dampak program peningkatan produktifitas terhadap produktifitas pertanian tanaman padi di indonesia...
DESCRIPTION
Analisis regresi untuk melihat pengaruh program peningkatan produktifitas terhadap produktifitas tanaman padi di indonesia tahun 2013Program yang dimaksud adalah subsidi pupuk, penyuluhan pertanian dan bantuan modal lewat perbankanTRANSCRIPT
-
0
DAMPAK PROGRAM PENINGKATAN PRODUKTIFITAS TERHADAP
PRODUKTIFITAS PERTANIAN TANAMAN PADI DI INDONESIA
PADA TAHUN 2013
NAMA : ZABLIN
NRP : 1314201713
TUGAS MATA KULIAH OFFICIAL STATISTIK
PROGRAM PASCASARJANA STATISTIKA KERJASAMA BPS DAN ITS
TAHUN 2014/2015
-
1
1. PENDAHULUAN
Sektor pertanian di Indonesia tetap menjadi sektor yang sangat penting walaupun
bukan lagi sebagai penyumbang Produk Domestik Bruto terbesar. Hal ini karena sektor ini
menyerap banyak tenaga kerja sehingga menjadi tumpuan hidup sebagian besar rakyat
indonesia. Disamping itu, output sektor pertanian sangat strategis karena menyangkut upaya
pemerintah dalam mewujudkan kedaulatan pangan. Sektor pertanian juga menjadi penentu
keberhasilan pemerintah dalam upaya penanggulangan kemiskinan karena sebagian besar
penduduk miskin bekerja di sektor ini.
Dalam rangka mewujudkan swasembada pangan, pemerintah menghadapi berbagai
permasalahan di sektor pertanian. Sektor pertanian identik dengan sektor yang menjadi
pilihan terakhir bagi mereka yang tidak mendapatkan peluang bekerja di sektor lain.
Akibatnya kualitas SDM di sektor pertanian lebih rendah dengan sektor lain. Lebih dari 70
persen petani hanya bersekolah sampai sekolah dasar. Dengan tingkat pendidikan yang
rendah akan sulit bagi petani untuk menyerap pengetahuan dan keterampilan untuk
meningkatkan produktifitasnya, termasuk termasuk jika harus berhubungan dengan teknologi.
Selain berpendidikan rendah, usaha sektor pertanian juga sulit berkembang karena
kekurangan modal. Tidak seperti sektor lain, akses modal untuk sektor pertanian sulit karena
tidak adanya agunan dan resiko gagal panen yang besar. Akibat kekurangan modal ini, sektor
pertanian sulit berkembang dan cenderung monoton dari waktu ke waktu. Cara bertani secara
tradisional masih lebih dominan dibandingkan dengan cara bertani modern. Disamping cara
bertani yang masih tradisional, kekurangan modal juga mengakibatkan banyak petani yang
berstatus sebagai buruh panen dan petani gurem. Maka menjadi hal yang lumrah kalau
kantong kantong kemiskinan banyak di sektor pertanian.
Pemerintah melakukan berbagai upaya untuk meningkatkan produksi pertanian.
Peningkatan produksi pertanian dapat dilakukan dengan cara intensifikasi (peningkatan
produktifitas) maupun ekstensifikasi (peningktan luas tanam). Beberapa program untuk
mewujudkan pengingkatan produktifitas yang telah dilakukan oleh pemerintah diantaranya
subsidi pupuk, bantuan modal usaha, bantuan alat dan mesih pertanian, bantuan benih,
sekolah lapang pertanian dan sebagainya.
1.1. Rumusan Masalah
Apakah program peningkatan produktivitas pertanian tanaman padi memberikan
pengaruh yang signifikan terhadap peningkatan produktivitas pertanian tanaman padi?
-
2
Program yang dimaksud yaitu bantuan alat dan mesin pertanian, subsidi pupuk dan
penyuluhan kepada petani.
1.2. Tujuan
Tujuan dari penelitian ini yaitu:
1. Untuk mengetahui apakah persentase petani yang kesulitan mendapatkan sarana produksi
signifikan mempengaruhi peningkatan produktifitas pertanian tanaman padi
2. Untuk mengetahui apakah persentase petani yang mengikuti penyuluhan berpengaruh
signifikan terhadap peningkatan produktifitas pertanian tanaman padi
3. Untuk mengetahui apakah rasio alokasi pupuk bersubsidi terhadap luas panen
berpengaruh signifikan terhadap peningkatan produktifitas tanaman padi
-
3
2. KAJIAN TEORI
Model regresi linier berganda disamping menggambarkan hubungan antara variabel
respon dan variabel prediktornya, juga dapat digunakan untuk melihat berapa besar pengaruh
dari suatu variabel prediktor terhadap variabel respon. Model regresi linier berganda
digunakan untuk menganalisis variabel respon yang bertipe kuantitatif. Model regresi linier
berganda dalam penelitian ini adalah sebagai berikut:
Y = 0 + 1X1 + 2X2 + + 11X11 +
Dimana:
Y = variabel respon
X = variabel prediktor
0 = intersep
i = koefisien regresi; i = 1,.., 11
= residual
2.1. Estimasi Parameter
Metode yang digunakan untuk mengestimasi parameter-paarameter yang tidak diketahui
dalam model regresi linier berganda, yaitu metode Ordinary Least Square (OLS).
2.2. Uji Signifikansi Model
Prosedur pemilihan model terbaik dalam regresi linier berganda dapat dilakukan dengan
prosedur stepwise selection. Prosedur ini menggunakan proses komputasi. Untuk
menguji kesesuaian model secara serentak digunakan uji-F. Formula statistik uji-F
adalah:
Hipotesisnya dinyatakan sebagai berikut:
H0 : 1 = 2 = . . . = j = 0 (tidak ada pengaruh antara variabel prediktorterhadap variabel
respon)
H1 : minimal ada satu j 0 (minimal ada satu pengaruh variabel prediktor terhadap
variabel respon)
Jika p-value < maka kita menolak H0 yang berarti dapat disimpulkan bahwa variabel
prediktor secara serentak mempengaruhi variabel respon. H0 ditolak berarti paling sedikit
ada satu j 0. Untuk melihat j mana yang nol (tidak signifikan), dapata dilakukan uji
koefisien parameter secara parsial dengan uji-t.
-
4
2.3. Uji Parameter
Uji parameter yang digunakan adalah uji-t. Statistik ini digunakan untuk menguji
koefisien regresi secara parsial dalam model regresi linier berganda. Formula statitik uji-t
adalah:
Sedangkan hipotesis yang digunakan adalah:
H0 : j = 0; j = 1, 2, , k (tidak ada pengaruh antara variabel prediktor ke-j terhadap
variabel respon)
H1 : j 0; j = 1, 2, , k (ada pengaruh antara variabel prediktor ke-j terhadap variabel
respon)
2.4. Uji Asumsi
2.4.1. Asumsi Normalitas Kolmogorov Smirnov
Pengujian hipotesis untuk model baik serentak maupun parsial mensyaratkan error
berdistribusi normal ( ). Pengujian distribusi normal menggunakan statistik uji
kolmogorov-smirnov
Hipotesis
Ho : F(x) = F0(x)
H1 : F(x) F0(x)
Statistik Uji
D = sup I S(x) F0(x) I
Dimana
S(x) adalah proporsi nilai pengamatan sampel yang kurang dari/sama dengan x
F0(x) adalah Fungsi distribusi dari fungsi yang diketahui (normal)
Tolak H0 jika D K1-
2.4.2. Asumsi Homoskedasticity Gletjser
Untuk memeriksa homoskedasticity dengan cara meregresikan error dengan semua
variabel independent, dengan hipotesis yaitu:
Ho : , i = 1,2,3,...,12
Ha : minimal ada salah satu , i = 1,2,3,...,12
= 0,05
Tolak Ho jika p-value <
-
5
2.4.3. Asumsi Multikolinearitas
Mulitikolinearitas terpenuhi dengan dua pertimbangan yaitu:
1. Tidak ada perubahan tanda (perubahan hubungan dari positif ke negatif) antara
variabel bebas dan variabel tidak bebas pada saat korelasi parsial dengan dalam
model.
2. Variance inflation factor (VIF) lebih kecil dari 10
2.4.4. Asumsi Autokorelasi
Asumsi Autokorelasi dapat diperiksa dengan menggunakan statistik uji Ljung-Box
dengan ketentuan sebagai berikut:
Hipotesis
Ho : Tidak ada autokorelasi antar error
Hi : Terdapat autokorelasi antar error
Statistik uji Ljung-Box
Tolak Ho jika Q >
-
6
3. METODOLOGI
3.1. Sumber Data
Sumber data yang digunakan berasal dari hasil pengolahan Survei Pendapatan Rumah
Tangga Usaha Pertanian 2013 dan Survei Pertaninan (SP). Data statistik pertanian
dikumpulkan oleh Dinas Pertanian bekerja sama dengan BPS baik yang dilakukan secara
bulanan maupun tahunan pada tiap kecamatan, diseluruh wilayahIndonesia.
3.2. Variabel Yang Digunakan
Variabel Tidak Bebas
Produktifitas Tanaman Padi adalah rata-rata produksi padi (kuintal) per hektar (Ha).
Variabel Bebas
1. Rasio Alokasi Pupuk bersubsidi dalam terhadap luas panen (RAP)
Subsidi pupuk terdiri dari subsidi pupuk Urea, ZA, SP-36, NPK dan Organik.
Besarnya alokasi pupuk bersubsidi setiap propinsi diatur dengan peraturan mentri
pertanian. Alokasi pupuk kemudian dibagi dengan luas panen per propinsi. Luas
panen merupakan akumulasi dari luas panen padi, kedelai, jagung, kacang tanah,
kacang hijau, ubi kayu, ubi jalar, tanaman obat-obatan, tanaman hias, bawang merah,
kentang, bawang daun, wortel, cabai dan perkebunan. Untuk variabel ini digunakan
akumulasi luas panen tanaman tersebut sebelumnya karena sebagian besar pupuk
bersubsidi digunakan untuk tanaman tersebut. Satuannya adalah ton per hektar.
2. Persentase rumah tangga usaha pertanian (RTUP) yang kesulitan memperoleh sarana
produksi
Persentase RTUP menurut provinsi yang kesulitan memperoleh sarana produksi
diperoleh dari hasil Survei Pendapatan Rumah Tangga Usaha Pertanian 2013
3. Persentase rumah tangga usaha pertanian (RTUP) yang mengikuti penyuluhan
Persentase RTUP menurut provinsi yang kesulitan memperoleh sarana produksi
diperoleh dari hasil Survei Pendapatan Rumah Tangga Usaha Pertanian 2013
-
7
3.3. Kerangka Berpikir
3.4. Alur Penelitian
Untuk mencapai tujuan peneitian, maka disusun langkah-langkah sebagai berikut:
1. Melakukan eksplorasi data variabel yaitu dengan mendeteksi adanya korelasi antara
variabel respon dengan prediktor dapat juga dengan melihat hasil scatter plot dari variabel
respon dan prediktor tersebut. Secara statistik dapat dilihat nilai korelasinya antar variabel
dengan menggunakan korelasi pearson. Langkah ini juga bisa mendeteksi secara dini
adanya multikolinieritas antar variabel prediktor satu dengan yang lain.
2. Menyusun model linier berganda.
3. Melakukan estimasi parameter dalam model linier berganda.
4. Melakukan pengujian hipotesis baik secara parsial (uji-t) maupun serentak (uji-F).
5. Melakukan pengujian asumsi residual apakah Independent, Identik, Normal (0,2).
6. Melakukan interpretasi.
Kebijakan Peningkatan Produktivitas Pertanian Tanaman
Pangan
1. Pupuk Bersubsidi
2. Bantuan dan Penyediaan Alat dan Mesin Pertanian
3. Peyuluhan
Variabel Bebas
1. Rasio Alokasi Pupuk bersubsidi terhadap luas panen
2. Persentase RTUP yang kesulitan memperoleh sarana
produksi
3. Persentse RTUP yang mengikuti penyuluhan
Variabel Tidak Bebas
Produktivitas Pertanian Tanaman Padi
-
8
4. ANALISIS DAN PEMBAHASAN
4.1. Produktifitas Pertanian Tanaman Padi Tahun 2013 Menurut Provinsi
Tabel 4.1. Produktifitas Pertanian Tanaman Padi Tahun 2013 Menurut Provinsi
Provinsi Luas Panen
(Ha)
Produktivitas
(Ku/Ha) Produksi (Ton)
(1) (2) (3) (4)
Aceh 419,183 46.68 1,956,940
Sumatera Utara 742,968 50.17 3,727,249
Sumatera barat 487,820 49.82 2,430,384
Riau 118,518 36.63 434,144
Jambi 153,243 43.36 664,535
Sumatera Selatan 800,036 45.96 3,676,723
Bengkulu 147,680 42.17 622,832
Lampung 638,090 50.26 3,207,002
Bangka Belitung 10,232 27.83 28,480
Kepulauan Riau 379 36.15 1,370
DKI Jakarta 1,744 58.88 10,268
Jawa Barat 2,029,891 59.53 12,083,162
Jawa Tengah 1,845,447 56.06 10,344,816
DI Yogyakarta 159,266 57.88 921,824
Jawa Timur 2,037,021 59.15 12,049,342
Banten 393,704 52.92 2,083,608
Bali 150,380 58.66 882,092
Nusa Tenggara Barat 438,057 50.08 2,193,698
Nusa Tenggara Timur 222,469 32.8 729,666
Kalimantan Barat 464,898 31.01 1,441,876
Kalimantan Tengah 247,473 32.84 812,652
Kalimantan Selatan 479,721 42.34 2,031,029
Kalimantan Timur 102,912 42.7 439,439
Kalimantan Utara 35,926 34.72 124,724
Sulawesi Utara 127,413 50.1 638,373
Sulawesi Tengah 224,326 45.98 1,031,364
Sulawesi Selatan 983,107 51.22 5,035,830
Sulawesi Tenggara 132,945 42.23 561,361
Gorontalo 56,894 52.01 295,913
Sulawesi Barat 91,195 48.8 445,030
Maluku 24,399 41.74 101,835
Maluku Utara 19,281 37.57 72,445
Papua Barat 7,523 39.76 29,912
Papua 41,111 41.3 169,791
Indonesia 13,835,252 51.52 71,279,709
-
9
Descriptive Statistics: Produktivitas Variable N N* Mean SE Mean StDev Minimum Q1 Median Q3
Produktivitas 34 0 45.57 1.51 8.78 27.83 39.21 45.97 51.42
Variable Maximum
Produktivitas 59.53
Dari tabel 4.1 Terlihat bahwa produktivitas padi antar provinsi cukup bervariasi,
resume deskriptive statistik untuk produktifitas menunjukkan bahwa produktivitas tertinggi
adalah 59,53 Ku/ha di Provinsi Jawa Barat dan terendah 27,53 Ku/ha di Provinsi Bangka
Belitung, standar Deviasi juga cukup tinggi yaitu 8,78. Dengan produktifitas tertinggi
tersebut, Jawa Barat menjadi Provinsi dengan produksi padi tertinggi yaitu 12.083.162 ton.
Angka produksi terendah di Kepulauan Riau sebesar 1.370 ton.
Variasi antar provinsi yang cukup tinggi ini memberikan peluang peningkatan
produktifitas terutama bagi provinsi-provinsi yang produktifitasnya masih dibawah 50 Ku/ha.
Produktifitas tinggi tidak saja terjadi di Pulau Jawa tapi juga di luar Pulau Jawa. Variasi dan
sebaran ini memberikan kita bukti dan harapan bahwa apa yang berhasil dicapai oleh provinsi
dengan produktifitas yang tinggi bukan mustahil bisa juga dicapai provinsi lain. Sentuhan
kebijakan yang tepat bisa mempercepat provinsi-provinsi yang memiliki produktifitas rendah
mengejar ketertinggalannya. Sehingga pada akhirnya bisa meningkatkan produksi tanaman
padi dan terwujudnya ketahanan pangan secara nasional.
Akses Terhadap Sarana Produksi
Kesulitan mengakses sarana produksi menjadi salah satu kendala yang dihadapi oleh
rumah tangga pertanian. Sekitar 20,80 persen rumah tangga mengaku kesulitan mengakses
sarana produksi. Kesulitan akses diakibatkan oleh lokasi yang terpencil, mahal, sarana tidak
tersedia dan sebagainya. Mahalnya harga sarana produksi masih menjadi alasan terbesar
petani kesulitan mengakses sarana produksi.
Gambar 4.1 Penyebab Kesulitan Memperoleh Sarana Produksi
-
10
Akses Terhadap Layanan Peningkatan Kapasitas Petani
Akses petani terhadap penyuluhan-penyuluhan pertanian masih rendah. Hasil Survei
Pendapatan Rumah Tangga Usaha Pertanian 2013 memberikan gambaran bahwa betapa
minimnya akses petani terhadap penyuluhan. Hanya 19,14 persen RTUP yang mengikuti
penyuluhan pertanian. Padahal materi yang diberikan sangat bermanfaat bagi mereka, antara
lain mencakup penerapan teknologi pertanian, optimalisasi penggunaan sumber daya tani,
diversifikasi pertanian, manajemen usaha tani, manajemen pemasaran, hingga peningkatan
nilai tambah hasil produksi pertanian.
Hasil Survei Pendapatan RTUP juga membuktikan bahwa petani dengan pendapatan
tinggi memiliki tingkat keikutsertaan yang lebih tinggi terhadap layanan penyuluhan
pertanian. Hal ini disebabkan mereka memiliki kesadaran akan pentingnya peyuluhan
terhadap peningkatan produktifitas. Pemerintah butuh usaha ekstra terutama untuk
meningkatkan partisipasi petani berpendapatan rendah dalam kegiatan-kegiatan penyuluhan.
Alokasi Pupuk Bersubsidi
Berdasarkan Peraturan Menteri Pertanian Nomor 69/Permentan/SR.130/11/2012
tanggal 30 Nopember 2012, Alokasi pupuk bersubsidi yang diolah dari Peraturan Menteri
Pertanian tersebut adalah sebagai berikut:
Tabel 4.2 Alokasi Pupuk Bersubsidi Menurut Pulau
Pulau Jenis Pupuk (Ton)
Urea SP-36 ZA NPK Organik
(1) (2) (3) (4) (5) (6)
Sumatera 811,500 237,850 139,250 684,500 160,020
Jawa 2,616,500 488,850 747,550 1,388,500 634,050
Bali dan Nusa Tenggara 193,000 26,700 24,000 68,000 35,640
Kalimantan 101,000 35,800 9,900 93,000 27,900
Sulawesi 368,500 57,700 76,470 155,000 35,550
Maluku 3,100 400 2,500 3,500 1,080
Papua 6,400 2,700 330 7,500 5,760
Total 4,100,000 850,000 1,000,000 2,400,000 900,000
-
11
Tabel 4.3 Rasio Alokasi Pupuk Bersubsidi Terhadap Luas Panen Menurut Pulau
Pulau Jenis Pupuk (Ton)
Total Urea SP-36 ZA NPK Organik
(1) (2) (3) (4) (5) (6) (7)
Sumatera 0.05 0.01 0.01 0.04 0.01 0.12
Jawa 0.22 0.04 0.06 0.11 0.05 0.49
Bali dan Nusa Tenggara 0.09 0.01 0.01 0.03 0.02 0.17
Kalimantan 0.02 0.01 0.00 0.01 0.00 0.04
Sulawesi 0.08 0.01 0.02 0.03 0.01 0.15
Maluku 0.01 0.00 0.00 0.01 0.00 0.02
Papua 0.02 0.01 0.00 0.02 0.02 0.08
Total 0.10 0.02 0.02 0.06 0.02 0.22
Dari tabel 4.2 terlihat bahwa pulau Jawa masih menempati urutan pertama dalam hal jumlah
alokasi pupuk disusul pulau Sumatera dan Sulawesi. Hal ini disesuaikan dengan luas lahan
yang akan dipupuk. Rasio pupuk terhadap luas panen tanaman juga sangat bervariasi. Rasio
terbesar masih terdapat di Pulau Jawa disusul Bali dan Nusa Tenggara, Sulawesi dan
kemudian Sumatera.
4.2. Model Regresi
Pembentukan model antara variabel bebas dan tidak bebas menggunakan
menggunakan paket program minitab memberikan hasil sebagai berikut:
Produktivitas = 40.7 + 0.316 ikut penyuluhan - 0.181 kesulitan memperoleh sapro
+ 31.1 Rasio Alokasi Pupuk
Predictor Coef SE Coef T P VIF
Constant 40.669 3.534 11.51 0.000
ikut penyuluhan 0.3165 0.1282 2.47 0.020 1.153
kesulitan memperoleh sapro -0.18092 0.08421 -2.15 0.040 1.416
Rasio Alokasi Pupuk 31.096 6.626 4.69 0.000 1.543
S = 4.55803 R-Sq = 72.9% R-Sq(adj) = 70.1%
Model di atas diperoleh dengan tidak mengikutsertakan Provinsi Bangka Belitung
karena provinsi ini memiliki pola alokasi pupuk yang tidak sejalan dengan provinsi lain di
Indonesia. Provinsi lain alokasi pupuk sebagian besar untuk tanaman pangan khususnya padi
sementara Provinsi Bangka Belitung untuk perkebunan dan tanaman lain di luar padi. Pada
tahun 2013 alokasi pupuk untuk Provinsi Bangka Belitung adalah sebesar 43.400 ton dengan
luas panen pertanian tanaman padi hanya 10.232 ha. Sehingga tidak relevan mengukur
alokasi pupuk total terhadap produktifitas tanaman padi di Provinsi Bangka Belitung.
Hubungan alokasi pupuk bersubsidi terhadapa produktifitas pertanian tanaman padi di
Provinsi Bangka Belitung bisa di modelkan jika terdapat data alokasi pupuk bersubsidi
khusus untuk tanaman padi.
-
12
Interpretasi model sebagai berikut:
1. Secara bersama-sama, seluruh variabel bebas mampu menjelaskan keragaman pada
variabel tidak bebas sebesar 70,1 persen. Artinya program pemerintah dalam rangka
meningkatkan produktifitas pertanian berupa pemberian pupuk gratis, bantuan dan
penyediaan alat dan mesin pertanian serta penyuluhan hanya mampu menjelaskan
sekitar 70,1 persen keragaman data produktifitas pertanian tanaman padi. Masih ada
29,9 persen pengaruh variabel lain terhadap produktifitas pertanian tanaman padi.
Variabel lain yang berpengaruh misalnya faktor alam seperti curah hujan, hama dan
penyakit serta faktor dari dalam petani itu sendiri.
2. Partisipasi petani mengikuti penyuluhan terbukti berpengaruh positif dan signifikan
terhadap produktifitas pertanian tanaman padi. Jika faktor lain diasumsikan tetap,
maka peningkatan 1 persen petani yang mengikuti penyuluhan akan mampu
meningkatkan produktifitas sebesar 0,316 kuintal per hektar.
3. Persentase petani yang kesulitan memperoleh sarana produksi mempunyai pengaruh
negatif dan signifikan terhadap produktifitas pertanian. Jika diasumsikan faktor lain
tidak berubah, maka apabila terjadi peningkatan sebesar 1 persen petani yang merasa
kesulitan memperoleh sarana produksi maka akan terjadi penurunan produktifitas
pertanian padi sebesar 0.18 kuintal per hektar.
4. Alokasi pupuk bersubsidi berpengaruh positif dan signifikan terhadap produktifitas
pertanian tanaman padi. Semakin tinggi alokai pupuk bersubsidi maka akan semakin
tinggi pula produktifitas. Jika faktor lain dianggap tetap maka peningkatan alokasi
pupuk sebesar 0,1 ton per hektar akan meningkatkan produktifitas 3,11 kuintal per
hektar. Pengaruh pupuk terhadap produktifitas bukanlah fungsi yang sifatnya linear
mutlak. Artinya ada saatnya ketika produktifitas sudah tinggi atau alokasi pupuk
sudah mencukupi maka penambahan pupuk tidak akan signifikan meningkatkan
produktifitas.
4.3. Pengujian Asumsi
Asumsi Normalitas Residual
Hipotesis
Ho : F(x) = F0(x)
Ha : F(x) F0(x)
Gagal tolak Ho karena p-value > 0,05 sehingga distribusi residual tidak berbeda dengan
distribusi normal (0,2) atau F(x) = F0(x). Kesimpulannya residual berdistribusi normal
-
13
1050-5-10
99
95
90
80
70
60
50
40
30
20
10
5
1
RESI14
Percent
Mean -1.62564E-14
StDev 4.339
N 33
RJ 0.980
P-Value >0.100
Probability Plot of RESI14Normal
Asumsi Hemoskedasticity
Untuk memeriksa homoskedasticity dengan cara meregresikan error dengan semua
variabel independent, dengan hipotesis yaitu:
Ho : , i = 1,2,3,...,12
Ha : minimal ada salah satu , i = 1,2,3,...,12
Gagal tolak Ho karena p-value > 0,05, , sehingga dapat disimpulkan bahwa varians
error konstan.
RESI14 = - 0.00 + 0.000 ikut penyuluhan + 0.0000 kesulitan memperoleh sapro
- 0.00 Rasio Alokasi Pupuk
Analysis of Variance
Source DF SS MS F P
Regression 3 0.00 0.00 0.00 1.000
Residual Error 29 602.49 20.78
Total 32 602.49
Asumsi Non Autokorelasi
Hipotesis
Ho : Tidak ada autokorelasi antar error
Hi : Terdapat autokorelasi antar error
Statistik uji Ljung-Box
-
14
Tolak Ho jika LBQ >
Autocorrelation Function: RESI14 Lag ACF T LBQ
1 0.331800 1.91 3.97
2 0.167660 0.87 5.02
3 -0.096477 -0.49 5.38
4 -0.163933 -0.83 6.45
5 -0.218979 -1.08 8.43
6 -0.200780 -0.96 10.15
7 -0.158117 -0.74 11.26
8 -0.008469 -0.04 11.27
Gagal tolak Ho untuk lag 1-8 yang dibuktikan dengan nilai LBQ < Chi-Square. Secara visual
dapat dilihat pada gambar berikut
87654321
1.0
0.8
0.6
0.4
0.2
0.0
-0.2
-0.4
-0.6
-0.8
-1.0
Lag
Autocorrelation
Autocorrelation Function for RESI14(w ith 5% significance lim its for the autocorrelations)
Asumsi Multikolinearity
Pengujian asumsi multikolinearity dengan menggunakan nilai VIF.
Predictor Coef SE Coef T P VIF
Constant 40.669 3.534 11.51 0.000
ikut penyuluhan 0.3165 0.1282 2.47 0.020 1.153
kesulitan memperoleh sapro -0.18092 0.08421 -2.15 0.040 1.416
Rasio Alokasi Pupuk 31.096 6.626 4.69 0.000 1.543
Hasil pengolahan menunjukkan VIF yang rendah (dibawah 10) sehingga bisa disimpulkan
bahwa tidak ada multikolinearity.
-
15
5. KESIMPULAN
1. Ketiga variabel yang merepresentasikan program peningkatan produktifitas signifikan
mempengaruhi produktifitas pertanian tanaman padi. Ketiga variabel itu adalah :
1. persentase petani yang kesulitan mendapatkan sarana produksi
2. persentase petani yang mengikuti penyuluhan
3. Rasio alokasi pupuk bersubsidi terhadap luas panen
2. Ketiga variabel tersebut mampu menjelaskan 70,1 persen keragaman pada
produktifitas sehingga masih ada 29,9 persen yang dipengaruhi oleh variabel lain.
-
16
Daftar Pustaka
Badan Pusat Statistik RI (2014). Analisis Sosial Ekonomi Petani di Indonesia 2014, BPS RI,
Jakarta.
http://bps.go.id/publications/publikasi.php?pg=3&key=tanaman%20pangan
http://www.bps.go.id/hasil_publikasi/intan2013-
2014/index3.php?pub=Indikator%20Pertanian%202013-2014
http://perundangan.pertanian.go.id/p-,eteri.php
-
17
Lam
pir
an
Tab
el 5
.1 L
uas
Tan
am
Beb
erap
a K
om
od
itas
Uta
ma
Provinsi
Padi
Kedelai
jagung
Kacang
Tanah
Kacang
Hijau
Ubi Kayu
Ubi
Jalar
Tanaman
Obat-
obatan
Tanaman
Hias
Bawang
Merah
Kentang Bawang
Daun
Wortel Cabai
Perkebunan
Total
Ace
h 419
,183
30,57
9 44,09
9 3,11
8 903
2
,725
1,094
40
2
0
5
47
69
2 249
15
1 7,60
0 8
56,601
1,36
7,94
3
Sum
atera Utara
742
,968
3,12
6 2
11,750
9,37
7 2,130
47
,141
9,101
70
7
21
1,04
8 5,63
3 1,675
1,958
2
1,25
4 2
,054
,209
2,36
9,13
0
Sum
atera ba
rat
487
,820
69
0 81,66
5 5,90
4 608
5
,503
4,530
15
1
0
4,14
4 2,67
0 4,188
1,477
8,95
7 7
91,807
91
2,29
5
Riau
118
,518
1,94
9 11,74
8 1,32
5 585
3
,863
1,028
4
9
0
3
2
3,10
5 3
,167
,205
3,19
0,86
3
Jambi
153
,243
1,87
7 6,50
4 1,16
1 230
2
,274
2,670
9
5
0
2
13
4,52
7 249
6
5 5,06
4 1
,328
,654
1,35
3,58
3
Sum
atera Selatan
800
,036
3,56
4 32,55
8 2,54
7 1,332
9
,397
1,922
25
6
2
30
12
1 660
44
5 7,94
4 1
,983
,212
2,04
3,98
9
Ben
gkulu
147
,680
3,72
0 18,25
7 4,37
0 1,384
4
,861
3,277
35
0
0
1
16
86
8 2,713
1,480
7,94
6 5
02,630
55
1,97
2
Lampu
ng
638
,090
4,98
6 3
46,315
8,30
5 2,941
318
,107
4,630
36
9
3
24
4
7 564
36
5 8,03
7 7
31,558
1,42
6,25
1
Ban
gka Belitu
ng
10
,232
- 2
34
34
1 -
795
365
6
1
0
96
88
5 2
35,595
23
8,37
2
Kep
ulau
an R
iau
379
17 3
39
16
9 -
715
237
8
0
51
59
9 87,17
8
8
9,31
3
DKI J
akarta
1,744
- -
- -
-
-
2
7
-
9
Jawa Barat
2,029
,891
35,68
2 1
52,923
54,34
6 9,121
95
,505
26
,635
2,812
369
11,25
7 1
3,82
0 14
,362
6,886
2
6,25
6 4
21,857
87
1,83
1
Jawa Ten
gah
1,845
,447
65,27
8 5
32,061
92,45
4 5
7,94
1
161
,783
10
,011
3,921
208
36,71
5 1
7,63
0 11
,870
1
1,33
7 3
9,02
2 4
36,881
1,47
7,11
2
DI Y
ogya
karta
159
,266
23,29
0 70,77
2 65,68
0 552
58
,777
419
59
1
9
8
93
61
3,70
7 59,98
1
28
4,73
2
Jawa Tim
ur
2,037
,021
21
0,61
8 1
,199
,544
15
0,01
7 48,84
5
168
,194
19
,139
4,259
431
26,03
0 1
1,68
8 9,318
3,993
6
4,11
4 8
64,487
2,78
0,67
7
Ban
ten
393
,704
7,92
8 3,58
3 9,27
3 822
6
,391
2,125
31
2
10
2
02
87
2
7 1,11
7 1
61,650
19
3,52
7
Bali
150
,380
5,60
5 18,22
3 8,50
0 1,129
9
,085
5,119
13
0
15
6
58
16
3 133
32
8 4,04
4 1
23,793
17
6,92
5
Nus
a Ten
ggara
Barat
438
,057
86,88
2 1
10,273
30,77
2 1
9,37
4
3
,866
866
5
9
1
9,27
7 25
7 62
15
5 6,10
6 1
23,752
39
1,70
2
Nus
a Ten
ggara
Tim
ur
222
,469
1,77
8 2
70,394
13,88
0 1
1,86
9
79
,164
9,992
20
7
0
8
44
7
7 101
27
6 2,97
5 2
97,100
68
8,65
7
Kalim
antan Barat
464
,898
1,20
3 42,62
1 1,11
1 733
10
,821
1,818
15
4
2
254
2,09
0 1
,485
,589
1,54
6,39
6
Kalim
antan
Ten
gah
247
,473
1,41
3 2,06
2 56
4 127
3
,406
1,292
4
6
0
8
368
1,56
5 1
,520
,036
1,53
0,88
7
Kalim
antan
Selatan
479
,721
3,03
8 20,62
9 9,14
8 703
4
,902
1,336
85
4
0
8
242
1,59
1 7
18,562
76
1,01
3
-
18
Kalim
antan Tim
ur
102
,912
96
3 1,85
8 1,10
5 349
2
,809
1,269
6
3
1
6
141
2,16
3 9
56,436
96
7,16
3
Kalim
antan Utara
35
,926
84 4
45
22
5 7
0
2
,111
358
2
7
0
3
61
92
7 21
4,68
6
21
8,99
6
Sulaw
esi U
tara
127
,413
4,32
5 1
22,237
6,71
2 1,218
4
,239
4,059
2
9
13
3
03
9,87
6 6,342
1,243
1,48
9 92,00
8
25
4,09
4
Sulaw
esi T
enga
h 224
,326
7,64
2 34,17
4 3,97
1 1,009
4
,844
2,001
3
3
0
1,30
7 3
0 221
3
5 3,43
2 6
69,688
72
8,38
7
Sulaw
esi S
elatan
983
,107
30,93
7 2
74,046
18,81
2 1
4,22
6
24
,720
4,809
30
2
6
4,56
9 2,01
8 2,036
1,732
7,69
9 5
33,312
91
9,22
3
Sulaw
esi
Ten
ggara
132
,945
3,73
5 27,13
3 6,54
7 1,342
8
,974
2,882
13
8
1
88
1
269
2
1,80
3 3
95,089
44
8,00
4
Goron
talo
56
,894
3,36
7 1
40,423
95
6 139
364
201
5
0
72
16
2,30
0 98,69
0
24
6,53
3
Sulaw
esi B
arat
91
,195
94
2 26,78
1 48
2 452
2
,085
803
2
5
0
66
5
231
2
2 1,05
1 3
44,109
37
7,05
4
Maluk
u 24
,399
20
3 3,20
3 1,26
4 841
4
,794
1,796
5
3
-
1
76
3
2 3
2
3 1,32
3 1
70,876
18
4,58
7
Maluk
u Utara
19
,281
1,00
5 10,39
5 4,06
9 278
9
,284
3,743
5
0
1
30
197
1
9 97
5 2
59,645
28
9,74
5
Pap
ua Barat
7,523
61
7 1,25
0 60
0 173
1
,082
1,343
7
-
47
3
89
62
0 77,78
8
8
3,61
9
Pap
ua
41
,111
3,75
0 3,00
5 1,95
1 649
3
,171
30
,980
2
0
1
53
2
9 353
5
1 1,47
2 1
23,373
16
8,93
9
Indo
nesia
13
,835
,252
55
0,79
3 3
,821
,504
51
9,05
6 18
2,07
5 1
,065
,752
161
,850
1
6,48
2
1,102
98,93
7 7
0,18
7 57
,264
3
2,07
0 249
,232
2
1,88
8,03
6
29,13
3,52
4
-
19
Tabel 5.2. Variabel Bebas dan Tidak Bebas Yang digunakan
Provinsi Produktivitas Tanaman Padi
Persentase Petani yang Mengikuti Penyuluhan
Persentase Petani yang kesulitan
memperoleh sapro Rasio Alokasi Pupuk
Aceh 46.68 11.593 22.91 0.108923
Sumatera Utara 50.17 11.445 22.39 0.127567
Sumatera barat 49.82 15.418 17.42 0.127132
Riau 36.63 9.99 14.51 0.0278
Jambi 43.36 12.682 16.49 0.066431
Sumatera Selatan 45.96 11.654 20.53 0.131855
Bengkulu 42.17 13.164 28.41 0.098906
Lampung 50.26 18.951 22.43 0.226852
Kepulauan Riau 36.15 8.016 27.09 0.012264
DKI Jakarta 58.88 22.506 17.66 0.627374
Jawa Barat 59.53 18.777 15.4 0.444219
Jawa Tengah 56.06 25.663 7.37 0.46711
DI Yogyakarta 57.88 31.493 7.31 0.196848
Jawa Timur 59.15 18.173 10.53 0.45748
Banten 52.92 13.284 20.77 0.183744
Bali 58.66 23.844 9.82 0.240448
Nusa Tenggara Barat 50.08 14.794 26.85 0.221149
Nusa Tenggara Timur 32.8 13.666 56.25 0.054328
Kalimantan Barat 31.01 14.458 36.36 0.035549
Kalimantan Tengah 32.84 15.869 23.27 0.02716
Kalimantan Selatan 42.34 24.579 14.01 0.059803
Kalimantan Timur 42.7 21.51 28.47 0.029895
Kalimantan Utara 34.72 21.322 41.6 0.053781
Sulawesi Utara 50.1 21.051 39.93 0.097508
Sulawesi Tengah 45.98 23.631 31.3 0.068352
Sulawesi Selatan 51.22 26.123 22.91 0.232609
Sulawesi Tenggara 42.23 16.174 27.9 0.077459
Gorontalo 52.01 34.894 35.19 0.097882
Sulawesi Barat 48.8 20.723 31.79 0.081474
Maluku 41.74 8.727 33.04 0.027753
Maluku Utara 37.57 7.636 30.59 0.011973
Papua Barat 39.76 15.266 44.16 0.038512
Papua 41.3 8.742 40.15 0.06389
Provinsi yang tidak diikutkan dalam model karena pola hubungan variabelnya sangat jauh berbeda dengan
provinsi lain
Provinsi Produktivitas Tanaman Padi
Persentase Petani yang Mengikuti Penyuluhan
Persentase Petani yang kesulitan
memperoleh sapro Rasio Alokasi Pupuk
Bangka Belitung 27.83 8.839 17.23 0.174575
-
20
Regression Analysis: Produktivita versus ikut penyulu, kesulitan me, ... The regression equation is
Produktivitas = 40.7 + 0.316 ikut penyuluhan - 0.181 kesulitan memperoleh sapro
+ 31.1 Rasio Alokasi Pupuk
Predictor Coef SE Coef T P VIF
Constant 40.669 3.534 11.51 0.000
ikut penyuluhan 0.3165 0.1282 2.47 0.020 1.153
kesulitan memperoleh sapro -0.18092 0.08421 -2.15 0.040 1.416
Rasio Alokasi Pupuk 31.096 6.626 4.69 0.000 1.543
S = 4.55803 R-Sq = 72.9% R-Sq(adj) = 70.1%
Analysis of Variance
Source DF SS MS F P
Regression 3 1619.34 539.78 25.98 0.000
Residual Error 29 602.49 20.78
Total 32 2221.83
Source DF Seq SS
ikut penyuluhan 1 593.98
kesulitan memperoleh sapro 1 567.73
Rasio Alokasi Pupuk 1 457.62
Unusual Observations
ikut
Obs penyuluhan Produktivitas Fit SE Fit Residual St Resid
10 22.5 58.880 64.106 2.877 -5.226 -1.48 X
20 15.9 32.840 42.326 1.182 -9.486 -2.15R
-
21
302010 40200 0.500.250.00
60
45
30
30
20
10
40
20
0
Produktivitas
ikut penyuluhan
kesulitan memperoleh sapro
Rasio A lokasi Pupuk
Matrix Plot of Produktivita, ikut penyulu, kesulitan me, Rasio Alokas