dan tidak ada pelanggaran asumsi. Variabel input yang diduga dalam model ini mempengaruhi produksi padi yaitu lahan, benih, tenaga kerja, pupuk urea, pupuk
KCl dan musim. Hasil pendugaan menggambarkan kinerja terbaik best practice dari
petani responden pada tingkat teknologi yang ada constant technology. Variabel lahan signifikan terhadap produksi pada taraf α=5. Parameter estimates variabel
lahan yang merupakan elastisitas produksinya bernilai paling besar +0.847
dibandingkan dengan variabel lain yang artinya jika lahan diperluas 1 persen maka produksi akan meningkat 0.847 persen. Produksi dikatakan paling responsif
terhadap lahan dibandingkan terhaap input lainnya. Dengan kondisi lahan garapan yang sempit 0.375 ha maka diperlukan adanya perluasan lahan. Implikasinya
adalah jika pemerintah hendak meningkatkan produksi padi di Sumatera Utara, maka variabel lahan lah yang seharusnya menjadi perhatian utama.
Tabel 47. Hasil Pendugaan Stochastic Frontier Production Function di Sumatera Utara Dengan Metode MLE.
Variabel coefficient
t-ratio VIF
beta 0
8.0079
18.840 -
lahan ha
0.8473
9.195 9.460
benih kg
0.1377
1.525 8.957
tenaga kerja HOK
0.0629
1.751 1.209
urea kg
0.0152
2.194 1.057
KCL kg 0.003
0.513 1.014
Dmusim 0.009
0.241 1.006
R
2
0.896 CRTS
1.066 sigma-squared
2
0.170 3.555
Gamma 0.924
25.985 log LF MLE
22.587 log LF OLS
3.642 Keterangan : nyata pada taraf
α=10, nyata pada taraf α=5 Variabel tenaga kerja dan pupuk urea signifikan terhadap produksi pada
taraf α=5 dan benih signifikan terhadap produksi pada taraf α=10 dengan parameter estimates positif masing-masing tenaga kerja +0.0629, pupuk urea
+0.0152 dan benih +0.1377. Ketiga input ini berpengaruh terhadap produksi
dengan elastisitas produksi yang lebih kecil dari lahan. Sementara variabel pupuk KCl memiliki parameter positif namun tidak signifikan berpengaruh terhadap
produksi. Demikian pula musim, tidak berpengaruh terhadap produksi.
6.2. Fungsi Produksi Padi di Jawa Barat
Model fungsi produksi padi di Jawa Barat yang dapat dilihat pada Tabel 48 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 90.82 persen, dan Return to scale
yang dihasilkan mendekati satu 0.9961. Sama halnya dengan total koefisien fungsi produksi dengan metode OLS, menghasilkan angka 1.00521 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 +32.952 adalah lebih besar dari nilai
log likelihood dengan metode OLS +20.048. Nilai cukup kecil 0.11 dan
nilai parameter yang mendekati 1 yaitu 0.77.
Tabel 48. Hasil Pendugaan Stochastic Frontier Production Function di Jawa
Barat Dengan Metode MLE.
variabel coefficient
t-ratio VIF
beta 0
8.4744 27.2884
- lahan ha
0.9434 13.7747
7.1450 benih kg
0.0166 0.2779
6.6059 tenaga kerja HOK
0.0230 0.7541
1.3246 urea kg
0.0076 0.2162
2.6049 KCL kg
0.0055 0.4151
1.0545 Dmusim
0.1245
3.7874 1.0098
R
2
0.9082 CRTS
0.9961 sigma-squared
2
0.1160 4.7219
Gamma 0.7703
9.1656 log LF MLE
32.9522 log LF OLS
20.0476 Keterangan : nyata pada taraf
α=5
Tabel 48 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 +0.9434 dibandingkan dengan variabel lain. Produksi dikatakan paling responsif terhadap lahan dibandingkan
terhadap input lainnya. Dengan kondisi lahan garapan yang kurang dari 1 ha 0.75 ha maka masih diperlukan adanya perluasan lahan.
Variabel lain yang signifikan berpengaruh terhadap produksi yaitu musim dengan parameter positif +0.124 dan taraf α=5 yang artinya peluang produksi
lebih tinggi pada saat musim hujan daripada musim kemarau. Hal ini
mengindikasikan bahwa di Jawa Barat selain kebutuhan perluasan lahan juga ketersediaan air yang optimal sangat diperlukan. Kondisi jaringan irigasi yang
rusak membuat ketersediaan air saat musim kemarau menjadi sangat terbatas sehingga mempengaruhi produksi padi. Sementara saat musim hujan produksi
lebih baik karena tanaman tidak kekurangan air dan juga tidak kelebihan air. Implikasinya adalah perlunya perbaikan jaringan irigasi di Jawa Barat sehingga
kebutuhan air untuk tanaman padi tersedia secara optimal baik saat musim kemarau juga saat musim hujan. Selain itu juga perlu adanya inovasi benih unggul
yang tahan terhadap kekeringan. Variabel benih, tenaga kerja, pupuk urea, dan pupuk KCl walaupun tandanya positif namun tidak signfikan berpengaruh
terhadap produksi.
6.3. Fungsi Produksi Padi di Jawa Tengah
Model fungsi produksi padi di Jawa Tengah yang dapat dilihat pada Tabel 49 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 84.71 persen, dan Return to scale
yang dihasilkan mendekati satu 1.23. Sama halnya dengan total koefisien fungsi produksi dengan metode OLS, menghasilkan angka 1.31 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 -10.7574 adalah lebih besar dari nilai
log likelihood dengan metode OLS -36.6316. Nilai cukup kecil 0.57 dan
nilai parameter yang mendekati 1 yaitu 0.95. Tabel 49 merupakan hasil pendugaan fungsi produksi dengan metode MLE yang menghasilkan koefisien
seluruh variabel yang positif dan tidak ada pelanggaran asumsi. Variabel lahan signifi
kan terhadap produksi pada taraf α=5. Parameter estimates lahan bernilai paling besar +0.9398 dibandingkan dengan variabel lain.
Produksi dikatakan paling responsif terhadap lahan dibandingkan terhadap input lainnya. Dengan kondisi lahan garapan yang sempit 0.29 ha maka masih
diperlukan adanya perluasan lahan.
Tabel 49. Hasil Pendugaan Stochastic Frontier Production Function di Jawa Tengah Dengan Metode MLE.
variabel coefficient
t-ratio VIF
beta 0
7.8962
28.7552 -
lahan ha
0.9398
16.5569 3.7040
benih kg
0.1316
2.2521 2.9919
tenaga kerja HOK
0.0860
1.4208 1.7741
urea kg
0.0603
1.3845 3.1310
KCL kg
0.0160
2.1815 1.0242
dmusim
0.0690
1.8553 1.0217
R
2
0.8471 CRTS
1.2338 sigma-squared
2
0.5787 1.5550
Gamma 0.9545
8.7770 log LF MLE
10.7574 log LF OLS
36.6316 Keterangan : nyata pada taraf
α=10, nyata pada taraf α=5 Seluruh variabel input yang diduga termasuk lahan, ternyata signifikan
berpengaruh terhadap produksi yaitu benih signifikan pada taraf α=5 persen
dengan parameter positif 0.1316, tenaga kerja signifikan berpengaruh terhadap produksi pada taraf α=10 persen dengan parameter positif +0.086, pupuk urea
signifikan berpengaruh terhadap produksi pada taraf α=10 persen dengan parameter positif +0.060, dan pupuk KCl signifikan berpengaruh terhadap
produksi pada taraf α=5 persen dengan parameter positif +0.016. Keempat input ini masih perlu ditingkatkan penggunaannya untuk meningkatkan produksi