impor - digilib.its.ac.iddigilib.its.ac.id/public/its-paper-39366-1311030043-presentation.pdf ·...

Sumber: Agriculture, 2014

JUMLAH PRODUKSI, KONSUMSI DAN IMPORGULA NASIONAL (2007/2008 – 2012/2013)

2 2.05 1.91 1.77 1.83 1.97

4.4 4.54.7

5 5.05 5.13

2.422.19

3.2 3.08 3.02

3.57

2007/2008 2008/2009 2009/2010 2010/2011 2011/2012 2012/2013

Produksi (Juta Ton) Permintaan (Juta Ton) Impor (Juta Ton)

PRODUKSI

KONSUMSI

TAHUNBPP

(RP/KG)HPP

(RP/KG)HARGA LELANG

(RP/KG)

2008 4900 5000 5255

2009 5100 5350 70562010 6250 6350 77232011 6900 7000 81422012 7900 8100 10982

Bappenas, 2013

HARGA LELANG NAIK21%PER TAHUN

BPPNAIK15,8%PER TAHUN

Penelitian oleh Pasaribu (2013), judul penelitian Pengaruh Faktor-faktorProduksi Terhadap Pendapatan Petani Tebu di Desa Kwala Begumit. Input yangdigunakan adalah Produksi Lahan, Tenaga Kerja dan Modal. Berdasarkan hasilanalisis seluruh input berpengaruh signifikan baik diuji secara serentak dan parsial.

PERUMUSAN MASALAH

1. Faktor-faktor apa saja yang dapat mempengaruhipendapatan tebu per hektar?

2. Bagaimana Benefit Cost Ratio dari total penerimaandangan BPP tebu per hektar?

TUJUAN

1. Menganalisis Faktor-faktor yang dapat mempengaruhipendapatan tebu per hektar.

2. Mengetahui Benefit Cost Ratio dari total penerimaandangan BPP tebu per hektar?

ANALISIS KORELASI

Analisis korelasi digunakan untuk mengukur hubungan atau keterkaitan antara dua buahvariabel.

2

11

22

11

2

1 11

n

i

i

n

i

i

n

i

i

n

i

i

n

i

n

i

i

n

i

iii

xy

yynxxn

yxyxn

r

H0: 𝜌 = 0H1: 𝜌 ≠ 0

Statistik Uji:

)1()1(ln

23

r

rnz

Hipotesis. Daerah Kritis.

Daerah penolak H0, apabilanilai z < -1,96 atau z > 1,96.

Estimasi parameter ini bertujuan untuk mendapatkan model regresi linier yang akandigunakan dalam analisis.

ESTIMASI PARAMETER

pp XXXY ...22110

Model regresi dengan p buah variabel penjelas:

YXXX ''ˆ 1

Menurut Gujarati (2009), koefisien determinasi R2 atau Goodness of Fitmerupakan ukuran untuk mengetahui seberapa baik ketepatan garis regresisampel sesuai dengan data observasi.

KOEFISIEN DETERMINASI R2

total

regresi

n

i

i

n

i

i

JK

JK

YY

YY

R

2

1

1

2

2

ˆ

UJI SIGNIFIKANSI PARAMETER

SERENTAK

Menurut Draper dan Smith (1992), uji serentak merupakan pengujian parameter model regresisecara bersamaan.• Hipotesis.H0: 𝛽1 = 𝛽2 = 𝛽3 = ⋯ = 𝛽𝑗 = 0

H1: Minimal terdapat satu 𝛽𝑗 ≠ 0 ; j = 1, 2, 3, 4, . . ., p

p

n–(p+1)

n-1

2Re '' YnyXbJK

gresi

p

JKRRK

gresiRe

yXbyyJKsidual

'''Re )1(Re

Re

pn

sJKRK

sidual

2' ynyyJKtotal

• Statistik Uji

• Daerah Kritis

sidual

gresi

hitungRK

RKF

Re

Re

Tolak H0, jika F-hitung > F(α (v1,v2))

atau P-value < α

UJI SIGNIFIKANSI PARAMETER

PARSIAL

Menurut Gujarati (2009) uji parsial merupakan pendekatan pengujiansignifikansi dari masing-masing variabel prediktor terhadap variabel respon.Statistik uji yang dipakai untuk melakukan uji parsial ini adalah statistik uji t.

• HipotesisH0: 𝛽𝑗 = 0

H1: 𝛽𝑗 ≠ 0 ; j = 1, 2, 3, 4, . . ., p

• Statistik Uji

)ˆ(

ˆ

j

j

hitungSE

t

Daerah penolakan H0 jika nilai |thitung| > t(α / 2),(n – p)

• Daerah Kritis

UJI ASUMSI RESIDUAL

Kata lain dari uji identik adalah homogenitas varians residual. Pelanggaran terhadapasumsi ini biasa disebut dengan heteroskedastisitas yaitu keadaan dimana variansi residualtidak homogen. Salah satu metode pengujian identik residual yaitu uji Glejser.

iii VXe 10

STATISTIK UJI

UJI ASUMSI RESIDUAL

HIPOTESISH0: HomoskedastisitasH1: Heteroskedastisitas

STATISTIK UJI

DAERAH KRITISTolak H0, apabila nilai F-hitung > Fα (v1,v2) atau P-value < α

1/ˆ

/ˆ

1

2

1

2

pnee

pee

Fn

i

i

n

i

i

hitung

UJI ASUMSI RESIDUAL

Menurut Gujarati (2009), Pengujian independensi residual atau yang biasa disebutautokorelasi adalah korelasi yang terjadi antara residual dari satu pengamatan dengan residualpengamatan lain yang dapat dinotasikan E(ui,uj) ≠ 0, i ≠ j.

HIPOTESISH0: 𝜌𝑠 = 0H1: 𝜌𝑠 ≠ 0

Hipotesis Nol (H0) Keputusan Daerah Kritis

Ada Autokorelasi Positif Tolak H0 0 < d < dL

Tidak Ada Autokorelasi Positif Tidak ada keputusan dL ≤ d ≤ dU

Ada Autokorelasi Negatif Tolak H0 4 – dL < d < 4

Tidak Ada Autokorelasi Negatif Tidak ada keputusan 4 – dU ≤ d ≤ 4 – dL

Tidak Ada Autokorelasi, Baik

Positif Atau NegatifGagal tolak H0 dU < d < 4 – dU

STATISTIK UJI

n

i

t

n

i

tt

e

ee

d

1

2

1

21

UJI ASUMSI RESIDUAL

Pengujian distribusi normal juga dapat dilakukan dengan metode Uji Kolmogorov-Smirnov yang juga dikenal dengan uji kesesuaian model (Goodness of Fit Test). Hipotesisyang digunakan adalah sebagai berikut.

)()(0 xSxFmaksD N

Multikolinieritas adalah terdapat hubungan atara satu variabel prediktordengan satu atau lebih variabel prediktor lain pada model regresi.

UJI MULTIKOLINIERITAS

211

jRVIF

FUNGSI PRODUKSI

Teori produksi menggambarkan tentang keterkaitan diantara faktor-faktorproduksi dengan tingkat produksi yang diciptakan. Faktor-faktor produksi dikenalpula dengan istilah input dan jumlah produksi disebut output (Sukirno, 2000).

),...,,( 21 nXXXfY

FUNGSI PRODUKSI

Fungsi Produksi Linier

Fungsi Produksi Cobb Douglas

eXY 10 eXXXY p

p...2210 1

Model produksi yang berbentuk linier dapat diartikan bahwa fungsi berupa garis lurus.Model ekonometrika dari fungsi produksi linier adalah berikut.

110 XY pp XXXY ...22110

Fungsi produksi yang berbentuk tidak linier berarti bahwa fungsi tidak berupa garislurus. Tetapi, dengan mentransformasi ln, model dapat menjadi linier. Model fungsi CobbDouglas sebagai berikut.

Analisis manfaat biaya (benefit cost analysis) adalah analisis yang digunakan untukmengevaluasi proyek pemerintah dan untuk menaksir kemanfaatan proyek. Analisis manfaat-biayadilakukan dengan melihat rasio antara manfaat dari suatu proyek terhadap ongkos-ongkos yangdikeluarkan (Pujawan, 2009).

ANALISIS MANFAAT BIAYA

(BENEFIT COST RATIO)

EkuivalenOngkos

EkuivalenManfaatCB /

Nilai B/C Ratio :

< 1 Usaha belum layak dilanjutkan (Pengeluaran lebih besar dari Penerimaan)

= 1 Penerimaan suatu usaha sama besarnya dengan Penegeluaran.

> 1 Usaha masih layak dilanjutkan (Penerimaan lebih besar dari Pengeluaran)

Biaya Pokok Produksi (BPP) besarnyanilai uang yang digunakan untukmemeproduksi setiap satu kilogramgula. Dalam prakteknya, BPP adalahhasil bagi antara biaya produksi guladitingkat petani dengan hasil gulabagian petani.

Besaran HPP mempertimbangkanefisiensi produksi, aspek inflasi, dankepentingan konsumen. PerhitunganHPP dilakukan dengan menggunakanpendekatan hasil kajian Biaya PokokProduksi (BPP). Tujuann HPP adalahuntuk meningkatkan pendapatan dankesejahteraan petani

Harga Lelang adalah harga yang terbentuk pada saat lelang gula, yangdilaksanakan oleh pabrik gula BUMN sekali per satu minggu atau per duaminggu tergantung pada jumlah produksi gula, dengan peserta lelangadalah pedagang besar.

Variabel Pendapatan Tebu Jenis Lahan PC Variabel Pendapatan Tebu Jenis Lahan RC

Mulai

Spesifikasi Model

Uji Signifikansi Parameter

Selesai

Kesimpulan

Tidak Signifikan

Signifikan

Uji Asumsi Residual IIDN

Ya

Tidak

Normalitas, Transformasi Ln

Estimasi Parameter Setelah Asusmsi Diatasi

Variabel Y X1 X2 X3 X4

Y1,000

0,000

0,275

0,216

0,480

0,024

0,613

0,002

0,007

0,976

X1

1,000

0,000

0,188

0,402

-0,013

0,954

-0,196

0,382

X2

1,000

0,000

0,364

0,096

0,255

0,314

X3

1,000

0,000

0,103

0,649

X4

1,000

0,000

H0: 𝜌 = 0H1: 𝜌 ≠ 0

Hipotesis.

4321 005,0522,0208,0466,090,1ˆ LnXLnXLnXLnXYLn

UJI SIGNIFIKANSI PARAMETERSERENTAK

• Hipotesis.H0: 𝛽1 = 𝛽2 = 𝛽3 = 𝛽4 = 0H1: Minimal terdapat satu 𝛽𝑗 ≠ 0 ; j = 1, 2, 3, 4

Sumber Variasi df JK KT F-hitung P-value

Regresi 4 0,4826 0,1206 3,43 0,031

Residual 17 0,5976 0,0351

Total 21 1,0803

Keputusan.P-value (0,031) < α (0,10) atau F-Hitung > Ftabel

(2,31), maka Tolak H0.

Kesimpulan.Minimal terdapat satu variabel prediktor yang

berpengaruh signifikan terhadap produktivitas tebujenis lahan Sawah PC.

R2 = 44,7 %


UJI SIGNIFIKANSI PARAMETERPARSIAL


H1: 𝛽𝑗 ≠ 0 ; j = 1, 2, 3, 4

Prediktor Koefisien SE Koefisien t-hitung P-value

Konstanta -1,90 0,7790 2,44 0,026

Biaya

Garap0,466 0,312 1,49 0,154

Biaya Bibit 0,208 0,226 0,92 0,371

Biaya

Bahan0,522 0,1934 2,70 0,015

Biaya Lain 0,005 0,101 0,05 0,961

R2 = 44,7 %

UJI ASUMSI KLASIK IIDN



HIPOTESISH0: 𝐹0(𝑥) = 𝐹(𝑥)H1: 𝐹0(𝑥) ≠ 𝐹(𝑥)

910,1596,1293035,2471

1

2

1

21

n

i

t

n

i

tt

e

ee

d

0.40.30.20.10.0-0.1-0.2-0.3-0.4

99

95

90

80

70

60

50

40

30

20

10

5

1

RESI4

Pe

rce

nt

Mean -9.08364E-16

StDev 0.1687

N 22

KS 0.149

P-Value >0.150

Probability Plot of RESI4Normal

086,217/05,3154/65,154

1/ˆ

/ˆ

1

2

1

2

pnee

pee

Fn

i

i

n

i

i

hitung

Variabel Prediktor VIF Keterangan

Biaya Garap 1,043 Bebas Multikolinieritas

Biaya Bibit 1,206 Bebas Multikolinieritas

Biaya Bahan 1,200 Bebas Multikolinieritas

Biaya Lain 1,086 Bebas Multikolinieritas

H0: 𝜌 = 0H1: 𝜌 ≠ 0

Hipotesis.

Variabel Y X1 X2 X3

Y1,000

0,000

0,455

0,025

0,498

0,013

0,130

0,545

X1

1,000

0,000

0,504

0,012

0,117

0,587

X2

1,000

0,000

0,092

0,670

X3

1,000

0,000

321 164,057,424,27,10ˆ XXXY




Regresi 3 608,18 202,73 2,97 0,057

Residual 20 1366,74 68,34

Total 23 1974,92

Keputusan.P-value (0,057) < α (0,10)


berpengaruh signifikan terhadap produktivitas tebujenis lahan Sawah RC.

R2 = 30,8 %



H1: 𝛽𝑗 ≠ 0 ; j = 1, 2, 3


Konstanta 10,66 11,25 0,95 0,355Biaya

Garap2,235 1,805 1,24 0,230

Biaya

Bahan4,574 2,763 1,66 0,113

Biaya

Lain0,1640 0,4652 0,35 0,728

R2 = 30,8 %

321 164,057,424,27,10ˆ XXXY





712,173,136696,2339

1

2

1

21

n

i

t

n

i

tt

e

ee

d

611,120/39,4133/89,99

1/ˆ

/ˆ

1

2

1

2

pnee

pee

Fn

i

i

n

i

i

hitung

20100-10-20

99

95

90

80

70

60

50

40

30

20

10

5

1

RESI

Pe

rce

nt

Mean -3.71555E-14

StDev 7.709

N 24

KS 0.099

P-Value >0.150

Normal

Variabel Y X1 X2 X3 X4

Y1,0000,000

0,2240,219

0,4280,015

0,1160,528

-0,0920,615

X1

1,000

0,000

0,453

0,009

-0,253

0,163

-0,260

0,150

X2

1,000

0,000

-0,227

0,211

-0,077

0,677

X3

1,000

0,000

-0,040

0,830

X4

1,000

0,000

H0: 𝜌 = 0H1: 𝜌 ≠ 0

Hipotesis.





Regresi 4 0,4698 0,1174 2,25 0,090

Residual 27 1,4109 0,0522

Total 31 1,8808



berpengaruh signifikan terhadap produktivitas tebujenis lahan Tegalan PC.

R2 = 25 %



H1: 𝛽𝑗 ≠ 0 ; j = 1, 2, 3, 4


Konstanta 2,57 0,4708 5,48 0,000Biaya

Garap0,113 0,1901 0,60 0,556

Biaya Bibit 0,337 0,1429 2,36 0,026

Biaya

Bahan0,177 0,1186 1,50 0,145

Biaya Lain -0,009 0,0833 -0,11 0,912

R2 = 25 %






117,221,183902,3894

1

2

1

21

n

i

t

n

i

tt

e

ee

d

0.500.250.00-0.25-0.50

99

95

90

80

70

60

50

40

30

20

10

5

1

RESI2

Pe

rce

nt

Mean 3.608225E-16

StDev 0.2133

N 32

KS 0.097

P-Value >0.150

Probability Plot of RESI2Normal

351,227/27,5644/35,223

1/ˆ

/ˆ

1

2

1

2

pnee

pee

Fn

i

i

n

i

i

hitung



Biaya Bibit 1,256 Bebas Multikolinieritas



H0: 𝜌 = 0H1: 𝜌 ≠ 0

Hipotesis.

Variabel Y X1 X2 X3

Y1,0000,000

0,3800,032

0,1440,431

0,0090,963

X1

1,000

0,000

0,073

0,693

-0,351

0,049

X2

1,000

0,000

-0,383

0,030

X3

1,000

0,000

321 369,026,118,21,14ˆ XXXY


• Hipotesis.H0: 𝛽1 = 𝛽2 = 𝛽3 = 𝛽4 = 0H1: Minimal terdapat satu 𝛽𝑗 ≠ 0 ; j = 1, 2, 3


Regresi 3 381,22 127,07 2,39 0,090

Residual 28 1489,53 53,20

Total 31 1870,75



berpengaruh signifikan terhadap produktivitas tebujenis lahan Tegalan RC.

R2 = 20,4 %



H1: 𝛽𝑗 ≠ 0 ; j = 1, 2, 3


Konstanta 14,060 7,140 1,97 0,059Biaya

Garap

2,181 0,871 2,50 0,018

Biaya

Bahan

1,265 1,125 1,12 0,271

Biaya

Lain

0,369 0,292 1,26 0,217

R2 = 20,4 %

321 369,026,118,21,14ˆ XXXY





042,153,148654,1553

1

2

1

21

n

i

t

n

i

tt

e

ee

d

846,128/56,2913/71,57

1/ˆ

/ˆ

1

2

1

2

pnee

pee

Fn

i

i

n

i

i

hitung

20100-10-20

99

95

90

80

70

60

50

40

30

20

10

5

1

RESI

Pe

rce

nt

Mean -8.21565E-15

StDev 6.932

N 32

KS 0.112

P-Value >0.150

Normal

Pabrik GulaB/C Ratio

Sawah PC Sawah RC Tegalan PC Tegalan RC

Watutulis - 1.05 0.92 1.41

Ngadirejo 1.07 1.18 1.02 1.20

Sudhono 0.96 1.23 0.85 1.19

Tasikmadu 1.13 1.27 0.89 1.29

Sindanglaut 0.99 1.14 0.92 1.12

Sumberharjo 1.00 1.13 1.05 1.26

Trangkil 0.94 1.01 1.01 1.16

Madukismo 1.15 1.21 0.94 1.13

Gending 1.08 1.31 0.99 1.20

Asembagus 1.06 1.23 0.93 1.15

Semboro 1.13 1.17 1.07 1.36

Krebet Baru 1.04 0.98 0.96 1.26

Camming - - 0.93 1.51

Gorontalo - - 1.17 1.48

Kwala Madu - - 1.43 1.76

Bunga Mayang - - 1.21 1.48

BENEFIT COST RATIO

2011

Pabrik GulaB/C Ratio

Sawah PC Sawah RC Tegalan PC Tegalan RC

Watutulis 1.32 1.42 1.28 1.61

Ngadirejo 1.48 1.60 1.27 1.46

Sudhono 1.33 1.45 1.18 1.56

Tasikmadu 1.28 1.53 1.11 1.58

Sindanglaut 1.20 1.45 1.25 1.75

Sumberharjo 1.50 1.64 1.20 1.59

Trangkil 1.14 1.24 1.24 1.57

Madukismo 1.32 1.44 1.06 1.42

Gending - 1.30 1.00 1.69

Asembagus 1.24 1.33 1.33 1.59

Semboro 1.23 1.51 1.23 1.41

Krebet Baru 1.29 1.11 1.18 1.32

Camming - - 1.32 1.82

Gorontalo - - 1.43 1.88

Kwala Madu - - 1.60 2.36

Bunga Mayang - - 1.53 1.71

BENEFIT COST RATIO

2012

KESIMPULAN

Faktor-faktor yang mempengaruhi pendapatan tebu yang diterima oleh petaniper hektar dari jenis lahan Sawah PC adalah variabel Biaya Bahan (X3),sedangkan pada jenis lahan Sawah RC tidak terdapat variabel prediktor yangberpengaruh signifikan terhadap variabel respon. Variabel Biaya Bibit (X2)berpengaruh signifikan terhadap pendapatan tebu yang diterima petani untukjenis lahan Tegalan PC, sedangkan untuk jenis lahan Tegalan RC variabelprediktor yang berpengaruh signifikan adalah Biaya Garap (X1). Koefisiendeterminasi dari keempat model yang terbentuk sangat rendah sehingga perlumenambah variabel prediktor atau input yang sesuai ke dalam model.

KESIMPULAN

Nilai Benefit Cost Ratio usahatani tebu pada tahun 2011 masih ada petani yang mengalamikerugian karena nilai B/C Ratio-nya lebih kecil dari 1. Kerugian yang diperoleh petani pada tahun2011 antara Rp. 476.000 – Rp. 4.281.000 per hektar dan keuntungan yang didapatkan mulai dariRp. 339.000 – Rp. 9.511.000 per hektar. Sedangkan usahatani tebu dari keempat jenis lahanproduksi tebu per hektar pada tahun 2012 lebih besar dibandingkan saat tahun 2011. Hal inidisebabkan oleh naiknya nilai Harga Lelang Gula tahun 2012 sebesar 34,88% dari tahun 2011,sehingga jumlah penerimaan petani lebih tinggi dibandingkan dengan Biaya Pokok Produksi yangdikeluarkan. Keuntungan tertinggi yang diperoleh petani tebu pada tahun 2012 dapat mencapaiRp. 25.154.000 per hektar.

Saran

Berdasarkan hasil analisis dan pembahasan, diperoleh nilai R2 yang rendah dari model fungsipendapatan tebu. Supaya model fungsi pendapatan tebu yang terbentuk lebih baik dan dapat menghasilkanestimasi yang akurat, maka sebaiknya variabel prediktor (input) bukan dalam bentuk biaya produksi tetapilebih diperinci lagi dan dalam bentuk kuantitas (jumlah). Variabel prediktor atau input yang digunakanseperti jumlah tenaga kerja, modal yang dikeluarkan, jenis varietas bibit tebu atau jumlah bibit yangdigunakan, volume pengairan, jenis pupuk dan lain-lain.

Untuk mendapatkan produksi tebu yang optimal, maka harus memperhatikan dari pengolahan disektor on-farm seperti pemilihan bibit varietas unggul, pengairan yang cukup, pemberian pestisida danpengendalian hama tebu serta pemberian pupuk yang bagus. Petani juga harus tahu masa panen yangcocok supaya mendapatkan tebu yang mempunyai bobot tinggi , rendemen tinggi dan nira yang tersimpanmasih banyak. Selanjutnya untuk mengurangi beban Biaya Pokok Produksi yang dikeluarkan oleh petanitebu, maka Pemerintah harus menyediakan biaya subsidi untuk bibit varietas unggul dan subsidi hargapupuk.

impor - digilib.its.ac.iddigilib.its.ac.id/public/its-paper-39366-1311030043-presentation.pdf ·...

Documents