5.2. Pengaruh Faktor Produksi Terhadap Produksi Usahatani Kentang
Untuk mengetahui bagaimana pengaruh faktor produksi terhadap produksi tanaman kentang diuji dengan analisis regressi non-linear model Cobb-Douglass,
yang dalam operasionalnyai diubah dalam bentuk linier berganda. Sebelum dianalisis dengan model linear berganda, sebelumnya dilakukan uji terlebih
dahulu apakah data faktor produksi dan hasil produksi usahatani kentang yang digunakan memiliki hubungan yang linear atau tidak, sehingga diketahui tidak
ada penyimpangan pada model regresi. Setelah uji linieritas, dilanjutkan dengan uji asumsi klasik mencakup uji multikoliniertas, heteroskedisitas dan autokorelasi.
5.2.1. Uji Linearitas
Uji ini dilakukan untuk mengetahui apakah ada hubungan linear secara signifikan antara 2 variabel, yaitu antara produksi dengan bibit, produksi dengan pupuk
alami, produksi dengan pupuk kimia, produksi dengan insektisida, produksi dengan insektisida dan produksi dengan tenaga kerja.
Untuk mengetahui apakah ada hubungan linear diketahui lewat hipotesis sebagai berikut :
Ho : tidak ada hubungan linear antara bibit, pestisida, pupuk, tenaga, kerja terhadap hasil produksi usaha tani kentang
H1 : ada hubungan linear antara bibit, pestisida, pupuk, tenaga, kerja terhadap hasil produksi usaha tani kentang
Dengan kriteria uji, bila : 3. Signifikansi linearity
α 0,05, maka H1 diterima
Universitas Sumatera Utara
4. Signifikansi linearity α 0,05, maka H0 diterima
Hasil uji linearitas yang ditampilkan berikut ini diperoleh dengan menggunakan software SPSS 16 masing-masing dalam taraf kepercayaan 95.
Tabel 5.2.1 Nilai Signifikansi Linearitas antara Bibit, Pupuk Alami, Pupuk Kimia, Insektisida, Fungisida dan Tenaga Kerja terhadap
Produksi
Hubungan Linearitas Nilai Signifikansi
Linearity
bibit-produksi 0.000
pupuk alami-produksi 0.000
pupuk kimia-produksi 0.000
insektisida-produksi 0.001
fungisida-produksi 0.046
tenaga kerja-produksi 0.001
Sumber : Lampiran 14 Dari tabel di atas dapat dilihat nilai signifikansi linearity masing-masing faktor
produksi bibit, pupuk alami, pupuk kimia, insektisida, fungisida dan tenaga kerja sebesar 0,00-0,046 dengan kata lain lebih kecil dari 0,05. Ini menandakan
bahwa antara faktor produksi dengan hasil produksi usahatani kentang berhubungan secara linear.
5.2.2. Uji Asumsi Klasik
Uji klasik ini dapat dikatakan sebagai kriteria ekonometrika untuk melihat apakah hasil estimasi memenuhi dasar linear klasik atau tidak. Uji asumsi klasik ini
dibagi dalam 3 bagian yaitu multikolinearitas, heteroskedastisitas dan autokorelasi yang dijelaskan sebagai berikut :
a. Uji Multikolinearitas Menurut Gujarati 2003 dalam Widyananto 2010 multikolinearitas berarti ada
hubungan linear korelasi yang sempurna atau pasti, diantara beberapa atau semua variabel yang menjelaskan dari model regresi. Model regresi yang baik
Universitas Sumatera Utara
seharusnya tidak terjadi korelasi di antara variabel independen. Ada atau tidaknya multikolinearitas pada model regresi terlihat dari nilai tolerance dan VIF
Variance Inflaction Factor. Untuk mengetahui ada tidaknya multikolinearitas maka diuji melalui hipotesis
berikut. Ho : tidak ada terdapat multikolinearitas pada model regresi yang digunakan
H1 : terdapat multikolinearitas pada model regresi yang digunakan Kriteria uji dilihat dari nilai tolerance dan nilai VIF Variance Inflaction Factor.
Bila : Nilai tolerance 0,1, maka H1 diterima Nilai tolerance 0,1, maka H0 diterima
Bila : Nilai VIF 10, maka H0 diterima Nilai VIF 10, maka H1 diterima
Berikut ini ditampilkan tabel hasil uji multikolinieritas masing-masing faktor produksi.
Tabel 5.2.2a Hasil Uji Multikolinearitas masing-masing Faktor Produksi Usahatani Kentang
Model Collinearity statistics
Tolerance VIF
Bibit 0.493
2.030 Pupuk Alami
0.641 1.561
Pupuk Kimia 0.544
1.838 Insektisida
0.780 1.281
Fungisida 0.655
1.526 Tenaga Kerja
0.498 2.006
Sumber : Lampiran 15 Dari tabel di atas dapat dilihat nilai tolerance dan VIF faktor produksi bibit,
pupuk alami, pupuk buatan, insektisida, fungisida dan tenaga kerja masing-masing lebih besar dari 0,1 dan nilai VIF dari masing-masing faktor produksi lebih kecil
Universitas Sumatera Utara
dari 10. Hal ini membuktikan bahwa tidak terdapat multikolinearitas pada model regresi tersebut.
b. Heteroskedastisitas Uji Heteroskedastisitas bertujuan untuk melihat apakah di dalam model regresi
terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Menurut Ghozali 2005 dalam Widyananto 2010, dasar dari analisis grafik
scatterplot tersebut adalah jika terdapat pola tertentu dan teratur bergelombang, melebar kemudian menyempit, maka diindikasikan terdapat masalah
heteroskedastisitas, sedangkan jika tidak ditemui pola yang jelas, yaitu titik- titiknya menyebar, maka diindikasikan tidak terdapat masalah heteroskedastisitas.
Berikut gambar scatterplot yang akan menunjukkan ada atau tidak heteroskedastisitas.
Gambar 5.2.2b Scatterplot Uji Heteroskedastisitas
Sumber : Lampiran 15 Dari gambar di atas, diketahui bahwa titik-titik telah menyebar, tidak membentuk
pola tertentu yang mengumpul. Hal ini dapat disimpulkan bahwa model regresi diindikasikan tidak terdapat masalah heteroskedastisitas.
Universitas Sumatera Utara
c. Autokorelasi
Uji Autokorelasi bertujuan untuk menguji apakah di dalam model regresi linier terdapat korelasi antara kesalahan pengganggu pada periode t dengan kesalahan
pengganggu pada periode t-1 sebelumnya. Salah satu cara yang dapat digunakan untuk mendeteksi ada tidaknya autokorelasi adalah dengan menggunakan uji
Durbin Watson DW. Bila nilai Durbin Watson DW berada di antara du dan 4- du maka model regresi tersebut dinyatakan bebas dari masalah autokorelasi
Widyananto, 2014.
Untuk mengetahui ada tidaknya multikolinearitas maka di uji melalui hipotesis berikut.
Ho : tidak ada terdapat autokorelasi pada model regresi yang digunakan H1 : terdapat autokorelasi pada model regresi yang digunakan
Dengan kriteria uji :
Universitas Sumatera Utara
Berikut ini diperlihatkan hasil uji autokorelasi antar variable yang digunakan.
Tabel 5.2.2c Hasil Uji Autokorelasi
Model Summary
b
Mod el
R R
Square Adjusted R
Square Std. Error
of the Estimate
Change Statistics Durbin-
Watson R Square
Change F
Change df1
df2 Sig. F
Change 1
.771
a
.594 .547
.58038 .594 12.683
6 52
.000 1.954
a. Predictors: Constant, TENAGA KERJA, INSEKTISIDA, PUPUK ALAMI, FUNGISIDA, PUPUK KIMIA, BIBIT
b. Dependent Variable: PRODUKSI
Sumber : Lampiran 15
Tabel 5.2.2c menunjukkan bahwa nilai Durbin Watson DW sebesar 2,022. Sedangkan dari tabel
distribusi DW dengan α = 5, n = 60, dan k = 6 diperoleh nilai du sebesar 1,76711 dan 4-du sebesar 2,23289 serta dl sebesar 1,40832 dan
4-dl sebesar 2, 59165. Dengan demikian du d 4-du atau 1,76 1,95 2,23, hal ini menunjukkan bahwa model regresi tidak terdapat masalah autokorelasi.
Setelah uji asumsi klasik dilakukan maka dapat diketahui bahwa tidak terdapat multikolinearitas, heteroskedastisitas dan autokorelasi pada model regresi pada
penelitian ini, maka analisis regresi linear berganda dapat dilanjutkan. Berikut hasil yang diperoleh dari analisis regresi linear berganda.
Universitas Sumatera Utara
Tabel 5.2. Nilai Regresi dan Variabel Input Produksi Usahatani Kentang di Desa Ajibuhara, Kecamatan Tigapanah, Kabupaten Karo, 2014
No. Input
Produksi Xi Unstandardized
Coefficients B t-hitung
Significant
Constant 3,724
5,858 1
Bibit X1 0,264
2,338 0,023
2 Pupuk alami
X2 0,221
2,446 0,018
3 Pupuk kimia
X3 0,005
0,037 0,971
4 Insektisida
X4 0,112
1,477 0,146
5 Fungisida X5
-0,055 -0,620
0,538 6
Tenaga kerja X6
0,152 2,489
0,016
R Square = 0,594
F Hitung = 12,683 t tabel = 2,01
F tabel = 2,28
Sumber : Lampiran 16 Tabel 5.2 menunjukkan koefisien determinasi R
2
sebesar 0,594 yang menandakan bahwa variabel tidak bebas Y pada model dijelaskan oleh variabel
bebas Xi secara bersama-sama sebesar 59,4 dan sisanya sebesar 40,6 dijelaskan oleh variabel lain yang tidak masuk dalam model.
Selain itu diperoleh hasil analisis faktor produksi yang mempengaruhi produksi dimasukkan ke dalam persamaan fungsi Cobb Douglas sebagai berikut :
Ln Y = 3,724+0,264LnX1+0,221LnX2+0,005LnX3+0,112LnX4-0,055LnX5+0,152LnX6+e
u
Y= 3,724X1
0,264
X2
0,221
X3
0,005
X4
0,112
X5
-0,055
X6
0,152
Dari persamaan di atas dapat diketahui masing-masing koefisien tiap faktor produksi, apabila tiap koefisien dijumlahkan akan menunjukkan nilai Return to
Scale Skala Pengembalian, apabila nilai RTS 1 maka terjadi Increasing Return to Scale, jika RTS = 1 maka terjadi Constant Return to Scale dan RTS 1 maka
terjadi Decreasing Return to Scale.
Universitas Sumatera Utara
Sehingga dapat diketahui,
RTS = 0,264+0,221+0,005+0,112-0,055+0,152 = 0,699
Dari hasil perhitungan diatas maka didapat 0,699 1 menunjukkan terdapat Decreasing Return to Scale, yang artinya ketika semua faktor produksi bibit,
pupuk alami, pupuk kimia, insektisida, fungisida dan tenaga kerja dinaikkandigandakan sebesar 2 kali maka penambahan produksi yang hanya
sebesar 2
0,699
. Sehingga usaha tani ini tidak mampu memberikan nilai tambah dikarenakan proporsi penggunaan input faktor produksi terlalu berlebihan, tidak
proporsional dengan penambahan output produksi.
Dari persamaan di atas dapat juga diinterpretasikan pengaruh faktor produksi secara serentak dan parsial. Pengaruh faktor produksi terhadap produksi secara
serempak melalui nilai F hitung F tabel pada taraf kepercayaan 95 12,683 2,28 yang artinya bahwa bibit, pupuk alami, pupuk kimia, insektisida, fungisida
dan tenaga kerja secara bersama-sama keseluruhan berpengaruh nyata terhadap produksi kentang. Jika dilihat dari hasil uji-t, diperoleh t hitung t tabel pada
taraf kepercayaan 95 yang berpengaruh nyata terhadap produksi adalah bibit, pupuk alami dan tenaga kerja. Sementara yang tidak berpengaruh secara parsial
adalah pupuk kimia, insektisida dan fungisida.
Universitas Sumatera Utara
5.3. Tingkat Efisiensi Teknis, Harga dan Ekonomi pada Usahatani Kentang
Kategori