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.