Analisis Data dan Pembahasan

C. Analisis Data dan Pembahasan

1. Analisis Pengaruh Faktor-Faktor Produksi Terhadap Output

Untuk mengetahui seberapa besar pengaruh masing-masing faktor produksi sebagai variabel independen, luas lahan, tenaga kerja, jumlah bibit, jumlah pupuk, dan pestisida terhadap hasil produksi kedelai sebagai variabel dependen. Maka digunakan analisis regresi linier berganda pada fungsi Cobb Douglas. Selanjutnya data yang akan dianalisis dalam fungsi produksi Cobb Douglas dilogaritmakan agar dapat diregresi secara linier, hasilnya adalah :

commit to user

Ln Y i = β 0 + β 1 ln X 1i +β 2 ln X 2i +β 3 ln X 3i +β 4 ln X 4i +β 5 ln X 5i + Dimana :

: produksi

X 1 : luas lahan

X 2 : tenaga Kerja

X 3 : jumlah bibit

X 4 : jumlah pupuk

X 5 : jumlah pestisida

: konstanta β 1-5 : koefisien variabel independen.

: Variabel gangguan

: responden 1 -100

Hasil olah data menggunakan program Eviews dapat dilihat pada tabel

4.12 berikut:

Tabel 4.12

Hasil Analisis Regresi Linier Berganda

Variable

Coefficient

Std. Error

t-Statistic Prob.

C (Konstanta)

-0.149022

0.510103

-0.292141 0.7708 LN_X1 (Luas lahan)

0.526260

0.099499

5.289114 0.0000 LN_X2 (T kerja)

-0.081797

0.094235

-0.868012 0.3876 LN_X3 (Bibit)

0.311963

0.101515

3.073060 0.0028 LN_X4 (Pupuk)

0.084562

0.032610

2.593109 0.0110 LN_X5 (Pestisida)

0.878964 Mean dependent var 5.671948 Adjusted R-squared

0.872526 S.D. dependent var 0.570838 S.E. of regression

0.203809 Akaike info criterion -0.285138 Sum squared resid

3.904598 Schwarz criterion

-0.128828 Log likelihood

20.25691 F-statistic

136.5255 Durbin-Watson stat

1.534262 Prob(F-statistic)

0.000000

Sumber: Analisis data primer dengan Eviews, 2012

commit to user

Berdasarkan hasil regresi pada tabel 4.12 maka dapat disusun persamaan sebagai berikut:

lnY = - 0,1490 + 0,5263 lnX 1 – 0,0817 lnX 2 + 0,3119 lnX 3 + 0,0849

lnX 4 + 0,0600 lnX 5

Langkah selanjutnya dilakukan uji asumsi klasik dan uji statistik terhadap hasil regresi tersebut:

2. Uji Asumsi Klasik

a. Uji Multikolinearitas

Metode

Auxiliary

Regression dengan pendekatan Koutsoyiannis , digunakan untuk mendeteksi ada tidaknya multikolinearitas yaitu membandingkan nilai r 2 dengan nilai R 2 . Model dikatakan terbebas dari masalah multikolinearitas jika nilai r 2 < R 2 . Hasil uji multikolononieritas dapat dilihat dalam tabel 4.13 berikut ini :

Tabel 4.13

Hasil Uji Multikolinearitas dengan Metode Auxiliary

Regression

Variabel

Nilai r 2 Nilai

Keterangan

Luas Lahan (lnX 1 ) Tenaga kerja (lnX 2 )

Bibit (lnX 3 ) Pupuk (lnX 4 ) Pestisida (lnX 5 )

0,8651 0,2110 0,8748 0.5162 0,5384

0,8789 0,8789 0,8789 0,8789 0,8789

Bebas Multikolinearitas Bebas Multikolinearitas Bebas Multikolinearitas Bebas Multikolinearitas Bebas Multikolinearitas

Sumber: Analisis data primer dengan Eviews, 2012

Berdasarkan olah data didapat dilihat pada tabel 4.13, bahwa model terbebas dari masalah multikolinearitas, sebab semua variabel

mempunyai nilai r 2 lebih kecil dari R 2 (r 2 < 0,8789).

commit to user

b. Uji Autokorelasi Breusch-Godfrey Test (B-G tes) dilakukan untuk memastikan ada tidaknya autokorelasi dalam model. Dari hasil uji B-G test diperoleh nilai probabilitas Obs*R-Squared sebesar 0,0693. Hasil B-

G tes tersaji dalam tabel 4.14 berikut:

Tabel 4.14 Hasil Uji B-G Test

Breusch-Godfrey Serial Correlation LM Test: F-statistic

2.593997 Probability 0.080179

Obs*R-squared

5.338101 Probability 0.069318

Sumber: Analisis data primer dengan Eviews, 2012

Dengan menggunakan tingkat signifikansi 5% maka nilai probabilitas Obs*R-squared lebih besar yaitu 0,0693 > 0,05 yang berarti tidak signifikan. Sehingga dapat disimpulkan bahwa dalam model tidak terjadi masalah autokorelasi.

c. Uji Heteroskedastisitas White test digunakan untuk menguji ada tidaknya heteroskedastisitas. Uji White dilakukan dengan cara membandingkan nilai Obs*R- Squared dengan nilai χ 2 tabel. Dengan df = 10 dan α= 5% maka diperoleh nilai 18,3. Dari hasil analisis diperoleh nilai Obs*R- Squared yang lebih besar dari χ 2 tabel (37,5760 > 18,3), hal ini menunjukkan bahwa dalam model terjadi masalah heteroskedastisitas. Hasil dari White test dapat dilihat pada tabel 4.15 berikut :

commit to user

Tabel 4.15 Hasil Uji White

White Heteroskedasticity Test: F-statistic

5.357340 Probability 0.000004

Obs*R-squared

37.57601 Probability 0.000045

Sumber: Analisis data primer, 2012 Oleh karena itu uji White Heteroskedacity-Consistent Standard Errors &

Covariance dilakukan

untuk

memperbaiki masalah heteroskedastisitas pada model. Hasil perbaikan dapat dilihat pada tabel 4.16 berikut :

Tabel 4.16

Hasil Perbaikan Heteroskedasitas dengan Metode White

White Heteroskedasticity-Consistent Standard Errors & Covariance

Variable

Coefficient

Std. Error

t-Statistic Prob.

C (Konstanta) -0.149022

0.645827

-0.230746 0.8180

LN_X1 (Luas lahan)

LN_X2 (T kerja)

LN_X3 (Bibit)

LN_X4 (Pupuk)

LN_X5 (Pestisida)

0.878964 Mean dependent var 5.671948

Adjusted R-squared

0.872526 S.D. dependent var 0.570838

S.E. of regression

0.203809 Akaike info criterion -0.285138

Sum squared resid

3.904598 Schwarz criterion

-0.128828

Log likelihood

20.25691 F-statistic

136.5255

Durbin-Watson stat

1.534262 Prob(F-statistic)

0.000000

Sumber : Analisis Data Primer, 2012 hitung = ESS / 2 = 3,9045 / 2 = 1,9522

tabel dengan α = 5% dengan derajat kebebasan (df) = m-1 (m adalah jumlah variabel dependen dan independen), sehingga m-1 = 5,

dari tabel diketahui

tabel sebesar 11,07

commit to user

Dari perhitungan di atas diperoleh hasil hitung < tabel, yaitu 1,9522 < 11,07, sehingga dapat disimpulkan bahwa model sudah

bebas dari masalah heteroskedastis.

3. Uji Statistik

a. Uji F Berdasar hasil regresi linier diperoleh nilai F hitung sebesar 136,5255 dengan nilai probabilitasnya 0,0000, pada tingkat signifikansi 5 % nilai probabilitasnya lebih kecil dari 0,05 (0,0000 < 0,05), sehingga dapat diambil kesimpulan variabel luas lahan, tenaga kerja, bibit, jumlah pupuk, dan pestisida secara bersama-sama berpengaruh terhadap hasil produksi kedelai di Kecamatan Weru Kabupaten Sukoharjo..

b. Uji Koefisien Determinasi (R 2 )

Berdasar regresi linier, diperoleh nilai adjusted R squared sebesar 0,8789 artinya sekitar 87,89 % variasi variabel dependen dalam hal ini produksi dapat dijelaskan oleh variabel independen luas lahan, tenaga kerja, bibit, jumlah pupuk dan pestisida. Sisanya sebesar 12,11 % dijelaskan oleh variabel lain di luar model.

c. Uji t Uji t digunakan bertujuan untuk mengetahui besarnya pengaruh masing-masing variabel independen terhadap variabel dependen. Hasil dari uji t sebagai berikut:

commit to user

1) Pengaruh variabel luas lahan Dari hasil uji regresi model nilai t statistic yang diperoleh sebesar 4,8365 dengan nilai signifikansi sebesar 0,0000. Artinya variabel luas lahan secara statistik berpengaruh signifikan terhadap hasil produksi kedelai di Kecamatan Weru. Dengan asumsi variabel lainnya konstan.

2) Pengaruh variabel tenaga kerja Dari hasil uji regresi model nilai t hitung yang diperoleh sebesar - 0,7937 dengan nilai signifikansi sebesar 0,4293. Artinya variabel tenaga kerja secara statistik tidak berpengaruh secara signifikan terhadap hasil produksi kedelai di Kecamatan Weru. Dengan asumsi variabel lainnya konstan.

3) Pengaruh variabel bibit Dari hasil uji regresi model nilai t hitung yang diperoleh sebesar 3,1274 dengan nilai signifikansi sebesar 0,0023. Artiny variabel bibit secara statistik berpengaruh signifikan terhadap hasil produksi kedelai di Kecamatan Weru. Dengan asumsi variabel lainnya konstan.

4) Pengaruh variabel pupuk Dari hasil uji regresi model nilai t hitung yang diperoleh sebesar 2,1316 dengan nilai signifikansi 0,0356. Artinya variabel pupuk secara statistik berpengaruh signifikan terhadap hasil produksi kedelai di Kecamatan Weru. Dengan asumsi variabel lainnya konstan.

commit to user

5) Pengaruh variabel pestisida Dari hasil uji regresi model nilai t hitung yang diperoleh sebesar 0,8456 dengan nilai signifikansi sebesar 0,3999. Artinya variabel pestisida secara statistik tidak berpengaruh secara signifikan terhadap hasil produksi kedelai di Kecamatan Weru. Dengan asumsi variabel lainnya konstan.

4. Pembahasan dan Interpretasi Secara Ekonomi

a. Pengaruh Variabel Luas Lahan terhadap Hasil Produksi variabel luas lahan mempunyai nilai koefisien regresi sebesar 0,5262, pada tingkat signifikansi 5% luas lahan yang digunakan pada usahatani kedelai mempunyai pengaruh yang signifikan terhadap besarnya produksi kedelai yang dihasilkan. Hal ini berarti apabila luas lahan mengalami kenaikan sebesar 1% maka akan meningkatkan hasil produksi sebesar 0,5262% dengan asumsi variabel yang lain konstan. Semakin luas lahan yang digunakan untuk menanam kedelai maka kedelai yang dihasilkan juga semakin banyak.

b. Pengaruh Variabel Tenaga Kerja terhadap Hasil Produksi Nilai koefisien regresi variabel tenaga kerja adalah -0,0817, pada tingkat signifikansi 5% jumlah tenaga kerja yang digunakan pada usahatani kedelai tidak mempunyai pengaruh yang signifikan terhadap besarnya produksi kedelai yang dihasilkan. Artinya apabila jumlah tenaga kerja bertambah maka tidak akan berpengaruh terhadap hasil produksi kedelai. Hasil ini sama dengan hasil yang penelitian Fauziyah (2007) hasil peneliannya juga menunjukkan bahwa variabel

commit to user

tenaga kerja tidak berpengaruh secara signifikan terhadap hasil produksi kedelai di desa Sukosari Kecamatan Gondanglegi, sebab faktor utama yang dapat meningkatkan produksi kedelai bukan jumlah tenaga kerja tetapi varietas kedelai yang dipakai. Dalam budidaya kedelai tidak mempunyai banyak tahapan yang harus dilalui untuk memperoleh output, oleh sebab itu dalam budidaya kedelai tidak dibutuhkan banyak tenaga kerja. Biasanya tambahan tenaga kerja hanya diperlukan pada saat penanaman dan pemanenan saja, pada saat pengolahan, pemupukan, dan penyemprotan biasanya dilakukan oleh petani sendiri.

c. Pengaruh Variabel Bibit terhadap Hasil Produksi Variabel bibit mempunyai nilai koefisien regresi sebesar 0,3119, pada tingkat signifikansi 5 % jumlah bibit pada usahatani kedelai mempunyai pengaruh yang signifikan terhadap besarnya produksi yang dihasilkan. Hal ini berarti apabila jumlah bibit mengalami kenaikan sebesar 1% akan meningkatkan hasil produksi kedelai sebesar 0,3119% dengan asumsi variabel yang lain konstan. Jumlah bibit yang digunakan petani akan mempengaruhi jumlah produksi.

d. PengaruhVariabel Pupuk terhadap Hasil Produksi Variabel pupuk mempunyai nilai koefisien regresi sebesar 0,0845, pada tingkat signifikansi 5% variabel pupuk pada usahatani kedelai mempunyai pengaruh yang signifikan terhadap besarnya produksi yang dihasilkan. Hai ini berarti apabila jumlah pupuk yang digunakan mengalami kenaikan sebesar 1% maka akan meningkatkan hasil

commit to user

produksi sebesar 0,0845% dengan asumsi variabel yang lain tetap. Semakin bertambah pupuk yang digunakan maka hasil produksi juga akan meningkat.

e. Pengaruh variabel Pestisida terhadap Hasil Produksi Variabel pestisida mempunyai nilai koefisien regresi sebesar 0,0600, pada tingkat signifikansi 5% variabel pestisida pada usahatani kedelai tidak berpengaruh secara signifikan terhadap hasil produksi. Artinya apabila jumlah pestisida mengalami kenaikan maka tidak akan mempengaruhi hasil produksi. Pestisida tidak selalu digunakan dalam produksi kedelai, pestisida hanya digunakan oleh petani pada saat tanaman diserang oleh hama atau wereng. Hasil penelitian ini sama dengan hasil penelitian yang diperoleh Siregar dan Sumaryanto (2003) dan penelitian Fauziyah (2007) keduanya menunjukkan bahwa variabel pestisida tidak berpengaruh signifikan terhadap hasil produksi kedelai.

5. Uji Elastisitas

Untuk mengetahui variabel yang mempunyai pengaruh paling besar maka digunakan uji elastisitas, yaitu dengan cara melihat besaran koefisien masing-masing variabel yang signifikan. Sebab koefisien regresi fungsi

Cobb Douglas sekaligus menunjukkan besaran elastisitas. Jadi besaran β adalah angka Elastisitas.

commit to user

Tabel 4.17 Hasil Penghitungan Return to Scale

No Variabel

Koefisien

Luas Lahan Tenaga Kerja

Bibit Pupuk Pestisida

Dari tabel 4.17 dapat dilihat bahwa elastisitas luas lahan sebasar 0,5262 artinya 1 persen kenaikan pada input luas lahan akan mendorong kenaikan output rata-rata sebesar 0,53 persen. Elastisitas bibit sebesar 0,3119 artinya 1 persen kenaikan pada input bibit akan mendorong kenaikan output rata-rata sebesar 0,31 persen, sedangkan elastisitas pupuk sebesar 0,0845 artinya 1 persen kenaikan pada input pupuk akan mendorong kenaikan output rata-rata sebesar 0,08 persen. Dari besaran koefien masing-masing input yang signifikan dapat disimpul bahwa dengan luas lahan mempunyai pengaruh yang paling besar, karena lahan mempunyai koefisien elastisitas yang paling besar yaitu 0,5262.

6. Return to Scale

Untuk mengetahui skala produksi usahatani kedelai di Kecamatan Weru, termasuk ke dalam decreasing return to skil, constant return to skil atau increasing return to skil, maka dapat dilihat dari nilai koefisiennya. Tidak semua variabel dihitung dalam penghitungan skala produksi, hanya koefisien regresi variabel independen yang signifikan terhadap variabel dependen yang akan dihitung.

commit to user

Dari tabel 4.17 dapat dilihat berdasarkan hasil analisis regresi linier berganda hanya tiga variabel yang signifikan, yaitu luas lahan, bibit, dan pupuk. Hasil penjumlahan dari seluruh koefisien masing-masing variabel yang signifikan menunjukan hasil 0,9226 atau kurang dari satu , hal ini menunjukkan usahatani kedelai di Kecamatan Weru berada pada kondisi decreasing return to scale. Artinya setiap penambahan input 1% akan meningkatkan produksi kurang dari 1%. Banyak faktor yang menyebabkan skala produksi dalam keadaan decreasing return to scale, antara lain: pengelolaan faktor-faktor produksi yang kurang baik dari petani, pengelolaan yang masih didasarkan pada kebiasaan dan belum memperhitungkan efektifitas dalam penggunaan faktor-faktor produksi, penggunaan teknologi yang masih sederhana, adanya faktor cuaca saat ini yang kurang mendukung, dan lain-lain.

7. Pengujian Efisiensi

a. Efisiensi Teknis Output yang maksimal dapat tercapai bila kombinasi penggunaan input dilakukan secara tepat. Oleh karena itu konsep efisiensi teknis digunakan untuk mengetahui bagaimana penggunaan kombinasi input yang digunakan untuk menghasilkan output yang maksimal. Menurut Soekartawi (1993) efisiensi teknis dapat diketahui dengan kriteria sebagai berikut :

1) MPPx > APPx, berarti penggunaan input belum mencapai efisiensi teknis.

commit to user

2) MPPx < APPx, berarti penggunaan input tidak mencapai efisiensi teknis.

3) MPPx = APP X , berarti penggunaan input sudah mencapai

efisiensi teknis. Untuk melihat tingkat efisiensi teknis usahatani kedelai di Kecamatan Weru maka dapat dilihat tabel 4.18 berikut :

Tabel 4.18

Perbandingan Produksi Rata-rata dengan Produksi Marginal Masing-masing Variabel Independen

1. Luas lahan

0,13

0,07 Tidak efisien

2. Tenaga kerja

3. Bibit

12,08

3,75 Tidak efisien

4. Pupuk

1,34

0,11 Tidak efisien

5. Pestisida

Sumber: Analisis data primer, 2012

Pada tabel 4.18 dapat dilihat bahwa dari tiga variabel yang signifikan luas lahan, bibit, dan pupuk pada usahatani kedelai di Kecamatan Weru, ketiganya masih memiliki nilai APP yang lebih besar dari nilai MPP-nya, sehingga dapat diambil kesimpulan bahwa penggunaan faktor-faktor produksi usahatani kedelai di Kecamatan Weru tidak efisien secara teknis. Selama ini penggunaan input oleh para petani kedelai di Kecamatan Weru belum dikombinasikan dengan baik. Pengkombinasian input masih didasarkan pada kebiasaan petani sehingga rasionanalitas masih terabaikan, hal ini dapat menyebabkan efisiensi teknis tidak tercapai.

commit to user

b. Efisiensi Ekonomi Efisiensi ekonomi akan tercapai apabila Nilai Produk Marjinal yang di capai petani untuk suatu input sama dengan harga input tersebut atau NPM=Px atau NPM/Px=1. ditulis dengan rumus sebagai berikut (soekartawi, 2003) :

NPM=MP X .Pq Dimana MPPxi = Pxi/Py dengan kriteria sebagai berikut:

1) Jika MPPxi > Pxi/Py, maka penggunaan faktor produksi belum mencapai efisien.

2) Jika MPPxi < Pxi/Py, maka penggunaan faktor produksi tidak mencapai efisiensi.

3) Jika MPPxi = Pxi/Py, maka penggunaan faktor produksi sudah mencapai efisien. Hasil olah data dapat dilihat pada tabel 4.19:

Tabel 4.19

Perbandingan Produksi Marginal dengan Harga

Masing-masing Input dan Output

No. Variabel

MPP

Px/Py

Keterangan

1. Luas lahan

0,07

142

Tidak efisien

2. Tenaga kerja

Belum efisien

Belum efisien

5. Pestisida

- Sumber: Analisis data primer, 2012

Berdasar pada tabel 4.19, dari tiga variabel yang signifikan luas lahan, bibit dan pupuk, belum ada yang efisien secara ekonomi. Hasil olah data menunjukkan bahwa variabel luas lahan memiliki nilai MPP

commit to user

lebih kecil dari nilai Px/Py nya sehingga dapat diambil kesimpulan penggunaan variabel luas lahan tidak efisien secara ekonomi, untuk mencapai efisien maka penggunaan luas lahan perlu dikurangi.

Dilihat dari koefisien regresinya penggunaan lahan berhubungan positif, artinya setiap penambahan luas lahan akan meningkatkan produksi kedelai, namun bila dikaitkan dengan tingginya biaya yang diperlukan untuk manambah luas lahan, maka hal ini menjadikan peningkatan biaya yang besar dan tidak sebanding dengan tambahan nilai output yang dihasilkan sehingga tidak efisein secara ekonomi. Variabel bibit, dan pupuk memiliki nilai MPP yang lebih besar dari nilai Px/Py sehingga dapat disimpulkan bahwa variabel tenaga kerja dan pestisida belum mencapai efisien secara ekonomi sehingga untuk mencapai efisien perlu ditambah penggunaannya.

commit to user