59 Tabel 5. Hasil Estimasi Faktor Iklim 2010
Bulan Hari Hujan
Curah Hujan Aktual
Prakiraan Aktual
Prakiraan Jan
29 22
511,5 370,0
Feb 25
21 532,5
349,0 Mar
21 18
588,0 428,4
Apr 12
18 165,0
517,3 Mei
23 18
474,5 525,2
Jun 24
18 532,5
452,8 Jul
19 19
597,5 381,8
Agust 21
19 559,5
383,5 Sep
26 19
543,5 448,4
Okt 22
19 461,6
504,2 Nop
19 19
550,1 495,7
Des 16
19 526,6
438,5
6.2.2. Model Estimasi Produksi Pucuk Basah
Estimasi produksi bertujuan untuk mengetahui jumlah produksi pucuk teh dari masing-masing blok kebun di dua afdeling yang ada di Kebun Cianten. Estimasi produksi
bulanan dijadikan dasar dalam penentuan penjadwalan. Dalam model ini digunakan untuk mengestimasi produksi pucuk teh bulanan dengan menggunakan persamaan fungsi regresi.
Model regresi digunakan untuk mengukur kekuatan hubungan atau memprediksi pengaruh suatu variabel atau beberapa variabel prediktor terhadap variabel respon. Model
regresi memiliki variabel respon Y dan variabel prediktor X. Variabel respon adalah variabel yang dipengaruhi suatu variabel prediktor. Variabel respon sering dikenal variabel
dependen karena peneliti tidak bebas mengendalikannya. Kemudian variabel prediktor digunakan untuk memprediksi nilai variabel respon dan sering disebut variabel independen
karena peneliti bebas mengendalikannya. Kedua variabel dihubungkan dalam bentuk persamaan matematika. Dalam pembuatan persamaan regresi ini, yang menjadi variabel
respon Y adalah produktivitas pucuk basah dan yang menjadi variabel prediktor adalah umur pangkas X1, gilir petik X2, curah hujan X3, dan hari hujan X4. Data untuk
membuat analisis regresi ada pada Lampiran 9. Pembuatan persamaan regresi didahului dengan menguji analisis korelasi parsial
terhadap variabel yang dipilih. Hasil analisis korelasi variabel tersebut dapat dilihat pada Lampiran 10. Pada hasil analisis regresi, setiap hubungan variabel menunjukan nilai-p
kurang dari 5 nilai alpha maka korelasi antar dua variabel tersebut signifikan. Hasil persamaan regresi tersebut sesuai dengan persamaan 27. Hasil analisis regresi dapat dilihat
pada Lampiran 10.
Y = - 756 - 4,40 X1 - 2,67 X2 + 1,31 X3 + 34,0 X4 27
Dimana: Y
: Produktivitas kghabulan X1
: umur pangkas bulan X2
: gilir petik hari
60 X3 :
curah hujan
mm X4 :
hari hujan
hari Persamaan tersebut diuji dengan Uji-F. Pada output Anova diperoleh nilai F hitung
sebesar 8,82 dan nilai-p 0,000. Karena nilai-p0.000 alpha 5 maka model regresi berganda mampu menjelaskan keragaman Y atau model signifikan. Uji-t untuk menguji
pengaruh masing-masing peubah bebas X terhadap peubah bebas Y . Peubah X1,X3 dan X4 berpengaruh nyata terhadap Y karena memiliki nilai-p alpha 5. Sedangakan X2 tidak
berpengaruh nyata terhadap Y karena nilai-p alpha 5. Hasil Uji-F dan Uji-t dapat dilihat di Lampiran 10. Tampilan SCHATZIE 1.0 untuk input model estimasi produksi pucuk
basah dapat dilihat pada Gambar 16.
Gambar 16. Tampilan SCHATZIE 1.0 untuk Input Model Estimasi Produksi Pucuk Basah
6.2.3. Model Optimasi Penjadwalan Petikan Teh
