IV. METODE PENELITIAN 4.1. Lokasi dan Waktu Penelitian Penelitian ini dilaksanakan pada peternak plasma ayam broiler di Dramaga Unggas Farm, Kecamatan Darmaga, Kabupaten Bogor. Pemilihan Kota Bogor khususnya di daerah Darmaga sebagai tempat penelitian dilakukan dengan sengaja (purposive) dengan pertimbangan bahwa Jawa Barat merupakan salah satu sentral produksi ayam broiler khususnya Dramaga merupakan salah satu penyumbang prduksi ayam broiler. Pemilihan CV Dramga Unggas Farm dilakukan dengan dengan cara purposive sampling, dengan alasan bahwa DUF merupkan perusahaan yang baru dibogor namun sudah memiliki banyak plasma yang tersebar luas dikota bogor. Sedangkan pemilihan peternakan dilakukan dengan cara judgment sampling yaitu berdasarkan pertimbangan inti plasma dengan melihat panen pada periode terakhir yaitu bulan Mei dan Juni 2011 serta peternak yang representatif sebanyak 30 responden. Penelitian dilaksanakan selama satu setengah bulan yaitu pada 10 Mei – 28 Juni 2011. 4.2. Data dan Instrumentasi Data yang digunakan dalam penelitian ini adalah data primer dan data sekunder. Data primer diperoleh dari pengamatan langsung dan wawancara kepada pihak perusahaan, seperti kepada pemilik perusahaan, karyawan, serta pihak-pihak yang terkait dalam usaha peternakan ayam broiler tersebut. Data dan informasi yang berasal dari perusahaan digunakan untuk mengetahui keadaan umum dari perusahaan tersebut serta dapat mengetahui risiko yang terjadi diperusahaan tersebut serta penanganan-penanganan yang telah dilakukan untuk mengurangi risiko yang terjadi. Sedangkan informasi dan data dari pesaing untuk melihat altrnatif lain guna membandingkan cara penanganan risiko yang lebih efektif. Data sekunder diperoleh dari luar perusahaan seperti Badan Pusat Statistika (BPS), Departemen Peternakan, perpustakaan LSI IPB, internet dan literatur lainnya yang relevan. Jenis data yang digunakan adalah data kuantitatif dan kualitatif. Data kuantitatif berupa berasal dari adanya fluktuatif harga input,
34
harga output, pendapatan peternak dan lain sebagainya. Sedangkan data yang kaulitatif
berasal
dari
penanganan-penanganan
yang
dilakukan
dalam
meminimalkan risiko yang dihadapi oleh perusahaan tersebut. 4.3. Metode Pengumpulan Data Sumber data yang digunakan dalam penelitian adalah data panel atau (cross section dan timeserie) seperti data produksi harian yang terkait dengan tingkat kematian ayam, penggunaan luas kandang, jumlah penggunaan pakan, obat-obatan, DOC, jam kerja pegawai, penggunaan air, pemanas, serta data keuangan mulai dari pembelian sarana produksi ayam broiler sampai pada penjualan output hidup. Data yang digunakan adalah periode terakhir yaitu terhitung pada awal mau produksi atau turun DOC pada bulan Maret, April dan Mei dan pada panen di bulan April, Mei dan Juni 2011. Data primer diproleh dari peternak ayam broiler melalui observasi langsung, wawancara dan diskusi dengan dengan peternak ayam broiler tersebut. Observasi dilakukan dengan pencatatan langsung oleh peneliti semua kejadian tentang produksi dan pengendalian risikonya. Wawancara dan diskusi dilakukan dengan cara tanya jawab kepada peternak ayam tersebut. 4.4. Metode Pengolahan Data Pengolahan data dilakukan secara kualitatif dan kuantitatif. Analisis kualitatif dilakukan dengan pendekatan deskriptif untuk mengetahui gambaran umum tentang peternak ayam broiler serta manajemen risiko yang digunakan oleh peternak tersebut. Sedangkan analisis kuantitatif digunakan untuk menganalisis fakto-faktor produksi apa saja yang mempengaruhi risiko produksi pada ayam broiler dan melihat seberapa besar tingkat risiko yang ditimbulkan dari faktorfaktor produksi tersebut, dalam pengolahan data tersebut menggunakan bantuan alat aplikasi Microsoft Excel, Minitab versi 14 serta Eviews 6. 4.4.1. Analisis Risiko Produksi Just dan Pope Analisis risiko produksi yang dikemukakan oleh Just dan Pope adalah mengembangkan model umum untuk penanganan risiko produksi ekonometri dan digunakan untuk menganalisis faktor produksi namun tidak mengabaikan tingkat risiko yang kemungkinan akan terjadi pada produksi tersebut yang dapat 35
menyebabkan kesalahan dalam perhitungan. Sehingga dalam model Just dan Pope memasukkan unsur error agar unsur risiko dapat diperhitungkan dalam analisis produksi. Sehingga tingkat kesalahan dalam perhitungannya menjadi kecil. Konsep dasar yang diperkenalkan oleh Just dan Pope adalah untuk membangun fungsi produksi sebagai jumlah dari dua komponen, satu berkaitan dengan tingkat output, dan satu yang berkaitan dengan variabilitas output. Sehingaa dalam penggunaan model Just dan Pope adalah fungsi produksi rata-rata (means production function) dan fungsi variance (variance production function), yang masing-masing fungsi tersebut dipengaruhi oleh penggunaan variabel-variabel produksi tersebut sehingga fungsi variance dan produksi diketahui. Persamaan model fungsi risiko produksi Just dan Pope secara matematis dapat dituliskan sebagai berikut : Y = f(X,β) + h(X,θ)є Dimana : Y f,h X β,θ є
= Jumlah produksi yang dihasilkan = Mentransformasikan faktor-faktor produksi kedalam hasil produksi = Faktor-faktor produksi yang digunakan dalam proses produksi = Besaran/koefisien yang akan diduga = Unsur error Pada fungsi produksi di atas merupakan terdiri dari dua gabungan fungsi,
yaitu
fungsi
produksi
output
(means
production
function)
yang
mentransformasikan variabel-variabel input menjadi fungsi produksi dan satu lagi adalah fungsi produksi yang telah ditambahkan unsur risikonya, yaitu dengan memperhatikan
unsur
variance
dari
fungsi
produksi
tersebut.
Untuk
menyelesaikan perhitungan fungsi produksi dan variance dari produksi tersebut dalam bentuk fungsi Cobb Douglass. Fungsi produksi Cobb-Douglas diperkenalkan oleh Cobb, C.W dan Douglass, P.H (1982), yang dituliskan dan dijelaskan Cobb, C.W dan Douglass, P.H dalam artikelnya “A Theory of Production”(2). Fungsi Cobb-Douglas adalah suatu fungsi atau persamaan yang melibatkan dua atau lebih variabel, dimana variabel yang satu disebut dengan variabel dependen (yang dijelaskan/Y), dan yang lain disebut variabel independent (yang menjelaskan/X). (Soekarwati,1993). 2
http://www.google.com//fungsi produksi serta penerapan rumus Cobb Douglas. (April 2011)
36
Dalam fungsi produksi, maka fungsi produksi Cobb-Douglass adalah suatu fungsi produksi yang ingin memperlihatkan pengaruh input yang digunakan dengan output yang diinginkan. Pentingnya pendugaan menggunakan EKONOMETRIKA (Ekonomi, Matematika, Statistika). Dalam dunia ekonomi, pendekatan CobbDouglass merupakan bentuk fungsional dari fungsi produksi secara luas digunakan untuk mewakili hubungan output untuk input. Sehingga model fungsi produksi Just dan Pope secara matematis dapat dituliskan sebagai berikut : Fungsi Produksi
Y = f (X)..............(1)
Ln Y = Lnβ0 + β1LnX1 + β2LnX2 + β3LnX3 + β4LnX4 + β5LnX5 + β6LnX 6 + є ζ2 = f (X).............(2)
Variance Produksi
Ln ζ2 Y = LnX0 + θ1LnX1 + θ2LnX2 + θ3LnX3 + θ4LnX4 + θ5LnX5 + θ6LnX 6 + є Dimana : Y X1 X2 X3 X4 X5 X6 X7 X8 β θ β1, β2, β3,... β8 θ1, θ2, θ3,.... θ8 є
= Produktivitas ayam broiler (kg/m2) = Jumlah DOC (ekor/m2) = Pakan (Kg/m2) = Protek Enro (Kg/m2) = Neocamp (Liter/m2) = Doxerin Plus (Kg/m2) = Vaksin (Kg/m2) = Pemanas (Kg/m2) = Tenaga Kerja (HOK) = Mean intercept = Variance intercept = Koefisien parameter dugaan X 1, X2, X 3,...X 8 = Koefisien parameter dugaan X1, X2, X3,.....X8 = Unsur error
faktor-faktor produksi yang digunakan diatas diperoleh dari penelitan terdahulu yang memasukan DOC, pakan, Protect Enro, Neocamp, Doxerin Plus, tenaga kerja, vaksin dan pemanas menjadi faktor-faktor yang mempengaruhi produksi. Jika koefisien-koefisien dari parameter dugaan dari fungsi produksi dan varian lebih besar dari nol artinya semakin banyak input yang digunakan untuk proses produksi maka rata-rata hasil dan varian produksi broiler akan semakin meningkat. Dan jika terdapat coefisien variance bertanda negatif maka input tersebut adalah faktor produksi yang mengurangi risiko dan jika koefisien variasinya bertanda positif maka input tersebut adalah sebagai faktor produksi yang menimbulkan risiko.
37
Perhitungan Cobb-Douglass merupakan metode yang banyak dipakai oleh peneliti dalam menilai risiko produksi. Alasan mengapa menggunakan CobbDouglass dikarenakan metode tersebut memiliki kelebihan sebagai berikut : 1.
Bentuk fungsi produksi Cobb-Douglass bersifat sederhana dan mudah penerapannya.
2.
Fungsi produksi Cobb-Douglass mampu menggambarkan keadaan skala hasil (return to scale), apakah sedang meningkat, tetap atau menurun.
3.
Koefisien-koefisien
fungsi produksi Cobb-Douglass
secara
langsung
menggambarkan elastisitas produksi dari setiap input yang digunakan dan dipertimbangkan untuk dikaji dalam fungsi produksi Cobb-Douglass itu. 4.
Koefisien intersep dari fungsi produksi Cobb-Douglas merupakan indeks efisiensi
produksi
yang
secara
langsung
menggambarkan
efisiensi
penggunaan input dalam menghasilkan output dari sistem produksi yang dikaji. Dari kelebihan tersebut maka alasan peneliti menggunakan metode tersebut adalah penyelesaian fungsi Cobb-Douglass relatif lebih mudah dibandingkan dengan fungsi produksi, hasil pendugaan garis melalui fungsi CobbDouglass akan menghasilkan koefisien regresi yang sekaligus juga menunjukkan elstisitas, besaran elastisitas tersebut sekaligus menunjukkan tingkat besaran Return to Scale. 4.4.2. Model ARCH-GARCH Permodelan data deret waktu umumnya dilakukan dengan menggunakan asumsi ragam sisaan yang konstan (homoskedastisitas), namun kenyataannya banyak deret waktu yang mempunyai ragam sisaan yang tidak konstan (heteroskedistisitas), khususnya untuk data deret waktu dibidang ekonomi. Oleh karena itu pemodelan analisis deret waktu biasa dengan asumsi homoskedastisitas tidak
dapat
digunakan.
Heteroscedostisitas)
Model
merupakan
ARCH
model
yang
(Autoregressive
Conditional
memperhitungkan
adanya
heteroskedistisitas dalam analisis deret waktu. Volatilitas berdasarkan model GARCH (p,q) mengasumsikan bahwa varian data fluktuasi dipengaruhi oleh sejumlah p data fluktuasi dan q data volatiliti sebelumnya.
38
Varian terdiri dari dua komponen yaitu varians yang konstan dan varians yang tergantung dari besarnya volatilitas di periode sebelumnya. Jika volatilitas pada periode sebelumnya besar (baik negatif atau positif), maka varians pada saat ini akan besar pula. Sehingga model ARCH dapat dirumuskan sebagai berikut. ht = ε + αε2t + α1ε2t-1 + α2ε2t-2 + ………… + αmε2t-m dimana : ht ε ε2t-m α, α1, α2,… αm
= variabel terikat pada periode t = variabel yang konstans = Arch/volatilitas pada periode sebelumnya = koefisien orde m yang diestimasikan
Model GARCH dikembangkan dengan mengintegrasikan autoregresi dari kuadrat residual lag kedua sehingga lag tak hingga ke dalam bentuk varian pada lag pertama. Model ini dikembangkan sebagai generalisasi dari model volatilitas. Secara sederhana volatilitas berdasarkan model GARCH (r,m) mengasumsikan sebelumnya dan sejumlah r data volatilitas sebelumnya. Model ini seperti dalam model autoregresi biasa (AR) dan pergerakan rata-rata (MA), yaitu untuk melihat hubungan variabel acak dengan variabel acak sebelumnya. Varian terdiri dari tiga komponen. Komponen pertama adalah varians yang konstan, volatilitas pada periode sebelumnya dan varian pada periode sebelumnya. Sehingga model GARCH dapat dirumuskan bentuk umum model GARCH (r,m) ht = k + δ1ht-1 + δ2ht-2 +…. +δrht-r + α1ε2t-1 + α2ε2t-2 + ………… + αmε2t-m dimana : ht = Variabel respon pada waktu t K = Varians yang konstan 2 ε t-m = Arch/volatilitas pada periode sebelumnya α, α1, α2,… αm = Koefisien orde m yang diestimasikan δ, δ1, δ2,….. δr = Koefisien orde r yang diestimasikan ht-r = Suku Garch Model ARCH-GARCH dipilih menjadi alat analisis dalam penelitian ini dengan pertimbangan bahwa model tersebut merupakan model yang dapat menjawab sekaligus permasalah yang diteliti oleh penulis, model tersebut mampu menjawab selain fungsi produksi rata-rata dan fungsi variance produksi. Permasalahan tersebut dapat dijelaskan dengan menggunakan GARCH (1,1). Pemilihan GARCH (1,1) dilakukan dengan pertimbangan bahwa model tersebut
39
adalah model yang sederhana yang banyak digunakan oleh penelitian terdahulu untuk menghitung suatu variance produksi. 4.5. Pengujian Hipotesis 1) Pengujian asumsi OLS (Ordinary Least Square) Metode pendugaan model dilakukan dengan metode OLS. Akan tetapi sebelumnya harus diuji terlebih dahulu asumsi-asumsi yang sesuai dengan OLS yaitu multikolinieritas. Multikolinier variabel independent adalah kondisi dimana terdapat hubungan linier diantara variabel independent. Ada beragam penyebab multikolinier, diantaranya disebabkan adanya kecendrungan variabel-variabel yang bergerak secara bersamaan. Adanya multikolinier menyebabkan ragam variabel menjadi sangat besar, sehingga koefisien regresi dugaan tidak stabil dan berimplikasi pada besar dan arah koefisien variabel menjadi tidak valid untuk diinterpretasi. Adanya multikolinier dapat dilihat pada nilah Variance Inflation Factor (VIF) >10. Jika terjadi masalah multikolinier maka harus diperbaiki terlebih dahulu dengan menambah observasi, mengeluarkan variabel independent yang berkolerasi kuat. 2) Pengujian Parameter Model (Uji F) Tujuan pengujian ini adalah untuk melihat apakan variabel bebas yang digunakan secara bersama-sama berpengaruh nyata pada variabel tak bebas (independent). Uji statistik yang digunakan adalah uji F. 𝐹 ℎ𝑖𝑡𝑢𝑛𝑔 =
𝑅2 (𝑘 − 1) 1 − 𝑅2 (𝑛 − 𝑘)
Dimana : R2 = Koefisien determinasi K = Jumlah variabel bebas n = Jumlah sampel Kriteria uji F-hitung > F-tabel (k-1, n-k), maka tolak H0 F-hitung < F-tabel (k-1, n-k), maka terima H0 Jika tidak menggunakan tabel maka dapat dilihat nilai P dengan kriteria uji sebagai berikut :
40
P-value < α , maka tolak H0 P-value > α, maka terima H0 Apabila F-hitung > F-tabel atau P-value < α maka secara bersama-sama variabel bebas dalam proses produksi mempunyai pengaruh yang nyata terhadap produksi. Sedangkan apabila F-hitung < F-tabel atau P-value > α maka secara bersama-sama variabel bebas dalam proses produksi tidak berpengaruh secara nyata terhadap produksi. 3) Pengujian Parameter Variabel (Uji t) Hipotesis Statistik merupakan pernyataan atau dugaan mengenai satu atau lebih populasi. Pengujian hipotesis
berhubungan dengan penerimaan atau
penolakan suatu hipotesis. Penerimaan suatu hipotesis terjadi karena tidak cukup bukti untuk menolak hipotesis tersebut dan bukan karena hipotesisnya itu benar dan penolakan suatu hipotesis terjadi karena tidak cukup bukti untuk menerima hipotesis tersebut dan bukan karena hipotesis itu salah. Tujuan dari pengujian ini adalah untuk mengetahui apakah koefisien regresi dari masing-masing variabel bebas (X) yang digunakan berpengaruh signifikan terhadap variabel bebas (Y). Uji statistika yang digunakan adalah uji t dan taraf nyata yang digunakan adalah 20 persen. Rumusan Hipotesis fungsi produksi dan varian H0 : βi, θi < 0,
artinya variabel bebas merupakan penjelas yang mengurangi produksi dan mengurangi risiko produksi terhadap variabel terikat
H1 : βi, θi > 0, artinya variabel bebas penjelas yang meningkatkan produksi dan menimbulkan risiko produksi terhadap variabel terikat Uji t 𝑡 − ℎ𝑖𝑡𝑢𝑛𝑔 =
𝛽𝑖 𝑆𝛽𝑖
Dimana : βi S βi
= Koefisien regresi ke-i yang diduga = Standar deviasi dari βi 𝑡 − ℎ𝑖𝑡𝑢𝑛𝑔 =
ƞ𝑖 θ 𝑆ƞ 𝑖
41
Dimana : θi Sθi
= Koefisien regresi ke-i yang diduga = Standar deviasi dari θi
Daerah Kritis Ho diterima apabila –t (α / 2; n – k) ≤ t hitung ≤ t (α / 2; n – k), artinya tidak ada pengaruh antara variabel bebas terhadap variabel terikat. Ho ditolak apabila t hitung > t (α / 2; n– k) atau –t hitung < -t (α / 2; n – k), artinya ada pengaruh antara variabel bebas terhadap variabel terikat. Dimana : n k
= Jumlah sampel = Jumlah variabel
sumber : Walpole, 1992 4.6. Hipotesis Dalam penelitian dilakukan terlebih dahulu hipotesis atau kesimpulan sementara tentang fungsi produksi rata-rata dan produksi varian terhadap faktorfaktor produksi yang digunakan adalah semua faktor produksi berpengaruh positif terhadap produksi ayam broiler dan variannya. Adapun hipotesis tersebut adalah sebagai berikut : 1.
β 1, θ1 > 0 artinya jika DOC ditambah satu satuan maka produktivitas dan varian ayam broiler juga akan semakin meningkat satu satuan.
2.
β2, θ2> 0 artinya jika Pakan ditambahkan satu satuan pada ayam broiler maka akan meningkatkan produktivitas dan varian dari ayam satu satuan.
3.
β3, θ3 > 0 artinya jika Protect Enro ditambah satu satuan pada produksi ayam broiler maka hasil produktivitas dan variannya juga akan meningkat satu satuan.
4.
β4, θ4 > 0 artinya jika Neocamp ditambahkan satu satuan maka akan meningkatkan produktivitas dan varian dari ayam broiler satu satuan.
42
5.
β5, θ5 > 0 artinya jika Doxerin Plus ditambahkan satu satuan maka akan meningkatkan produktivitas dan varian dari produksi ayam broiler satu satuan.
6.
β6, θ6
>
0 artinya jika vaksin ditambahkan satu satuan maka akan
meningkatkan produktivitas dan varian ayam broiler satu satuan. 7.
β8, θ8
> 0 artinya jika pemanas ditambahkan satu satuan maka akan
meningkatkan produktivitas dan varian dari ayam broiler satu satuan. 8.
β8, θ8
> 0 artinya jika tenaga kerja ditambahkan satu satuan maka akan
meningkatkan produktivitas dan varian dari ayam broiler satu satuan.
43
