Variabel musim signifikan berpengaruh terhadap produksi pada taraf α=10
persen dengan parameter negatif -0.0256 yang artinya peluang produksi lebih tinggi pada saat musim kemarau daripada musim hujan atau dengan kata lain saat
musim hujan produksi malah lebih rendah. Hal ini terjadi karena curah hujan yang sangat tinggi saat musim hujan mengakibatkan tanaman terendam dan banyak
tanaman yang mati. Selain itu jika hujan terus-menerus sampai saat panen, maka banyak bulir padi yang basah sehingga kadar airnya tinggi dan produksi gabah
kering menjadi rendah. Implikasinya adalah perlunya inovasi benih yang tahan terhadap rendaman air dan rebahan angin saat musim hujan. Selain itu perbaikan
irigasi juga dapat membantu kelebihan air saat musim hujan.
6.5. Fungsi Produksi Padi di Sulawesi Selatan
Model fungsi produksi padi di Sulawesi Selatan yang dapat dilihat pada Tabel 51 dianggap telah fit karena memenuhi asumsi Cobb-Douglas. Parameter
setiap variabel adalah lebih dari nol, tidak terjadi pelanggaran asumsi terutama tidak terjadi multicollinearity VIF10, nilai R
2
yang besar 94.96 persen, dan Return to scale
yang dihasilkan mendekati satu 1.08. Sama halnya dengan total koefisien fungsi produksi dengan metode OLS, menghasilkan angka 1.21 yang
berarti Constant Return To Scale. Pendugaan dengan metode MLE Maximum Likelihood Estimation
juga dianggap fit karena memenuhi asumsi Cobb-Douglas. Nilai log likelihood dengan metode MLE +67.356 adalah lebih besar dari nilai
log likelihood dengan metode OLS +47.1777. Nilai cukup kecil 0.0283 dan nilai parameter yang mendekati 1 yaitu 0.9459.
Tabel 51 merupakan hasil pendugaan fungsi produksi dengan metode MLE yang menghasilkan koefisien seluruh variabel yang positif dan tidak ada
pelanggaran asumsi. Variabel lahan signifikan terhadap produksi pada taraf α=5.
Parameter estimates lahan bernilai paling besar +0.8603 yang artinya dengan peningkatan lahan 1 persen maka dapat meningkatkan produksi 0.8603 persen.
Hal ini mengindikasikan bahwa produksi paling responsif terhadap lahan. Dengan kondisi lahan garapan yang sempit 0.49 ha implikasinya adalah masih
diperlukan adanya perluasan lahan. Sementara empat variabel input lainnya memiliki nilai parameter positif dan kurang dari satu yang artinya inelastis.
Keempat input ini elastisitas produksinya sangat kecil. Variabel benih signifikan berpengaruh terhadap produksi pada taraf α=10 persen dengan nilai parameter
+0.07, variabel tenaga kerja signifikan berpengaruh terhadap produksi pada taraf α=5 persen dengan nilai parameter +0.0442, variabel pupuk urea signifikan
berpengaruh terhadap produksi pada taraf α=5 persen dengan nilai parameter +0.1099, dan pupuk KCl signifikan berpengaruh terhadap produksi pada taraf
α=10 persen dengan nilai parameter +0.00401. Keempat input ini masih perlu ditingkatkan penggunaannya untuk meningkatkan produksi terutama pupuk urea,
walaupun dengan elastisitas produksi yang lebih kecil dari variabel lahan. Implikasinya adalah perlunya dukungan input dengan harga yang terjangkau.
Tabel 51. Hasil Pendugaan Stochastic Frontier Production Function di Sulawesi
Selatan Dengan Metode MLE.
Variabel coefficient
t-ratio VIF
beta 0
7.8318 30.9934
- lahan ha
0.8603 16.8342
4.7815 benih kg
0.0702 1.3938
4.4863 tenaga kerja HOK
0.0442 2.8022
1.3290 urea kg
0.1020 3.3521
2.9862 KCL kg
0.0040 1.2347
1.3614 Dmusim
0.0591 2.1733
1.0179 R
2
0.9496 CRTS
1.0888 sigma-squared
2
0.0283 3.2253
Gamma 0.9459
21.1170 log LF MLE
67.3560 log LF OLS
47.1777 Keterangan : nyata pada taraf
α=10, nyata pada taraf α=5 Variabel
musim signifikan berpengaruh terhadap produksi pada taraf α=10 persen dengan parameter negatif -0.059 yang artinya peluang produksi lebih
tinggi pada saat musim kemarau daripada musim hujan atau dengan kata lain saat musim hujan produksi malah lebih rendah. Hal ini terjadi karena curah hujan yang
sangat tinggi saat musim hujan mengakibatkan tanaman terendam dan banyak tanaman yang mati. Selain itu jika hujan terus-menerus sampai saat panen, maka
banyak bulir padi yang basah sehingga kadar airnya tinggi dan produksi gabah kering menjadi rendah. Implikasinya adalah di Sulawesi Selatan perlu adanya
inovasi benih yang tahan terhadap rendaman air dan rebahan angin saat musim hujan. Selain itu perbaikan irigasi juga dapat membantu kelebihan air saat musim
hujan.
6.6. Fungsi Produksi Padi di Indonesia
Model fungsi produksi padi Indonesia pool data yang dapat dilihat pada Tabel 52 dianggap telah fit karena memenuhi asumsi Cobb-Douglas. Parameter
setiap variabel adalah lebih dari nol, tidak terjadi pelanggaran asumsi terutama tidak terjadi multicollinearity VIF10, nilai R
2
yang besar 90.75 persen, dan Return to scale
yang dihasilkan mendekati satu 1.12. Sama halnya dengan total koefisien fungsi produksi dengan metode OLS, menghasilkan angka 1.15 yang
berarti Constant Return To Scale. Pendugaan dengan metode MLE Maximum Likelihood Estimation
juga dianggap fit karena memenuhi asumsi Cobb-Douglas. Nilai log likelihood dengan metode MLE +58.8787 adalah lebih besar dari nilai
log likelihood dengan metode OLS -3.71621. Nilai cukup kecil 0.74 dan
nilai parameter yang mendekati 1 yaitu 0.97.
Tabel 52. Hasil Pendugaan Stochastic Frontier Production Function Rata-Rata di Indonesia Dengan Metode MLE.
Variable coefficient
t-ratio VIF
beta 0
8.3724 93.4784
- lahan ha
0.9851 50.3945
2.7277 benih kg
0.0716 3.8075
2.3382 tenaga kerja HOK
0.0476 3.8524
1.0974 urea kg
0.0083 1.3861
1.2564 KCL kg
0.0060 2.1785
1.0393 Dmusim
0.0327 2.0428
1.0049 R
2
0.9075 CRTS
1.1201 sigma-squared
2
0.7419 3.6096
Gamma 0.9716
114.2349 log LF MLE
58.8787 log LF OLS
3.7162 Keterangan : nyata pada taraf
α=10, nyata pada taraf α=5
