Dampak Program Peningkatan Produktifitas Terhadap Produktifitas Pertanian Tanaman Padi Di Indonesia Pada Tahun

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