a. Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur bergelombang, melebar kemudian menyempit, maka mengindikasikan telah terjadi
heteroskodastisitas. b.Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0
pada sumbu Y, maka tidak terjadi heteroskedastisitas.
Gambar 5. Scatterplot Uji Heteroskedastisitas Fungsi Produksi Sumber : Lampiran 15
Dari Gambar 5, diketahui bahwa titik-titik telah menyebar, tidak membentuk pola tertentu yang mengumpul. Hal ini dapat disimpulkan bahwa model regresi diindikasikan
tidak terdapat masalah heteroskedastisitas hal ini berarti terjadi kesamaan variance dari residual satu pengamatan ke pengamatan yang lain.
c. Uji Normalitas
Untuk menguji apakah data sampel berasal dari populasi yang terdistribusi secara normal atau tidak diajukan hipotesis sebagai berikut:
Ho : data berasal dari populasi yang terdistribusi normal Hi : data berasal dari populasi yang tidak terdistribusi normal
Universitas Sumatera Utara
Pengujian normalitas distribusi data dilakukan dengan menggunakan Statistic Kolmogorov-Smirnov alat uji ini biasa disebut dengan uji K-S ukuran yang digunakan
untuk menerima atau menolak hipotesis nol Ho yaitu menggunakan nilai Asymp. Sig. 2-tailed. Kriteria yang digunakan yaitu Ho diterima apabila Asymp. Sig. 2-tailed lebih
besar dari tingkat alpha yang ditetapkan 5, maka data dapat dinyatakan berasal dari populasi yang berdistribusi normal.
Tabel 5.7 Hasil Uji Normalitas Fungsi Produksi
One-Sample Kolmogorov-Smirnov Test Unstandardized
Residual N
Normal Parameters
a,b
Mean Std. Deviation
Most Extreme Differences Absolute Positive
Negative Kolmogorov-Smirnov Z
Asymp. Sig. 2-tailed a. Test Distribution is Normal
33 0,0000000
131,659925695 0,185
0,185 -0,090
0,185 0,06
Sumber: Lampiran 15 Berdasarkan pada output hasil analisis One-Sample Kolmogorov-Smirnov Test maka
dapat dinyatakan bahwa nilai koefisien Asymp. Sig. 2-tailed sebesar 0,06 lebih besar dari tingkat kesalahan yang ditetapkan 5. Dengan demikian Ho diterima yang
menyatakan bahwa data berasal dari populasi yang terdistribusi normal dan dapat diterima. Hasil analisis ini dapat disimpulkan bahwa data terdistribusi normal. Setelah uji
asumsi klasik dilakukan maka diketahui bahwa pada model regresi pada penelitian ini tidak terdapat multikolinearitas, heteroskedastisitas dan data berasal dari populasi yang
terdistribusi normal, maka analisis linear berganda dapat dilanjutkan. Berikut ini hasil yang diperoleh dari analisis linear berganda:
Tabel 5.8 Nilai Regresi dan Variabel Faktor Produksi No
Faktor Unstandardized
t-hitung Significant
Produksi Xi Coefficients B
Constant 430,027 0,434
0,668 1
Bibit X1 3,175 2,584
0,016
Universitas Sumatera Utara
2 Pupuk Organik X2
0,300 1,645 0,112
3 Pupuk N X3
12,259 2,108 0,045
4 Insektisida X4
35,979 0,420 0,678
5 Fungisida X5
37,505 0,364 0,719
6 Tenaga Kerja X6
1,446 0,674 0,506
Adjusted R Square = 0,546 F Hitung = 7,402
t tabel = 2,032 F tabel = 2,38
Sumber : Lampiran 16 Tabel 5.8 menunjukkan koefiensi determinasi
R
2
sebesar 0,546 yang menandakan bahwa variabel tidak bebas Y pada model dijelaskan variabel bebas Xi secara
bersama-sama sebesar 54,6 dan sisanya sebesar 45,4 dijelaskan oleh variabel lain yang tidak masuk dalam model. Dari tabel 5.11 diperoleh hasil analisis input produksi
yang mempengaruhi produktivitas dimasukkan ke dalam persamaan fungsi produksi. Adapun persamaan regresi yang bisa dibentuk adalah sebagai berikut:
Y = 430,027 + 3,175X
1
+ 0,300X
2
+ 12,259X
3
+ 35,979X
4
+ 37,505X
5
+ 1,446X
6
Pada model regresi di atas, nilai konstanta yang tercantum adalah sebesar 430,027 yang artinya apabila seluruh variabel bebas dalam model diasumsikan sama dengan nol, maka
produktivitas bawang merah di Desa Cinta Dame Kecamatan Simanindo Kabupaten Samosir adalah sebesar 430,027 KgHa.
5.1.3 Pengaruh Faktor Produksi Secara Serempak Uji F
Pengaruh faktor produksi berupa bibit, pupuk organik, pupuk N, insektisida, fungisida dan tenaga kerja secara bersama-sama terhadap produktivitas bawang merah dapat
diketahui dengan melakukan uji F F-test.
Tabel 5.9 Pengaruh Faktor Produksi Secara Serempak Terhadap Produktivitas
Model Sum of
df Mean Square F
hitung
F
tabel
Sig Squares
α
= 0,05
Regression 94754897,42
6 15792482,90 7,402 2,32
0,000 Residual
55469875,31 26 2133456,743
Total 150224772,7
32 a. Predictors: Constant, Bibit, Pupuk Organik, Pupuk N, Insektisida,
Fungisida, Tanaga Kerja b. Dependent Variable: Produktivitas
Sumber: Lampiran 16
Universitas Sumatera Utara
Berdasarkan Tabel 5.9 dapat diketahui F
hitung
sebesar 7,402 lebih dan F
tabel
2,32. Nilai F
hitung
lebih besar dari F
tabel
yaitu 7,402 2,32 dengan tingkat signifikansi 0,000 yang lebih kecil dari tingkat signifikansi α = 5. Hal ini menunjukkan bahwa faktor-faktor
produksi yang berupa bibit, pupuk organik, pupuk N, insektisida, fungisida dan tenaga kerja secara bersama-sama berpengaruh nyata terhadap produktivitas bawang merah di
Desa Cinta Dame.
5.1.4 Pengaruh Masing-Masing Faktor Produksi Uji t
Pengaruh masing-masing faktor produksi berupa bibit, pupuk organik, pupuk N, insektisida, fungisida dan tenaga kerja terhadap produktivitas bawang merah dapat
diketahui dengan melakukan uji t t-test.
Tabel 5.10 Pengaruh Masing-Masing Faktor Produksi Terhadap Produktivitas
No Variabel
Koefisien T
hitung
T
tabel
Sig Regresi
α
= 0,05
1 Bibit
3,175 2,584 2,032
0,016 2
Pupuk Organik 0,300
1,645 2,032 0,112
3 Pupuk N
12,259 2,108 2,032
0,045 4
Insektisida 35,979
0,420 2,032 0,678
5 Fungisida
37,505 0,364 2,032
0,719 6
Tenaga Kerja 1,446
0,674 2,032 0,506
Sumber: Lampiran 16 Berdasarkan Tabel 5.10 faktor produksi bibit dan pupuk N berpengaruh nyata terhadap
produktivitas bawang merah, dapat dilihat dari nilai T hitung faktor bibit dan pupuk N berturut-turut sebesar 2,584 dan 2,108 lebih besar dari T tabel 2,032 serta tingkat
signifikansi yang lebih kecil dari 0,05. Hasil penelitian ini sejalan dengan hasil penelitian yang dilakukan oleh Widyananto 2010 dengan judul Analisis Efisiensi Penggunaan
Faktor-Faktor Produksi Pada Usahatani Bawang Putih Studi Kasus di Kecamatan Sapuran Kabupaten Wonosobo diperoleh hasil bahwa bibit berpengaruh secara nyata
terhadap jumlah produksi bawang putih. Pupuk organik tidak berpangaruh nyata terhadap produktivitas bawang merah hal ini dapat dilihat dari nilai T hitung pupuk organik
sebesar 1,645 lebih kecil dari T tabel 2,032 dan nilai signifikansi 0,112 yang lebih besar
Universitas Sumatera Utara
dari 0,05. Hal ini terjadi karena penggunaan pupuk organik yang masih sangat jauh dari jumlah yang dianjurkan yaitu 3 TonHa sedangkan jumlah pupuk organik yang
dianjurkan sebesar 10-15 TonHa. Demikian juga dengan faktor produksi Insektisida, dan fungisida tidak berpengaruh nyata terhadap produktivitas bawang merah dapat dilihat dari
nilai T hitung berturut-turut sebesar 0,420 dan 0,364 faktor produksi tersebut tidak berpengaruh terhadap produktivitas bawang merah karena proses perawatan dengan
menggunakan insektisida dan fungisida bersifat insidentil yaitu diaplikasikan hanya apabila terjadi serangan hama atau penyakit sehingga beberapa petani menggunakan
jumlah pestisida hanya berdasarkan perasaan petani tanpa melihat dosis anjuran. Penggunaan pestisida yang tidak tepat dengan dosis anjuran juga akan menyebabkan
tanaman bawang merah tidak mampu meningkatkan produktivitasnya, Demikian juga halnya dengan faktor produksi tenaga kerja dengan nilai T hitung sebesar 0,674 lebih
kecil dari T tabel 2,032 pada umumnya penambahan jumlah tenaga kerja tidak mempengaruhi produktivitas tetapi dapat membantu mempercepat pengerjaan proses
produksi.
5.2 Pengaruh Harga Per Unit Terhadap Biaya Rata-Rata 5.2.1 Analisis Regresi Fungsi Biaya