mengetahui mekanisme pengelolaan kebun dan pengolahan TBS secara langsung di lokasi penelitian. Dalam melaksanakan kegiatan magang tersebut digunakan
beberapa metode pendekatan, yaitu : 1. Metode Observasi
Observasi dilakukan dengan mengamati keadaan sebenarnya yang terjadi di lapang. Pengamatan dilakukan terhadap beberapa aspek penting terkait
pengelolaan perkebunan kelapa sawit, antara lain pembibitan, pemupukan, pemeliharaan jalan, panen, dan sebagainya.
2. Metode Wawancara Dalam metode ini, dilakukan dialog dan proses komunikasi langsung
dengan pihak terkait yang ada di lapangan serta pihak yang terlibat langsung dalam pelaksanaan di lapangan dan bertanggung jawab terhadap semua masalah
teknis di lapangan. 3. Studi Pustaka
Dalam studi kepustakaan ini, data dikumpulkan dengan mempelajari berbagai literatur dari buku-buku atau jurnal yang berkaitan dengan permasalahan
penelitian. 4. Dokumentasi
Selama melaksanakan kegiatan di lapangan mahasiswa menggunakan foto atau gambar untuk memperkuat isi tulisan yang disusun.
3.4.2. Teknik Analisis Data Menggunakan Statistik Uji-t
Analisis ini dilakukan untuk membandingkan tingkat produktivitas antar afdeling dan tingkat produktivitas antar kelas umur tanaman di kebun Inti. Untuk
menguji parameter dugaan dari masing-masing peubah apakah secara terpisah peubah ke-n berpengaruh nyata terhadap peubah tak bebasnya digunakan uji
statistik-t Gujarati, 1995. Statistik uji yang digunakan dalam uji-t:
t-hitung = , derajat bebas n-k
Dimana : Seb
i
= standar deviasi untuk parameter ke-n b
i
= koefisien regresi parameter
Jika t
hitung
t
tabel
, α2; n-k maka tolak H , artinya peubah yang diuji berpengaruh
nyata signifikan terhadap variabel tak bebas pada taraf α persen. Jika t
hitung
t
tabel
, α2; n-k maka terima H , artinya peubah yang diuji tidak
berpengaruh nyata terhadap variabel tak bebas pada taraf α persen.
3.4.3. Analisis Ragam ANOVA dan Uji Lanjut Metode Tukey
Pengujian ragam Analysis of Variance, dilakukan untuk menarik kesimpulan menerima atau menolak hipotesis. Jika hipotesis ditolak berarti
variabel-variabel yang diuji memiliki perbedaan yang signifikan. Dalam statistik, teknik Uji lanjut digunakan untuk mengetahui variabel manakah yang memiliki
perbedaan yang signifikan. Dalam penelitian ini digunakan metode Tukey dengan pertimbangan metode tersebut relatif sensitif terhadap pengaruh perubahan
variabel penjelas terhadap produktivitas sampai tingkat kepercayaan 70. Analisis ragam dilakukan berdasarkan desain faktorial dengan perlakuan umur
tanaman dan status kepemilikan lahan. Umur tanaman dibagi atas 5 kelas yaitu 0- 5 tahun, 6-10 tahun, 11-15 tahun, 16-20 tahun, dan 21 tahun. Status
kepemilikan terdiri dari 3 kelas yaitu garap, sewa, dan milik sendiri. Pada metode Tukey, semua perbandingan perlakuan yang mungkin,
ditetapkan kesalahannya sebesar α. Besaran α ditetapkan yaitu sebesar 5. Apabila t-hitung yang diperoleh lebih besar dari pada nilai t-tabel pada taraf nyata
5, maka terdapat perbedaan yang signifikan antara peubah yang diamati dan demikian juga sebaliknya.
3.4.4. Analisis Faktor
Factor Analysis dan Regresi Berganda Multiple Regression
Teknik analisis yang digunakan untuk mengetahui faktor-faktor yang mempengaruhi tingkat produktivitas kelapa sawit adalah dengan Analisis Faktor
Factor Analysis kemudian dilanjutkan dengan Analisis Regresi Berganda Multiple Regression Analysis.
Analisis Faktor Factor Analysis
Analisis Faktor Factor Analysis atau FA merupakan salah satu teknik analisis yang dapat menciptakan variabel baru sebagai pengganti variabel-variabel
asal namun masih tetap mempertahankan karakter aslinya Hair et al., 1998.
Tujuan analisis faktor adalah untuk menemukan suatu variabel-variabel baru, yang disebut komponen utama, yang dapat mewakili variabel-variabel indikator
asal. Pada penelitian ini, analisis faktor dilakukan karena potensi multikolinearitas cukup besar jika seluruh variabel asal terkait input produksi pertanian
diikutsertakan dalam regresi berganda, sementara seluruh variabel input usahatani tersebut diharapkan masuk dalam permodelan.
Variabel-variabel indikator asal yang digunakan dalam analisis faktor
adalah:
X
1
: Umur tanaman Tahun X
2
: Jumlah bibit Rupiah X
3
: Kebutuhan pupuk KgHaTh X
4
: Jumlah pestisida Rupiah X
5
: Jumlah tenaga kerja orang X
6
: Peralatan Rupiah X
7
: Biaya angkut panen Rupiah X
8
: Pemupukan rutin, merupakan jadwal pemupukan yang dilakukan oleh petani apakah rutin atau tidak rutin. Dalam perhitungan dijadikan peubah
boneka dummy. Variabel dummy adalah variabel yang digunakan untuk membuat kategori data yang bersifat kualitatif nominal. Bagi petani yang
melakukan pemupukan rutin diberi nilai 1 sedangkan yang tidak rutin diberi nilai nol.
Analisis faktor terhadap data tersebut dilakukan beberapa kali hingga diperoleh hasil terbaik, yaitu: PC scores dengan nilai akar ciri eigenvalues di
atas 70; nilai akar ciri lebih besar dari 1; dan korelasi antar variabel-variabel asal dengan faktor-faktor baru pada factor loading dapat diinterpretasikan secara
logis. Output data hasil analisis komponen utama umumnya memiliki variabel- variabel baru faktor yang lebih sedikit dan orthogonal, dengan nilai ragam
variance yang relatif sama. Hasil analisis komponen utama adalah sebagai berikut:
a
Nilai akar ciri eigenvalues, yaitu nilai yang menggambarkan keragaman data pada variabel-variabel baru faktor utama. Dengan kata lain, faktor utama
hasil analisis faktor mampu menjelaskan keragaman data awal sekaligus
mewakili variabel-variabel asal sebesar nilai akar ciri tadi. Persamaan untuk memperoleh nilai akar ciri eigenvalues adalah:
[ y
y +
λ 1
– a
1
a
1
] = [a
1
Sa
1 +
λ
1
1 – a
1
a
1
]
b Tabel kumulatif akar ciri communalities, yaitu tabel yang menunjukkan besarnya nilai keragamanketerwakilan data masing-masing variabel atau
peubah asal terhadap faktor-faktor utama yang diperoleh. c Nilai pembobot eigenvector atau disebut sebagai PC loadings factor
loadings. Vektor pembobot adalah parameter yang menggambarkan hubungan peran setiap variabel dengan faktor ke-i.
Nilai loadings diperoleh dari persamaan berikut:
r
1
= a
1
λ
1
,
Dimana : λ
1 :
akar ciri eigenvalues komponen utama ke-1 r
1
: nilai loadings ke-i a
1
: Nilai vektor pembobot utama ke-1 Jadi, loadings menunjukkan besarnya nilai korelasi antara variabel asal
dengan komponen utama ke-i yang diinterpretasikan berdasarkan marked loading 0,7. Nilai yang berkorelasi positif menyatakan bahwa faktor utama
ke-i berbanding lurus dengan variabel penjelas. Sebaliknya, nilai dengan korelasi negatif menyatakan bahwa faktor utama ke-i berbanding terbalik
dengan variabel penjelas. Nyata tidaknya korelasi antar komponen utama ke-i terhadap peubah asal dapat diuji dengan persamaan berikut:
t = r
, Dimana :
t : nilai t pada taraf nyata yang diinginkan
n : contoh data yang dianalisis r
: nilai korelasi d Tabel PC scores factor scores, yaitu tabel yang menyajikan nilai-nilai
berupa besarnya titik-titik data baru hasil analisis faktor. Faktor inilah yang digunakan jika terdapat analisis lanjutan. Factor analysis FA dapat
digunakan sebagai analisis antara maupun analisis akhir. FA sebagai analisis
antara dapat menghilangkan multikolinearitas data dan menyederhanakan satu set data dengan variabel besar. FA sebagai analisis akhir berfungsi dalam
pengelompokkan variabel-variabel penting dari satu kelompok variabel penduga pada suatu fenomena sekaligus pemahaman akan struktur dan
hubungan antar variabel.
Analisis Regresi Berganda Multiple Regression Analysis
Selanjutnya, untuk mengetahui faktor-faktor yang mempengaruhi tingkat produktivitas kelapa sawit di kebun plasma, maka dilakukan analisis regresi
berganda dengan metode forward stepwise. Prinsip dasar metode forward stepwise adalah mengurangi banyaknya peubah di dalam fungsi tujuan dengan
cara menyisipkan peubah penjelas satu per satu hingga diperoleh persamaan regresi yang paling baik.
Pada penelitian ini, analisis regresi berganda digunakan untuk menentukan model persamaan yang menjelaskan hubungan antara produktivitas sebagai
variabel tujuan dependent variable dan faktor-faktor yang mempengaruhi tingkat produktivitas sebagai variabel pendugapenjelas explanatory variable.
Variabel-variabel penduganya adalah sebagai berikut: X
1
: Pengalaman petani tahun
X
2
: Pendidikan petani tahun
Faktor-1 : Pestisida, tenaga kerja, peralatan, penen Faktor-2 : Teknik pemupukan
Faktor-3 : Umur tanaman dan bibit d1
: Pekerjaan sampingan Berdasarkan hasil kuesioner, ada petani yang memiliki pekerjaan sampingan
selain usahatani kelapa sawit dan ada yang tidak usahatani kelapa sawit menjadi prioritas utama. Untuk memudahkan perhitungan, bagi petani yang
memiliki pekerjaan sampingan diberi nilai 1 sedangkan yang lainnya diberi nilai nol. Ini disebut sebagai peubah boneka dummy.
d2 : Status kepemilikan lahan, dalam perhitungan juga dijadikan
sebagai peubah boneka dummy.
d21 d22
Status Garap
1 Sewa
1 1
Milik sendiri
Secara umum, hubungan antara variabel-variabel tersebut dapat dirumuskan dalam bentuk persamaan sebagai berikut :
Y = β + β
1
X
1
+ β
2
X
2
+ ….. + β
n
X
n
Dimana : Y : Fungsi tujuanpeubah yang diduga dependent variable
β : Nilai konstantakoefisien fungsi regresi intercept,
Diasumsikan nilai intercept sama dengan 0 β
n
: Nilai konstantakoefisien variabel penjelas fungsi regresi X
: Variabel penjelasvariabel yang diduga independent variable Ukuran kebaikan model regresi dapat dilihat dari beberapa parameter,
diantaranya yang paling banyak dinilai adalah koefisien determinasi R
2
dan galat baku standar error, SE. Model terbaik akan memiliki R
2
mendekati 1 dan SE terkecil DrapperSmith, 1992. Selanjutnya pengujian untuk menilai variabel
disebut berpengaruh nyata secara statistik jika teruji penting pada selang kepercayaan 85-95 0,05p-level0,1. Variabel disebut berpengaruh sangat
nyata secara statistik jika variabel tersebut teruji penting pada selang kepercayaan 95 p-level0,05.
3.4.5. Analisis Skalogram