1
DAMPAK PENERAPAN METODE SL-PTT ( SEKOLAH LAPANG PENGELOLAAN TANAMAN TERPADU ) TERHADAP PENINGKATAN PRODUKSI PADI DENGAN PENDEKATAN REGRESI HEDONIK 1
1
Ririt Rintayani, dan 2Dr.Brodjol Sutijo, MSi Mahasiswa Jurusan statistika FMIPA-ITS 2Dosen Jurusan Statistika FMIPA-ITS 1 e-mail:
[email protected], 2e-mail:
[email protected]
Abstrak Metode SL-PTT (Sekolah Lapang Pengelolaan Tanaman Terpadu) merupakan metode baru dalam dunia pertanian. Metode ini sebagai tindakan nyata dari konsep PTT (Pengelolaan lapangan terpadu) yang dikembangkan oleh dinas pertanian. Tujuan metode ini adalah untuk meningkatkan pendapatan petani melalui penerapan teknologi yang sesuai dengan kondisi setempat sehingga produktifitas dan mutu padi meningkat sekaligus menjaga kelestarian lingkungan. Untuk mengetahui besarnya dampak metode SL-PTT digunakan Analisis statistik berupa metode regresi hedonik. Hasil analisis regresi hedonik didapatkan model yang menghubungkan antara beberapa komponen teknologi dengan produksi padi dimana model signifikan, dengan R2 model 0.901, dan mean square error 0.045. Model hasil analisis tersebut mampu membuktikan bahwa dengan adanya metode SL-PT terjadi peningkatan produksi padi sebesar 19.7%, Kata-kata Kunci: Produktifitas padi, metode SL-PTT, regresi hedonik 1. Pendahuluan Seiring dengan pertambahan jumlah penduduk dan peningkatan konsumsi perkapita akibat dari peningkatan pendapatan, kebutuhan bahan pangan terutama beras juga akan terus meningkat. Disisi lain peningkatan produksi beras saat ini terganjal oleh berbagai kendala, seperti konversi lahan subur yang masih terus berjalan, penyimpangan iklim (anomali iklim), gejala kelelahan teknologi (technology fatique), penurunan kualitas sunberdaya lahan (soil sickness) yang berdampak terhadap penurunan dan pelandaian produktivitas ( Pramono, dkk, 2005). Oleh karena itu guna memenuhi kebutuhan beras yang semakin meningkat perlu diupayakan untuk mencari terobosan teknologi budidaya yang mampu memberikan nilai tambah dan meningkatkan efisiensi usaha. Salah satu program utama Departemen Pertanian yang berkaitan dengan inovasi teknologi yang ditugaskan kepada BPTP (Balai Pengkajian Teknologi Pertanian) Jawa Timur adalah P2BNSLPTT. Program ini ditujukan sebagai upaya peningkatan produksi padi, jagung, dan kedelai nasional dengan pendekatan PTT (Pengelolaan Tanaman Terpadu) dan dilakukan melalui kegiatan SL-PTT. Lokasi SL-PTT berupa hamparan lahan sawah irigrasi milik petani seluas kurang lebih 1 ha yang digunakan sebagai Laboratorium Lapangan (LL) untuk masing-masing kabupaten pelaksana metode SL-PTT (BPTP 2009). Hasil yang diperoleh dari pelaksanaan contoh LL untuk masing-masing kabupaten sudah sesuai dengan sasaran rancangan hasil program pihak BPTP yaitu peningkatan sebesar 1,0-1,5 ton/Ha. Berdasarkan keberhasilan dari program utama Dinas Pertanian yang dilaksanakan oleh pihak BPTP tersebut, maka diusulkannya suatu alat ukur yang dikhususkan untuk mengukur keberhasilan teknologi baru dengan menggunakan Regresi Hedonik (Hedonic Regression). Beberapa penelitian sebelumnya yang mengkaji pemodelan regresi khususnya regresi hedonik diantaranya oleh Griliches (1961), Xiaolu Gao, Yasushi Asami, dan Chang Jo Chung (2002), Melser (2004), dan Krsinich (2009). Berdasarkan uraian diatas, penelitian ini dikhususkan untuk menganalisis seberapa besar tingkat keberhasilan komponen pendukung pelaksanaan metode SL-PTT terhadap produktivitas petani, dan seberapa besar pengaruh komponen metode SL-PTT terhadap peningkatan produktivitas hasil padi petani dengan pendekatan regresi hedonik, sehingga dapat dijadikan acuan pemerintah khususnya Dinas Pertanian dalam dalam mengambil kebijakan komponen teknologi apa saja yang harus diadakan penyuluhan lebih lanjut untuk meningkatkan pendapatan dan kesejahteraan petani. Program studi S1 Jurusan Statistika FMIPA Institut Tenologi Sepuluh Nopember
2010
2
2. Tinjauan Pustaka Tinjauan pustaka yang digunakan dalam penelitian ini antara lain uji t berpasangan, regresi hedonik, estimasi parameter, pengujian model, pengujian residual, dan metode SL-PTT. Adapun penjelasanya adalah sebagai berikut. 2.1 Uji t Berpasangan (Paired Sample t-test) Uji t data berpasangan digunakan untuk membandingkan mean dari suatu sample yang berpasangan (paired) dengan asumsi data terdistribusi normal. Sampel berpasangan adalah sebuah kelompok sampel dengan subyek yang sama namun mengalami dua perlakuan atau pengukuran yang berbeda. Bentuk persamaan untuk uji t-sampel berpasangan adalah sebagai berikut. ̅ = (1) √ Dengan adalah nilai hitung, ̅ adalah rata-rata selisih pengukuran 1 dan 2, adalah standar deviasi selisih pengukuran dan 2, dan adalah jumlah sampel. Dengan tingat keyakinan 1-α, rata-rata selisih berada pada interval.
dimana Batas atas
̅+
√
̅±
√ , dan batas bawah ̅ −
√
(2)
.
2.2 Regresi Hedonik Menurut Xoalou Gao, Yasushi Asami, dan Chang Jo Chung (2002), model dasar dari regresi hedonik (Hedonic Regression) sebagai berikut. =
+
+
=
+
+
(3)
Sedangan bentuk persamaan regresi Hedonik dengan dummy variabel (Berndt, Ernst, R., (1991) adalah sebagai berikut.
Dengan adalah unit harga, adalah variabel dummy, dan
ln ,
+
adalah variabel independen untuk adalah parameter model untuk
= 1, 2, ⋯ , , adalah error, = 1, 2, ⋯ , + 1.
(4)
a. Estimasi Parameter Menurut Draper and Smith (1992), estimasi parameter koefisien regresi berganda β0, β1, …, βp digunakan metode OLS (Ordinary Least Square) yang bertujuan untuk meminimumkan Sum Square Error (SSE), berdasarkan persamaan: = + (5) Dengan : = [ , ,…, ] 1 … ⎡ ⎤ 1 … ⎥, dan = =⎢ ⋮ ⋮ … ⋮ ⎥ ⋮ ⎢⋮ … ⎣1 ⎦ Sum Square Error (SSE) diperoleh berdasarkan perhitungan rumus (5) dengan cara mengkuadratkan persamaan: =( − ) (6) maka didapatkan : =∑ = =( − ) ( − ) = −2 + Untuk mendapatkan perhitungan β adalah dengan melakukan diferensial SSE terhadap persamaan β, diperoleh : Program studi S1 Jurusan Statistika FMIPA Institut Tenologi Sepuluh Nopember
2010
3
= −2
+2
= ) =( Maka taksiran Parameter
=0 dirumuskan dalam persamaan: ) =(
(7)
b. Pengujian Model Pada analisis regresi baik berupa regresi linier sederhana maupun regresi linier berganda, pengujian model digunakan untuk mengetahui apakah model regresi yang diperoleh layak digunakan atau tidak layak digunakan dengan pendekatan analisis varian (Ryan, 1997). Tabel 2.1 ANOVA Sumber Variasi
df
Sum of Square
Regresi
p
Residual
n-p-1
Total
n-1
i1 (Yˆi Y ) n
2
(Yi Yˆi ) 2 i 1 n
n
i 1
Mean Square
n
i 1
(Yi Yˆi ) 2
(n p 1) n (Yˆ Y ) 2
i 1
F
MS . Re gresi MS . Re sidual
i
p
(Yi Y ) 2
Derajat kebebasan untuk statistik uji F adalah {p-1;n-p}. Bentuk hipotesis untuk pengujian parameter persamaan regresi linier berganda dengan uji-F adalah sebagai berikut. ∶ = = =⋯= =0 ∶ Tidak semua = 0 (k = 1, 2, …, p-1) Berdasarkan Tabel1. diatas maka Statistik uji individu adalah sebagai berikut. β t= sβ Tolak H0 jika |t|>tα/2, n-p-1
(8)
c. Pemilihan Model Terbaik Beberapa metode yang digunakan untuk memperoleh model terbaik antara lain metode Backward, Forward, Stepwise, dan Best Subset Regression. Kriteria yag digunakan untuk Best Subset Regression adalah nilai R2, R2 terkoreksi maksimum dan statistik Cp Mallows bernilai minimum. d. Pengujian Residual Dalam analisis regresi, sering diasumsikan bahwa residual bersifat identik (heterokedastisitas), independen (autokorelasi), dan menyebar (0, ). Penjelasan untuk masingmasing asumsi adalah sebagai berikut. 1. Heterokedastisitas Pengujian ini dilakukan untuk mengetahui apakah varian dari residual identik atau tidak untuk setiap periode. ( )=( ′ )
Var ( i X 1 ) Var ( i X 2 ) ... Var ( i X i ) 2
dengan uji Rank Spearman, statistik ujinya adalah t=
Program studi S1 Jurusan Statistika FMIPA Institut Tenologi Sepuluh Nopember
√
(9) 2010
4
dimana 2.
3.
=1−6
∑
(
)
,
adalah selisih rank pasangan variabel
dengan
individu
ke-i, n adalah banyaknya pengamatan. Tolak H0 jika t hitung < t (n-2) atau t tabel. Autokorelasi Kasus autokorelasi tidak terjadi jika dengan saling bebas untuk i ≠ j, yang berarti antara pengamatan yang ke-i dan pengamatan ke-j saling bebas (independen). Pengujian yang sesuai untuk kasus ini adalah dengan uji Durbin-Watson (Draper and Smith, 1992). Hipotesisnya sebagai berikut. :ρ=0 :ρ≠0 Tolak H0, jika d < du atau 4 – d < du pada taraf 2α (0.025). Berdistribusi Normal Pengujian kenormalan residual biasa dilakukan dengan statistik uji olmogorov- Smirnov, dimana hipotesisnya sebagai berikut. : Data berdistribusi mengikuti distribusi Normal. : Data berdistribusi tidak mengikuti distribusi Normal. Statistik uji: | ( )− | | (10) 1≤ ≤ Dengan F( ) adalah fungsi distribusi kumulatif dari distribusi Normal (Ryan dan Jones, 1976). =
2.3 Metode SL-PTT Sekolah Lapang Pengelolaan Tanaman Terpadu (SL-PTT) adalah sebuah pendekatan percepatan pengembangan teknologi sekaligus pembangunan pertanian wilayah. Dalam inplementasinya, SL-PTT mempunyai ciri partisipatif dan melibatkan semua komponen pembangunan pertanian, baik dari pemerintah (Badan litbang Pertanian, dan dinas terkait di daerah) maupun potensi yang tumbuh atau sengaja digali dari masyarakat. SL-PTT merupakan bentuk nyata dari konsep pendekatan PTT (Pengelolaan Tanaman Terpadu) yang mengacu kepada upaya untuk mempertahankan atau bahkan meningkatkan produktivitas padi secara berkelanjutan dengan memperhatikan sumber daya yang tersedia serta kemauan dan kemampuan petani. PTT (Pengelolaan Tanaman Terpadu) menggabungkan semua komponen usahatani terpilih dan serasi dan saling komplementer, untuk mendapatkan hasil panen optimal dan kelestarian lingkungan (Sumarno, dkk, 2000). 3. Metodologi Penelitian Pada bagian ini akan dijelaskan tentang sumber data, variabel penelitian dan metode penelitian. 3.1 Sumber Data dan Variabel Penelitian Sumber data yang digunakan dalam penyusunan tugas akhir ini diambil dari Balai Pengkajian Teknologi Pertanian (BPTP) Jawa Timur 2008-2009. Data yang diambil merupakan data sekunder sekaligus data primer dari produksi padi dan hasil komponen teknologi PTT, kelompok tani Budi Luhur 1 di desa Pohjarak kabupaten Kediri yang merupakan salah satu kabupaten dari 29 kabupaten/kota pelaksana SL-PTT diseluruh Jawa Timur. Variabel (komponen teknologi) yang digunakan sebagai variabel analisis terdiri dari variabel independen jumlah produksi padi per hektar (Y), Variabel dependen antara lain umur bibit(X1), jumlah bibit/lubang (X2), jumlah benih/ha (X3), jumlah pupuk organik (X4), jumlah pupuk anorganik (X5), pengendalian gulma (X6), frekuensi pengendalian gulma (X7), pengamatan hama/penyakit (X8), pengendalian hama/penyakit (X9), pengairan (X10), gejala asem-aseman (X11), dan biaya produksi (X12). 3.2 Langkah-Langkah Penelitian Langkah-langkah penelitian yang akan digunakan dalam penyusunan tugas akhir ini antara lain: Program studi S1 Jurusan Statistika FMIPA Institut Tenologi Sepuluh Nopember
2010
5
1. Studi literatur mencakup pemahaman teoritis dan praktis tentang analisis deskriptif, uji t dua sampel berpasangan, regresi hedonik,dan konsep SL-PTT yang meliputi metode PTT, metode SL-PTT, dan SL-PTT padi. 2. Melakukan survei ke kelompok petani Budi Luhur 1 di desa Pohjarak kabupaten Kediri untuk melengkapi data sekunder yang berupa kuisioner yang dibuat oleh BPTP Jawa Timur sebelum dan sesudah dilaksanakannya metode SL-PTT di bidang pertanian. 3. Merekap data baik data dari kuisioner maupun data tambahan hasil survei. 4. Analisis statistik deskriptif dengan pie chart untuk keseluruhan variabel independen. 5. Melakukan analisis keberhasilan sebelum dan sesudah dilaksanakannnya metode SL-PTT (Sekolah Lapang Pengelolaan Tanaman Terpadu) dengan menggunakan uji t dua sampel berpasangan. 6. Penentuan komponen teknologi PTT (Pengelolaan Tanaman Terpadu) yang berpengaruh terhadap produksi padi, meliputi jumlah produksi padi per hektar (Y), Umur bibit (X1), jmlah pupuk anorganik(X5), biaya produksi (X12), dan metode SL-PTT. Ketujuh variabel ini akan dimasukkan dalam analisis regresi hedonik, dimana dari beberapa variabel tersebut terdapat variabel dummy dengan alokasi variabel sebagai berikut. D4 = Metode SL-PTT dengan 2 kategori D4 Kategori 0 Sebelum SL-PTT 1 Setelah SL-PTT 7. Pemodelan Regresi Hedonik dengan mengunakan backward, stepwise,dan best subset regression, dimana untuk metode best subset regression mengunakan kriteria nilai R2, R2 terkoreksi maksimum dan statistik Cp Mallows bernilai minimum. 8. Setelah didapatkan model yang signifikan dan tidak ada kasus multikolinieritas kemudian dilanjutkan dengan estimasi parameter, pengujian parameter, serta pengujian residual. 9. Intepretasi model regresi hedonik terhadap produktifitas padi petani. 10. Menyimpulkan hasil yang diperoleh. 4. Hasil dan Pembahasan 4.1 Komponen Teknologi Pertanian Perbandingan hasil sebelum dan sesudah metode SL-PTT untuk masing-masing komponen terknologi, diperlukan untuk mengetahui seberapa besar tingkat keberhasilan metode SL-PTT. Hasil yang didapatkan untuk masing-masing variabel komponen metode SL-PTT hampir semuanya sudah sesuai dengan anjuran pihak BPTP yang antara lain pada Tabel 4.1 berikut ini. Tabel 4.1 Perbandingan Sebelum dan Sesudah SL-PTT Komponen Teknologi Umur bibit
Sebelum SL-PTT Pola Petani Prosentase Petani
Sesudah SL-PTT
28 hari
80%
Metode SL-PTT 18 hari
Prosentase Petani 60%
Jumlah benih/ha
35 kg
73.30%
28 kg
67%
Jumlah bibit/lubang
4-5 kg
26.70%
2-3 bibit
100%
Tidak Memakai
50.19%
Tidak Memakai
49.80%
Memakai alat
13.30%
Memakai Alat
46.70%
Frekuensi gulma
2 kali
20%
2 kali
66.70%
Pengamatan hama
Periodik
73.30%
Periodik
93.30%
Pengendalian hama
Periodik
86.70%
Periodik
80%
Tergantung Umur
73.30%
Tergantung Umur
66.70%
Obat
33.30%
Obat
60%
Pupuk anorganik Pengendalian gulma
Pengairan Gejala asem-aseman
Berdasarkan Tabel 4.1 diatas jika terjadi penurunan karena disebabkan kondisi lingkungan dan tanah yang berbeda untuk masing-masing petani. Program studi S1 Jurusan Statistika FMIPA Institut Tenologi Sepuluh Nopember
2010
6
4.2 Uji t Dua Sampel Berpasangan Uji t dua sampel berpasangan dilakukan untuk mengetahui apakah ada perbedaan dan seberapa besar perbedaannya antara hasil dari masing-masing komponen teknologi sebelum dan sesudah dilaksanakannya metode SL-PTT. Berdasarkan data yang ada, untuk pengujian t-dua sampel berpasangan ini dilakukan secara parametrik, dimana komponen teknologi yang diuji antara lain umur bibit (X1), jumlah benih/ha (X2), pupuk anorganik (X5), dan biaya produksi (X12). Hasil pengujiannya dapat dilihat ada Tabel 4.2 berikut di bawah ini. Sebelumsesudah SLPTT Umur Bibit Jumlah benih/ha Pupuk Anorganik Biaya Produksi
Tabel 4.2 Uji t Dua Sampel Berpasangan Uji berpasangan CI 95% t Standart Rata-rata Batas Batas Deviasi Bawah Atas 7.933 2.94 6.31 9.56 10.5 4.667 4.32 2.27 7.06 4.18
df
Sig.(2tailed)
Kesimpulan
14 14
0.00 0.00
Tolak H0 Tolak H0
26.47
288
-133
186
0.36
14
0.73
Terima H0
-0.03
0.04
-0.3
0.2
-0.2
14
0.82
Terima H0
Berdasarkan Tabel 4.2 dapat disimpulkan bahwa untuk komponen umur bibit dan jumlah benih/lubang signifikan, sehingga dapat dikatakan terdapat perbedaan antara sebelum dan sesudah adanya metode SL-PTT, dengan rata-rata perbedaan sebesar 7.933 dan 4.667. Besarnya perbedaan didapatkan dari selang kepercayaan 95% dengan batas bawah dan batas atas untuk umur bibit berkisar antara 6.31 sampai 9.56, dan untuk jumlah benih/ha antara 2.27 sampai 7.06. Sedangkan untuk komponen Pupuk anorganik dan biaya produksi tidak signifikan, sehingga tidak mengalami perbedaan sebelum dan sesudah dilaksanakannya metode SL-PTT. 4.3 Regresi Hedonik model regresi hedonik yang didapatkan dari metode backward , stepwise , dan best subset regression adalah sebagai berikut. ln
= 2.93 + 0.202
ln
= 2.87 + 0.202
= 0.869
Model terbaik adalah Ln Y = f(X12), apabila ditinjau dari segi ekonomis maka untuk mengetahui dampak besarnya pengaruh metode SL-PTT perlu memasukkan komponen dan variabel metode SLPTT (D) walaupun tidak signifikan dengan model persamaan sebagai berikut + 0.126
= 0.88
Model diatas merupakan model regresi hedonik untuk komponen-konponen teknologi pertanian dengan menggunakan metode SL-PTT, dimana untuk model terbaik dengan metode backward dan stepwise memiliki nilai koefisien determinasi ( ) sebesar 86.9%. Nilai tersebut menunjukkan bahwa sekitar 86.9% variabilitas produksi padi petani dapat dijelaskan oleh variabel biaya produksi ( ), sedangkan dengan metode best subset regression memiliki nilai koefisien determinasi ( ) sebesar 88%. Nilai tersebut menunjukkan bahwa sekitar 88% variabilitas produksi padi petani dapat dijelaskan oleh variabel penggunaan biaya produksi ( ), dan Metode SL-PTT (D) Sisanya sebesar 13.1% dan 12% dijelaskan oleh variabel lain yang mempengaruhi produksi padi petani tetapi tidak termasuk dalam model regresi hedonik. 4.4 ANOVA Analisis varian (ANOVA) digunakan untuk melakukan pengujian apakah model regresi yang diperoleh layak atau tidak layak digunakan. Hasil analisis varian untuk penelitia tugas akhir ini adaah sebagai beikut.
Program studi S1 Jurusan Statistika FMIPA Institut Tenologi Sepuluh Nopember
2010
7
Tabel 4.3 ANOVA model regresi Hedonik Terbaik Analysis of Variance Source
DF
SS
MS
F
P
Regression
2
10.3507
5.1754
99.45
0.000
Residual Error
27
1.4051
0.0520
Total
29
11.7559
Tabel 4.4 ANOVA Regresi Metode SL-PTT Analysis of Variance Source
DF
SS
MS
F
P
Regression
2
10.3401
5.1701
98.60
0.000
Residual Error
27
1.4157
0.0524
Total
29
11.7559
Berdasarkan Tabel 4.3 dan 4.4 diatas, dapat diketahui bahwa model regresi hedonik terbaik dan model regresi dengan penambahan metode SL-PT yang didapatkan layak digunakan. Hal ini ditunjukkan dengan nilai P_value < α (0.05), dimana nilai p_value sebesar 0.000. 4.5 Pengujian Asumsi Residual Pengujian ini ditujukkan untuk mengetahui apakah residual sudah memenuhi asumsi iidn (identik, independen, dan berdistrbusi normal) dengan mean nol dan varians konstan σ2. Hasil pengujian asumsi masing-masing adalah sebagai berikut. Scatterplot of RESIDUAL vs Yhat
Scatterplot of RESIDUAL2vs Yhat2 0.50
0.50
0.25 RESIDUAL2
RESIDUAL
0.25
0.00
0.00
-0.25
-0.25
-0.50
-0.50 3.0
3.5
4.0
4.5
5.0
3.0
3.5
4.0 Yhat2
Yhat
Gambar 4.1 Scatterplot of Residual Model Tebaik
Probability Plot of RESIDUAL2
Normal
Normal
99
Mean StDev N KS P-Value
95
99
-2.10202E-15 0.2300 30 0.090 >0.150
90
80
80
70 60 50 40 30
70 60 50 40 30
20
20
10
10
5
5
-0.25
0.00
0.25
0.50
RESIDUAL
Gambar 4.1 Normal plot of Residual Model Tebaik Program studi S1 Jurusan Statistika FMIPA Institut Tenologi Sepuluh Nopember
Mean StDev N KS P-Value
95
Percent
Percent
90
-0.50
5.0
Gambar 4.2 Scatterplot of Residual Model SL-PTT
Probability Plot of RESIDUAL
1
4.5
1
-0.50
-0.25
0.00
0.25
-1.92439E-15 0.2209 30 0.123 >0.150
0.50
RESIDUAL2
Gambar 4.2 Normal plot of Residual Model SL-PTT
2010
8
Regresi Hedonik Terbaik Metode SL-PTT
Tabel 4.5 Durbin Watson Nilai Durbin Watson Du (Tabel) 1.91136 1.49 2.02675 1.57
Kesimpulan Tolak H0 Tolak H0
Berdasarkan Gambar 4.1 dan 4.2 diatas dapat disimpulkan bahwa model regresi hedonik tidak mengalami kasus heterokedastisitas dan mengikuti distribusi normal dengan nilai P_Value sebesar (>0.15), yang nilainya lebih dari α (0.05). Hasil uji Durbin Watson dari residual untuk kasus autokorelasi yang ditunjukkan pada Tabel 4.7 diatas didapatkan kesimpulan Tolak H0, yang berarti residual tidak berkorelasi, sehingga tidak terjadi kasus autokorelasi pada model tersebut. Untuk kasus heterokedastisitas dan uji kenormalan data, selain dilihat dengan tampilan visual melalui scatterplot diatas dapat pula dilakukan pengujian manual dengan Rank Spearman dan Kolmogorov Smirnov. Hasil untuk Uji Rank Spearman, didapatkan nilai t hitung sebesar 3.395 dan 3.486 > t tabel(n-2) sebesar 1.701 yang berarti tolak H0 atau tidak terjadi kasus heterokedastisitas, dan untuk uji Kolmogorov Smirnov didapatkan nilai D sebesar 1.2455 > Dtabel (α = 5%) sebesar 0.242, yang berarti tolak H0 atau sebaran data mengikuti distribusi normal. 4.6 Intepretasi Model Regresi Hedonik Terhadap Produktifitas Padi Jika sebelummya telah didapatkan model regresi hedonik untuk komponen-komponen teknologi yang mempengaruhi hasil-produksi padi petani, maka pada tahapan ini akan dilakukan intepretasi masing-masing komponen teknologi tersebut. Tabel 4.6 Parameter Model Regresi Hedonik Terbaik Prediktor Koefisien SEE Koef. T P Konstanta 2.933 0.090 32.56 0.000 X12 0.202 0.015 13.66 0.000 Tabel 4.7 Parameter Model Regresi Hedonik Metode SL-PTT Prediktor Koefisien SEE Koef. T P VIF Konstanta 2.87 0.097 29.47 0.000 X12 0.202 0.015 13.96 0.000 1.0 D 0.216 0.084 1.50 0.144 1.0
Berdasarkan Tabel 4.8 diatas dapat diketahui bahwa variabel-variabel yang dimodelkan signifikan. Sedangkan pada Tabel 4.9 didapatkan variabel D tidak signifikan, variabel ini tetap dimasukkan, dengan tujuan untuk engetahui seberapa besar dampak penerapan metode SL-PTT. Variabel biaya produksi berpengaruh signifikan terhadap produksi padi petani dengan nilai koefisien sebesar 0.212. Hal ini berarti bahwa terjadi perubahan biaya produksi padi petani sebagai akibat = 1.236. Nilai tersebut mengakibatkan terjadinya diterapkannya metode SL-PTT sebesar . peningkatan biaya produksi yang berdampak pula pada peningkatan hasil produksi padi petani sebesar 23.6%. Metode SL-PTT(D), yaitu sebesar 0.216. Angka tersebut bila diartikan bahwa terjadi perubahan hasil produksi padi petani sebagai akibat diterapkannya metode SL-PTT sebesar . atau 1.197. Nilai tersebut mengakibatkan terjadinya peningkatan produksi dengan menggunakan metode SL-PTT sebesar 24.1%. Jadi jika sebelum metode SL-PTT dalam 1 Ha dihasilkan 7 ton padi, maka setelah adanya metode SL-PTT mengalami peningkatan 1.687 ton dalam 1 Ha menjadi 8.687 ton. Apabila diasumsikan harga gabah kering giling petani per kwintal sebesar Rp 220.000,- maka sebelum adanya metode SL-PTT untuk 7 ton/ha hasil padi didapatkan pendapatan sebesar Rp 15.400.000,-, dan setelah adanya metode SL-PTT untuk 8.687 ton/ha hasil padi mengakibatkan pendapatan petani berubah menjadi sebesar Rp 19.114.400,-. 5. Kesimpulan Berdasarkan analisis dan pembahasan dapat disimpulkan sebagai berikut. 1. Berdasarkan hasil analisis statistik deskriptif untuk masing-masing variabel komponen teknologi pertanian, mengalami peningkatan yang cukup signifikan yaitu sebesar 0.23% sampai 25.6%. Hasil tersebut mampu membuktian bahwa adanya metode SL-PTT mampu menunjang peningkatan produktifitas padi petani. Program studi S1 Jurusan Statistika FMIPA Institut Tenologi Sepuluh Nopember
2010
9
2.
3.
4.
Hasil uji t dua sampel berpasangan untuk variabel umur bibit dan jumlah benih/lubang terdapat perbedaan sebelum dan sesudah adanya metode SL-PTT, dengan rata-rata perbedaan sebesar 7.933 dan 4.667. Besarnya perbedaan didapatkan dari selang kepercayaan 95% dengan batas bawah dan batas atas untuk umur bibit berkisar antara 6.31 sampai 9.56, dan untuk jumlah benih/ha antara 2.27 sampai 7.06. Sedangkan komponen pupuk organik dan biaya produksi tidak terjadi perbedaan sebelum dan sesudah dilaksanakannya metode SLPTT. Didapatkan 2 model dalam analisis regresi hedonik yaitu regresi hedonik untuk model terbaik dan regresi hedonik terbaik dengan penambahan metode SL-PTT. Hasil persamaan dari masing-masing model adalah sebagai berikut : ln = 2.93 + 0.202 = 0.869 ln = 2.87 + 0.202 + 0.126 = 0.88 Berdasarkan kedua model diatas didapatkan bahwa koefisien biaya produksi sebesar 0.202 yang mengakibatkan terjadinya peningkatan produksi dengan menggunakan metode SL-PTT sebesar 23.6%. Koefisien dari metode SL-PTT sendiri sebesar 0.126, dimana secara ekonomis dapat diartikan dengan adanya metode SL-PTT terjadi perubahan peningkatan hasil produksi padi petani sebesar 24.1%, Jadi jika sebelum metode SL-PTT dalam 1 Ha dihasilkan 7 ton padi, maka setelah adanya metode SL-PTT mengalami peningkatan 1.687 ton dalam 1 Ha menjadi 8.687 ton. Asumsi harga padi petani perkuintal sebesar Rp.220.000,- maka dengan adanya metode SLPTT pendapatan petani meningkat sebesar Rp 19.114.400,-/ha dari sebelumnya yang sebesar Rp 15.400.000,-/ha. Jadi terbukti dengan adanya metode SL-PTT mampu meningkatkan pendapatan dan kesejahteraan petani.
6. Daftar Pustaka Balai Pengkajian Teknologi Pertanian. 2009. “Panduan Teknis Pelaksanaan Pendampingan Program SL-PTT (Sekolah Lapang Pengelolaan Tanaman Terpadu)”. Malang: GroInovasi. Berndt, Ernst. R. 1991. “The Practice of Econometrics:Classic and Contemporary”. New York: Addison-Weasley Publising Company, Inc. Draper, M., & Smith, H. 1992. “Analisis Regresi Terapan. Edisi kedua, Jakarta : PT Gramedia Pustaka Utama. Griliches, Zhi. 1961. “Hedonic Price Indexes for Automobiles: An Econometric Analsis of Quality Change”. in The Price of the Federal Government, General Series No.73. New York: Columbia University Press for the National Bureau of Economic Research, pp. 137-196. Krsinich, F. 1-3 July 2009. “Using Hedonic Regression to Assess the Housing Rentals Component of the New Zealand Consumers Price Index”. Paper presented at New Zealand Association of Economists 50th Anniversary Comference, at Wellington, New Zealand. Melser, D. 2004. “The Hedonic Regression Time-Dummy Method and the Monotonicity Axioms”. Draft-27th may 2004. Australia: University of New South Wales Sidney. Pramono, J., Basuki, S., & Widarto. 2005. “Upaya Peningkatan Produktivitas Padi Sawah Melalui Pendekatan Pengelolaan Tanaman dan Sumberdaya Terpadu”. Agrosains 7(1): 1-6. Jawa Tengah: Balai Pengkajian Teknologi Pertanian. Ryan, Thomas. P. 1997. “Modern Regression Methods”. New York: John Wiley & Sons,Inc. Sumarno., I.G.Ismail., & S. Partohardjono. 2000. “Konsep Usaha Tani Ramah Lingkungan”. Simposium Penelitian Tanaman Pangan IV. Bogor: Pusat Penelitian dan Pengembangan Tanaman Pangan. Xiaolu Gao, Yasushi Asami, & Chang Jo Chung. 2002. “An Empirical Evaluation of Hedonic Regression Models”. Symposium on Geospatial Theory, Processing, and Aplications, Commision IV, WG IV/1. Japan: University of Tokyo.
Program studi S1 Jurusan Statistika FMIPA Institut Tenologi Sepuluh Nopember
2010