Post on 22-Mar-2019
30
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.
31
4.4 Pengumpulan Data
Pengumpulan data primer dan sekunder dilakukan pada Bulan Maret-
April 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
32
Tabel 1. Metode Prosedur Penelitian
No Tujuan Jenis dan Sumber Data
Metode Analisis Data
1 Mengidentifikasi karakteristik nelayan tangkap Pulau Untung Jawa Kepulauan Seribu
Data primer dari kuisioner nelayan di Pulau Untung Jawa Kepulauan Seribu dan data sekunder dari Kepulauan Seribu.
Analisis deskriptif
2 Mengkaji pengaruh faktor-faktor sosial ekonomi terhadap pendapatan nelayan Pulau Untung Jawa Kepulauan Seribu
Data primer dari kuisioner nelayan di Pulau Untung Jawa Kepulauan Seribu.
Analisis regresi linear berganda dan analisis deskriptif.
3 Mengkaji pengaruh cuaca terhadap pendapatan nelayan
Data primer dari nelayan Pulau Untung Jawa dan data sekunder dari BMKG Jakarta Utara.
Analisis regresi linear berganda dan analisis deskriptif.
4.5.1 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 = aX1b1X2
b2. . . 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
33
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 masing-
masing 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
34
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)
35
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)
36
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
PDT = A HTa BIAYAb JTKc JTd PNGLMe USIAf PENDg
ATh KATi ORGj ...................(14)
37
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.
38
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
39
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 faktor-
faktor 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 :
40
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. Langkah-
langkah 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 :
41
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.