49
BAB III METODE PENELITIAN
3.1 Objek Penelitian Objek penelitian merupakan salah satu faktor yang tidak dapat dipisahkan dari suatu penelitian. Objek penelitian merupakan sumber diperolehnya data dari penelitian yang dilakukan. Objek yang diambil dalam penelitian ini adalah para petani ubi jalar di Desa Cilembu Kecamatan Pamulihan Kabupaten Sumedang, Jawa Barat. Dalam penelitian ini variabel-variabel yang diambil adalah modal (modal tetap dan modal lancar), dan tenaga kerja. 3.2 Metode Penelitian Metode yang digunakan dalam penelitian ini adalah metode deskriptif analitik. Menurut Winarno Surakhmad (1998:140) mengemukakan bahwa metode deskriptif adalah suatu cara penelitian yang tertuju pada pemecahan masalah yang ada pada masa sekarang pada masalah aktual. Data yang terkumpul mula-mula disusun, dijelaskan dan kemudian dianalisa. Metode deskriptif analitik yaitu metode penelitian yang menggambarkan dan membahas objek yang diteliti kemudian berdasarkan faktor yang ada, kegiatannya meliputi pengumpulan data, pengolahan data dan informasi data serta menarik kesimpulan.
50
3.3 Populasi dan Sampel 3.1 Populasi Menurut Suharsimi Arikunto (2006) menyatakan bahwa populasi adalah seluruh subjek penelitian. Pada penelitian ini yang menjadi populasi adalah seluruh petani ubi jalar di Desa Cilembu Kecamatan Pamulihan Kabupaten Sumedang berjumlah 98 petani. 3.2 Sampel Menurut Suharsimi Arikunto (1998:117) yang dimaksud dengan sampel adalah sebagian atau wakil populasi yang diteliti. Dalam penelitian yang penulis lakukan, penulis tidak meneliti populasi tetapi mengambil sebagian populasi yang dianggap dapat mewakili seluruh populasi. Sampel penelitian adalah sebagian populasi yang dianggap refresentatif yang diambil dengan tekhnik tertentu. Penarikan sampel perlu dilakukan mengingat jumlah populasi yang terlalu besar, dengan tidak mengurangi tujuan penelitian sebelumnya yaitu menemukan generalisasi secara berkala umum tetapi mengacu pada kaidah-kaidah perhitungan normatif yang telah ditentukan. Tekhnik yang digunakan dalam menentukan besarnya ukuran sampel yang akan diteliti salah satunya adalah dengan menggunakan cara Harun Al-rasyid (1994: 156) sebagai berikut: Jumlah petani ubi jalar yang merupakan ukuran populasi (N) berjumlah 98. Dengan resiko kekeliruan yang mungkin terjadi (α) sebesar 0,05, dan bound of error (δ) sebesar 0,15, sampel (n) yang diambil adalah; zα no n= , dimana no = 2 n −1 2δ 1+ o N
2
51
Keterangan: n N zα
= Ukuran sampel keseluruhan = Ukuran populasi keseluruhan = Nilai distribusi normal baku (tabel-Z) pada α tertentu
2
α δ
= Resiko kekeliruan yang mungkin terjadi = Bound of Error 2
1,99 = 396,01 n o = 2(0,05) Sehingga:
n=
396 1 + 396 - 1 98
n=
396 1+4
n = 79.2 ≈ n = 79 (dibulatkan)
Dengan pembulatan hasil perhitungan di atas dapat ditentukan bahwa sampel yang diambil sebesar 79 petani. Pengambilan sampel dilakukan dengan cara simple random sampling. Dengan cara ini pengambilan sampel dilakukan secara acak sederhana. Peneliti memilih sembarang petani yang akan dijadikan sampel penelitian. 3.4 Operasionalisasi Variabel Dalam rangka pengumpulan data diperlukan penjabaran konsep atau operasionalisasi variabel. Hal ini sejalan dengan yang dikemukakan oleh Bambang Suwarno (1987 : 32) sebagai berikut :“Menjabarkan konsep dalam penelitian adalah suatu keharusan mutlak bagi para peneliti, sebab pada tahap ini mereka benar-benar harus memiliki kemampuan membayangkan tentang apa-apa
52
yang
akan
dilakukan
dilapangan
termasuk
proses
pemilihan
indikator
penelitiannya (konsep empirik) bagaimana mengumpulkan, dilaksanakan dan darimana sumbernya serta kelak bagaimana kelak datanya disajikan, bagaimana bentuk tabel analisis, termasuk bagaimana instrumen penelitiannya”. Sebagaimana yang dikemukakan bahwa dalam penelitian ini terdapat enam variabel yang akan diteliti. Untuk memberikan arah dalam pengukurannya variabel-variabel tersebut dijabarkan dalam konsep teoritis, konsep empiris, dan konsep analitis sebagai berikut: Konsep teoritis
Modal (X1)
Konsep empiris
Konsep analitis
Skala
• luas lahan sewa yang digunakan dalam produksi ubi jalar. (dalam rupiah)
• luas lahan milik pribadi yang digunakan dalam produksi ubi jalar dihitung berdasarkan harga sewa. (dalam rupiah) • luas lahan sewa yang digunakan dalam produksi ubi jalar. (dalam rupiah)
Rasio
• Biaya keseluruhan bibit yang digunakan dalam satu musim (dihitung dalam rupiah)
• Jumlah bibit yang digunakan pada musim tanam terakhir. • Harga bibit (Rp)
• Biaya keseluruhan pupuk yang digunakan dalam satu musim (dihitung dalam rupiah)
• Jumlah pupuk yang digunakan pada musim tanam terakhir (kg) • Harga pupuk per kg(Rp)
• Biaya keseluruhan pestisida yang digunakan dalam satu musim (dihitung dalam rupiah)
• Jumlah pestisida yang digunakan pada musim tanam terakhir (kg) • Harga pestisida dalam setiap pemakaian (Rp
Rasio
Rasio
Rasio
53
Tenaga kerja (X2)
Produksi (Y)
• Biaya keseluruhan tanaga kerja yang dikeluarkan untuk menghasilkan ubi jalar dalam satu musim (dihitung dalam rupiah) • Jumlah hari kerja dalam satu musim • Hasil keseluruhan yang diperoleh dari proses penanaman ubi Cilembu selama satu musim (dihitung dalam rupiah)
• Jumlah tenaga kerja musiman dan tetap yang digunakan pada musim terakhir (orang) • Besarnya upah tenaga kerja musiman dan tetap tiap hari kerja (Rp) • Jumlah hari efektif kerja dalam satu musim. • Jumlah ubi jalar yang dihasilkan pada musim terakhir (unit) • Harga ubi jalar tiap kg (Rp)
Rasio
Rasio
3.5 Sumber Data Data yang digunakan dalam penelitian ini termasuk jenis data time series. Dalam hal ini data time series yang digunakan adalah data tentang efisiensi ekonomi, tenaga kerja, benih, pupuk, dan pestisida. Data-data yang diperoleh dari para petani ubi jalar di Desa Cilembu Kecamatan Pamulihan Kabupaten Sumedang, Jawa Barat. Sedangkan sumber data sekunder diperoleh dari laporan Badan Pusat Statistik (BPS) dan artikel dalam http//www.google.com. 3.6 Teknik Pengumpulan Data Adapun teknik pengumpulan data pada penelitian ini adalah dengan cara : 1. Dokumentasi yaitu mencari data mengenai hal-hal atau variabel yang berupa catatan, transkrip, buku, surat kabar, majalah, prasasti, notulen rapat, lengger, agenda dan sebagainya.(Suharsimi Arikunto: 2002:206)
54
2. Studi Kepustakaan Salah satu hal yang perlu diperhatikan dalam persiapan penelitian ialah mendayagunakan sumber informasi yang terdapat di perpustakaan dan jasa informasi yang tersedia. Oleh karena data yang digunakan dalam penelitian inipun menggunakan alat berupa studi dokumentasi dan studi literatur (studi kepustakaan). 3.7 Teknik Analisis Data dan Pengujian Hipotesis Analisis data dalam penelitian ini menggunakan Analisis Regresi Linear Berganda (multiple regression) melalui fungsi Cobb- Douglas. Alat bantu analisis yang digunakan yaitu dengan menggunakan program komputer Econometric Views (EViews) versi 3.1. Tujuan Analisis Regresi Linier Berganda adalah untuk mempelajari bagaimana eratnya pengaruh antara satu atau beberapa variabel bebas dengan satu variabel terikat. 3.7.1 Menghitung Koefisien Regresi Teknik analisis data yang digunakan dalam penelitian ini dilakukan melalui fungsi produksi Cobb-Doulas. Secara matematis, fungsi Cobb-Douglas dapat dituliskan sebagai berikut: Q = f(K, L)
(secara umum)
Q = bo K b1 L b2
(secara lebih spesifik)
(1) (2) (Sudarsono,1995:141)
Dimana: Q = Jumlah produksi K = Kapital L = Labour
bo = indeks efisiensi b1 = elastisitas input kapital b2 = elastisitas input Labour
55
Persamaan di atas menggambarkan fungsi produksi yang menggunakan dua input variabel (modal dan tenaga kerja), namun jika terdapat lebih dari dua input variabel maka formula fungsi Cobb-Douglas dapat ditulis sebagai berikut: Y = a X 1b1 X 2b2... Xibi .... Xnbn eu
(3)
Bila fungsi Cobb-Douglas tersebut dinyatakan oleh hubungan Y dan X, maka: Y = f (X1,X2,...,Xi,...,Xn)
(Soekartawi.1994:160)
(4)
Jika memasukan variabel dalam penelitian maka diperoleh model persamaan sebagai berikut: Y = f(X1, X2,)
(5)
Maka model fungsi Cobb-Douglas dalam peneitian ini adalah: Y = a X1b1, X2b2
(6)
Dimana: Y X1 X2 u e
= penanaman ubi jalar Cilembu = Kapital = Labour = Kesalahan (disterbance term) = Logaritma natural, e=2,718
Untuk memudahkan persamaan di atas, maka persamaan tersebut diubah menjadi bentuk linier berganda dengan cara melogaritmakan persamaan tersebut. Pendugaan parameter dapat dilakukan dengan menggunakan analisis dan metode kuadrat terkecil (OLS: Ordinary Least Square) yang diperoleh melalui frekuensi logaritma fungsi asal sebagai berikut: ln Y = ln a + b1 lnX1 + b2 lnX2
(7) (Soekartawi,1994:161)
56
maka model estimasi regresi sebagai berikut: Y = A + b1X1 + b2X2
(8)
Diamana: a bi X1 X2
= konstanta yang pada X1, X2 sama dengan nol = elastisitas produksi masing-masing masing faktor = kapital = Labour
Persamaan diatas dapat dengan mudah diselesaikan dengan cara regresi berganda pada persamaan tersebut terlihat bahwa nilai b1 dan b2 adalah tetap walaupun variabel yang terlihat telah dilogaritmakan. Hal ini dapat dimengerti karena b1 dan b2 pada fungsi Cobb-Douglas Cobb Douglas adalah sekaligus menunjukan elastisitas X terhadap Y, sehingga ada tiga kemungkinan fase yang akan terjadi: b < 1 decreasing returns to scale b > 1 increasing returns to scale b = 1 constant returns to scale 3.7.2
Menghitung Efisiensi Produksi
1. Efisiensi Teknik Secara matematis, efisiensi teknik dapat diketahui melalui elastisitas produksinya (Ep) : (14) atau
(15) (Mubyarto:1989:79)
57
Karena ∆Y/∆ Y/∆X adalah Marginal Psysical Product (MPP) dan Y/X adalah Average Psysical ProductI (APP). Efisiensi teknis akan tercapai pada Ep = 1, yaitu : (16) Atau MPP=APP (Mubyarto:1989:79) Efisiensi teknis selain dapat diketahui dari tingkat elastisitas produksi juga merupakan koefisien regresi dari fungsi Cobb-Douglas. Cobb Douglas. Efisiensi teknis tercapai pada saat koefisien efisien regresi = 1 atau pada saat produksi rata-rata rata rata tertinggi (Ep / Σ bi = 1 ). Untuk mengetahui efisiensi teknis faktor produksi dapat dilihat melalui tingkat elastisitas (Σ Σ bi), yaitu jika : Σ bi=1, berarti keadaan usaha pada kondisi ”Constant Returns to Scale”. Dalam keadaan demikian penambahan faktor produksi akan proporsional dengan penambahan produksi yang diperoleh. Σ bi<1, berarti keadaan usaha pada kondisi ”Decreasing ”Decreasing Returns to Scale”. Dalam keadaan demikian, dapat diartikan bahwa proporsi penambahan bahan faktor produksi melebihi proporsi penambahan produksi. Σ bi>1, berarti keadaan usaha pada kondisi ”Increasing ”Increasing Returns to Scale”. Ini
artinya
bahwa
proporsi
penambahan
faktor
produksi
menghasilkan tambahan produksi yang proporsinya lebih besar. Efisiensi fisiensi secara teknis terjadi apabila Ep = b = 1. (Soekartawi, (Soekartawi, 1994 : 40)
akan
58
2. Efisiensi Harga Untuk menghitung efisiensi harga, dapat dianalisis dengan memenuhi syarat kecukupan sebagai berikut :
(17) Keterangan : MP P X1 X2
= Marginal Product masing- masing faktor produksi = Harga masing – masing faktor produksi = kapital = Labour
Secara matematis ditulis dengan persamaan sebagai berikut : (18)
(19)
(Mubyarto:1989:79) Keterangan: PM bi Y Xi Px
= Tambahan hasil Produksi (Marginal ( Product) = Elastisitas produksi = Rata-rata rata hasil produksi = Rata-rata rata faktor produksi = Harga Faktor Produksi Efisiensi akan tercapai apabila perbandingan antara Produk Marginal (PM)
dengan Harga Faktor Produksi Pro (Px) = 1. 3. Efisiensi Ekonomi Efisiensi ekonomi merupakan perbandingan antara nilai marjinal dengan harga faktor produksi, dari masing-msing masing msing faktor produksi yang digunakan. Secara matemtis efisiensi ekonomi dapat dirumuskan sebagai berikut :
59
(20) Keterangan : MVP P X1 X2
= Marginal Value Product = Harga masing-masing masing faktor produksi = kapital = Labour Kemudian rumus dari efisiensi ekonomi adalah (21) (Mubyarto, 1989:76)
Dimana bi merupakan koefisien regresi atau koefisien elastisitas. Untuk mengetahui efisiensi faktor produksi dengan menggunakan rasio antara Nilai Produksi Marginal (MVP) dan nilai satu unit faktor produksi (Px), jika : MVPx1 / Px1 > 1 artinya penggunaan input X belum lum mencapai efisiensi optimum. Untuk mencapai efisien input X perlu ditambah. MVPx1 / Px1 = 1 artinya penggunaan input X sudah mencapai efisiensi optimum. Maka input X harus dipertahankan. MVPx1 / Px1 < 1 artinya penggunaan input X sudah melebihi titik t optimum (tidak efisien). Untuk mencapai efisien input X perlu dikurangi. (Soekartawi, 1994:42)
60
4. Menghitung Skala Produksi Untuk menguji skala kenaikan hasil sama dengan satu atau tidak sama dengan satu yang dicapai dalam proses produksi maka digunakan jumlah elastisitas produksi (∑bi). Dari hasil penjumlahan tersebut ada tiga kemungkinan yang terjadi, yaitu : 1) Jika Σbi > 1, berarti sistem produksi jangka panjang berada dalam kondisi skala output yang meningkat (Increasing Returns to Scale) 2) Jika Σbi = 1, berarti sistem produksi jangka panjang berada dalam kondisi skala output yang konstan (Constant Returns to Scale) 3) Jika Σbi < 1, berarti sistem produksi jangka panjang berada dalam kondisi skala output yang menurun (Decreasing Returnss to Scale) (Soekartawi, 1994:154) 3.8 Uji Asumsi Klasik Ada tiga pengujian yang akan dilakukan untuk pengujian asumsi klasik yaitu sebagai berikut : Multikolinieritas Masalah multikolinieritas muncul jika terdapat hubungan yang sempurna atau pasti di antara beberapa variabel atau semua variabel independen dalam model. Pada kasus terdapat multikolinieritas serius, koefisien regresi tidak lagi menunjukkan pengaruh murni dari variabel independen. Multikoliniritas adalah situasi adanya korelasi variabel-variabel bebas diantara satu dengan lainnya. Dalam hal ini variabel-variabel bebas tersebut
61
bersifat tidak ortogonal. Variabel-variabel bebas yang bersifat ortogonal adalah variabel bebas yang nilai korelasi diantara sesamanya sama dengan nol. Jika terdapat korelasi yang sempurna diantara sesama variabel-variabel bebas sehingga nilai koefisien korelasi diantara sesama variabel bebas ini sama dengan satu, maka konsekuensinya adalah: 1. Koefisien-koefisien regresi menjadi tidak dapat ditaksir. 2. Nilai standard error setiap koefisien regresi menjadi tak terhingga. Untuk mendeteksi ada tidaknya multikolinieritas dalam suatu model regresi OLS, maka dapat dilakukan beberapa cara berikut ini: a. Dengan
R2 ,
multikolinier
sering
diduga
kalau
nilai
koefisien
determinasinya cukup tinggi yaitu antara 0,7 – 1,00. Tetapi jika dilakukan uji t, maka tidak satupun atau sedikit koefisien regresi parsial yang signifikan secara individu. Maka kemungkinan tidak ada gejala multikolinieritas. b. Dengan koefisien korelasi sederhana (zero coefficient of corellation), kalau nilainya tinggi menimbulkan dugaan terjadi multikolinieritas tetapi belum tentu dugaan itu benar. c. Cadangan matrik melalui uji korelasi parsial, artinya jika hubungan antar variabel independent relatif rendah < 0,80 maka tidak terjadi multikolinier. d. Dengan meregresikan masing-masing variabel bebas setelah itu R2 parsialnya dibandingkan dengan koefesien determinasi keseluruhan. Jika
62
R2 parsialnya lebih besar dari R2 maka model penelitian terkena multikolinearitas. Apabila terjadi Multikolinearitas menurut Gujarati (2001:45) disarankan untuk mengatasinya dapat dilakukan dengan cara sebagai berikut : (1) Adanya informasi sebelumnya (informasi apriori) (2) Menghubungkan data cross sectional dan data urutan waktu, yang dikenal sebagai penggabungan data (pooling the data) (3) Mengeluarkan satu variabel atau lebih. (4) Transformasi variabel serta penambahan variabel baru. Autokorelasi Autokorelasi menggambarkan tidak adanya korelasi antara variabel pengganggu disturbance term. Faktor–faktor penyebab autokorelasi antara lain kesalahan dalam menentukan model, penggunaan lag dalam model dan tidak dimasukannya variabel penting. Akibatnya parameter yang diestimasi menjadi bias dan varian tidak minimum sehingga tidak efisien. Konsekuensi dari adanya gejala autokorelasi dalam model regresi OLS dapat menimbulkan : (1) Estimator OLS menjadi tidak efisien karena selang keyakinan melebar (2) Variance populasi σ2 diestimasi terlalu rendah (underestimated) oleh varians residual taksiran (3) Akibat butir 2, R2 bisa ditaksir terlalu tinggi (overestimeted) (4) Jika σ2 tidak diestimasi terlalu rendah, maka varians estimator OLS (^βi) (5) Pengujian signifikan (t dan F) menjadi lemah
63
Dalam penelitian ini, cara yang digunakan untuk mengkaji autokorelasi adalah dengan uji d Durbin-Watson, yaitu dengan cara membandingkan nilai statistik Durbin-Watson hitung dengan Durbin Watson tabel. Mekanisme uji Durbin-Watson adalah sebagai berikut : (a) Lakukan regresi OLS dan dapatkan residual ei (b) Hitung nilai d (Durbin-Watson) (c) Dapatkan nilai kritis dl dan du (d) Ikuti aturan keputusan yang diberikan pada tabel berikut ini : Aturan Keputusan Autokorelasi Hipotesis nol (Ho) Tidak ada autokorelasi positif Tidak ada autokorelasi positif Tidak ada autokorelasi negatif Tidak ada autokorelasi negatif Tidak ada autokorelasi positif atau positif Sumber: (Gujarati, 1995: 217)
Keputusan Tolak Tanpa keputusan Tolak Tanpa keputusan Terima
Prasyarat 0 < d < DI dL ≤ d ≤ dU 4 – dL < d < 4 4 – dU ≤ d ≤ 4-dL DU < d4 – dU
Gambar Uji Durbin Watson
Daerah keragu-
Daerah keragu-
Autokorel
raguan
Tidak
ada
Autokorelasi,
asi positif,
Autokorelas i,
menolak H
0
df
du
4 -du 2
4 - df
Negatif
64
Uji Heteroskedastisitas Salah satu asumsi pokok dalam model regresi regresi linier klasik ialah bahwa varian-varian setiap distubance term yang dibatasi oleh nilai tertentu mengenai variabel-variabel variabel bebas adalah berbentuk suatu nilai konstan yang sama dengan
σ 2 . Inilah yang disebut sebagai asumsi homoskedastisitas. Jika ditemukan heteroskedastisitas, maka estimator OLS tidak akan efisien dan akan menyesatkan peramalan atau kesimpulan selanjutnya. Untuk mendeteksi ada
tidaknya
gejala
heteroskedastisitas,
dilakukan dilakukan
pengujian
dengan
menggunakan White Heteroscedasticity Test Eviews 3.1. Selain
itu
Metode
yang
dapat
digunakan
untuk
mengetahui
heteroskedastis, yaitu Metode Glejser yang menyarankan untuk meregresikan nilai absolut residual yang diperoleh atas variabel bebas. (22) Hipotesis yang digunakan: H0 :
= 0 (Tidak ada masalah heteroskedastisitas)
H1 :
≠ 0 (Ada masalah heteroskedastisitas) Apabila thitung > ttabel, maka H0 ditolak dan H1 diterima, berarti bera ada masalah
heteroskedastisitas, begitupun sebaliknya. Jika thitung < ttabel, maka H0 diterima dan H1 ditolak berarti tidak ak terdapat heteroskedastisitas. heteroskedastisitas
