Eksplorasi Data Metode Berikut langkah-langkah yang dilakukan untuk melakukan penelitian ini:

Tabel 8. Pada model kedua ini, R 2 yang didapatkan mengalami penurunan yang kecil sehingga tidak masalah jika dikeluarkan dari model. Penurunan yang kecil ini dimungkinkan karena korelasi antara jumlah petani dengan luas panen cukup besar, sehingga jika salah satu saja yang digunakan maka R 2 model tidak akan jauh berbeda. Hal ini juga menyebabkan perlu ditelusuri juga bagaimanakah pengaruh dari Luas Panen terhadap Produksi, sehingga dilakukan permodelan seperti Tabel 9. Hasil tersebut menunjukan bahwa Luas Panen tidak berpengaruh signjfikan terhadap Produksi Beras, sehingga diputuskan untuk menggunakan Model pada Tabel 8 sebagai model data panel terbaik dengan nilai R 2 yang cukup tinggi yaitu 73.32. Tabel 7 Dugaan parameter model data panel R 2 =73.64 Tabel 8 Model data panel dengan peubah penjelas jumlah petani R 2 =73.32 Tabel 9 Model data panel dengan peubah penjelas luas panen R 2 =70.47 Selanjutnya dilakukan pengujian pengganda Lagrange untuk melihat efek spasial pada data produksi padi untuk menentukan apakah model SAR ataukah SEM yang lebih cocok untuk permodelan ini. Pengujiannya menggunakan LM Test, dan didapatkan hasil uji sesuai Tabel 9 sebagai berikut: Tabel 10 Uji LM pada SAR dan SEM SARSEM Uji LM Nilai Khi Kuadrat Nilai-p LM-SAR 3.32x10 -4 2.072 0.985 LM-SEM 0.128 2.072 0.721 Dari hasil uji LM, nilai-p lebih besar dari alpha 15 maka dapat disimpulkan bahwa secara uji LM tidak ada pengaruh spasial otoregresi dan galat pada data produksi beras Provinsi di Indonesia, akan tetapi jika dieksplorasi berdasarkan nilai produksi padi tahunannya yang dapat dilihat dari Gambar 24, 25 dan 26 sebaran moran scatter plot menyatakan sebaran produksi padi antar provinsi memiliki keeratan hubungan. Kemudian dilakukan ekplorasi data produksi padi terhadap masing-masing provinsi seperti Gambar 29, Gambar terlihat bahwa ragam data produksi masing-masing provinsi berbeda-beda, sehingga tetap dilakukan penelitian untuk melihat apakah ada efek spasial otoregresi produksi padi dari provinsi tetangga terhadap dirinya. Peubah Penjelas Koefisien Galat Baku Nilai-p Harga Beras 0.065 0.096 0.497 Luas Panen 1.123 2.164 0.605 Jumlah Petani 3.807 1.389 0.008 Konstanta 4.96x10 -17 0.064 1.000 Peubah Penjelas Koefisien Galat Baku Nilai-p Jumlah Petani 3.439 1.290 0.009 Konstanta 1.66x10 -17 0.064 1.000 Peubah Penjelas Koefisien Galat Baku Nilai-p Luas Panen 0.844 2.249 0.709 Konstanta -5.12x10 -18 0.067 1.000 S U M UT SU M SE L S U MB AR SU LU T SU LT EN GG SU LT EN G SU LS EL SU LB AR RI AU PA PU A_ B A RA T PA PU A NT T NT B NA D MA LU KU _U TA RA MA LU K U LA M PU NG KE P R I K A LT IM KA LT EN G KA LS EL KA LB AR JA T I M JA TE NG JA M BI JA KA RT A JA BA R GO RO NT AL O DI Y B E NG KU LU BA NT E N BA LI B A BE L 12000000 10000000 8000000 6000000 4000000 2000000 Gambar 29 Boxplot produksi beras masing-masing provinsi Setelah memasukan unsur otoregresi spasial, didapatkan hasil pendugaan parameter bahwa ada pengaruh yang signifikan dari hubungan ketertetanggaan antar provinsi dari segi produksi berasnya. Terlihat nilai-p sebesar 0.000 alpha 15 sehingga Tolak Ho, artinya ada pengaruh yang signifikan produksi beras tetangga terhadap produksi beras dirinya pada taraf nyata 15. H : = 0 Tidak ada pengaruh produksi beras tetangga terhadap produksi beras dirinya H 1 : Ada pengaruh produksi beras tetangga terhadap produksi beras dirinya Model pada Tabel 11 memiliki nilai R 2 sebesar 98.9, yang jauh lebih tinggi jika dibandingkan dengan model data panel sebelumnya. Peningkatan R 2 ini dirasa cukup baik, sehingga model ini cocok sebagai model terbaik untuk menduga parameter pada data studi produksi beras di seluruh provinsi di Indonesia secara keseluruhan. Tabel 11 Dugaan parameter model data panel spasial Data pada Tabel 11 merupakan data hasil pembobotan dengan nilai kuadrat residual karena terdapat heteroskedastisitas pada galatnya dapat dilihat pada Lampiran 5. Hal ini menimbulkan ide untuk mencoba mengelompokkan lokasi- lokasi berdasarkan pola galatnya dengan konsep seperti yang tersaji pada Tabel 12, sehingga didapatkan model masing-masng cluster seperti Tabel 13, 14, 15 dan 16. Peubah Penjelas Koefisien Galat Baku Nilai-p 1.011 0.089 0.000 Jumlah Petani -0.348 0.124 0.006 Konstanta 4.320 0.987 0.000 Produks i Provinsi Tabel 12 Pola galat untuk pengelompokan provinsi 2010 2011 2012 Kelompok Provinsi + + - 1 Yogyakarta, Gorontalo, Aceh, Sulawesi Selatan + - - 2 Jawa Barat, Maluku, Sulawesi Barat, Sulawesi Tenggara, Sumatera Selatan, Sumatera Utara - + + 3 Bangka Belitung, Jawa Timur, Kalimantan Barat, Papua, Sumatera Barat - - + 4 Bali, Banten, Bengkulu, Jakarta, Jambi, Jawa tengah, Kalimantan Selatan, Kalimantan Tengah, Kalimantan Timur, Kep.Riau, ampung, Maluku, NTB, NTT, Papua Barat, Riau, Sulawesi Utara. Pola galat yang terdapat pada Lampiran 4 dan kemudian dikelompokan seperti Tabel 12, menghasilkan model pada Tabel 13, 14 15 dan 16 dengan nilai R 2 masing-masing adalah 99.01, 99.04, 95.48 dan 95.92. Hasil analisa menunjukan bahwa untuk model kelompok 1 dan 2 memiliki parameter otoregresi spasial yang signifikan pengaruhnya terhadap produksi beras pada taraf nyata 15 dengan kelompok 1 bernilai negatif sedangkan kelompok 2 bernilai positif. Kelompok 3 dan 4 memiliki dugaan parameter otoregresi spasial yang tidak berpengaruh signifikan terhadap produksi beras. Tabel 13 Model data panel spasial kelompok 1 R 2 = 99.01 Tabel 14 Model data panel spasial kelompok 2 R 2 = 99.04 Tabel 15 Model data panel spasial kelompok 3 R 2 = 95.48 Tabel 16 Model data panel spasial kelompok 4 R 2 = 95.92 Hasil ini menunjukan bahwa setiap lokasi memiliki pengaru yang berbeda- beda terhadap lokasi lainnya, sehingga pengelompokan yang dilakukan sudah cukup baik untuk menggambarkan kondisi model data panel spasial provinsi di Indonesia. Peubah Penjelas Koefisien Galat Baku Nilai-p WY -0.942 0.053 0.000 Jumlah Petani 4.490 1.501 0.017 Konstanta 1.573 0.469 0.010 Peubah Penjelas Koefisien Galat Baku Nilai-p WY 0.767 0.274 0.019 Jumlah Petani 1.016 0.203 0.001 Konstanta 0.374 0.123 0.013 Peubah Penjelas Koefisien Galat Baku Nilai-p WY 0.510 0.388 0.162 Jumlah Petani 10.749 3.167 0.009 Konstanta -6.685 2.112 0.013 Peubah Penjelas Koefisien Galat Baku Nilai-p WY -0.045 0.068 0.514 Jumlah Petani 2.838 0.717 0.001 Konstanta -0.327 0.073 0.000