IV. METODOLOGI PENELITIAN 4.1 Lokasi dan Waktu Penelitian ini akan dilaksanakan di Pulau Untung Jawa Kabupaten Kepulauan Seribu, Provinsi DKI Jakarta. Pemilihan lokasi dilakukan secara sengaja (purposive sampling) karena Pulau Untung Jawa termasuk pulau yang penduduknya mayoritas nelayan dan Kepulauan Seribu merupakan salah satu kepulauan yang produksi ikannya terbesar di Indonesia. Penelitian dilakukan dari bulan Februari hingga Juni 2011. Sedangkan pengambilan data primer dilakukan Bulan Maret-April 2011. 4.2 Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini meliputi data primer dan data sekunder. Data primer diperoleh dari wawancara langsung dengan responden (nelayan) menggunakan kuisioner. Data primer meliputi data karakteristik nelayan di Pulau Untung Jawa, faktor-faktor yang mempengaruhi pendapatan nelayan, termasuk variabel cuaca yang mempengaruhi hasil tangkapan nelayan. Sedangkan data sekunder meliputi harga ikan, harga solar, data ikan yang didaratkan di TPI Muara Angke, data suhu udara, curah hujan, jumlah hari huja, dan tinggi gelombang. 4.3 Penentuan Jumlah Sampel Pengambilan contoh dilakukan secara purposive sampling (sengaja). Pengambilan sampel dilakukan secara sengaja atau dipilih berdasarkan suatu kriteria tertentu. Kriteria yang dipilih adalah nelayan yang bertempat tinggal di Pulau Untung Jawa Kepulauan Seribu. Sampel yang diambil sebanyak lima puluh sembilan nelayan yang berdomisili di Kelurahan Untung Jawa. 30
4.4 Pengumpulan Data Pengumpulan data primer dan sekunder dilakukan pada Bulan MaretApril 2011. Data primer diperoleh dari wawancara dengan responden menggunakan kuisioner. Data sekunder diperoleh dari Badan Pusat Statistik DKI Jakarta, Badan Meteorologi, Klimatologi, dan Geofisika DKI Jakarta, Dinas Kelautan dan Perikanan DKI Jakarta, dan Kelurahan Pulau Untung Jawa. 4.5 Metode Pengolahan dan Analisis Data Pengolahan data dilakukan secara kualitatif dan kuantitatif. Pengolahan data secara kualitatif dilakukan dengan analisis deskriptif. Sedangkan analisis kuantitatif dilakukan untuk mengetahui faktor apa saja yang mempengaruhi pendapatan nelayan di Pulau Untung Jawa Kepulauan Seribu dan berapa besar pengaruh masing-masing faktor. Pengolahan data kuantitatif dilakukan dengan bantuan program Microsoft Office Excel dan Minitab.14. Metode prosedur penelitian yang digunakan dapat dilihat pada Tabel 1
31
Tabel 1. Metode Prosedur Penelitian No
Tujuan
1
Mengidentifikasi karakteristik nelayan tangkap Pulau Untung Jawa Kepulauan Seribu
2
Mengkaji pengaruh faktor-faktor sosial ekonomi terhadap pendapatan nelayan Pulau Untung Jawa Kepulauan Seribu
3
Mengkaji pengaruh cuaca terhadap pendapatan nelayan
4.5.1
Jenis dan Sumber Data Data primer dari kuisioner nelayan di Pulau Untung Jawa Kepulauan Seribu dan data sekunder dari Kepulauan Seribu. Data primer dari kuisioner nelayan di Pulau Untung Jawa Kepulauan Seribu. Data primer dari nelayan Pulau Untung Jawa dan data sekunder dari BMKG Jakarta Utara.
Metode Analisis Data Analisis deskriptif
Analisis regresi linear berganda dan analisis deskriptif. Analisis regresi linear berganda dan analisis deskriptif.
Faktor Produksi Fungsi yang digunakan dalam analisis faktor-faktor yang mempengaruhi
pendapatan nelayan adalah fungsi Cobb Douglas, karena faktor-faktor yang mempengaruhi pendapatan nelayan termasuk input bagi nelayan
yang
mempengaruhi output (pendapatan) nelayan. Menurut Soekartawi (1990) secara matematik, fungsi Cobb Douglas dapat dituliskan seperti Y = aX1b1X2b2. . . Xnbn eu
... (1)
Bila fungsi Cobb Douglas tersebut dinyatakan oleh hubungan Y dan X, maka
Y = f(X1, X2, . . . , Xn)
... (2)
dimana Y = variabel yang dijelaskan 32
Xi = variabel yang menjelaskan
(i = 1,2,3,...n)
a, b = besaran yang akan diduga u = kesalahan e = logaritma natural, e = 2,718 Untuk memudahkan pendugaan terhadap persamaan tersebut, maka persamaan diubah menjadi bentuk linier berganda dengan cara melogaritmakan persamaan tersebut. Logaritma dari persamaan diatas adalah Ln Y = ln a + b1 ln X1 + b2 ln X2 + ...+ bn ln Xn + v ... (3) Fungsi produksi perikanan merupakan fungsi dari input kapital yang diwakili oleh unit upaya dan natural capital (Biaya sumberdaya alam) yakni jumlah ikan yang didaratkan itu sendiri. Salah satu bentuk fungsi produksi tersebut adalah dalam bentuk fungsi Cobb Douglas yakni : H = qxαEβ ... (4) Dimana q adalah konstanta dan sering disebut sebagai qatchability coefficient atau koefisien kemampuan tangkap. Parameter α dan β adalah parameter yang masingmasing menggambarkan elastisitas stok terhadap produksi dan elastisitas input (effort) terhadap produksi (Fauzi 2010). 4.5.2
Analisis Regresi Fungsi produksi Cobb Douglas yang digunakan dalam penelitian ini
memiliki lebih dari satu variabel bebas, sehingga menggunakan analisis regresi linier berganda. Selain itu, fungsi Cobb Douglas yang tidak berbentuk linier harus diubah menjadi bentuk linier agar mempermudah perhitungan dan analisis. Fungsi Cobb Douglas termasuk bentuk model log-log. Pada prinsipnya model ini merupakan hasil transformasi dari suatu model tidak linier menjadi model linier 33
dengan jalan membuat model dalam bentuk logaritma. Bentuk logaritma dari persamaan fungsi produksi Cobb Douglas adalah Ln Y = ln a + b1 ln X1 + b2 ln X2 + ...+ bn ln Xn + v ... (5) Tujuan utama dalam analisis regresi berganda adalah menduga fungsi regresi populasi atas dasar fungsi regresi sampel. Jadi, kita mencari nilai b1, b2, ..., bn sebagai penduga B1, B2, ..., Bn. Nilai b1, b2 dapat dihitung dengan rumus
b1 =
............. (6)
b2 =
............. (7)
b1 =
= Elastisitas
.............(8)
dimana : X2i = X2i – X2 X3i = X3i – X3 yi = Yi – Y Konsekuensinya adalah nilai koefisien (b1, b2, ..., bn) dari hasil regresi menunjukan nilai elastisitas dari koefisien tersebut. Proses selanjutnya dalam regresi berganda adalah menentukan ketepatan persamaan regresi yang dihasilkan untuk menduga nilai variabel tak bebas. Tingkat ketepatan itu diukur dengan kesalahan baku (standard error). Kesalahan baku estimasi dinotasikan dengan simbol (Se) dan dapat ditentukan dengan rumus :
Se2 =
=
..........(9)
34
Se = √ Se2
..........(10)
Dalam hal hubungan tiga variabel, koefisien determinasi (R2) mengukur besarnya sumbangan X terhadap variasi naik turunnya Y secara bersama-sama. Rumus R2 adalah
R2 =
............ (11)
Jika R2 = 1, berarti besarnya presentase sumbangan X terhadap variasi Y secara bersama-sama adalah 100%. Jadi, seluruh variasi disebabkan oleh X dan tidak ada variabel lain yang mempengaruhi Y. Makin dekat R2 dengan satu, makin cocok garis regresi untuk meramalkan Y. Dalam penelitian ini akan dijelaskan hubungan antara pendapatan nelayan dan faktor-faktor yang mempengaruhi pendapatan nelayan. Faktor – faktor yang akan diteliti adalah hasil tangkapan, biaya, jumlah tenaga kerja, jarak tempuh, pengalaman, usia nelayan, pendidikan, alat tangkap, kepemilikan alat tangkap, keikutsertaan dalam organisasi, harga ikan, harga bahan bakar, jumlah ikan yang didaratkan, suhu udara, curah hujan, jumlah hari hujan, dan tinggi gelombang. Persamaan regresi dibagi menjadi dua bagian, cross section dan time series. Untuk regresi yang menggunakan data cross section dirumuskan dalam fungsi: PDT = f (HT, BIAYA, JTK, JT, PNGLM, USIA, PEND, AT, KAT, ORG)...(12) Sementara untuk regresi yang menggunakan data time series dirumuskan dalam fungsi : PDT = f (P, BBM, F, SU, CH, TG, JH)
...........(13)
Keterangan : PDT
: Pendapatan nelayan (Rp)
HT
: Hasil Tangkapan (kg) 35
BIAYA
: Biaya (Rp)
JTK
: Jumlah Tenaga Kerja (orang)
JT
: Jarak tempuh (m)
PNGLM
: Pengalaman (tahun)
USIA
: Usia Nelayan (tahun)
PEND
: Pendidikan Nelayan
AT
: Alat Tangkap
KAT
: Kepemilikan Alat Tangkap
ORG
: Keikutsertaan dalam Organisasi Nelayan
P
: Harga Ikan (Rp)
BBM
: Harga Bahan Bakar (Rp)
F
: Jumlah ikan yang didaratkan (kg)
SU
: Suhu Udara (0C)
CH
: Curah Hujan (mm/tahun)
TG
: Tinggi Gelombang (m)
JH
: Jumlah hari hujan (hari)
Dalam analisis ini menggunakan fungsi produksi yang menggambarkan hubungan antara input dan output serta data yang digunakan terbagi menjadi dua jenis data yaitu cross section dan time series. Hal ini mengakibatkan persamaan regresi terbagi menjadi dua persamaan. Bentuk fungsi produksi Cobb Douglas untuk produksi perikanan dengan data cross section adalah a
PDT = A HT BIAYAb JTKc JTd PNGLMe USIAf PENDg ATh KATi ORGj
...................(14)
36
Sementara fungsi produksi Cobb Douglas untuk produksi perikanan dengan data time series adalah PDT = B Pk BBMl Fm SUn CHo JHp TGq ................(15) Jika kedua persamaan diatas ditransormasikan kedalam bentuk ekonometrika menjadi Ln PDT = a0 + a ln HT + b ln BIAYA + c ln JTK + d ln JT + e ln PNGLM + f ln USIA + g ln PEND + h ln AT + i KAT + j ORG + μ...(16) dan Ln PDT = b0 + k ln P + l ln BBM + m ln F + n ln SU + o ln CH + p ln JH + q ln TG + μ
......................(17)
Metode yang digunakan untuk menganalisis persamaan tersebut adalah Metode Kuadrat Terkecil (Ordinary Least Square) dengan bantuan software Microsoft Excel dan Minitab versi 14. 4.5.3 Uji F Uji F (Uji Bersama) dilakukan dengan menguji secara bersama-sama variabel independent pengaruhnya dengan variabel dependent. Uji serentak yaitu uji
statistik
bagi
koefisien
regresi
yang
serentak
atau
bersama-sama
mempengaruhi Y. Formula Hipotesis : H0 : b1 = 0;
artinya faktor-faktor yang mempengaruhi pendapatan nelayan bukan merupakan penjelas yang signifikan bagi pendapatan nelayan
H1 :b1≠0;
artinya faktor-faktor yang mempengaruhi pendapatan nelayan merupakan penjelas yang signifikan bagi pendapatan nelayan. 37
Pengujian hipotesis koefisien regresi secara simultan dilakukan dengan menggunakan analisis varian. Statistik uji yang digunakan dalam hal ini adaah statistik uji F. Hipotesis yang diajukan untuk uji F ini adalah: H0 : B1 = B2 = ... = B ... 0 Ha : B1 ≠ B2 ≠...≠ B ... 0 Keputusan jika F hitung > F tabel maka tolak H0 dan terima Ha, sebaliknya jika F hitung < F tabel maka terima H0 dan tolak Ha. 4.5.4 Uji T Uji T (Uji Individual) dilakukan dengan menguji pengaruh setiap variabel dependent terhadap variabel independent. Analisis untuk menguji signifikansi nilai koefisien regresi secara parsial yang diperoleh dengan metode OLS adalah statistik uji t. Rumus umum untuk mencari nilai t hitung dari masing-masing koefisien regresi (b) adalah
tb =
............................(18)
Nilai t hitung dibandingkan dengan t tabel. Jika thitung < -ttabel atau thitung > + ttabel maka H0 ditolak dan Ha diterima. Jika Htabel ≤ thitung maka H0 diterima dan Ha ditolak. Hipotesis yang digunakan dalam penelitian ini untuk uji individual adalah: a) Hasil tangkapan berpengaruh positif terhadap pendapatan nelayan b) Biaya berpengaruh negatif terhadap pendapatan nelayan c) Jumlah tenaga kerja berpengaruh positif terhadap pendapatan nelayan d) Jarak tempuh melaut berpengaruh positif terhadap pendapatan nelayan e) Pengalaman berpengaruh positif terhadap pendapatan nelayan f) Usia nelayan berpengaruh positif terhadap pendapatan nelayan 38
g) Pendidikan nelayan berpengaruh positif terhadap pendapatan nelayan h) Alat tangkap berpengaruh positif terhadap pendapatan nelayan i) Kepemilikan alat tangkap berpengaruh positif terhadap pendapatan nelayan j) Keikutsertaan dalam organisasi nelayan berpengaruh positif terhadap pendapatan nelayan k) Harga ikan berpengaruh positif terhadap pendapatan nelayan l) Harga bahan bakar berpengaruh negatif terhadap pendapatan nelayan m) Jumlah ikan yang didaratkan berpengaruh positif terhadap pendapatan nelayan n) Suhu udara berpengaruh negatif terhadap pendapatan nelayan o) Curah hujan berpengaruh negatif terhadap pendapatan nelayan p) Tinggi gelombang berpengaruh negatif terhadap pendapatan nelayan q) Jumlah hari melaut berpengaruh positif terhadap pendapatan nelayan 4.5.5 Uji Kesesuaian (Goodness of Fit) Uji kesesuaian dilakukan untuk mengukur besarnya keragaman faktorfaktor yang mempengaruhi pendapatan nelayan terhadap variasi naik turunnya pendapatan nelayan secara bersama-sama. Nilai R2 dapat diketahui dari hasil output minitab pengolahan data regresi faktor-faktor yang mempengaruhi pendapatan nelayan. Makin dekat R2 dengan satu, makin cocok garis regresi untuk meramalkan Y. 4.5.6 Uji Penyimpangan Asumsi Penyimpangan
asumsi
yang
pertama
adalah
multikolinearitas.
Multikolinearitas dapat diketahui dengan melihat ciri-ciri yang pertama : 39
kolinearitas sering dapat diduga jika R2 cukup tinggi (antara 0,7-1) dan jika koefisien korelasi sederhana juga tinggi, tetapi tidak satupun atau sedikit sekali koefisien regresi parsial yang signifikan secara individu. Cara Lain untuk mengetahui multikolinearitas adalah melihat nilai VIF (Variance Influence Factor). Jika nilai VIF lebih dari 10 mengindikasikan terjadi multikolinearitas. Untuk menanggulangi multikolinearitas, ada beberapa cara yang dapat digunakan. Yang pertama adanya informasi sebelumnya mengenai variabel yang diteliti, menghubungkan data cross sectional dengan data time series, mengeluarkan satu variabel atau lebih, mentransformasi variabel, penambahan data baru, atau dengan backward combination analysis. Penyimpangan asumsi yang kedua adalah heteroskedastisitas. Langkahlangkah yang dilakukan untuk melihat apakah terdapat pelanggaran asumsi dengan uji White (White Test). Tahapannya adalah menghitung koefisien determinasi (R2) dan dikalikan dengan jumlah observasi (n). Kemudian bandingkan nilai tersebut dengan nilai X2 yang diperoleh dari tabel Chi Square. Nilai R2 yang lebih besar daripada X2 menunjukkan terdapat heteroskedastisitas pada model. Penyimpangan asumsi yang terakhir adalah autokorelasi. Uji ada tidaknya autokorelasi yang paling banyak digunakan adalah Uji Durbin Watson (Uji DW). Uji ini dapat dilakukan bagi sembarang sampel, baik besar atau kecil. Langkah uji hipotesisnya yang pertama tentukan hipotesis nol dan alternatifnya. Hipotesis nolnya adalah variabel gangguan tidak mengandung autokorelasi dan hipotesis alternatifnya adalah variabel gangguan mengandung autokorelasi. Setelah itu hitung besarnya nilai statistik DW dengan rumus : 40
DW =
.......................(19)
Langkah selanjutnya adalah membandingkan nilai statistik DW dengan nilai teoritik DW. Untuk ρ> 0 (autokorelasi positif): 1.
Jika DW ≥ d u (dengan df n – K - 1). H0 diterima jadi ρ= 0 berarti tidak ada autokorelasi pada model itu.
2.
Jika DW ≤ dL (dengan df n – K - 1). H0 ditolak jadi ρ≠ 0 berarti ada autokorelasi positif pada model itu.
3.
Jika dL < DW > du, uji itu hasilnya tidak konklusif, sehingga tidak dapat ditentukan apakah terdapat autokorelasi atau tidak pada model itu.
Untuk ρ< 0 (autokorelasi negatif): 1. Jika (4 – DW) ≥ du. H0 diterima jadi ρ= 0 berarti tidak ada autokorelasi pada model itu. 2. Jika (4 – DW) ≤ dL. H0 ditolak jadi ρ≠ 0 berarti ada autokorelasi positif pada model itu. 3. Jika dL < (4 – DW) > du, uji itu hasilnya tidak konklusif, sehingga tidak dapat ditentukan apakah terdapat autokorelasi atau tidak pada model itu.
41
