VII. ANALISIS EFISIENSI USAHATANI TEBU
7.1. Model Fungsi Produksi
Model fungsi produksi stochastic frontier yang digunakan dalam analisis ini adalah fungsi produksi Cobb Douglas. Dalam proses membangun model,
dibedakan antara fungsi produksi usahatani tebu non-keprasan dan pola keprasan. Variabel input yang diduga berpengaruh terhadap usahatani tebu pola non-
keprasan meliputi luas lahan X1, bibit X2, pupuk Urea X3, pupuk TSP X4, pupuk KCL X5, pestisida padat X6, pestisida cair X7, dan tenaga kerja X8.
Sedangkan variabel input yang diduga berpengaruh pada usahatani pola keprasan meliputi lahan X1, pupuk Urea X3, pupuk TSP X4, pupuk KCL X5,
pestisida padat X6, pestisida cair X7, dan tenaga kerja X8. Hasil dugaan fungsi produksi Cobb Douglas dengan pola tanam non-keprasan dapat dilihat pada
Tabel 26. Tabel 26. Hasil Pendugaan Fungsi Produksi Cobb Douglas Pola Tanam Non-
Keprasan dengan Menggunakan Metode OLS
Variabel Input Parameter Dugaan
t Value Pr [ t ]
VIF Konstanta
1.0948 2.33
0.0331 Lahan X1
0.3345 4.20
a
0.0007 13.50
Bibit X2 0.0507
0.50
b
0.6245 17.70
Pupuk Urea X3 0.1699
2.68
a
0.0165 6.10
Pupuk TSP X4 0.0818
2.28
a
0.0368 5.80
Pupuk KCL X5 0.0553
1.02
b
0.3244 6.90
Pestisida Padat X6 0.0813
2.89
a
0.0107 2.40
Pestisida Cair X7 0.0496
1.38
b
0.1860 1.80
Tenaga Kerja X8 0.2122
3.71
a
0.0019 4.90
R-Sq 0.99126
F-hitung 226.8
Ke terangan: a, b, c nyata pada α 0.05, 0.10, dan 0.15
Sumber: Analisis Data Primer, 2012
Hasil dugaan pada Tabel 26 menunjukkan bahwa seluruh variabel input berpengaruh positif terhadap produksi usahatani sesuai dengan yang diharapkan.
Akan tetapi tidak seluruhnya berpengaruh nyata. Variabel yang tidak berpengaruh nyata adalah bibit X2 dan pupuk KCL X5. Pada Tabel 26 juga dapat dilihat
hasil uji multikolinieritas antara variabel input usahatani di daerah penelitian. Uji
multikolinieritas penting dilakukan karena adanya multikolinieritas dapat mengakibatkan penaksiran-penaksiran kuadrat terkecil menjadi tidak efisien,
sehingga salah satu akibatnya adalah koefisien determinasi R
2
tinggi, akan tetapi uji statistic t t ratio menunjukkan bahwa parameter dugaan sedikit perngaruh
nyata Gujarati, 1978. Manurung et al 2005 menyatakan bahwa nilai Variance Inflation Factor VIF yang tinggi merupakan indikasi terjadinya multikolinieritas
antar variabel independen pada suatu model. Beberapa referensi menyatakan bahwa multikolinieritas yang serius terjadi jika nilai VIF pada model liniear
berganda lebih besar dari 10 dan multikolinieritas tidak serius jika nilai VIF kurang dari 10. Pada Tabel 26 dapat dilihat adanya multikolinieritas antarvariabel
input karena nilai VIF yang tinggi pada variabel lahan X1 dan bibit X2 pada usahatani tebu pola non-keprasan, yaitu 13.50 dan 17.70.
Beberapa cara yang dapat dilakukan untuk mengatasi masalah multikolinieritas antara lain, 1 mengkombinasikan data cross section dengan
data time series, 2 mentransformasikan data, 3 menambahkan data baru atau ukuran observasi, 4 mengeluarkan salah satu variabel input dari regresi jika
terjadi korelasi kuat antar variabel input. Langkah yang dilakukan untuk mengatasi multikolinieritas dalam penelitian ini adalah mengeluarkan variabel
bibit X2 dari model. Dengan mengeluarkan variabel bibit pada pola tanam non- keprasan maka variabel input yang digunakan pada pola non-keprasan sama
dengan variabel input yang digunakan pada pola tanam keprasan, yaitu lahan X1, pupuk Urea X3, pupuk TSP X4, pupuk KCL X5, pestisida padat X6,
pestisida cair X7, dan tenaga kerja X8. Hasil pendugaan fungsi produksi non- keprasan dengan dengan variabel bibit yang telah dikeluarkan dapat dilihat pada
Tabel 27. Hasil pendugaan fungsi produksi non-keprasan dengan mengeluarkan
variabel benih sebagaimana disajikan pada Tabel 27 menunjukkan bahwa seluruh variabel input berpengaruh positif terhadap produksi usahatani sesuai dengan yang
diharapkan. Selain itu, semua variabel berpengaruh nyata sesuai dengan tingkat α yang ditetapkan.
Tabel 27. Hasil Pendugaan Fungsi Produksi Cobb Douglas Pola Tanam Non- Keprasan Tanpa Variabel Bibit dengan Menggunakan Metode OLS
Variabel Input Parameter Dugaan
t Value Pr [ t ]
VIF Konstanta
1.1252 2.47
0.0243 Lahan X1
0.3580 5.70
a
.0001 8.80
Pupuk Urea X3 0.1707
2.75
a
0.0136 6.10
Pupuk TSP X4 0.0883
2.70
a
0.0153 5.00
Pupuk KCL X5 0.0579
1.09
c
0.2888 6.90
Pestisida Padat X6 0.0819
2.98
a
0.0084 2.40
Pestisida Cair X7 0.0550
1.64
b
0.1184 1.60
Tenaga Kerja X8 0.2204
4.11
a
0.0007 4.50
R-Sq 0.99112
F-hitung 271.14
Ke terangan: a, b, c nyata pada α 0.05, 0.10, dan 0.15
Sumber: Analisis Data Primer, 2012
Pendugaan selanjutnya adalah pendugaan terhadap fungsi produksi keprasan. Sebagaimana dijelaskan sebelumnya, variabel input yang diduga
berpengaruh pada usahatani pola keprasan meliputi lahan X1, pupuk Urea X3, pupuk TSP X4, pupuk KCL X5, pestisida padat X6, pestisida cair X7, dan
tenaga kerja X8. Hasil dugaan fungsi produksi Cobb Douglas dengan pola tanam keprasan dapat dilihat pada Tabel 28.
Tabel 28. Hasil Pendugaan Fungsi Produksi Cobb Douglas Pola Tanam Keprasan dengan Menggunakan Metode OLS
Variabel Input Parameter Dugaan
t Value Pr [ t ]
VIF Konstanta
1.5440 3.30
0.0020 Lahan X1
0.4261
a
4.67 .0001
14.60 Pupuk Urea X3
0.1136
b
1.48 0.1453
12.00 Pupuk TSP X4
0.1505
a
2.45 0.0188
7.00 Pupuk KCL X5
0.1070
a
2.33 0.0247
4.30 Pestisida Padat X6
0.1106
a
2.01 0.0510
4.80 Pestisida Cair X7
0.0844
a
2.50 0.0163
3.30 Tenaga Kerja X8
0.0891
c
1.05 0.2979
13.20 R-Sq
0.97895
F-hitung
279.02
Ke terangan: a, b, c nyata pada α 0.05, 0.10, dan 0.15
Sumber: Analisis Data Primer, 2012
Hasil dugaan pada Tabel 28 menunjukkan bahwa seluruh variabel input berpengaruh positif terhadap produksi usahatani sesuai dengan yang diharapkan
dan seluruh variabel berpengaruh nyata pada tingkat α yang ditetapkan. εeskipun
pada variabel lahan X1, pupuk Urea X3 dan tenaga kerja X8 memiliki nilai VIF yang lebih besar dari 10 atau menunjukkan terjadinya multikolinearitas,
tetapi hal tersebut masih ditoleransi karena berdasarkan uji statistik t t ratio menunjukkan variabel-variabel tersebut berngaruh nyata.
7.2. Analisis Fungsi Produksi Stochastic Frontier
Pendugaan fungsi produksi stochastic frontier dilakukan dengan menggunkan metode MLE. Hasil pendugaan menggambarkan kinerja terbaik best
practice dari petani responden pada tingkat teknologi yang ada. Selanjutnya hasil dari pendugaan fungsi produksi stochastic frontier dijadikan sebagai dasar untuk
mengukur efisiensi alokatif dan efisiensi ekonomis dengan menurunkan dari fungsi biaya dual. Tabel 29 menunjukkan hasil pendugaan fungsi produksi
stocahastic frontier dengan menggunakan tujuh variabel input. Tabel 29. Analisis Fungsi Produksi Stochastic Frontier Pola Tanam Non-
Keprasan dan Keprasan
Variabel Non-Keprasan
Keprasan Parameter
Dugaan T-ratio
Parameter Dugaan
T-ratio Konstanta
0.1410 4.5951
2.0395 6.7042
Lahan X1 0.3163
7.6365
a
0.5509 9.0635
a
Pupuk Urea X3 0.1202
1.7853
b
0.1202 1.9905
b
Pupuk TSP X4 0.0989
4.2600
a
0.0963 2.2492
a
Pupuk KCL X5 0.0659
1.4026
b
0.0745 2.1004
a
Pestisida Padat X6 0.0874
3.9434
a
0.0190 0.3978
a
Pestisida Cair X7 0.0312
1.3291
b
0.0773 2.8409
a
Tenaga Kerja X8 0.2294
6.3509
a
0.1036 1.7798
b
Log likelihood function OLS 32.4692
37.6287 Log likelihood function MLE
38.4318 50.7000
Sigma-squared 0.0041
0.0277 Gamma y
0.8345 0.8242
LR test of the one-sided error 11.9250
0.2614 Ke
terangan: a, b, c nyata pada α 0.05, 0.10, dan 0.15 Sumber: Analisis Data Primer, 2012
Pada pola tanam non-keprasan, hasil pendugaan pada Tabel 29 menunjukkan bahwa variabel lahan X1 berpengaruh nyata terhadap produksi
batas pada α 5 persen dengan nilai elastisitas sebesar 0.3163. Nilai elastistas tersebut menunjukkan bahwa penambahan input sebesar 10 persen dengan input