Kelamin P

Pendidikan Diploma SMU SLTP SD SD SD SD SLTP SMU SD SD Tidak Tamat SD Diploma SMU Tidak Tamat SD Tidak Tamat SD

Pekerjaan PNS Ibu Rumah Tangga Pedagang Buruh Petani Petani Petani Petani Peg. Swasta Pedagang Petani Buruh Pedagang warung Karyawan Ibu Rumah Tangga Buruh Ibu Rumah Tangga Ibu Rumah Tangga Karyawan Buruh Ibu Rumah Tangga Ibu Rumah Tangga Petani Pedagang Ibu Rumah Tangga Buruh Buruh Ibu Rumah Tangga Petani Karyawan Buruh Pedagang warung Ibu Rumah Tangga Karyawan

Pendapatan (Rp/bln) 2000000 100000 1000000 1000000 650000 700000 600000 800000 1200000 1000000 800000 450000 1500000 1000000 800000 200000 700000 1000000 1000000 450000 500000 700000 850000 750000 500000 600000 1000000 600000 750000 900000 450000 1000000 650000 2000000

83

Lanjutan Laampiran 2 No.

Nama

35 36

Bpk Adung Nana

37

Idris

38

Esi

39

Awan

40 41

Ibrohim Wahyu Hidayat

42

Niawati

43

Nuryanah

44

Sadil

45

Haryati

46

Ciah

47

Mulyanah

48 49 50 51

Marioh Uti Maryati Kulsum Sanip

52 53

Desa

Umur (Thn)

Jenis Kelamin

Pendidikan

54 30

L L

SD SMU

50

L

SD

56

P

SD

Pekerjaan Pedagang warung Karyawan Pedagang warung Ibu Rumah Tangga

33

L

SD

Buruh

600000

34

L

SMU

Buruh

500000

26

L

Diploma

Karyawan

27

P

Buruh

500000

35

P

SD Tidak Tamat SD

500000

35

L

SD

Buruh Pedagang warung

30

P

SD

Petani

31

P

SLTP

Karyawan

1500000

Petani Ibu Rumah Tangga Buruh Buruh Buruh Ibu Rumah Tangga Buruh

500000

Cibentang Cibentang Cibentang Muara Cibentang Muara Cibentang Muara Cibentang Muara Cibentang Muara Cibentang Muara Cibentang Udik Cibentang Udik Cibentang Udik Cibentang Udik Cibentang Udik Cibentang Udik Karikil Karikil Karikil

25

P

SLTP

32 29 44 38

P P P L

Karikil Karikil

50 32

P L

54

Ibu Heni Sirad H. Mista Hudin

SD SD SD SD Tidak Tamat SD SD

Karikil

56

L

SLTP

55 56

Yati Bp. Mi'an

Kuripan Kuripan

37 70

P L

57 58

Kasan Bpk Pai

Kuripan Kuripan

63 27

L L

SD SD Tidak Tamat SD SLTP

59

Ibu Titi

Kuripan

45

P

SD

60

Idris

Kuripan

50

L

SD

Sumber : Data Primer diolah, 2008

Pendapatan (Rp/bln) 1000000 1000000 1000000 1500000

1500000

1500000 700000

700000 300000 500000 600000 1300000 650000

Pedagang Ibu Rumah Tangga Buruh

1000000

Buruh Buruh Ibu Rumah Tangga Pedagang warung

450000 450000

2500000 650000

500000 1000000

Lampiran 3. Variabel Dependent dan Independent Penduga Model Permintaan Model Linier Qd 2 1 1 1 1 1 1 1 1 1 5 1 3 1 1 1 1 2 2 1 8 2 1 5 10 2 4 3 1 4 2 4 4 2 1 10 5 1 1 1 5 1

Px 15000 7000 8000 7000 9000 5000 7000 10000 10000 7000 6000 8000 7000 9000 8000 10000 8000 7000 7000 10000 7000 7000 9000 7500 7000 6500 8000 7500 8000 7000 7000 7000 7000 10000 8000 10000 8000 7000 8000 7500 7000 7000

Pi 15666.67 7000 15500 8000 10500 10000 14000 7000 7000 11875 12000 7000 8000 17833.33 11000 5000 13000 8000 11000 6000 15500 11000 12000 15000 14000 18000 13000 12000 16333.33 14000 19000 20000 17000 17000 17000 8000 16000 14000 15000 10000 4000 15000

Pl 13500 12000 23000 13000 22500 14000 12000 14000 12000 8500 20000 25000 13000 14000 12000 10000 12000 10000 10000 20000 14000 15000 12000 10500 13500 10000 14000 11500 12000 21333.33 13000 16000 13666.67 12000 10000 16000 16000 14000 12000 12000 16000 18000

Ps 55000 50000 55000 55000 50000 45000 52000 50000 50000 50000 50000 50000 50000 50000 60000 60000 48000 60000 50000 48000 35000 50000 60000 55000 45000 65000 30000 60000 60000 60000 60000 60000 45000 60000 48000 60000 60000 55000 60000 50000 60000 60000

Pa 17000 25000 30000 12000 18500 15000 8000 20000 18000 30000 21000 18000 18000 12000 15000 21000 15000 25000 25000 15000 19000 18000 24000 23000 20000 20000 24000 23000 24000 24000 24000 25000 24000 12000 24000 22000 19000 23000 18000 24000 23000 20000

Pt 12000 11000 24000 12000 11000 11000 13000 12000 12000 10000 11500 24000 11000 12000 12000 11000 10000 10500 13000 12500 10000 11000 13000 10000 11000 12000 11000 11500 12000 12500 12500 12000 12000 11000 9000 4500 12000 12000 11500 13000 13000 10500

Pia 8000 10000 10000 16000 12000 12000 15000 20000 16000 15000 10000 12000 15000 24000 10000 12000 10000 23000 12000 10000 10000 23000 10000 16000 25000 23000 18000 10000 20000 15000 12000 20000 20000 10000 10000 12000 23000 25000 22000 24000 9000 9000

I 2000000 100000 1000000 1000000 650000 700000 600000 800000 1200000 1000000 800000 450000 1500000 1000000 800000 200000 700000 1000000 1000000 450000 500000 700000 850000 750000 500000 600000 1000000 600000 750000 900000 450000 1000000 650000 2000000 1000000 1000000 1000000 1500000 600000 500000 1500000 500000

S 3 3 3 1 1 1 1 3 3 1 1 1 3 1 3 3 3 2 3 3 3 3 3 3 3 3 3 3 3 3 2 3 3 3 1 3 1 3 2 3 3 1

85

Lanjutan lampiran 3. Qd 1 1 1 1 1 1 1 1 1 1 5 2 4 1 1 2 10 5

Px 8000 7000 7000 7000 6000 6000 6000 7000 7000 7000 8500 7500 20000 9000 8000 7000 7000 8000

Pi 14000 15000 15000 7000 15000 12500 15000 8000 5000 15000 6500 14000 7000 10500 7000 19000 14000 16000

Pl 16000 15500 12000 16000 20000 15000 20000 18000 12000 13000 12000 25000 8500 22500 25000 15000 13500 16000

Ps 50000 50000 52000 60000 55000 50000 52000 45000 52000 55000 50000 60000 62000 50000 50000 50000 48000 60000

Pa 21000 18000 20000 24000 23000 23000 19000 21000 21000 30000 23000 30000 19000 18500 20000 24000 20000 19000

Pt 12000 12000 12000 12000 12500 10000 14000 12000 10000 12000 11000 11000 10000 11000 24000 12500 11000 12000

Pia 10000 15000 15000 12000 16000 10500 18000 15000 12000 20000 9000 9000 8000 12000 12000 15000 25000 15000

I 500000 1500000 700000 1500000 500000 700000 300000 500000 600000 1300000 650000 1000000 2500000 650000 450000 450000 500000 1000000

S 1 1 1 3 3 3 3 2 2 3 1 3 3 3 2 2 2 2

Model Semilog 1 Qd 0.693147 0 0 0 0 0 0 0 0 0 1.609438 0 1.098612 0 0 0 0 0.693147 0.693147 0 2.079442 0.693147 0

Px 15000 7000 8000 7000 9000 5000 7000 10000 10000 7000 6000 8000 7000 9000 8000 10000 8000 7000 7000 10000 7000 7000 9000

Pi 15666.67 7000 15500 8000 10500 10000 14000 7000 7000 11875 12000 7000 8000 17833.33 11000 5000 13000 8000 11000 6000 15500 11000 12000

Pl 13500 12000 23000 13000 22500 14000 12000 14000 12000 8500 20000 25000 13000 14000 12000 10000 12000 10000 10000 20000 14000 15000 12000

Ps 55000 50000 55000 55000 50000 45000 52000 50000 50000 50000 50000 50000 50000 50000 60000 60000 48000 60000 50000 48000 35000 50000 60000

Pa 17000 25000 30000 12000 18500 15000 8000 20000 18000 30000 21000 18000 18000 12000 15000 21000 15000 25000 25000 15000 19000 18000 24000

Pt 12000 11000 24000 12000 11000 11000 13000 12000 12000 10000 11500 24000 11000 12000 12000 11000 10000 10500 13000 12500 10000 11000 13000

Pia 8000 10000 10000 16000 12000 12000 15000 20000 16000 15000 10000 12000 15000 24000 10000 12000 10000 23000 12000 10000 10000 23000 10000

I 2000000 100000 1000000 1000000 650000 700000 600000 800000 1200000 1000000 800000 450000 1500000 1000000 800000 200000 700000 1000000 1000000 450000 500000 700000 850000

S 3 3 3 1 1 1 1 3 3 1 1 1 3 1 3 3 3 2 3 3 3 3 3

86

Lanjutan lampiran 3. Qd 1.609438 2.302585 0.693147 1.386294 1.098612 0 1.386294 0.693147 1.386294 1.386294 0.693147 0 2.302585 1.609438 0 0 0 1.609438 0 0 0 0 0 0 0 0 0 0 0 1.609438 0.693147 1.386294 0 0 0.693147 2.302585 1.609438

Px 7500 7000 6500 8000 7500 8000 7000 7000 7000 7000 10000 8000 10000 8000 7000 8000 7500 7000 7000 8000 7000 7000 7000 6000 6000 6000 7000 7000 7000 8500 7500 20000 9000 8000 7000 7000 8000

Pi

Pl

15000 14000 18000 13000 12000 16333.33 14000 19000 20000 17000 17000 17000 8000 16000 14000 15000 10000 4000 15000 14000 15000 15000 7000 15000 12500 15000 8000 5000 15000 6500 14000 7000 10500 7000 19000 14000 16000

10500 13500 10000 14000 11500 12000 21333.33 13000 16000 13666.67 12000 10000 16000 16000 14000 12000 12000 16000 18000 16000 15500 12000 16000 20000 15000 20000 18000 12000 13000 12000 25000 8500 22500 25000 15000 13500 16000

Ps 55000 45000 65000 30000 60000 60000 60000 60000 60000 45000 60000 48000 60000 60000 55000 60000 50000 60000 60000 50000 50000 52000 60000 55000 50000 52000 45000 52000 55000 50000 60000 62000 50000 50000 50000 48000 60000

Pa 23000 20000 20000 24000 23000 24000 24000 24000 25000 24000 12000 24000 22000 19000 23000 18000 24000 23000 20000 21000 18000 20000 24000 23000 23000 19000 21000 21000 30000 23000 30000 19000 18500 20000 24000 20000 19000

Pt 10000 11000 12000 11000 11500 12000 12500 12500 12000 12000 11000 9000 4500 12000 12000 11500 13000 13000 10500 12000 12000 12000 12000 12500 10000 14000 12000 10000 12000 11000 11000 10000 11000 24000 12500 11000 12000

Pia 16000 25000 23000 18000 10000 20000 15000 12000 20000 20000 10000 10000 12000 23000 25000 22000 24000 9000 9000 10000 15000 15000 12000 16000 10500 18000 15000 12000 20000 9000 9000 8000 12000 12000 15000 25000 15000

I

S

750000 500000 600000 1000000 600000 750000 900000 450000 1000000 650000 2000000 1000000 1000000 1000000 1500000 600000 500000 1500000 500000 500000 1500000 700000 1500000 500000 700000 300000 500000 600000 1300000 650000 1000000 2500000 650000 450000 450000 500000 1000000

3 3 3 3 3 3 3 2 3 3 3 1 3 1 3 2 3 3 1 1 1 1 3 3 3 3 2 2 3 1 3 3 3 2 2 2 2

Model Semilog 2 Qd 2 1 1 1

Px 9.615805 8.853665 8.987197 8.853665

Pi 9.659291 8.853665 9.648595 8.987197

Pl 9.510445 9.392662 10.04325 9.472705

Ps 10.91509 10.81978 10.91509 10.91509

Pa 9.740969 10.12663 10.30895 9.392662

Pt 9.392662 9.305651 10.08581 9.392662

Pia 8.987197 9.21034 9.21034 9.680344

I 14.50866 11.51293 13.81551 13.81551

S 1.098612 1.098612 1.098612 0

87

Lanjutan lampiran 3. 1 1 1 1 1 1 5 1 3 1 1 1 1 2 2 1 8 2 1 5 10 2 4 3 1 4 2 4 4 2 1 10 5 1 1 1 5 1 1 1 1 1 1 1 1

9.10498 8.517193 8.853665 9.21034 9.21034 8.853665 8.699515 8.987197 8.853665 9.10498 8.987197 9.21034 8.987197 8.853665 8.853665 9.21034 8.853665 8.853665 9.10498 8.922658 8.853665 8.779557 8.987197 8.922658 8.987197 8.853665 8.853665 8.853665 8.853665 9.21034 8.987197 9.21034 8.987197 8.853665 8.987197 8.922658 8.853665 8.853665 8.987197 8.853665 8.853665 8.853665 8.699515 8.699515 8.699515

9.259131 9.21034 9.546813 8.853665 8.853665 9.382191 9.392662 8.853665 8.987197 9.788824 9.305651 8.517193 9.472705 8.987197 9.305651 8.699515 9.648595 9.305651 9.392662 9.615805 9.546813 9.798127 9.472705 9.392662 9.700963 9.546813 9.852194 9.903488 9.740969 9.740969 9.740969 8.987197 9.680344 9.546813 9.615805 9.21034 8.29405 9.615805 9.546813 9.615805 9.615805 8.853665 9.615805 9.433484 9.615805

10.02127 9.546813 9.392662 9.546813 9.392662 9.047821 9.903488 10.12663 9.472705 9.546813 9.392662 9.21034 9.392662 9.21034 9.21034 9.903488 9.546813 9.615805 9.392662 9.259131 9.510445 9.21034 9.546813 9.350102 9.392662 9.968026 9.472705 9.680344 9.522715 9.392662 9.21034 9.680344 9.680344 9.546813 9.392662 9.392662 9.680344 9.798127 9.680344 9.648595 9.392662 9.680344 9.903488 9.615805 9.903488

10.81978 10.71442 10.859 10.81978 10.81978 10.81978 10.81978 10.81978 10.81978 10.81978 11.0021 11.0021 10.77896 11.0021 10.81978 10.77896 10.4631 10.81978 11.0021 10.91509 10.71442 11.08214 10.30895 11.0021 11.0021 11.0021 11.0021 11.0021 10.71442 11.0021 10.77896 11.0021 11.0021 10.91509 11.0021 10.81978 11.0021 11.0021 10.81978 10.81978 10.859 11.0021 10.91509 10.81978 10.859

9.825526 9.615805 8.987197 9.903488 9.798127 10.30895 9.952278 9.798127 9.798127 9.392662 9.615805 9.952278 9.615805 10.12663 10.12663 9.615805 9.852194 9.798127 10.08581 10.04325 9.903488 9.903488 10.08581 10.04325 10.08581 10.08581 10.08581 10.12663 10.08581 9.392662 10.08581 9.998798 9.852194 10.04325 9.798127 10.08581 10.04325 9.903488 9.952278 9.798127 9.903488 10.08581 10.04325 10.04325 9.852194

9.305651 9.305651 9.472705 9.392662 9.392662 9.21034 9.350102 10.08581 9.305651 9.392662 9.392662 9.305651 9.21034 9.259131 9.472705 9.433484 9.21034 9.305651 9.472705 9.21034 9.305651 9.392662 9.305651 9.350102 9.392662 9.433484 9.433484 9.392662 9.392662 9.305651 9.10498 8.411833 9.392662 9.392662 9.350102 9.472705 9.472705 9.259131 9.392662 9.392662 9.392662 9.392662 9.433484 9.21034 9.546813

9.392662 9.392662 9.615805 9.903488 9.680344 9.615805 9.21034 9.392662 9.615805 10.08581 9.21034 9.392662 9.21034 10.04325 9.392662 9.21034 9.21034 10.04325 9.21034 9.680344 10.12663 10.04325 9.798127 9.21034 9.903488 9.615805 9.392662 9.903488 9.903488 9.21034 9.21034 9.392662 10.04325 10.12663 9.998798 10.08581 9.10498 9.10498 9.21034 9.615805 9.615805 9.392662 9.680344 9.259131 9.798127

13.38473 13.45884 13.30468 13.59237 13.99783 13.81551 13.59237 13.017 14.22098 13.81551 13.59237 12.20607 13.45884 13.81551 13.81551 13.017 13.12236 13.45884 13.65299 13.52783 13.12236 13.30468 13.81551 13.30468 13.52783 13.71015 13.017 13.81551 13.38473 14.50866 13.81551 13.81551 13.81551 14.22098 13.30468 13.12236 14.22098 13.12236 13.12236 14.22098 13.45884 14.22098 13.12236 13.45884 12.61154

0 0 0 1.098612 1.098612 0 0 0 1.098612 0 1.098612 1.098612 1.098612 0.693147 1.098612 1.098612 1.098612 1.098612 1.098612 1.098612 1.098612 1.098612 1.098612 1.098612 1.098612 1.098612 0.693147 1.098612 1.098612 1.098612 0 1.098612 0 1.098612 0.693147 1.098612 1.098612 0 0 0 0 1.098612 1.098612 1.098612 1.098612

88

Lanjutan lampiran 3. Qd 1 1 1 5 2 4 1 1 2 10 5

Px 8.853665 8.853665 8.853665 9.047821 8.922658 9.903488 9.10498 8.987197 8.853665 8.853665 8.987197

Pi 8.987197 8.517193 9.615805 8.779557 9.546813 8.853665 9.259131 8.853665 9.852194 9.546813 9.680344

Pl 9.798127 9.392662 9.472705 9.392662 10.12663 9.047821 10.02127 10.12663 9.615805 9.510445 9.680344

Ps 10.71442 10.859 10.91509 10.81978 11.0021 11.03489 10.81978 10.81978 10.81978 10.77896 11.0021

Pa 9.952278 9.952278 10.30895 10.04325 10.30895 9.852194 9.825526 9.903488 10.08581 9.903488 9.852194

Pt 9.392662 9.21034 9.392662 9.305651 9.305651 9.21034 9.305651 10.08581 9.433484 9.305651 9.392662

Pia 9.615805 9.392662 9.903488 9.10498 9.10498 8.987197 9.392662 9.392662 9.615805 10.12663 9.615805

I 13.12236 13.30468 14.07787 13.38473 13.81551 14.7318 13.38473 13.017 13.017 13.12236 13.81551

S 0.693147 0.693147 1.098612 0 1.098612 1.098612 1.098612 0.693147 0.693147 0.693147 0.693147

Model Log Ganda Qd 0.693147 0 0 0 0 0 0 0 0 0 1.609438 0 1.098612 0 0 0 0 0.693147 0.693147 0 2.079442 0.693147 0 1.609438 2.302585 0.693147 1.386294 1.098612 0

Px 9.615805 8.853665 8.987197 8.853665 9.10498 8.517193 8.853665 9.21034 9.21034 8.853665 8.699515 8.987197 8.853665 9.10498 8.987197 9.21034 8.987197 8.853665 8.853665 9.21034 8.853665 8.853665 9.10498 8.922658 8.853665 8.779557 8.987197 8.922658 8.987197

Pi 9.659291 8.853665 9.648595 8.987197 9.259131 9.21034 9.546813 8.853665 8.853665 9.382191 9.392662 8.853665 8.987197 9.788824 9.305651 8.517193 9.472705 8.987197 9.305651 8.699515 9.648595 9.305651 9.392662 9.615805 9.546813 9.798127 9.472705 9.392662 9.700963

Pl 9.510445 9.392662 10.04325 9.472705 10.02127 9.546813 9.392662 9.546813 9.392662 9.047821 9.903488 10.12663 9.472705 9.546813 9.392662 9.21034 9.392662 9.21034 9.21034 9.903488 9.546813 9.615805 9.392662 9.259131 9.510445 9.21034 9.546813 9.350102 9.392662

Ps 10.91509 10.81978 10.91509 10.91509 10.81978 10.71442 10.859 10.81978 10.81978 10.81978 10.81978 10.81978 10.81978 10.81978 11.0021 11.0021 10.77896 11.0021 10.81978 10.77896 10.4631 10.81978 11.0021 10.91509 10.71442 11.08214 10.30895 11.0021 11.0021

Pa 9.740969 10.12663 10.30895 9.392662 9.825526 9.615805 8.987197 9.903488 9.798127 10.30895 9.952278 9.798127 9.798127 9.392662 9.615805 9.952278 9.615805 10.12663 10.12663 9.615805 9.852194 9.798127 10.08581 10.04325 9.903488 9.903488 10.08581 10.04325 10.08581

Pt 9.392662 9.305651 10.08581 9.392662 9.305651 9.305651 9.472705 9.392662 9.392662 9.21034 9.350102 10.08581 9.305651 9.392662 9.392662 9.305651 9.21034 9.259131 9.472705 9.433484 9.21034 9.305651 9.472705 9.21034 9.305651 9.392662 9.305651 9.350102 9.392662

Pia 8.987197 9.21034 9.21034 9.680344 9.392662 9.392662 9.615805 9.903488 9.680344 9.615805 9.21034 9.392662 9.615805 10.08581 9.21034 9.392662 9.21034 10.04325 9.392662 9.21034 9.21034 10.04325 9.21034 9.680344 10.12663 10.04325 9.798127 9.21034 9.903488

I 14.50866 11.51293 13.81551 13.81551 13.38473 13.45884 13.30468 13.59237 13.99783 13.81551 13.59237 13.017 14.22098 13.81551 13.59237 12.20607 13.45884 13.81551 13.81551 13.017 13.12236 13.45884 13.65299 13.52783 13.12236 13.30468 13.81551 13.30468 13.52783

S 1.098612 1.098612 1.098612 0 0 0 0 1.098612 1.098612 0 0 0 1.098612 0 1.098612 1.098612 1.098612 0.693147 1.098612 1.098612 1.098612 1.098612 1.098612 1.098612 1.098612 1.098612 1.098612 1.098612 1.098612

89

Lanjutan lampiran 3. Qd 1.386294 0.693147 1.386294 1.386294 0.693147 0 2.302585 1.609438 0 0 0 1.609438 0 0 0 0 0 0 0 0 0 0 0 1.609438 0.693147 1.386294 0 0 0.693147 2.302585 1.609438

Px 8.853665 8.853665 8.853665 8.853665 9.21034 8.987197 9.21034 8.987197 8.853665 8.987197 8.922658 8.853665 8.853665 8.987197 8.853665 8.853665 8.853665 8.699515 8.699515 8.699515 8.853665 8.853665 8.853665 9.047821 8.922658 9.903488 9.10498 8.987197 8.853665 8.853665 8.987197

Pi 9.546813 9.852194 9.903488 9.740969 9.740969 9.740969 8.987197 9.680344 9.546813 9.615805 9.21034 8.29405 9.615805 9.546813 9.615805 9.615805 8.853665 9.615805 9.433484 9.615805 8.987197 8.517193 9.615805 8.779557 9.546813 8.853665 9.259131 8.853665 9.852194 9.546813 9.680344

Sumber : Data primer diolah, 2008

Pl 9.968026 9.472705 9.680344 9.522715 9.392662 9.21034 9.680344 9.680344 9.546813 9.392662 9.392662 9.680344 9.798127 9.680344 9.648595 9.392662 9.680344 9.903488 9.615805 9.903488 9.798127 9.392662 9.472705 9.392662 10.12663 9.047821 10.02127 10.12663 9.615805 9.510445 9.680344

Ps 11.0021 11.0021 11.0021 10.71442 11.0021 10.77896 11.0021 11.0021 10.91509 11.0021 10.81978 11.0021 11.0021 10.81978 10.81978 10.859 11.0021 10.91509 10.81978 10.859 10.71442 10.859 10.91509 10.81978 11.0021 11.03489 10.81978 10.81978 10.81978 10.77896 11.0021

Pa 10.08581 10.08581 10.12663 10.08581 9.392662 10.08581 9.998798 9.852194 10.04325 9.798127 10.08581 10.04325 9.903488 9.952278 9.798127 9.903488 10.08581 10.04325 10.04325 9.852194 9.952278 9.952278 10.30895 10.04325 10.30895 9.852194 9.825526 9.903488 10.08581 9.903488 9.852194

Pt 9.433484 9.433484 9.392662 9.392662 9.305651 9.10498 8.411833 9.392662 9.392662 9.350102 9.472705 9.472705 9.259131 9.392662 9.392662 9.392662 9.392662 9.433484 9.21034 9.546813 9.392662 9.21034 9.392662 9.305651 9.305651 9.21034 9.305651 10.08581 9.433484 9.305651 9.392662

Pia 9.615805 9.392662 9.903488 9.903488 9.21034 9.21034 9.392662 10.04325 10.12663 9.998798 10.08581 9.10498 9.10498 9.21034 9.615805 9.615805 9.392662 9.680344 9.259131 9.798127 9.615805 9.392662 9.903488 9.10498 9.10498 8.987197 9.392662 9.392662 9.615805 10.12663 9.615805

I 13.71015 13.017 13.81551 13.38473 14.50866 13.81551 13.81551 13.81551 14.22098 13.30468 13.12236 14.22098 13.12236 13.12236 14.22098 13.45884 14.22098 13.12236 13.45884 12.61154 13.12236 13.30468 14.07787 13.38473 13.81551 14.7318 13.38473 13.017 13.017 13.12236 13.81551

S 1.098612 0.693147 1.098612 1.098612 1.098612 0 1.098612 0 1.098612 0.693147 1.098612 1.098612 0 0 0 0 1.098612 1.098612 1.098612 1.098612 0.693147 0.693147 1.098612 0 1.098612 1.098612 1.098612 0.693147 0.693147 0.693147 0.693147

Lampiran 4. Hasil Regresi Berupa Printout Komputer dengan SPSS Versi 16.00 Model Linier Variables Entered/Removed Model 1

Variables Entered X9, X7, X6, X4, X5, X2, X8, X3, X1

b

Variables Removed

Method .

a

Enter

a. All requested variables entered. b. Dependent Variable: Y

Model Summaryb Change Statistics Model 1

R .419a

R Square .175

Adjusted R Square .027

Std. Error of the Estimate 2.31383

R Square Change .175

F Change 1.181

df1

df2 9

50

DurbinWatson 1.863

Sig. F Change .328

a. Predictors: (Constant), X9, X7, X6, X4, X5, X2, X8, X3, X1 b. Dependent Variable: Y ANOVA Model 1

Sum of Squares 56.892 267.691 324.583

Regression Residual Total

b

df

Mean Square 6.321 5.354

9 50 59

F

Sig. .328a

1.181

a. Predictors: (Constant), X9, X7, X6, X4, X5, X2, X8, X3, X1 b. Dependent Variable: Y

Coefficientsa

Model 1

Unstandardized Coefficients B Std. Error (Constant) 3.333 3.687 X1 .000 .000 X2 3.06E-005 .000 X3 .000 .000 X4 -5.4E-005 .000 X5 4.08E-005 .000 X6 .000 .000 X7 8.39E-005 .000 X8 -3.2E-008 .000 X9 .245 .382

Standardized Coefficients Beta .097 .054 .197 -.151 .078 -.381 .185 -.006 .090

t .904 .566 .388 1.246 -1.110 .554 -2.506 1.285 -.038 .641

Sig. .370 .574 .700 .219 .272 .582 .016 .205 .970 .525

Zero-order

Correlations Partial

.002 .088 -.046 -.126 .064 -.296 .168 .004 .128

.080 .055 .174 -.155 .078 -.334 .179 -.005 .090

Collinearity Statistics Tolerance VIF

Part .073 .050 .160 -.143 .071 -.322 .165 -.005 .082

.567 .867 .659 .893 .842 .712 .798 .630 .841

1.763 1.153 1.517 1.120 1.188 1.404 1.252 1.586 1.190

a. Dependent Variable: Y

Coefficient Correlations Model 1

Correlations

Covariances

a. Dependent Variable: Y

X9 X7 X6 X4 X5 X2 X8 X3 X1 X9 X7 X6 X4 X5 X2 X8 X3 X1

X9 1.000 -.137 .074 -.052 -.318 .093 -.051 -.029 -.183 .146 -3.4E-006 3.30E-006 -9.7E-007 -9.0E-006 2.81E-006 -1.7E-008 -9.7E-007 -1.3E-005

X7 -.137 1.000 -.085 .029 .096 -.253 .026 .241 .235 -3.4E-006 4.26E-009 -6.5E-010 9.38E-011 4.62E-010 -1.3E-009 1.43E-012 1.40E-009 2.85E-009

X6 .074 -.085 1.000 -.031 -.057 .055 .034 -.515 -.052 3.30E-006 -6.5E-010 1.36E-008 -1.8E-010 -4.9E-010 5.02E-010 3.40E-012 -5.3E-009 -1.1E-009

X4 -.052 .029 -.031 1.000 -.099 -.092 -.184 .030 -.073 -9.7E-007 9.38E-011 -1.8E-010 2.38E-009 -3.6E-010 -3.5E-010 -7.6E-012 1.31E-010 -6.6E-010

a

X5 -.318 .096 -.057 -.099 1.000 -.063 -.037 .006 .248 -9.0E-006 4.62E-010 -4.9E-010 -3.6E-010 5.43E-009 -3.7E-010 -2.3E-012 4.07E-011 3.39E-009

X2 .093 -.253 .055 -.092 -.063 1.000 -.113 -.031 .153 2.81E-006 -1.3E-009 5.02E-010 -3.5E-010 -3.7E-010 6.21E-009 -7.5E-012 -2.2E-010 2.24E-009

X8 -.051 .026 .034 -.184 -.037 -.113 1.000 .098 -.496 -1.7E-008 1.43E-012 3.40E-012 -7.6E-012 -2.3E-012 -7.5E-012 7.22E-013 7.38E-012 -7.8E-011

X3 -.029 .241 -.515 .030 .006 -.031 .098 1.000 .110 -9.7E-007 1.40E-009 -5.3E-009 1.31E-010 4.07E-011 -2.2E-010 7.38E-012 7.89E-009 1.82E-009

X1 -.183 .235 -.052 -.073 .248 .153 -.496 .110 1.000 -1.3E-005 2.85E-009 -1.1E-009 -6.6E-010 3.39E-009 2.24E-009 -7.8E-011 1.82E-009 3.44E-008

91

Lanjutan lampiran 4. Model Semilog 1 b

Variables Entered/Removed Model 1

Variables Entered X9, X7, X6, X4, X5, X2, X8, X3, X1

Variables Removed a

a.

All requested variables entered.

b.

Dependent Variable: Y

Method .

Enter

b Model Summary

Model 1

Change Statistics Adjusted Std. Error of R Square R R Square R Square the Estimate Change F Change df1 df2 Sig. F Change .408a .166 .016 .73560 .166 1.108 9 50 .375

DurbinWatson 1.757

a. Predictors: (Constant), X9, X7, X6, X4, X5, X2, X8, X3, X1 b. Dependent Variable: Y

ANOVA Model 1

Regression Residual Total

Sum of Squares 5.394 27.056 32.449

b

df

Mean Square .599 .541

9 50 59

F

Sig. .375a

1.108

a. Predictors: (Constant), X9, X7, X6, X4, X5, X2, X8, X3, X1 b. Dependent Variable: Y Coefficientsa

Model 1

(Constant) X1 X2 X3 X4 X5 X6 X7 X8 X9

Unstandardized Coefficients B Std. Error .370 1.172 2.41E-005 .000 2.04E-005 .000 2.79E-005 .000 -1.3E-005 .000 1.84E-005 .000 -8.2E-005 .000 1.80E-005 .000 1.54E-007 .000 .094 .121

Standardized Coefficients Beta .070 .113 .157 -.112 .111 -.339 .125 .093 .109

t .316 .409 .814 .989 -.820 .785 -2.215 .867 .569 .776

Sig. .753 .684 .419 .328 .416 .436 .031 .390 .572 .441

Zero-order

Correlations Partial

.043 .139 -.073 -.050 .112 -.286 .125 .111 .167

.058 .114 .138 -.115 .110 -.299 .122 .080 .109

Collinearity Statistics Tolerance VIF

Part .053 .105 .128 -.106 .101 -.286 .112 .074 .100

.567 .867 .659 .893 .842 .712 .798 .630 .841

1.763 1.153 1.517 1.120 1.188 1.404 1.252 1.586 1.190

a. Dependent Variable: Y

Coefficient Correlations Model 1

X9 Correlations

Covariances

a. Dependent Variable: Y

X9 X7 X6 X4 X5 X2 X8 X3 X1 X9 X7 X6 X4 X5 X2 X8 X3 X1

1.000 -.137 .074 -.052 -.318 .093 -.051 -.029 -.183 .015 -3.4E-007 3.34E-007 -9.8E-008 -9.1E-007 2.84E-007 -1.7E-009 -9.8E-008 -1.3E-006

X7 -.137 1.000 -.085 .029 .096 -.253 .026 .241 .235 -3.4E-007 4.31E-010 -6.5E-011 9.48E-012 4.67E-011 -1.3E-010 1.45E-013 1.41E-010 2.88E-010

X6 .074 -.085 1.000 -.031 -.057 .055 .034 -.515 -.052 3.34E-007 -6.5E-011 1.37E-009 -1.8E-011 -5.0E-011 5.07E-011 3.44E-013 -5.4E-010 -1.1E-010

X4 -.052 .029 -.031 1.000 -.099 -.092 -.184 .030 -.073 -9.8E-008 9.48E-012 -1.8E-011 2.41E-010 -3.6E-011 -3.6E-011 -7.7E-013 1.33E-011 -6.7E-011

a

X5 -.318 .096 -.057 -.099 1.000 -.063 -.037 .006 .248 -9.1E-007 4.67E-011 -5.0E-011 -3.6E-011 5.49E-010 -3.7E-011 -2.3E-013 4.12E-012 3.43E-010

X2 .093 -.253 .055 -.092 -.063 1.000 -.113 -.031 .153 2.84E-007 -1.3E-010 5.07E-011 -3.6E-011 -3.7E-011 6.28E-010 -7.6E-013 -2.2E-011 2.26E-010

X8 -.051 .026 .034 -.184 -.037 -.113 1.000 .098 -.496 -1.7E-009 1.45E-013 3.44E-013 -7.7E-013 -2.3E-013 -7.6E-013 7.30E-014 7.46E-013 -7.9E-012

X3 -.029 .241 -.515 .030 .006 -.031 .098 1.000 .110 -9.8E-008 1.41E-010 -5.4E-010 1.33E-011 4.12E-012 -2.2E-011 7.46E-013 7.98E-010 1.84E-010

X1 -.183 .235 -.052 -.073 .248 .153 -.496 .110 1.000 -1.3E-006 2.88E-010 -1.1E-010 -6.7E-011 3.43E-010 2.26E-010 -7.9E-012 1.84E-010 3.48E-009

92

Lanjutan lampiran 4. Model Semilog 2 b

Variables Entered/Removed Variables Entered X9, X7, X8, X6, X4, X5, X2, X3, X1

Model 1

Variables Removed

Method .

a

a.

All requested variables entered.

b.

Dependent Variable: Y

Enter

Model Summaryb Change Statistics Model 1

R .499a

R Square .249

Adjusted R Square .113

Std. Error of the Estimate 2.20864

R Square Change .249

F Change 1.838

df1

df2 9

50

DurbinWatson 1.862

Sig. F Change .084

a. Predictors: (Constant), X9, X7, X8, X6, X4, X5, X2, X3, X1 b. Dependent Variable: Y

ANOVA(b)

Sum of Squares

Model 1

Regression Residual

df

Mean Square

F

80.679

9

8.964

243.904

50

4.878

Sig. 1.838

.084(a)

Total 324.583 59 a Predictors: (Constant), X9, X7, X8, X6, X4, X5, X2, X3, X1 b Dependent Variable: Y Coefficients a

Model 1

(Constant) X1 X2 X3 X4 X5 X6 X7 X8 X9

Unstandardized Coefficients B Std. Error 32.137 37.363 .710 1.672 .280 .800 1.771 1.229 -2.896 2.230 .873 1.301 -4.835 1.434 1.113 .952 .114 .595 .465 .676

Standardized Coefficients Beta .063 .046 .201 -.165 .089 -.457 .161 .026 .092

t .860 .425 .349 1.441 -1.299 .671 -3.372 1.169 .191 .688

Sig. .394 .673 .728 .156 .200 .505 .001 .248 .849 .495

Zero-order -.001 .079 -.010 -.157 .104 -.386 .134 .042 .137

Correlations Partial .060 .049 .200 -.181 .094 -.430 .163 .027 .097

Collinearity Statistics Tolerance VIF

Part .052 .043 .177 -.159 .082 -.413 .143 .023 .084

.676 .860 .775 .926 .846 .819 .795 .825 .832

1.479 1.162 1.290 1.080 1.182 1.221 1.257 1.212 1.202

a. Dependent Variable: Y

Coefficient Correlations Model 1

X9 Correlations

Covariances

a.

Dependent Variable: Y

X9 X7 X8 X6 X4 X5 X2 X3 X1 X9 X7 X8 X6 X4 X5 X2 X3 X1

X7 1.000 -.147 .014 .047 -.048 -.344 .075 -.014 -.236 .457 -.095 .005 .046 -.072 -.303 .040 -.012 -.267

X8 -.147 1.000 -.032 -.087 .049 .093 -.236 .212 .303 -.095 .907 -.018 -.119 .105 .115 -.179 .248 .482

X6 .014 -.032 1.000 .072 -.157 -.001 -.182 .024 -.311 .005 -.018 .354 .062 -.209 -.001 -.087 .017 -.309

a

X4 .047 -.087 .072 1.000 -.053 .008 .026 -.403 -.008 .046 -.119 .062 2.056 -.169 .014 .030 -.710 -.019

X5 -.048 .049 -.157 -.053 1.000 -.075 -.027 .067 -.094 -.072 .105 -.209 -.169 4.975 -.218 -.048 .185 -.350

X2 -.344 .093 -.001 .008 -.075 1.000 -.025 -.005 .239 -.303 .115 -.001 .014 -.218 1.693 -.026 -.008 .520

X3 .075 -.236 -.182 .026 -.027 -.025 1.000 -.034 .166 .040 -.179 -.087 .030 -.048 -.026 .640 -.034 .222

X1 -.014 .212 .024 -.403 .067 -.005 -.034 1.000 .159 -.012 .248 .017 -.710 .185 -.008 -.034 1.511 .326

-.236 .303 -.311 -.008 -.094 .239 .166 .159 1.000 -.267 .482 -.309 -.019 -.350 .520 .222 .326 2.794

93

Lanjutan lampiran 4. Model Log Ganda b

Variables Entered/Removed Model 1

Variables Entered X9, X7, X8, X6, X4, X5, X2, X3, X1

Variables Removed

Method .

a

a.

All requested variables entered.

b.

Dependent Variable: Y

Enter

Model Summaryb Change Statistics Model 1

R R Square .457a .209

Adjusted R Square .066

Std. Error of R Square the Estimate Change F Change .71656 .209 1.466

df1

df2 9

DurbinWatson 1.736

Sig. F Change 50 .186

a. Predictors: (Constant), X9, X7, X8, X6, X4, X5, X2, X3, X1 b. Dependent Variable: Y ANOVA Model 1

Sum of Squares 6.776 25.673 32.449

Regression Residual Total

b

df

Mean Square .753 .513

9 50 59

F

Sig. .186a

1.466

a. Predictors: (Constant), X9, X7, X8, X6, X4, X5, X2, X3, X1 b. Dependent Variable: Y

Coefficients

Model 1

(Constant) X1 X2 X3 X4 X5 X6 X7 X8 X9

Unstandardized Coefficients B Std. Error 5.474 12.122 .143 .542 .171 .260 .371 .399 -.731 .724 .387 .422 -1.235 .465 .202 .309 .168 .193 .197 .219

Standardized Coefficients Beta

t .452 .263 .660 .931 -1.010 .917 -2.654 .653 .867 .896

.040 .089 .133 -.132 .125 -.369 .092 .120 .124

a

Sig. .653 .794 .512 .356 .317 .364 .011 .517 .390 .374

Zero-order .026 .116 -.044 -.093 .150 -.339 .092 .141 .175

Correlations Partial .037 .093 .131 -.141 .129 -.351 .092 .122 .126

Collinearity Statistics Tolerance VIF

Part .033 .083 .117 -.127 .115 -.334 .082 .109 .113

.676 .860 .775 .926 .846 .819 .795 .825 .832

1.479 1.162 1.290 1.080 1.182 1.221 1.257 1.212 1.202

a. Dependent Variable: Y

Coefficient Correlations Model 1

X9 Correlations

Covariances

a.

X9 X7 X8 X6 X4 X5 X2 X3 X1 X9 X7 X8 X6 X4 X5 X2 X3 X1

X7 1.000 -.147 .014 .047 -.048 -.344 .075 -.014 -.236 .048 -.010 .001 .005 -.008 -.032 .004 -.001 -.028

Dependent Variable: Y

Sumber : Data Primer diolah, 2008

X8 -.147 1.000 -.032 -.087 .049 .093 -.236 .212 .303 -.010 .095 -.002 -.013 .011 .012 -.019 .026 .051

.014 -.032 1.000 .072 -.157 -.001 -.182 .024 -.311 .001 -.002 .037 .006 -.022 -6.6E-005 -.009 .002 -.033

X6

a

X4 .047 -.087 .072 1.000 -.053 .008 .026 -.403 -.008 .005 -.013 .006 .216 -.018 .001 .003 -.075 -.002

X5 -.048 .049 -.157 -.053 1.000 -.075 -.027 .067 -.094 -.008 .011 -.022 -.018 .524 -.023 -.005 .019 -.037

-.344 .093 -.001 .008 -.075 1.000 -.025 -.005 .239 -.032 .012 -6.6E-005 .001 -.023 .178 -.003 -.001 .055

X2

X3 .075 -.236 -.182 .026 -.027 -.025 1.000 -.034 .166 .004 -.019 -.009 .003 -.005 -.003 .067 -.004 .023

X1 -.014 .212 .024 -.403 .067 -.005 -.034 1.000 .159 -.001 .026 .002 -.075 .019 -.001 -.004 .159 .034

-.236 .303 -.311 -.008 -.094 .239 .166 .159 1.000 -.028 .051 -.033 -.002 -.037 .055 .023 .034 .294