Analisis Efisiensi dan Optimasi Serta Faktor-Faktor yang Mempengaruhi Penggunaan Pupuk Kimia oleh Petani Pada Tanaman Cabai Merah (Capsicum Annum L) di Kabupaten Simalungun
(2)
Lampiran 1. Karakteristik Sampel No Nama Petani
Jenis Kelamin
(Lk/Pr)
Usia
(Tahun) Pendidikan
Pengalaman Bertani (Tahun) Luas Panen (Ha) Penerimaan Per Periode Tanam (Rp)
1 Berman Purba Lk 45 SMA 15 1,14 240.000.000
2 Jhon Hendra Purba
Lk 29 SMA 7
0,568
120.000.000
3 Rido Purba Lk 41 SMA 17 0,568 40.000.000
4 Alpiansus Purba
Lk 39 SMA 19
0,568
60.000.000 5 Muda Setia
Saragih
Lk 38 SMA 20
0,568
60.000.000 6 Jopendry
Purba
Lk 38 SMA 16
1,14
40.000.000
7 Romy Siboro Lk 40 SMA 22 1 140.000.000
8 Rijalsen Purba Lk 40 SMA 17 1 175.000.000
9 Iwan Hariadi Lk 41 SMA 23 0,712 150.000.000
10 Hotben Purba Lk 36 SMA 15 0,756 132.500.000
11 Rahmat Purba Lk 39 SMA 16 0,568 100.000.000
12 Khondison L Lk 39 SMA 21 0,68 144.000.000
13 Maris Malau Lk 48 SMA 29 0,828 174.000.000
14 Radison Saragih
Lk 38 SMA 20
0,856
150.000.000 15 Gusman
Saragih
Lk 38 SMA 16
0,568
80.000.000 16 Kuriaman
Saragih
Lk 65 SMA 40
0,568
120.000.000
(3)
Saragih 18 Firdolin
Sinaga
Lk 45 SMA 18
0,712
150.000.000
19 Pasto Sejabat Lk 47 SMA 25 1 210.000.000
20 Kristianus Lingga
Lk 44 SMA 20
1,14
280.000.000 21 Loncer
Nainggolan
Lk 43 SMA 25
2,132
480.000.000
22 Ruslim Purba Lk 45 SMA 23 2,856 600.000.000
23 Pardiaman Purba
Lk 35 SMA 20
1,14
240.000.000 24 Dondry
Sinaga
Lk 42 SMA 21
1,028
216.000.000
25 Lady Purba Lk 44 Sarjana 22 2,856 600.000.000
26 Jokerman Saragih
Lk 42 SMA 20
0,856
150.000.000 27 Jhon Merei
Saragih
Lk 39 SMA 17
1,428
300.000.000 28 Fransiskus
Purba
Lk 46 Sarjana 22
2,856
600.000.000 29 Jhon Edwad
Purba
Lk 42 SMA 24
1,428
300.000.000 30 Jonner
Sipayung
Lk 41 SMA 19
0,74
104.000.000 31 Bahner
Sipayung
Lk 43 SMA 22
2,14
375.000.000 32 Kasiasmer
Sipayung
Lk 43 SMA 20
0,712
(4)
33 Relinson Sipayung
Lk 46 SMA 25
0,568
80.000.000 34 Arlensius
Sipayung
Lk 46 SMA 23
0,584
102.500.000 35 Saurman
Purba
Lk 58 SMA 40
0,612
86.000.000 36 Archimedes
Sinaga
Lk 46 SMA 28
0,856
120.000.000
37 Ramli Sinaga Lk 46 SMA 28 2,14 300.000.000
38 Halimah Saragih
Pr 43 SMA 25
0,568
80.000.000 39 Untung
Sipayung
Lk 54 SMA 36
1,428
250.000.000 40 Jan Suardi
Purba
Lk 42 SMA 24
2,132
375.000.000 41 Hendri
Kisinger
Lk 39 SMA 21
0,568
100.000.000
42 Tonni Sinaga Lk 55 SMA 37
(5)
Lampiran 2. Jumlah Dosis, Produksi, Harga Jual Cabai Merah, dan Penerimaan Petani Cabai Merah/Ha/Periode Tanam
NO NAMA
PETANI
JUMLAH PUPUK KIMIA (Kg)
BIAYA PUPUK (Rp) JUMLAH PRODUKSI CABAI MERAH PER PERIODE TANAM (Kg) HARGA JUAL CABAI MERAH/Kg (Rp) PENERIMAAN PETANI
ZA TSP KCL
KOMPL EKS (NPK)
TOTAL
1 Berman
Purba 850 255 255 340 1.700 9.265.000 21.052,63 15.000 315.789.450
2
Jhon Hendra
Purba 1000 100 600 100 2.000 8.600.000 21.126,76 15.000 316.901.400
3 Rido
Purba 420 420 420 560 1.400 12.614.000 7.042,25 10.000 70.422.500
4 Alpiansus
Purba 206 412 824 618 2.060 15.388.200 10.563,38 10.000 105.633.800
5
Muda Setia
Saragih 549 219,6 109 219,6 1.098 5.978.500 10.563,38 10.000 105.633.800
6 Jopendry
Purba 200 100 100 100 500 2.940.000 3.508,77 18.000 63.157.860
7 Romy
Siboro 500 100 200 200 1.000 5.450.000 14.000 20.000 280.000.000
8 Rijalsen
Purba 600 216 264 120 1.200 6.180.000 17.500 25.000 437.500.000
9 Iwan
Hariadi 400 400 600 600 2.000 14.080.000 21.067,42 15.000 316.011.300
10 Hotben
(6)
11 Rahmat
Purba 800 320 400 80 1.600 8.000.000 21.605,63 25.000 540.140.750
12 Khondiso
n Lingga 2100 150 450 300 3.000 12.870.000 24.176,47 10.000 241.764.700
13 Maris
Malau 350 140 105 105 700 3.710.000 8.014,49 10.000 80.144.900
14 Radison
Saragih 325 65 97,5 162,5 650 3.640.000 5.523,36 10.000 55.233.600
15 Gusman
Saragih 460 46 184 230 920 5.152.000 8.084,51 12.000 97.014.120
16 Kuriaman
Saragih 990 180 270 360 1.800 9.423.000 21.126,76 18.000 380.281.680
17 Derihams
on Saragih 750 300 270 180 1.500 7.815.000 23.203,13 10.000 232.031.300
18 Firdolin
Sinaga 850 340 323 187 1.700 8.806.000 21.067,42 10.000 210.674.200
19 Pasto
Sejabat 660 264 237,6 158,4 1.320 6.877.200 21.000 16.000 336.000.000
20 Kristianus
Lingga 800 320 320 160 1.600 8.240.000 24.561,40 18.000 442.105.200
21 Loncer N 936 324 450 90 1.800 8.845.200 22.514,07 18.000 405.253.260
22 Ruslim
Purba 1200 100 400 300 2.000 9.740.000 21.008,40 16.000 336.134.400
23 Pardiaman
Purba 615 246 246 123 1.230 6.334.500 18.000,00 10.000 180.000.000
24 Dondry
Sinaga 750 300 270 180 1.500 7.815.000 21.011,67 10.000 210.116.700
(7)
Purba 26 Jokerman
Saragih 480 192 96 192 960 5.232.000 12.523,36 30.000 375.700.800
27 Jhon
Saragih 615 246 233,7 135,3 1.230 6.371.400 18.000,00 14.000 252.000.000
28 Fransiskus
Purba 800 320 320 160 1.600 8.240.000 24.000 18.000 432.000.000
29
Jhon Edwad
Purba 700 280 280 140 1.400 7.210.000 21.000,00 20.000 420.000.000
30 Jonner
Sipayung 575 172,5 287,5 115 1.150 5.922.500 14.054,05 10.000 140.540.500
31 Bahner
Sipayung 600 240 180 180 1.200 6.360.000 17.523,36 20.000 350.467.200
32 Kasiasmer
Sipayung 134 502,5 502,5 536 1.675 12.756.800 14.044,94 12.000 168.539.280
33 Relinson
Sipayung 146,5 549 640,5 494 1.830 13.662.050 14.084,51 10.000 140.845.100
34 Arlensius
Sipayung 190 570 760 570 1.900 15.523.000 17.551,37 10.000 175.513.700
35 Saurman
Purba 595 178,5 297,5 119 1.190 6.128.500 14.052,29 20.000 281.045.800
36 Archimed
es Sinaga 174,5 436,2 523,5 610,75 1.745 13.296.900 14.018,69 12.000 168.224.280
37 Ramli s 180 540 450 630 1.800 13.716.000 14.018,69 10.000 140.186.900
38 Halimah
Saragih 86 516 774 344 1.720 12.702.200 14.084,51 12.000 169.014.120
(8)
Sipayung 40 Jan Suardi
Purba 550 220 242 88 1.100 5.599.000 14.500,00 15.000 217.500.000
41 Hendri
Kisinger 525 210 189 126 1.050 5.470.500 13.000,00 15.000 195.000.000
42 Tonni Sinaga
(9)
Lampiran 3. Pendapatan Petani/Ha/Periode Tanam
NO NAMA
PETANI
BIAYA PRODUKSI (Rp) TOTAL
BIAYA PRODUKSI
(Rp)
PENERIMAAN (Rp)
PENDAPATAN (Rp) PUPUK
KIMIA KOMPOS PESTISIDA MULSA
TENAGA KERJA 1 Berman
Purba 9.265.000 11.200.000 4.000.000 1.100.000 37.000.000 62.565.000 315.789.450 253.224.450 2 Jhon
Hendra Purba
8.600.000 11.000.000 4.500.000 1.100.000 37.000.000 62.200.000 316.901.400 254.701.400 3 Rido Purba 12.614.000 11.200.000 5.000.000 1.100.000 37.000.000 66.914.000 70.422.500 35.085.000 4 Alpiansus
Purba 15.388.200 11.200.000 4.200.000 1.100.000 37.000.000 68.888.200 105.633.800 36.745.600 5 Muda Setia
Saragih 5.978.500 11.200.000 4.000.000 1.100.000 37.000.000 59.278.500 105.633.800 46.355.300 6 Jopendry
Purba 2.940.000 11.200.000 4.000.000 1.100.000 37.000.000 56.240.000 63.157.860 69.178.600 7 Romy
Siboro 5.450.000 11.200.000 4.000.000 1.100.000 37.000.000 58.750.000 280.000.000 221.250.000 8 Rijalsen
Purba 6.180.000 11.200.000 4.000.000 1.100.000 37.000.000 59.480.000 437.500.000 378.020.000 9 Iwan
Hariadi 14.080.000 11.000.000 4.000.000 1.100.000 37.000.000 67.180.000 316.011.300 248.831.300 10 Hotben
Purba 15.540.000 11.200.000 4.000.000 1.100.000 37.000.000 68.840.000 261.904.800 193.064.800 11 Rahmat 8.000.000 11.200.000 4.000.000 1.100.000 37.000.000 61.300.000 540.140.750 478.840.750 12 Khondison 12.870.000 11.000.000 4.000.000 1.100.000 37.000.000 65.970.000 241.764.700 175.794.700
(10)
13 Maris
Malau 3.710.000 11.200.000 4.000.000 1.100.000 37.000.000 57.010.000 80.144.900 23.134.900 14 Radison S 3.640.000 8.200.000 4.000.000 1.100.000 30.000.000 56.940.000 55.233.600 8.706.400 15 Gusman
Saragih 5.152.000 11.200.000 4.000.000 1.100.000 37.000.000 58.452.000 97.014.120 38.562.120 16 Kuriaman
Saragih 9.423.000 11.200.000 4.000.000 1.100.000 37.000.000 62.723.000 380.281.680 317.558.680 17 Derihamso
n Saragih 7.815.000 11.200.000 4.000.000 1.100.000 37.000.000 61.115.000 232.031.300 170.916.300 18 Firdolin
Sinaga 8.806.000 11.200.000 4.000.000 1.100.000 37.000.000 62.106.000 210.674.200 148.568.200 19 Pasto
Sejabat 6.877.200 11.200.000 4.000.000 1.100.000 37.000.000 60.177.200 336.000.000 275.822.800 20 Kristianus
Lingga 8.240.000 11.200.000 4.800.000 1.100.000 37.000.000 62.340.000 442.105.200 379.765.200 21 Loncer N 8.845.200 11.200.000 4.000.000 1.100.000 37.000.000 62.145.200 405.253.260 343.108.060 22 Ruslim
Purba 9.740.000 11.200.000 4.000.000 1.100.000 37.000.000 63.040.000 336.134.400 273.094.400 23 Pardiaman
Purba 6.334.500 11.200.000 4.000.000 1.100.000 37.000.000 59.634.500 180.000.000 120.365.500 24 Dondry
Sinaga 7.815.000 10.000.000 4.500.000 1.100.000 37.000.000 60.415.000 210.116.700 149.701.700 25 Lady Purba 8.240.000 11.200.000 4.000.000 1.100.000 37.000.000 61.540.000 720.000.000 658.460.000 26 Jokerman
Saragih 5.232.000 11.200.000 3.000.000 1.100.000 37.000.000 57.532.000 375.700.800 318.168.800 27 Jhon
Saragih 6.371.400 11.200.000 3.800.000 1.100.000 37.000.000 53.737.400 252.000.000 198.262.600 28 Fransiskus 8.240.000 11.200.000 4.000.000 1.100.000 37.000.000 61.540.000 432.000.000 370.460.000
(11)
29 Jhon Edwad Purba
7.210.000 11.200.000 4.000.000 1.100.000 37.000.000 60.510.000 420.000.000 359.490.000 30 Jonner
Sipayung 5.922.500 11.200.000 4.000.000 1.100.000 37.000.000 59.222.500 140.540.500 81.318.000 31 Bahner S 6.360.000 11.200.000 4.000.000 1.100.000 37.000.000 59.660.000 350.467.200 290.807.200 32 Kasiasmer
Sipayung 12.756.800 11.200.000 4.000.000 1.100.000 37.000.000 66.056.800 168.539.280 102.482.480 33 Relinson
Sipayung 13.662.050 11.200.000 4.000.000 1.100.000 37.000.000 66.962.050 140.845.100 73.883.050 34 Arlensius
Sipayung 15.523.000 11.200.000 4.000.000 1.100.000 37.000.000 68.823.000 175.513.700 106.690.700 35 Saurman
Purba 6.128.500 10.200.000 4.500.000 1.100.000 37.000.000 58.928.500 281.045.800 222.117.300 36 Archimedes
Sinaga 13.296.900 11.200.000 4.000.000 1.100.000 37.000.000 66.596.900 168.224.280 101.627.380 37 Ramli s 13.716.000 11.200.000 4.000.000 1.100.000 37.000.000 67.016.000 140.186.900 73.170.900 38 Halimah
Saragih 12.702.200 11.200.000 4.000.000 1.100.000 37.000.000 66.002.200 169.014.120 103.011.920 39 Untung
Sipayung 6.252.000 10.800.000 4.000.000 1.100.000 37.000.000 59.152.000 450.000.000 390.848.000 40 Jan Suardi
Purba 5.599.000 11.000.000 6.000.000 1.100.000 37.000.000 60.699.000 217.500.000 156.801.000 41 Hendri
Kisinger 5.470.500 11.000.000 4.000.000 1.100.000 37.000.000 58.570.500 195.000.000 136.429.500 42 Tonni S 4.770.000 11.100.000 4.000.000 1.100.000 37.000.000 57.970.000 201.690.200 143.720.200
(12)
Lampiran 4. Output From The Program Frontier (Version 4.1c) The Model Is A Production
Function
Output from the program FRONTIER (Version 4.1c) instruction file = terminal
data file = t.txt
Error Components Frontier (see B&C 1992) The model is a production function
The dependent variable is logge the ols estimates are
coefficient standard-error t-ratio
beta 0 0.71147115E+01 0.85507408E-01 0.83205791E+02 beta 1 -0.92692179E-09 0.21230831E-09 -0.43659234E+01 sigma-squared 0.13263067E+00
log likelihood function = -0.16146898E+02 the estimates after the grid search were beta 0 0.74722082E+01
beta 1 -0.92692179E-09 sigma-squared 0.25411880E+00 gamma 0.79000000E+00 mu is restricted to be zero eta is restricted to be zero
iteration = 0 func evals = 20 llf = -0.14821484E+02 0.74722082E+01-0.92692179E-09 0.25411880E+00 0.79000000E+00 gradient step
iteration = 5 func evals = 71 llf = -0.14755489E+02 0.74421855E+01-0.85251284E-09 0.25058385E+00 0.79644595E+00 iteration = 10 func evals = 93 llf = -0.14754699E+02 0.74398759E+01-0.85203884E-09 0.24893724E+00 0.79429505E+00 iteration = 15 func evals = 114 llf = -0.14754276E+02 0.74388399E+01-0.85235211E-09 0.24710308E+00 0.79293564E+00 iteration = 20 func evals = 135 llf = -0.14754010E+02 0.74395002E+01-0.85622160E-09 0.24688309E+00 0.79310346E+00 iteration = 25 func evals = 167 llf = -0.14753870E+02 0.74403335E+01-0.85868627E-09 0.24658939E+00 0.79191639E+00 the final mle estimates are :
coefficient standard-error t-ratio
beta 0 0.74403335E+01 0.10049420E+00 0.74037444E+02 beta 1 -0.85868627E-09 0.22346410E-09 -0.38426140E+01 sigma-squared 0.24658939E+00 0.79415912E-01 0.31050375E+01 gamma 0.79191639E+00 0.13607731E+00 0.58196063E+01 mu is restricted to be zero
(13)
log likelihood function = -0.14753870E+02
LR test of the one-sided error = 0.27860562E+01 with number of restrictions = 1
[note that this statistic has a mixed chi-square distribution] number of iterations = 25
(maximum number of iterations set at : 100) number of cross-sections = 42
number of time periods = 1
total number of observations = 42
thus there are: 0 obsns not in the panel covariance matrix
0.10099084E-01 -0.12659585E-10 0.42158637E-02 0.64609215E-02 -0.12659585E-10 0.49936203E-19 0.22212009E-11 0.63923611E-11 0.42158637E-02 0.22212009E-11 0.63068870E-02 0.78368884E-02 0.64609215E-02 0.63923611E-11 0.78368884E-02 0.18517035E- technical efficiency estimates :
firm eff.-est. 1 0.72070919E+00 2 0.72678764E+00 3 0.78973652E+00 4 0.87861586E+00 5 0.70448486E+00 6 0.37742925E+00 7 0.60250745E+00 8 0.73781540E+00 9 0.72678764E+00 10 0.72678764E+00 11 0.82708662E+00 12 0.93385890E+00 13 0.47442314E+00 14 0.45113185E+00 15 0.34498697E+00 16 0.85399439E+00 17 0.80996270E+00 18 0.72070919E+00 19 0.77095544E+00 20 0.82708662E+00 21 0.85399439E+00 22 0.72678764E+00 23 0.74669564E+00 24 0.80996270E+00 25 0.82708662E+00 26 0.58664678E+00
(14)
28 0.82708662E+00 29 0.78973652E+00 30 0.72209101E+00 31 0.73781540E+00 32 0.83820133E+00 33 0.85734631E+00 34 0.86459667E+00 35 0.73476372E+00 36 0.84742835E+00 37 0.85399439E+00 38 0.72114887E+00 39 0.73781540E+00 40 0.70518587E+00 41 0.62172336E+00 42 0.56210089E+0 mean efficiency = 0.73154194E+00
(15)
Lampiran 5. Output From The Program Frontier (Version 4.1c) The Model Is A Cost
Function
instruction file = terminal data file = p.txt
Error Components Frontier (see B&C 1992) The model is a cost function
The dependent variable is logged
the ols estimates are :
coefficient standard-error t-ratio
beta 0 0.18972330E+02 0.17613815E+00 0.10771278E+03 beta 1 -0.61146476E-08 0.29474753E-08 -0.20745373E+01 sigma-squared 0.39123921E+00
log likelihood function = -0.38863665E+02 the estimates after the grid search were : beta 0 0.18861649E+02
beta 1 -0.61146476E-08 sigma-squared 0.38485922E+00 gamma 0.50000000E-01 mu is restricted to be zero eta is restricted to be zero
iteration = 0 func evals = 20 llf = -0.38872841E+02 0.18861649E+02-0.61146476E-08 0.38485922E+00 0.50000000E-01 gradient step
iteration = 1 func evals = 26 llf = -0.38872841E+02 0.18861649E+02-0.61156377E-08 0.38485922E+00 0.50000000E-01
the final mle estimates are :
coefficient standard-error t-ratio
beta 0 0.18861649E+02 0.10000000E+01 0.18861649E+02 beta 1 -0.61156377E-08 0.10000000E+01 -0.61156377E-08 sigma-squared 0.38485922E+00 0.10000000E+01 0.38485922E+00
(16)
mu is restricted to be zero eta is restricted to be zero
log likelihood function = -0.38872841E+02
the likelihood value is less than that obtained
using ols! - try again using different starting values number of iterations = 1
(maximum number of iterations set at : 100) number of cross-sections = 42
number of time periods = 1
total number of observations = 42
thus there are: 0 obsns not in the panel
covariance matrix :
0.10000000E+01 0.00000000E+00 0.00000000E+00 0.00000000E+00 0.00000000E+00 0.10000000E+01 0.00000000E+00 0.00000000E+00 0.00000000E+00 0.00000000E+00 0.10000000E+01 0.00000000E+00 0.00000000E+00 0.00000000E+00 0.00000000E+00 0.10000000E+01 cost efficiency estimates :
firm eff.-est. 1 0.11286519E+01 2 0.11287030E+01 3 0.11019979E+01 4 0.11064375E+01 5 0.11064375E+01 6 0.10945073E+01 7 0.11269195E+01 8 0.11335018E+01 9 0.11286621E+01 10 0.11259703E+01 11 0.11471959E+01 12 0.11211032E+01 13 0.11014676E+01 14 0.10932421E+01
(17)
15 0.11054834E+01 16 0.11217136E+01 17 0.11242728E+01 18 0.11229408E+01 19 0.11295573E+01 20 0.11336614E+01 21 0.11323421E+01 22 0.11295632E+01 23 0.11208099E+01 24 0.11229045E+01 25 0.11522344E+01 26 0.11312078E+01 27 0.11254267E+01 28 0.11333093E+01 29 0.11328819E+01 30 0.11097262E+01 31 0.11301772E+01 32 0.11022560E+01 33 0.11097517E+01 34 0.11123831E+01 35 0.11213057E+01 36 0.11118692E+01 37 0.11096966E+01 38 0.11119258E+01 39 0.11339317E+01 40 0.11233786E+01 41 0.11218877E+01 42 0.11223457E+01 mean efficiency = 0.11210415E+01
(18)
Lampiran 6. Hasil Analisis Regresi Linear Berganda “Faktor-Faktor yang Mempengaruhi Penggunaaan Pupuk Kimia pada Usahatani Cabai Merah dengan Software spss 17
Descriptive Statistics
Mean Std. Deviation N
DOSIS PUPUK 7,2345 ,34916 42
HARGA PUPUK 15,8816 ,42124 42
HARGA CABAI MERAH 9,5906 ,35028 42
PENGALAMAN BERTANI 3,0669 ,30189 42
Variables Entered/Removedb Model
Variables Entered Variables
Removed Method
d ime n sio n 0
1 PENGALAMAN BERTANI, HARGA
PUPUK, HARGA CABAI MERAHa
. Enter
a. All requested variables entered. b. Dependent Variable: DOSIS PUPUK
Model Summaryb Model
R R Square
Adjusted R Square
Std. Error of the Estimate dime
ns ion0 1 ,914 a
,836 ,823 ,14708
a. Predictors: (Constant), PENGALAMAN BERTANI, HARGA PUPUK, HARGA CABAI MERAH b. Dependent Variable: DOSIS PUPUK
ANOVAb
Model Sum of Squares df Mean Square F Sig.
1 Regression 4,176 3 1,392 64,348 ,000a
Residual ,822 38 ,022
Total 4,998 41
a. Predictors: (Constant), PENGALAMAN BERTANI, HARGA PUPUK, HARGA CABAI MERAH b. Dependent Variable: DOSIS PUPUK
(19)
Coefficientsa
Model Unstandardized
Coefficients
Standardized Coefficients
t Sig.
Correlations Collinearity Statistics
B Std. Error Beta Zero-order Partial Part Tolerance VIF
1 (Constant) -6,085 1,272 -4,785 ,000
HARGA PUPUK
,778 ,057 ,939 13,662 ,000 ,905 ,912 ,899 ,916 1,092
HARGA CABAI MERAH
,123 ,069 ,124 1,785 ,082 -,156 ,278 ,117 ,902 1,109
PENGALAMA N BERTANI
-,073 ,077 -,063 -,952 ,347 -,077 -,153 -,063 ,983 1,017
(20)
Coefficientsa
Correlations Collinearity Statistics Zero-order Partial Part Tolerance VIF
,905 ,912 ,899 ,916 1,092
-,156 ,278 ,117 ,902 1,109
-,077 -,153 -,063 ,983 1,017
a. Dependent Variable: DOSIS PUPUK
Uji Multikolinearitas, Tolerance > 0, 100, VIF < 10
(21)
One-Sample Kolmogorov-Smirnov Test
DOSIS PUPUK
HARGA CABAI
MERAH HARGA PUPUK
PENGALAMAN BERTANI
N 42 42 42 42
Normal Parametersa,b Mean 7,2345 9,5906 15,8816 3,0669
Std. Deviation ,34916 ,35028 ,42124 ,30189
Most Extreme Differences Absolute ,135 ,195 ,129 ,141
Positive ,105 ,195 ,099 ,141
Negative -,135 -,139 -,129 -,121
Kolmogorov-Smirnov Z ,877 1,261 ,836 ,911
Asymp. Sig. (2-tailed) ,425 ,083 ,487 ,377
a. Test distribution is Normal. b. Calculated from data.
(22)
DAFTAR PUSTAKA
Aksi Agraris Kanisius (Aak), 1992. Petunjuk Praktis Bertanam Sayuran. Kanisius. Yogyakarta
Anonimous, 2010. Macam-macam metode sampling tahap pembuatan laporan penelitian. http://yudhislibra.wordpress.com. Diakses pada tanggal 29 Juli 2015.
BPP. 2015. Data Balai Penyuluhan Pertanian : Kecamatan Purba Kabupaten Simalungun.
BadanPusatStatistik. 2015. Sumatera Utara dalamAngka:Medan.
Coelli, T.J. (1992), “A Computer Program for Frontier Production Function Estimation: FRONTIER, Version 2.0.
Damanik, Agri Manda. 2014. Analisis Perbandingan Kelayakan Usaha Tani Cabai Merah dan Cabai Rawit. (Skripsi). Universitas Sumatera Utara. Medan. Darwanto. 2009. Analisis Efisiensi Usahatani Padi Di Jawa Tengah (Penerapan
Analisis Frontier). (Skripsi). Universitas Diponegoro. Semarang
Dinas Pertanian. 2015. Statistik Tanaman Hortikultura. Kabupaten Simalungun. Hanafie, Rita. 2010. Pengantar Ekonomi Pertanian. Penerbit Andi. Yogyakarta. Izhar, Lutfi. 2010. Rekomendasi Pemupukan Hara Spesifik Lokasi
(PHSL) Tanaman Sayuran. Loka Pengkajian Teknologi Pertanian Kepulauan Riau
Kalangi, Bintang. 2011. Matematika Ekonomi dan Bisnis. Salemba Empat. Jakarta
Mubarok, Nurul.2009. Faktor-faktor yang Mempengaruhi Produksi Kerupuk Ikan di Sentra Produksi Kerupuk Desa Kananga
(23)
Kecamatan Sindang Kabupaten Indramayu. (Skripsi). UIN Jakarta. Jakarta
Pindyck, R.2007. Mikroekonomi. PT Indeks. Jakarta
Santika, A. 1999.AgribisnisCabai. PenebarSwadaya: Jakarta.
Setiadi. 2004. BertanamCabai, EdisiRevisi. PenebarSwadaya: Jakarta.
Soekartawi.1990. Teori Ekonomi Produksi dengan Pokok Bahasan AnalisisFungsi Cobb-Douglas. Rajawali Press. Jakarta
Sugiono, 2008. Metode Penelitian Pendidikan ; Pendekatan Kuantitatif, Kualitatif, dan R&D. Alfabeta : Bandung
Susantun, I. 2000. Fungsi Keuntungan Cobb- Douglas Dalam Pendugaan Efisiensi Ekonomi Realtif. Jurnal Ekonomi Pembangunan. Vol 5 No.2.
Supranto, J. 2000. Teknik Sampling untuk Survei dan Ekesperimen. Rineka Cipta. Jakarta
Susilowati, Sri Hery. 2012. Analisis Efisiensi Usaha Tani Tebu Di Jawa Timur. (Skripsi). Institut Pertanian Bogor. Bogor
Zulfadhli. 2015. Analisis Efisiensi Penggunaan Pupuk Oleh Petani Pada Tanaman Sayuran. (Skripsi). Universitas Sumatera Utara. Medan
(24)
BAB III
METODE PENELITIAN 3.1 Metode Penentuan Daerah Penelitian
Penelitian ini dilakukan di Desa Urung Purba, Kecamatan Purba, Kabupaten Simalungun, Sumatera Utara. Kabupaten Simalungun ditentukan secara purposive (sengaja), sebab pada tabel 3.1 membuktikan bahwa Kabupaten Simalungun merupakan Kabupaten yang peningkatan produktivitasnya tertinggi dari pada Kabupaten Karo dan Batubara. Padahal jika dilihat luas panennya, Kabupaten Simalungun cenderung menurun dari pada Kabupaten Karo dan Batubara. Setelah itu menggunakan metode Cluster Sampling untuk menentukan daerah penelitian yang lebih spesifik.
Cluster Sampling adalah metode penentuan daerah populasi dengan cara mengelompokkan populasi menjadi sub-sub populasi secara bergerombol (cluster), dirinci lagi menjadi populasi yang lebih kecil, anggota dari sub-populasi terakhir dipilih secara acak sebagai daerah sampel penelitian (Anonimous, 2010).
(25)
Tabel 3.1 Perkembangan Produksi, Luas Panen, dan Produktivitas Cabai Merah Menurut Kabupaten sentra, 2012-2014
Uraian 2012 2013 2014
Produksi (Ton)
Karo 50.73 44.111 33.633
Batubara 28.33 33.623 32.433
Simalungun 47.460 26.733 24.328
Lainnya 70.87 57.466 57.416
Sumatera Utara 197.409 161.933 147.810
Luas Panen (Ha)
Karo 6.03 6.224 4.6
Batubara 2.646 1.783 2.151
Simalungun 2.099 2.507 1.672
Lainnya 6.87 6.650 6.732
Sumatera Utara17.651 17.16 15.218 Produktivitas (Ton/Ha)
Karo 8,41 7,09 7,21
Batubara 17,94 14,9 15,08 Simalungun 13,50 13,41 14,55
Lainya 10,31 8,64 8,53
Sumatera Utara 11,18 9,4 9,71
(26)
Tabel 3.2 Luas Areal, Produksi Cabai Merah, dan Produktivitas Kabupaten Simalungun, Provinsi Sumatera Utara Tahun 2014
Kecamatan Luas
Lahan (Ha)
Produksi (Ton)
Produktivitas (Ton/Ha)
Silimakuta 173 2.520 14.56647399
Pematang Silimahuta
56 816 14.57142857
Purba 428 6.250 14.60280374
Haranggaol Horison
1 14 14
Dolok Pardamean 69 1.005 0.0145652
Sidamanik - - -
Pematang Sidamanik
64 932 14.5625 Girsang Sipangan
Bolon
17 248 14.58823529
Tanah Jawa 32 466 14.5625
Hatonduhan 2 - -
Dolok Panribuan 6 87 14.5
Jorlang Hataran - - -
Panei 22 320 14.54545455
Panombean Panei 51 743 14.56862745
Raya 18 262 14.55555556
Dolok Silau 237 3.452 14.56540084
Silou Kahean 18 262 14.55555556
Raya Kahean - - -
Tapian Dolok - - -
Dolok Batu Nanggar
- - -
Siantar - - -
Gunung Malela 4 58 14.5 Gunung Maligas 6 87 14.5
Hutabayu Raja - - -
Jawa Maraja Bah Jambi
16 233 14.5625
Pematang Bandar 180 2.622 14.56666667
Bandar Huluan 314 4.573 14.56369427
Bandar 11 160 14.54545455
Bandar Masilan - - -
Bosar Maligas - - -
Ujung Pandang - - -
(27)
Kecamatan Purba merupakan sentra produksi cabai terbesar di Kabupaten Simalungun, dibandingkan dengan seluruh kecamatan yang ada di Kabupaten Simalungun.
Tabel 3.3 Luas Panen, Produksi dan Produktivitas Cabai Merah Kecamatan Purba, Kabupaten Simalungun berdasarkan Desa Tahun 2014
No Desa Luas Lahan
(Ha)
Produksi (Ton)
Produktivitas (Ton/Ha)
1 Hutaraja 20 130 6,5
2 Pematang Purba 30 195 6,5
3 Hinalang 45 292 6,48
4 Purba Sipinggan 38 247 6,5
5 Saribu Jandi 21 136 6,47
6 Purba Tongah 25 163 6,52
7 Tano Tinggir 50 315 6,3
8 Tigarunggu 55 357,5 6,5
9 Nagori Tongah 45 293 6,51
10 Sihalpe 28 182 6,5
11 Bunga Sampang 10 62 6,2
13 Purba Dolog 50 320 6,4
14 Urung Purba 41 270 6,58
Sumber : BPP Kecamatan Purba 2015
Desa Urung Purba merupakan desa yang produktivitas cabai merah terbesar di Kecamatan Purba
3.2 Metode Penentuan Jumlah Sampel
Berdasarkan hasil pra survey, populasi dalam penelitian ini adalah seluruh petani cabai merah yang berjumlah 72 orang di Desa Urung Purba, Kecamatan Purba, Kabupaten Simalungun. Untuk menentukan jumlah petani yang akan dijadikan sampel maka metode penentuan besar sampel menggunakan Rumus Slovin ( Supranto, 2000), dengan persamaan sebagai berikut :
(28)
n =
Dimana:
n : jumlah sampel N : jumlah populasi
e : batas toleransi kesalahan (error tolerance) 10 % (0,1)
Jumlah populasi petani cabai merah adalah 72 petani dengan batas toleransi 10% (0,1), maka jumlah sampel petani cabai merah yang diambil adalah:
n =
= 42 petani.
Penarikan sampel 42 dari 72 populasi dilakukan dengan metode pengambilan sampel acak sederhana (simple random sampling), metode ini memberikan peluang yang sama bagi setiap unsur populasi untuk dipilih dan pengambilan anggota sampel dari populasi dilakukan secara acak tanpa memperhatikan strata yang ada dalam populasi itu (Sugiono, 2008).
3.3 Metode Pengumpulan Data
Data yang dikumpulkan dalam penelitian ini terdiri dari data primer dan data sekunder. Data primer diperoleh secara langsung dari hasil wawancara dengan responden (petani) didaerah penelitian dengan menggunakan daftar pertanyaan (kuisioner) yang telah disiapkan terlebih dahulu. Sedangkan data sekunder dapat diperoleh dari instansi atau lembaga terkait dengan penelitian yang dilakukan, seperti Badan Pusat Statistik, Balai Penyuluhan Pertanian dan instansi lainnya yang berhubungan dengan penelitian ini.
(29)
3.4 Metode Analisis Data
Hipotesis (1) dianalisis dengan model fungsi produksi frontier. Model ini digunakan untuk menghubungkan antara input dengan output dalam proses produksi dan untuk mengetahui tingkat keefisienan suatu faktor produksi adalah fungsi produksi frontier seperti yang dipakai oleh Coelli, et al sebagai berikut :
LnY = b0 + b1LnX1 + b2LnX2 + e
Adapun pengertian dari setiap variabel fungsi produksi dalam usaha tani cabai merah seperti Tabel 3.4 berikut ini :
Tabel 3.4 Definisi variabel Fungsi Produksi Usaha Tani Cabai Merah
Variabel Kode Variabel Skala pengukuran
Dependen Y Output Kg
Independen X1 b0
Pupuk Kimia Intersept
Kg
(Coelli, T.J, 1992) Efisiensi Teknis
Penelitian ini menggunakan stochastic frontier dengan metode pendugaan Maximum Likelihood (MLE). Variabel independen penduga fungsi produksi ini yaitu: Pupuk (X1).
Karakter uji efisiensi teknis berdasarkan alat uji frontier adalah, semakin mendekati 1 maka data dianggap semakin efisien secara teknik.
Efisiensi Harga
Menurut Soekartawi (1990) apabila fungsi produksi yang digunakan adalah fungsi Cobb-Douglas, maka:
Y = AXb
(30)
Maka kondisi produksi marginal adalah:
∂Y / ∂X = b (Koefisien parameter elastisitas)
Dalam fungsi produksi Cobb-Douglas, maka b disebut dengan koefisien regresi yang sekaligus menggambarkan elastisitas produksi. Dengan demikian, maka nilai produksi marginal (NPM) faktor produksi X, dapat ditulis sebagai berikut:
NPM = bYPy X dimana:
b = elastisitas produksi (cabai merah) Y = produksi (cabai merah)
Py = harga produksi (harga cabai merah) X = jumlah faktor produksi X (Pupuk kimia) NPM = nilai produktivitas marginal
Secara ekonomi ada satu syarat lagi yang perlu dipenuhi yaitu pilihan yang berkaitan dengan harga input atau Px dan harga output atau PY. Jumlah input disebut Xdan jumlah output disebut Y, jumlah keuntungan disebut B, sehingga dapat dituliskan :
B = (Y. Py) – (X. PX)
Agar B mencapai maksimum, turunan pertama harus disamakan dengan nol, dengan asumsi PX dan PY konstan. Turunan pertamanya adalah nol.
(31)
dB = Py . dY - PX dX dX
Py . MP = PX VMP = PX VMP (NPMXi) = 1 PX
dimana :
VMP = Value Marginal Product Px = harga input
Py = harga output X = jumlah input Y = jumlah output dB, dX = turunan B dan X dY, dX = turunan Y dan X
Dalam banyak kenyataan NPMx tidak selalu sama dengan Px. Yang sering terjadi adalah sebagai berikut:
a. (NPMx / Px) > 1 ; artinya penggunaan input X belum efisien, untuk mencapai efisien input X perlu ditambah.
b. (NPMx / Px) < 1 ; artinya penggunaan input X tidak efisien, untuk mencapai efisien input X perlu dikurangi(Soekartawi, 1990).
Efisiensi Ekonomi
Efisiensi Ekonomi merupakan produk dari efisiensi teknis dan efisiensi harga (Susantun, 2000). Efisiensi ekonomi adalah hasil kali antara efisiensi teknis dengan efisiensi harga/alokatif dari seluruh faktor input dan dapat tercapai apabila kedua efisiensi tercapai, yaitu efisiensi teknis dan efisiensi harga/alokatif (Soekartawi, 1990).
(32)
Jadi, efisiensi ekonomi dapat tercapai bila kedua efisiensi tersebut tercapai, sehingga dapat dituliskan menjadi:
EE = ET . EH Dimana:
EE : Efisiensi Ekonomi ET : Efisiensi Teknis EH : Efisiensi Harga
Dengan kriteria penilaian yaitu, jika :
1. EE = 1, maka penggunaan faktor produksi sudah efisien 2. EE >1 , maka penggunaan faktor produksi belum efisien 3. EE< 1, maka penggunaan faktor produksi tidak efisien
(Soekartawi, 1990).
Hipotesis (2) dianalisis dengan menggunakan teori The Law of Diminishing Returns (LDR). Kurva The Law of Diminishing Returns (LDR) dapat diketahui apakah penggunaan pupuk kimia oleh petani sudah optimal atau tidak optimal. Titik optimal dapat diketahui apabila Average Product (AP) sama dengan Marginal Product (MP) atau ketika nilai elastisitas produksi (EP) = 1.
Hipotesis (3) dianalisis secara kuantitatif dengan menggunakan model regresi berganda untuk mengetahui pengaruh faktor-faktor (harga pupuk kimia, harga cabai merah, dan pengalaman petani) terhadap dosis penggunaan pupuk kimia. Pengolahan data digunakan dengan menggunakan alat bantu software spss 17. Setelah data diolah menggunakan spss 17, maka dilakukan interpretasi hasil.
(33)
Fungsi linier berganda harga pupuk kimia, harga cabai merah, dan perngalaman petani terhadap dosis pupuk kimia dapat ditulis persamaannya sebagai berikut :
LnY = lnb0+b1lnx1+ b2lnx2+ b3lnx3+ e Keterangan :
Y = dosis pupuk kimia b0 = intercept
x1 = harga pupuk kimia x2 = harga cabai merah x3 = pengalaman petani e = kesalahan pendugaan Ln = logaritma natural
Persamaan regresi dianalisis untuk menjelaskan hubungan sebab akibat dari faktor-faktor produksi terhadap output yang dihasilkan. Nilai yang diperoleh dari analisis regresi yaitu besarnya nilai t-hitung F-hitung dan koefisien determinan (R2). Nilai t-hitung digunakan untuk menguji secara statistik apakah koefisien regresi dari masing-masing variable bebas (Xn) yang dipakai secara terpisah berpengaruh nyata atau tidak terhadap parameter tidak bebas (Y). pengujian secara statistik adalah sebagai berikut:
1. Uji Determinan (R2)
Nilai koefisien determinan (R2) digunakan untuk mengetahui sejauh mana besar keragaman yang dapat diterangkan oleh variabel bebas terhadap variabel terikat.
(34)
2. Uji t-hitung Hipotesis
Ho : Tidak ada pengaruh yang nyata antara harga pupuk kimia (X1) terhadap variabel penggunaan pupuk kimia (Y)
H1 : Ada pengaruh yang nyata antara harga pupuk kimia (X1) terhadap variabel penggunaan pupuk kimia (Y)
Uji statistik digunakan adalah uji statistik-t t-hitung
t-tabel = tα/2(n-p) keterangan:
bi = koefisien regresi ke-i
Sbi = standar deviasi koefisien regresi ke-i Bi = parameter ke-I yang dihipotesiskan n = banyaknya pasangan data
p = jumlah parameter regresi Kriteria uji :
1. Berdasarkan Perbandingan Nilai t- hitung dan t- tabel - t-hitung > t-tabel α/2 (n-p), maka tolak H0
- t-hitung < t-tabel α/2 (n-p), maka terima 2. Berdasarkan Nilai Signifikansi (α =0,05) - Jika nilai signifikansi > α maka H0 diterima - Jika nilai Signifikansi < α maka H0 ditolak
Jika signifikansi < α maka parameter yang diuji atau faktor-faktor pengaruh harga pupuk kimia (X1) berpengaruh nyata terhadap penggunaan pupuk
(35)
kimia (Y), sebaliknya jika signifikansi > α, maka faktor-faktor pengaruh harga pupuk kimia (X1) tidak berpengaruh nyata terhadap dosis pupuk kimia (Y).
3. Uji F-hitung
Nilai F-hitung digunakan untuk mengetahui apakah variabel yang digunakan secara bersama-sama berpengaruh nyata terhadap veriabel tidak bebas. Pengujian F-hitung adalah sebagai berikut:
Hipotesis :
H0 : Tidak ada pengaruh yang nyata secara serempak antara harga pupuk kimia, harga cabai merah, dan pengalaman bertani terhadap penggunaan pupuk kimia. H1 : Ada pengaruh yang nyata secara serempak antara harga pupuk kimia, harga cabai merah, dan pengalaman bertani terhadap penggunaan pupuk kimia.
Uji statistik yang digunakan adalah uji F, yaitu:
Keterangan:
R2 = koefisien determinan
k = jumlah variabel termasuk intersept n = jumlah pengamatan
Kriteria uji :
1. Berdasarkan Perbandingan Nilai F- hitung dan F- tabel - F-hitung > F-tabel α/2 (n-p), maka tolak H0
(36)
2. Berdasarkan Nilai Signifikansi
- Jika nilai signifikansi > α maka H0 diterima - Jika nilai Signifikansi < α maka H0 ditolak
Apabila Signifikansi < α maka H0 ditolak maka ada pengaruh yang nyata secara serempak antara harga pupuk kimia, harga cabai merah, dan pengalaman bertani terhadap penggunaan pupuk kimia. Dan sebaliknya bila H0 diterima maka tidak ada pengaruh yang nyata secara serempak antara harga pupuk kimia, harga cabai merah, dan pengalaman bertani terhadap penggunaan pupuk kimia.
3.5 Definisi dan Batasan Operasional
Untuk menghindari kesalahpahaman dan kekeliruan dalam menafsirkan penelitian ini, maka perlu dibuat definisi dan batasan operasional sebagai berikut : 3.5.1 Definisi
1. Ilmu usahatani adalah ilmu yang mempelajari bagaimana seorang mengusahakan dan mengkoordinir faktor-faktor produksi.
2. Usahatani cabai merah ialah kegiatan yang dilakukan seseorang di dalam pembudidayaan tanaman cabai merah dengan tujuan untuk memperoleh keuntungan.
3. Fungsi produksi menggambarkan hubungan antara input dan output. Sehingga faktor produksi pupuk kimia dapat diartikan sebagai faktor yang mempengaruhi total produksi.
4. Fungsi produksi linier adalah suatu fungsi atau persamaan yang melibatkan dua atau lebih variabel yang berpangkat satu, dimana variabel yang satu disebut dengan variabel dependen, yang dijelaskan (Y) dan yang lain disebut variabel independen, yang menjelaskan (X).
(37)
5. Efisiensi adalah perbandingan yang terbaik antara input (masukan) dan output (hasil antara keuntungan dengan sumber-sumber yang dipergunakan).
6. Optimasi adalah perbandingan yang terbaik antara input (masukan) dan output yang bertujuan untuk hasil yang optimal dengan penggunaan sumber yang terbatas.
7. Efisiensi teknis merupakan proses pengubahan input menjadi output, kombinasi antara kapasitas dan kemampuan unit kegiatan ekonomi untuk memproduksi sampai tingkat output maksimum dari input dan teknologi. Efisiensi teknis dikatakan tercapai apabila Average Product berada di titik maksimum.
8. Efisiensi harga merupakan kemampuan dan kesediaan unit ekonomi untuk beroperasi pada tingkat nilai produk marjinal (Marginal Value Product) sama dengan biaya marjinal (Marginal Cost).
9. Efisiensi ekonomi manakala petani mampu meningkatkan produksinya dengan harga faktor produksi yang dapat ditekan, tetapi dapat menjual produksinya dengan harga yang tinggi.
10. Faktor-faktor yang mempengaruhi penggunaan pupuk kimia merupakan kemungkinan alasan petani menggunakan pupuk kimia pada tanaman cabai merah dan sesuai dengan teori fungsi permintaan.
11. Harga cabai merah ialah harga jual cabai merah yang berlaku di daerah penelitian dalam Rupiah.
12. Harga pupuk kimia ialah harga input pupuk kimia yang dipakai petani cabai merah di daerah penelitian dalam Rupiah.
(38)
13. Pengalaman petani ialah kejadian yang pernah dialami petani cabai merah ketika dalam proses budidaya cabai merah di daerah penelitian.
14. Pupuk pada penelitian ini ialah pupuk kimia.
15. Dosis (dose ; dosage) merupakan takaran obat, pupuk, pestisida, dsb; menyatakan banyaknya bahan (dalam kilogram) persatuan bobot badan atau satuan luas lahan, yang akan menghasilkan efek yang optimal.
16. Kesesuaian penggunaan pupuk kimia merupakan ketika penggunaan pupuk kimia seharusnya sama dengan penggunaan pupuk kimia oleh petani cabai merah.
3.5.2 Batasan Operasional
1. Daerah penelitian di Desa Urung Purba, Kecamatan Purba, Kabupaten Simalungun Provinsi Sumatera Utara.
2. Waktu penelitian tahun 2016.
3. Sampel yang digunakan dalam penelitian ini adalah petani cabai merah di Desa Urung Purba, Kecamatan Purba, Kabupaten Simalungun.
(39)
BAB IV
KEADAAN UMUM LOKASI PENELITIAN 4.1 Deskripsi Daerah Penelitian
Kecamatan Purba merupakan kecamatan tertinggi penghasil cabai merah di Kabupaten Simalungun. Kecamatan Purba memiliki luas wilayah 172,00 km2. Kecamatan Purba berbatasan langsung dengan :
Di sebelah Utara : Kecamatan Dolog Silau Di sebelah Selatan : Danau Toba Di sebelah Barat : Kecamatan Silima Kuta Di sebelah Timur : Kecamatan Raya
Dari segi penduduk, Kecamatan Purba memiliki penduduk 21.830 jiwa, atau 2,6 % dari total penduduk di Kabupaten Simalungun berdasarkan BPS 2015. Kecamatan Purba memiliki 13 desa. Dalam penelitian analisis efisiensi dan optimasi serta faktor-faktor yang mempengaruhi produksi cabai merah di Kabupaten Simalungun ini lokasinya berada di satu desa, yaitu Desa Urung Purba. Berikut ini deskripsi Desa Urung Purba.
Desa Urung Purba
Letak Geografis, Topografi, dan Luas Wilayah
Desa Urung Purba memiliki luas wilayah 2.584 Ha, terdiri atas tanah kering sebesar 2.200 Ha dan dimanfaatkan untuk berladang sebesar 2.126 Ha, tanah perkebunan sebesar 200 Ha, tanah rawa 20 Ha, hutan adat sebesar 13 Ha, dan hutan rakyat sebesar 125 Ha. Dapat dilihat bahwa Desa Urung Purba paling banyak berjenis tanah kering 2.200 Ha dan dimanfaatkan untuk berladang, pemukiman, dan perkarangan.
(40)
Desa Urung Purba yang tinggi tempat dari permukaan laut sebesar 1.392 dpl ini, memiliki Tekstur tanah lempungan dengan warna abu-abu dan rata-rata tingkat kemiringan tanah sebesar 25o. Desa Urung Purba memiliki topografi berbukit-bukit seluas 520 Ha, rawa seluas 20 Ha, dan aliran sungai seluas 26 Ha. Jumlah bulan hujan selama satu tahun adalah 6 bulan dengan suhu rata-rata harian 21o-27oC.
Untuk tanaman pangan, Desa Urung Purba memiliki luas tanam terbesar setelah adalah komoditas cabai merah setelah komoditas padi ladang , yaitu sebesar 82 Ha.
Jarak Desa Urung Purba ke ibukota kecamatan sebesar 10 km, lama jarak tempuh ke ibukota kecamatan dengan kendaraan bermotor ¼ jam, lama jarak tempuh ke ibukota kecamatan dengan berjalan kaki atau non kendaraan bermotor 3 jam dan jarak ke ibukota kabupaten 40 km.
Batas wilayah Desa Urung purba adalah sebelah utara oleh Desa Sribu Jandi, sebelah selatan oleh Desa Purba Sipinggan, sebelah timur oleh Desa Pem Purba, dan sebelah barat oleh Desa Bandar Sauhur (profil desa Urung Purba, 2014).
Keadaan Penduduk
Pada tahun 2014, penduduk Desa Urung Purba memiliki jumlah penduduk sebanyak 1.734 jiwa dengan rincian kepala keluarga sebanyak 406 KK, 893 laki-laki, dan 841 perempuan.
Luas lahan yang diperuntukkan untuk berladang 2.126 Ha, didukung dengan suhu rata-rata yang sangat baik untuk pertumbuhan tanaman, dan jumlah hujan yang cukup tinggi menunjukkan keadaan alamnya bagus untuk melakukan
(41)
Laki-laki Perempuan
usaha pertanian. Alasan baik tersebut mendorong warga sebagian jenis pekerjaan sebagai petani. Hal ini dapat dilihat pada Tabel 4.1 sebagai berikut :
Tabel 4.1 Jenis Pekerjaan Pokok Tahun 2015 No Jenis Pekerjaan Jumlah
1 Petani 992
2 Buruh tani 60
3 PNS 35
4 Bidan swasta 3 5 Perawat swasta 2 6 Pengusaha kecil dan
menengah
19 7 Karyawan perusahaan
swasta
5
8 Pensiunan PNS 29
Jumlah Total Penduduk 1.135 Sumber : Profil Desa Urung Purba 2016
(42)
Tabel 4.2 Prasarana dan Sarana Tahun 2015
NO Jenis Prasarana dan Sarana
Keberadaan ( √ = Ada)
Kondisi Baik
(Km/Unit)
Rusak (Km/Unit)
1 Jalan aspal √ 0,8 Km 5,8 Km
2 Jalan tanah √ - 22 Km
3 Jalan sirtu √ 1 Unit 6 Unit
4 Angkutan umum √ - -
5 Sumur pompa √ 18 Unit -
6 Mata air √ 18 Unit -
7 Telepon rumah √ 635 Unit -
8 Sinyal telepon seluler √ - -
9 Kantor kepala desa √ - 1Unit
10 Posyandu √ 2 Unit -
11 Gereja kristen protestan √ 4 Unit -
12 Lapangan sepak bola √ 1 Unit -
13 Lapangan voli √ 2 Unit -
14 Listrik PLN √ 385 Unit -
15 Genset pribadi √ 34 Unit -
16 Pengelola sampah oleh
pemerintah √ - -
17 Play group √ 3 Unit -
18 SD/seder √ 2 Unit -
Sumber : Profil Desa Urung Purba 2016
Tabel 4.3 Tanaman Pangan dan Perkebunan Tahun 2015
No Komoditi Luas (Ha) Hasil Panen
(Ton/Ha)
Harga Rata-Rata/Kg (Rp)
1 Jagung 40 5 2.000
2 Padi ladang 250 3 5.000
3 Ubi jalar 25 5 4.000
4 Cabai merah 82 7 8.000
5 Tomat 10 30 1.100
6 Kentang 43 25 4.000
7 Kubis 60 32 5.000
8 Buncis 5 5 2.000
9 Terong 5 5 1.000
10 Jeruk 65 55 7.000
(43)
21-29 30-39 40-49 50-59 Laki-laki Perempuan
4.2 Karakteristik Sampel Dalam Penelitian
Dalam penelitian analisis efisiensi dan optimasi serta faktor-faktor yang mempengaruhi produksi cabai merah di Kabupaten Simalungun, sampel merupakan petani cabai merah yang berdomisili di Desa Urung Purba. Petani yang menjadi sampel dapat diklarifikasikan sebagai berikut :
4.2.1 Jenis Kelamin Sampel
Jumlah sampel petani cabai merah sebesar 42 orang. Dengan rincian, sampel berjenis kelamin laki-laki sebanyak 41 orang dan sampel dengan jenis kelamin perempuan sebanyak 1 orang.
Gambar 4.2 Grafik Jumlah Sampel Menurut Jenis Kelamin 4.2.2 Usia Sampel
Jumlah sampel petani cabai merah yang berusia pada rentang 20-29 tahun sebanyak 1 orang (2,3%), sampel yang berusia pada rentang 30-39 tahun sebanyak 7 orang (16,6%), sampel yang berusia pada rentan 40-49 tahun sebanyak 9 orang (21,4%), dan sampel yang berusia pada rentan 50-59 tahun sebanyak 2 orang (4,7%).
(44)
SD SMP SMA S1
4.2.3 Pendidikan Sampel
Jumlah sampel petani cabai merah dengan pendidikan terakhir SD sebanyak 0 orang (0%), SMP sebanyak 0 orang (0%), SMA sebanyak 40 orang (95,23%), dan S1 sebanyak 2 orang (4,77%)
(45)
BAB V
HASIL DAN PEMBAHASAN
5.1 Efisiensi Teknis, Efisiensi Harga, dan Efisiensi Ekonomi Penggunaan Pupuk Kimia Usahatani Cabai Merah
Efisiensi diartikan sebagai upaya penggunaan input yang sekecil-kecilnya untuk mendapatkan produksi yang sebesar-besarnya. Penggunaan input secara optimal dituntut dalam hal ini yakni dengan pengalokasian sumber daya yang terbatas mampu memberikan hasil yang optimal.
Cabai merah (Capsicum Annum L) adalah tanaman dari family terung-terungan ini memberikan keuntungan yang cukup besar bagi petani. Agar keuntungan maksimal maka perlu unsur hara yang efisien sebagai penunjang pertumbuhannya.
Untuk menghitung efisiensi penggunaan pupuk kimia pada usahatani cabai merah dibutuhkan data mengenai dosis pupuk kimia, harga pupuk kimia, produksi cabai merah, dan harga cabai merah dalam satu periode tanam.
Pada tabel 5.1 disajikan dosis pupuk, harga pupuk kimia, produksi cabai merah, dan harga cabai merah berdasarkan informasi 42 sampel.
(46)
Tabel 5.1 Dosis Pupuk Kimia, Harga Pupuk Kimia, Produksi Cabai Merah, Harga Cabai Merah, dan Penerimaan Petani/Ha
Sampel Dosis Pupuk Kimia (Kg) X Harga Pupuk Kimia (Rp) Produksi Cabai Merah (Kg) Y Harga Cabai Merah (Rp) Penerimaan (Rp) 1 1.700 9.265.000 21.052,63 15.000 315.789.450 2 2.000 8.600.000 21.126,76 15.000 316.901.400 3 1.400 12.614.000 7.042,25 10.000 70.422.500
4 2.060 15.388.200 10.563,38 10.000 105.633.800
5 1.098 5.978.500 10.563,38 10.000 105.633.800 6 500 2.940.000 3.508,77 18.000 63.157.860
7 1.000 5.450.000 14.000 20.000 280.000.000
8 1.200 6.180.000 17.500 25.000 437.500.000
9 2.000 14.080.000 21.067,42 15.000 316.011.300
10 2.000 15.540.000 17.460,32 15.000 261.904.800
11 1.600 8.000.000 21.605,63 25.000 540.140.750
12 3.000 12.870.000 24.176,47 10.000 241.764.700
13 700 3.710.000 8.014,49 10.000 80.144.900 14 650 3.640.000 5.523,36 10.000 55.233.600 15 920 5.152.000 8.084,51 12.000 97.014.120
16 1.800 9.423.000 21.126,76 18.000 380.281.680
17 1.500 7.815.000 23.203,13 10.000 232.031.300
18 1.700 8.806.000 21.067,42 10.000 210.674.200
19 1.320 6.877.200 21.000 16.000 336.000.000
20 1.600 8.240.000 24.561,40 18.000 442.105.200
21 1.800 8.845.200 22.514,07 18.000 405.253.260
22 2.000 9.740.000 21.008,40 16.000 336.134.400
23 1.230 6.334.500 18.000,00 10.000 180.000.000
24 1.500 7.815.000 21.011,67 10.000 210.116.700
25 1.600 8.240.000 24.000 30.000 720.000.000
26 960 5.232.000 12.523,36 30.000 375.700.800
27 1.230 6.371.400 18.000,00 14.000 252.000.000
28 1.600 8.240.000 24.000 18.000 432.000.000
29 1.400 7.210.000 21.000,00 20.000 420.000.000
30 1.150 5.922.500 14.054,05 10.000 140.540.500
31 1.200 6.360.000 17.523,36 20.000 350.467.200
32 1.675 12.756.800 14.044,94 12.000 168.539.280
33 1.830 13.662.050 14.084,51 10.000 140.845.100
34 1.900 15.523.000 17.551,37 10.000 175.513.700
35 1.190 6.128.500 14.052,29 20.000 281.045.800
36 1.745 13.296.900 14.018,69 12.000 168.224.280
37 1.800 13.716.000 14.018,69 10.000 140.186.900
(47)
39 1.200 6.252.000 15.000 30.000 450.000.000
40 1.100 5.599.000 14.500,00 15.000 217.500.000
41 1.050 5.470.500 13.000,00 15.000 195.000.000
42 900 4.770.000 10.084,51 20.000 201.690.200 Sumber : Data Primer
5.1.1 Efisiensi Teknis
Model produksi frontier stokhastik didasarkan pada model yang dikembangkan oleh Battese dan Coelli, (1991), yaitu TE effect model. Model ini menetapkan efek inefisiensi teknis dalam model bentuk frontier stokhastik yang diformulasikan sebagai berikut:
Ui adalah salah satu kesalahan baku yang menyusun kesalahan baku (error term) dalam model yang menggambarkan ketidakefisienan teknis pupuk kimia dan bernilai positif, sehingga makin besar nilai Ui makin besar ketidakefisienan teknis penggunaan pupuk kimia dengan kata lain, penggunaan pupuk kimia dikatakan secara teknis efisien 100 persen apabila nilai Ui = 0. Efisiensi teknis atau inefisiensi teknis penggunaan pupuk kimia diduga dengan menggunakan persamaan yang dirumuskan oleh Battese dan Coelli, (1991) dan Kumbhakar dan Lovell, (2000) sebagai berikut
dimana yi adalah produksi aktual dari pengamatan dan yi→ adalah produksi frontier yang diperoleh dari fungsi produksi frontier stochastic dan exp(-μi) adalah nilai harapan (mean) dari μi.
(48)
Nilai efisiensi teknis dapat diketahui dari pengolahan data dengan bantuan Software Frontier Version 4.1c dengan input data yang digunakan adalah jumlah produksi cabai merah setiap responden dengan jumlah pupuk kimia yang digunakan setiap responden per hektar. Jika nilai efisiensi teknis sama dengan satu maka penggunaan pupuk kimianya sudah efisien dan jika nilai efisiensi teknis kurang dari satu maka penggunaan pupuk kimianya belum efisien. Berikut ini adalah hasil olah data efisiensi teknis setiap sampel :
(49)
Tabel 5.2 Efisensi Teknis Cabai Merah
Sampel Efisiensi Teknis Keterangan
1 0,72070919 Tidak Efisien
2 0,72678764 Tidak Efisien
3 0,78973652 Tidak Efisien
4 0,87861586 Tidak Efisien
5 0,70448486 Tidak Efisien
6 0,37742925 Tidak Efisien
7 0,60250745 Tidak Efisien
8 0,73781540 Tidak Efisien
9 0,72678764 Tidak Efisien
10 0,72678764 Tidak Efisien
11 0,82708662 Tidak Efisien
12 0,93385890 Tidak Efisien
13 0,47442314 Tidak Efisien
14 0,45113185 Tidak Efisien
15 0,34498697 Tidak Efisien
16 0,85399439 Tidak Efisien
17 0,80996270 Tidak Efisien
18 0,72070919 Tidak Efisien
19 0,77095544 Tidak Efisien
20 0,82708662 Tidak Efisien
21 0,85399439 Tidak Efisien
22 0,72678764 Tidak Efisien
23 0,74669564 Tidak Efisien
24 0,80996270 Tidak Efisien
25 0,82708662 Tidak Efisien
26 0,58664678 Tidak Efisien
27 0,74669564 Tidak Efisien
28 0,82708662 Tidak Efisien
29 0,78973652 Tidak Efisien
30 0,72209101 Tidak Efisien
31 0,73781540 Tidak Efisien
32 0,83820133 Tidak Efisien
33 0,85734631 Tidak Efisien
34 0,86459667 Tidak Efisien
35 0,73476372 Tidak Efisien
36 0,84742835 Tidak Efisien
37 0,85399439 Tidak Efisien
38 0,72114887 Tidak Efisien
39 0,73781540 Tidak Efisien
40 0,70518587 Tidak Efisien
41 0,62172336 Tidak Efisien
42 0,56210089 Tidak Efisien
Rata-Rata 0,73154194 Tidak Efisien Sumber : Data Primer Diolah
(50)
Berdasarkan hasil olah data menggunakan perangkat lunak Frontier 4.1c diperoleh nilai rata-rata efisiensi teknis penggunaan pupuk kimia sebesar 0,73. Nilai efisiensi teknis tersebut menunjukkan bahwa rata-rata petani sampel dapat mencapai 73% dari produksi yang diperoleh dengan penggunaan pupuk kimianya. Hal ini menunjukkan bahwa pengunaan pupuk kimia dalam usahatani cabai merah tidak mencapai efisiensi secara teknis. Hal ini dikarenakan 0,73 < 1. Butuh 0,27 lagi untuk mencapai efisiensi secara teknis, maka penggunaan pupuk kimia harus ditambah.
Dilihat dari hasil penelitian sebanyak 42 sampel, semuanya tidak mencapai efisiensi secara teknis. Ketidak efisienan secara ini disebabkan petani berlebihan atau kekurangan dalam memberikan dosis pupuk kimia. Analisis efisiensi teknis belum dapat memastikan apakah petani tersebut kelebihan atau kekurangan dalam memberikan dosis pupuk kimia tersebut. Melalui teori The Law of Diminishing retuns, kelebihan atau kekurangan dalam memberikan dosis pupuk kimia tersebut dapat diketahui.
5.1.2 Efisiensi Harga
Secara ekonomi ada satu syarat lagi yang perlu dipenuhi yaitu pilihan yang berkaitan dengan harga input atau Px dan harga output atau PY. Jumlah input disebut X dan jumlah output X dan jumlah output disebut Y, jumlah keuntungan disebut B, sehingga dapat dituliskan :
B = ( Y. Py) – ( X. PX)
Agar B mencapai maksimum, turunan pertama harus disamakan dengan nol, dengan asumsi PX dan PY konstan. Turunan pertamanya adalah nol.
(51)
dB = Py . dY - PX dX dX Py . MP = PX VMP = PX VMP (NPMXi) = 1
PX dimana :
VMP = Value Marginal Product Px = harga input Py = harga output X = jumlah input Y = jumlah output dB, dX = turunan B dan X dY, dX = turunan Y dan X
Dalam banyak kenyataan NPMx tidak selalu sama dengan Px. Yang sering terjadi adalah sebagai berikut:
c. (NPMx / Px) > 1 ; artinya penggunaan input X belum efisien, untuk mencapai efisien input X perlu ditambah.
d. (NPMx / Px) < 1 ; artinya penggunaan input X tidak efisien, untuk mencapai efisien input X perlu dikurangi (Soekartawi, 1990).
Nilai efisiensi harga juga dapat diketahui dari pengolahan data dengan bantuan Software Frontier Version 4.1c dengan input data harga pupuk kimia setiap sampel dan harga penerimaan setiap responden per hektar. Jika nilai efisiensi harga sama dengan satu maka penggunaan input atau faktor produksinya sudah efisien.
(52)
Tabel 5.3 Efisiensi Harga Cabai Merah
Sampel Efisiensi Harga Keterangan
1 0,11286519 Tidak Efisien
2 0,11287030 Tidak Efisien
3 0,11019979 Tidak Efisien
4 0,11064375 Tidak Efisien
5 0,11064375 Tidak Efisien
6 0,10945073 Tidak Efisien
7 0,11269195 Tidak Efisien
8 0,11335018 Tidak Efisien
9 0,11286621 Tidak Efisien
10 0,11259703 Tidak Efisien
11 0,11471959 Tidak Efisien
12 0,11211032 Tidak Efisien
13 0,11014676 Tidak Efisien
14 0,10932421 Tidak Efisien
15 0,11054834 Tidak Efisien
16 0,11217136 Tidak Efisien
17 0,11242728 Tidak Efisien
18 0,11229408 Tidak Efisien
19 0,11295573 Tidak Efisien
20 0,11336614 Tidak Efisien
21 0,11323421 Tidak Efisien
22 0,11295632 Tidak Efisien
23 0,11208099 Tidak Efisien
24 0,11229045 Tidak Efisien
25 0,11522344 Tidak Efisien
26 0,11312078 Tidak Efisien
27 0,11254267 Tidak Efisien
28 0,11333093 Tidak Efisien
29 0,11328819 Tidak Efisien
30 0,11097262 Tidak Efisien
31 0,11301772 Tidak Efisien
32 0,11022560 Tidak Efisien
33 0,11097517 Tidak Efisien
34 0,11123831 Tidak Efisien
35 0,11213057 Tidak Efisien
36 0,11118692 Tidak Efisien
37 0,11096966 Tidak Efisien
38 0,11119258 Tidak Efisien
39 0,11339317 Tidak Efisien
40 0,11233786 Tidak Efisien
41 0,11218877 Tidak Efisien
42 0,11223457 Tidak Efisien
Rata-Rata 0,11210415 Tidak Efisien Sumber : Data Primer Diolah
(53)
Berdasarkan hasil olah data menggunakan perangkat lunak Frontier 4.1c diperoleh nilai rata-rata efisiensi harga sebesar 0,11. Nilai efisiensi harga tersebut menunjukkan bahwa rata-rata petani sampel hanya mencapai 11% dari produksi yang diperoleh dengan kombinasi harga input produksi yang dikorbankan. Hal ini menunjukkan bahwa pengunaan faktor produksi (pupuk kimia) belum efisien secara harga 0 < 0,1 < 1 (mendekati 0). Nilai efisiensi harga yang belum mencapai 1 berarti tingkat efisiensi secara harga rendah. Dilihat dari hasil penelitian sebanyak 42 sampel, semuanya tidak mencapai efisiensi secara harga. Memang efisiensi harga sangat dipengaruhi pada harga waktu tertentu. Efisiensi harga akan lebih tercapai jika fluktuasi harga meningkat. Pada saat penelitian, harga cabai merah memang sedang mengalami penurunan harga.
Menurut servey lapangan, mereka menjual cabai merah kepada 1 pembeli saja yang setiap hari datang langsung ke desa mereka. Pembeli menentukan harga secara sepihak. Sehingga berapapun harga yang ditawarkan para buyer, petani selalu rela menerimanya. Pemerintah tidak dapat mengatur harga terhadap produk-produk yang dihasilkan produsen price taker. Penentuan harga sesuai terhadap mekanisme pasar. Solusi yang dapat dilakukan untuk mengefisiensikan harga adalah petani sebagai price taker harus melakukan efisiensi sendiri terutama dari segi biaya input pupuk kimia. Karena biaya yang dialokasikan untuk pupuk kimia relatif besar. Petani harus mengikuti anjuran takaran yang telah penulis teliti melalui teori The Law of Diminishing Returns. Pemerintah juga harus memberikan informasi harga cabai merah secara up date kepada petani, agar para petani tidak dapat dibohongi oleh para buyer. Dan harapan mereka kepada pemerintah adalah agar menyediakan pabrik saos satu saja
(54)
di Kabupaten Simalungun yang dapat menampung cabai-cabai merah petani se Kabupaten Simalungun. Harapan mereka tentu sangat positif bagi pembangunan Kabupaten Simalungun, keinginan mereka menjadi price maker sudah ada. Artinya mereka ingin mengubah produk pertanian menjadi produk industri pertanian yang tentunya nilai tambah akan lebih tinggi bagi produk itu sendiri. 5.1.3 Efisiensi Ekonomi
Efisiensi ekonomi merupakan produk dari efisiensi teknis dan efisiensi harga. Efisiensi ekonomi akan tercapai apabila efisiensi teknis dan harga sudah
tercapai terlebih dahulu. Efisiensi ekonomi (EE) dapat diperoleh dengan kriteria : EE = ET. EH.
Dimana:
EE : Efisiensi Ekonomi ET : Efisiensi Teknis EH : Efisiensi Harga
Dengan kriteria penilaian yaitu, jika :
1. EE = 1, maka penggunaan faktor produksi sudah efisien 2. EE >1 , maka penggunaan faktor produksi tidak efisien 3. EE< 1, maka penggunaan faktor produksi tidak efisien
Efisiensi ekonomi adalah perkalian efisiensi teknis dan efisiensi harga/ alokatif. Dari perhitungan efisiensi ekonomi, maka diperoleh hasil efisiensi ekonomi penggunaan pupuk kimia tanaman cabai merah sebagai berikut :
(55)
Tabel 5.4 Efisiensi Ekonomi Cabai Merah
Sampel Efisiensi Teknis
Efisiensi Harga
Efisiensi
Ekonomi Keterangan 1 0,72070919 0,11286519 0,081343 Tidak Efisien 2 0,72678764 0,11287030 0,082033 Tidak Efisien 3 0,78973652 0,11019979 0,087029 Tidak Efisien 4 0,87861586 0,11064375 0,097213 Tidak Efisien 5 0,70448486 0,11064375 0,077947 Tidak Efisien 6 0,37742925 0,10945073 0,041310 Tidak Efisien 7 0,60250745 0,11269195 0,067898 Tidak Efisien 8 0,73781540 0,11335018 0,083632 Tidak Efisien 9 0,72678764 0,11286621 0,082030 Tidak Efisien 10 0,72678764 0,11259703 0,081834 Tidak Efisien 11 0,82708662 0,11471959 0,094883 Tidak Efisien 12 0,93385890 0,11211032 0,104695 Tidak Efisien 13 0,47442314 0,11014676 0,052256 Tidak Efisien 14 0,45113185 0,10932421 0,049320 Tidak Efisien 15 0,34498697 0,11054834 0,038138 Tidak Efisien 16 0,85399439 0,11217136 0,095794 Tidak Efisien 17 0,80996270 0,11242728 0,091062 Tidak Efisien 18 0,72070919 0,11229408 0,080931 Tidak Efisien 19 0,77095544 0,11295573 0,087084 Tidak Efisien 20 0,82708662 0,11336614 0,093764 Tidak Efisien 21 0,85399439 0,11323421 0,096701 Tidak Efisien 22 0,72678764 0,11295632 0,082095 Tidak Efisien 23 0,74669564 0,11208099 0,083690 Tidak Efisien 24 0,80996270 0,11229045 0,090951 Tidak Efisien 25 0,82708662 0,11522344 0,095330 Tidak Efisien 26 0,58664678 0,11312078 0,066362 Tidak Efisien 27 0,74669564 0,11254267 0,084035 Tidak Efisien 28 0,82708662 0,11333093 0,093734 Tidak Efisien 29 0,78973652 0,11328819 0,089468 Tidak Efisien 30 0,72209101 0,11097262 0,080132 Tidak Efisien 31 0,73781540 0,11301772 0,083386 Tidak Efisien 32 0,83820133 0,11022560 0,092391 Tidak Efisien 33 0,85734631 0,11097517 0,095144 Tidak Efisien 34 0,86459667 0,11123831 0,096176 Tidak Efisien 35 0,73476372 0,11213057 0,082389 Tidak Efisien 36 0,84742835 0,11118692 0,094223 Tidak Efisien 37 0,85399439 0,11096966 0,094767 Tidak Efisien 38 0,72114887 0,11119258 0,080186 Tidak Efisien 39 0,73781540 0,11339317 0,083663 Tidak Efisien 40 0,70518587 0,11233786 0,079219 Tidak Efisien 41 0,62172336 0,11218877 0,069750 Tidak Efisien 42 0,56210089 0,11223457 0,063087 Tidak Efisien Rata-Rata 0,73154194 0,11210415 0,082009 Tidak Efisien Sumber : Data Primer Diolah
(56)
Diperoleh nilai rata-rata efisiensi teknis penggunan pupuk kimia cabai merah sebesar 0,99, dan nilai rata-rata efisiensi harga usahatani cabai merah sebesar 0,1. Hasil perhitungan efisiensi ekonomi di lokasi penelitian adalah sebagai berikut :
EE = ET x EH = 0,73 x 0,11 = 0,08
Dari hasil perhitungan di atas, maka diperoleh rata-rata nilai efisensi ekonomi sebesar 0,08. Hal ini menunjukkan usahatani cabai merah di lokasi penelitian tidak efisien secara ekonomi karena 0,08 < 1. Walapun demikian, rata-rata pendapatan mereka sangat baik jika mengikuti standar prosedur walaupun harga lagi rendah.
Menurut survey lapangan kepada Gapoktan, jika mengikuti 100% standar prosedur penanaman cabai merah di desa tersebut tanpa gangguan iklim dan faktor lainnya, satu pokok tanaman cabai merah menghasilkan 3 Kg/periode tanam. Standar prosedur ini mereka ambil melalui nasehat-nasehat yang diberikan oleh penjual produk pupuk yang langsung turun ke lapangan, bukan dari dinas pertanian setempat. Padahal menurut pengakuan mereka penyuluh tetap turun tiap bulannya ke desa untuk memberikan informasi budidaya tanaman dan pemasaran. Tetapi mereka tetap menggunakan standar prosedur dari penjual produk dan menjualnya hanya kepada satu pembeli saja yang langsung turun ke desa mereka.
Adapun standar prosedurnya adalah jika mempunyai lahan 1 hektar, maka dapat ditanami 8.000 pokok cabai merah. Sebab jarak tanam cabai merah itu sendiri adalah 1 m X 0,8 m. Maka jumlah produksi dalam satu hektar sebesar
(57)
24.000 Kg. Jika dikalikan dengan harga saat survey, yaitu Rp. 10.000,- dari petani, maka penerimaan mereka sebesar Rp. 240.000.000/periode tanam.
Untuk mengetahui pendapatan, Penerimaan harus dikurangkan dengan total biaya. Komponen-komponen biaya yang harus dikeluarkan untuk tanaman cabai merah per hektar di Desa tersebut adalah :
Tabel 5.5 Biaya Standar Prosedur Produksi Cabai Merah/Ha/Periode Tanam
No Faktor-Faktor Produksi Jumlah Biaya (Rp)
1 Pupuk Kimia (50% ZA, 20% TSP, 20% KCL, 10%
Kompleks) 1.600 Kg 8.200.000
2 Kompos 4.000 Kg 11.200.000
3 Mulsa 4 gulungan 1.100.000
4 Obat-Obatan (Pestisida dan
hormon) 4.000.000
5 Tenaga kerja sebelum panen (olah tanah, menabur pupuk, guludan, pasang mulsa, melubangi mulsa, dan tanam
48 orang 2.880.000 6 Tenaga kerja pasca panen 576 orang 34.560.000
Jumlah Biaya 87.860.000
Sumber : Data Primer Diolah
Dari tabel 5.5, dapat dilihat bahwa biaya yang harus dikeluarkan dalam usahatani cabai merah per hektar per periode tanam jika mengikuti standar prosedur adalah Rp. 87.860.000. Jika dikurangkan dengan penerimaan, maka pendapatan yang akan diperoleh petani cabai merah adalah Rp. 240.000.000 – Rp. 87.860.000 = Rp. 152.140.000 /Ha/Periode tanam. Jika dihitung pendapatan petani cabai merah perbulan di desa tersebut, maka Rp. 152.140.000/6 bulan = Rp. 25.357.000/Ha/bulan. Pendapatan yang sangat tinggi jika dibandingkan pegawai pada umumnya di kota.
Namun jika melihat kondisi tempat tinggal, pendapatan mereka tidak sebanding dengan rumah yang mereka tempati. Setelah di survey lebih lanjut,
(58)
ternyata uang nya banyak habis untuk menutupi hutang sebelumnya, biaya anak yang kuliah di kota, berjudi, atau menutupi kerugian terhadap komoditas lain yang mereka tanam. Namun ada juga beberapa warga yang rumahnya sangat baik, memiliki truk, mobil pribadi, dan sepeda motor.
5.2 Penentuan Dosis Pupuk Kimia Optimal Produksi Cabai Merah Berdasarkan Teori The Law of Diminishing Returns
Efisiensi diartikan sebagai upaya penggunaan input yang sekecil-kecilnya untuk mendapatkan produksi yang sebesar-besarnya. Efisien dapat diketahui apabila Average Product (AP) berada di titik maksimun dan ketika Average Product (AP) sama dengan Marginal Product (MP) sampai ketika Marginal Product (MP) berada dititik 0 dan Total Product (TP) berada di titik maksimum.
“ Bila satu faktor produksi ditambah terus dalam suatu produksi, ceteris
paribus, maka mula-mula terjadi kenaikan hasil, kemudian kenaikan hasil itu
menurun, lalu kenaikan hasil nol dan akhirnya kenaikan hasil negatif ”.
The Law Of Diminishing Returns merupakan hukum kenaikan hasil yang semakin berkurang. Hukum ini populer dipakai dalam sektor pertanian, di mana di dalam sektor pertanian penambahan faktor produksi akan meningkatkan hasil. Namun peningkatan hasil memiliki batas yang justru dalam jangka panjang faktor produksi ditambah malah tidak memberikan hasil yang meningkat dan bahkan cenderung menurun.
Petani cabai merah juga meningkatkan penggunaan dosis pupuk kimia dengan harapan akan meningkatkan produksi cabai merah. Namun hal itu tidak sepenuhnya benar karena pada suatu ketika peningkatan dosis pupuk kimia tidak memberikan hasil yang meningkat pada produksi cabai merah.
(59)
Pada tabel 5.6 disajikan dosis penggunaan pupuk kimia, produksi cabai merah, AP, MP berdasarkan informasi 42 sampel.
Tabel 5.6 AP, MP, dan EP Penggunaan Pupuk Kimia Pada Tanaman Cabai Merah/Ha
No
Dosis Pupuk ( kg) X
Produksi Cabai (Kg) Y
LnX LnY AP MP EP
1 500 3.508,77 6,214608 8,163021 1,313521 0 0 2 650 5.523,36 6,476972 8,616742 1,330365 1,73 1,2999 3 700 8.014,49 6,55108 8,989006 1,372141 5,02 3,6608 4 900 10.084,51 6,802395 9,218756 1,355222 0,91 0,6745 5 920 8.084,51 6,824374 8,997705 1,318465 -10,06 -7,6281 6 960 12.523,36 6,866933 9,435351 1,374026 10,28 7,4840 7 1.000 14.000 6,907755 9,546813 1,382042 2,73 1,975 8 1.050 13.000,00 6,956545 9,472705 1,361696 -1,52 -1,1155 9 1.098 10.563,38 7,001246 9,265149 1,323357 -4,64 -3,5087 10 1.100 14.500,00 7,003065 9,581904 1,368244 174,14 127,27 11 1.150 14.054,05 7,047517 9,550666 1,355181 -0,70 -0,5186 12 1.190 14.052,29 7,081709 9,550541 1,348620 0 0 13 1.200 16.674 7,090077 9,721633 1,371160 20,45 14,9114 14 1.200 16.674 7,090077 9,721633 1,371160 0 0 15 1.200 16.674 7,090077 9,721633 1,371160 0 0 16 1.230 19.000,00 7,114769 9,852194 1,384752 5,29 3,8184 17 1.230 19.000,00 7,114769 9,852194 1,384752 0 0 18 1.230 19.000,00 7,114769 9,852194 1,384752 0 0 19 1.400 14.021,63 7,244228 9,548356 1,318063 -2,35 -1,7806 20 1.400 14.021,63 7,244228 9,548356 1,318063 0 0 21 1.500 22.107,40 7,31322 10,00367 1,367888 6,60 4,8246 22 1.500 22.107,40 7,31322 10,00367 1,367888 0 0 23 1.600 23.541,76 7,377759 10,06653 1,364442 0,97 0,713 24 1.600 23.541,76 7,377759 10,06653 1,364442 0 0 25 1.600 23.541,76 7,377759 10,06653 1,364442 0 0 26 1.600 23.541,76 7,377759 10,06653 1,364442 0 0 27 1.675 14.044,94 7,423568 9,550017 1,286445 -11,28 -8,764 28 1.700 21.060,03 7,438384 9,955132 1,338346 27,34 20,430 29 1.700 21.060,03 7,438384 9,955132 1,338346 0 0 30 1.720 14.084,51 7,45008 9,552831 1,282245 -34,40 -26,825 31 1.745 14.018,69 7,46451 9,548147 1,279139 -0,32 -0,253 32 1.800 19.219,84 7,495542 9,863698 1,315941 10,17 7,727 33 1.800 19.219,84 7,495542 9,863698 1,315941 0 0 34 1.800 19.219,84 7,495542 9,863698 1,315941 0 0 35 1.830 14.084,51 7,512071 9,552831 1,271664 -18,81 -14,79 36 1.900 17.551,37 7,549609 9,772887 1,294489 5,86 4,52 37 2.000 20.165,73 7,600902 9,91174 1,304021 2,71 2,075 38 2.000 20.165,73 7,600902 9,91174 1,304021 0 0
(60)
-50 0 50 100 150 200 MP AP 0.00 5,000.00 10,000.00 15,000.00 20,000.00 25,000.00 30,000.00 5 0 0 9 2 0 1 ,0 9 8 1 ,2 0 0 1 ,2 3 0 1 ,5 0 0 1 ,6 0 0 1 ,7 0 0 1 ,8 0 0 2 ,0 0 0 2 ,0 6 0 Produksi Cabai Merah (Kg)
Berdasarkan data yang diperoleh pada tabel 5.6, maka dapat diperoleh kurva penggunaan pupuk kimia pada tanaman cabai merah seperti berikut ini : Kurva Produksi Cabai Merah
Gambar 5.1 Kurva Penggunaan Pupuk Kimia Usahatani Cabai Merah
39 2.000 20.165,73 7,600902 9,91174 1,304021 0 0 40 2.000 20.165,73 7,600902 9,91174 1,304021 0 0 41 2.060 10.563,38 7,630461 9,265149 1,214231 -21,87 -18,015 42 3.000 24.176,47 8,006368 10,09314 1,260639 2,20 1,747 r : Sumber :Data Primer Diolah
(61)
Penggunaan pupuk kimia yang optimal pada usahatani cabai merah menurut teori The Law of Diminishing Returns adalah ketika Average Product (AP) sama dengan nilai Marginal Product (MP) atau nilai elastisitas produksinya (EP) = 1.
Berdasarkan tabel 5.6 dapat dilihat bahwa penggunaan pupuk kimia yang optimal adalah ketika nilai AP sebesar 1,36 dan nilai MP sebesar 0,97 sehingga didapatkan nilai elastisitas produksi (EP) sebesar 0,71. Nilai tersebut sama dengan kriteria jumlah pupuk kimia yang dianjurkan oleh buku pedoman dari Gapoktan di desa tersebut, yaitu penggunaan pupuk kimia sebesar 32 sak atau setara 1.600 Kg/Ha dapat menghasilkan cabai merah sebesar 24.000 Kg. Jumlah pupuk kimia tersebut dibagi atas pupuk ZA sebesar 800 Kg, pupuk TSP sebesar 320 Kg, pupuk KCL sebesar 320 Kg, dan pupuk Kompleks sebesar 160 Kg. Sedangkan petani yang optimal menurut teori LDR tersebut menggunakan pupuk ZA sebesar 800 Kg, pupuk TSP sebesar 320 Kg, pupuk KCL sebesar 340 Kg, dan pupuk Kompleks sebesar 140 Kg telah menghasilkan cabai merah sebesar 23.541,76 Kg. Kriteria dosis yang digunakan dan hasil cabai merah petani ini sangat mendekati kriteria Gapoktan yang dianjurkan dan hasil yang diperoleh. Terbuktilah bahwa pedoman yang dimiliki oleh Gapoktan adalah kriteria dosis pupuk kimia yang optimal untuk tanaman cabai merah di Desa Urung Purba.
Namun sangat disayangkan, dari 42 petani, hanya 6 (14,2%) petani yang
termasuk kedalam kategori optimal dengan indikator range 0≤EP≤1. Dan
selebihnya 36 petani (85,8%) belum dan tidak menggunakan pupuk secara optimal. Tentunya peran Gapoktan harus lebih ditingkatkan kembali dalam mensosialisasikan anjuran pemberian pupuk kimia kepada petani cabai merah di Desa Urung Purba tersebut. Agar tingkat kerugian dapat lebih ditekan dan lebih
(1)
9. Abang Fadli, abang Suheli, kakak Agri, dan kakak Senior 2011 dan 2012 yang telah banyak membantu yang tidak bisa saya sebutkan satu persatu.
10. Segenap pihak yang tidak dapat penulis sebutkan satu per satu yang telah memberikan bantuan dan dukungan selama penulis menempuh pendidikan dan penulisan skripsi ini.
11. Kepala Desa, Sekretaris Desa, Ketua Gapoktan, dan seluruh warga Desa Urung Purba yang tidak dapat penulis sebutkan satu per satu yang telah memberikan bantuan berupa data dan dukungan moril dalam penulisan skripsi ini.
Penulis menyadari bahwa skripsi ini masih jauh dari sempurna. Oleh karena itu, penulis mengharapkan kritik dan saran yang sifatnya membangun demi kesempurnaan skripsi ini. Akhirnya penulis ucapkan terima kasih dan berharap semoga skripsi ini bermanfaat bagi semua pihak yang bersangkutan.
Medan, Mei 2016
(2)
DAFTAR ISI
ABSTRAK ... i
RIWAYAT HIDUP ... ii
KATA PENGANTAR ... iii
DAFTAR ISI ... v
DAFTAR TABEL ... vii
DAFTAR GAMBAR ... viii
DAFTAR LAMPIRAN ... ix
BAB I PENDAHULUAN 1.1 Latar Belakang ... 1
1.2 Identifikasi Masalah ... 2
1.3 Tujuan Penelitian ... 3
1.4 Kegunaan Penelitian ... 3
1.5 Keaslian Penelitian ... 4
BAB II TINJAUAN PUSTAKA 2.1 Tinjauan Pustaka ... 5
2.1.1 Cabai Merah ... 5
2.1.2 Pupuk Kimia... 6
2.2 Landasan Teori ... 9
2.2.1 Fungsi Produksi ... 9
2.2.2 Fungsi Cobb- Douglas ... 10
2.2.3 Teori The Law of Diminishing Returns ... 12
2.2.4 Fungsi Efisiensi ... 15
2.2.5 Fungsi Statistik ... 18
(3)
3.4 Metode Analisis Data ... 34
3.5 Definisi dan Batasan Operasional ... 41
3.5.1 Definisi ... 41
3.5.2Batasan Operasional ... 43
BAB IV KEADAAN UMUM LOKASI PENELITIAN 4.1 Deskripsi Daerah Penelitian ... 44
4.2 Karakteristik Sampel Dalam Penelitian ... 48
4.2.1 Jenis Kelamin Sampel ... 48
4.2.2 Usia Sampel... 48
4.2.3 Pendidikan Sampel ... 49
BAB V HASIL DAN PEMBAHASAN 5.1 Efisiensi Teknis, Efisiensi Harga, dan Efisiensi Ekonomi Penggunaan Pupuk Kimia Usaha Tani Cabai Merah... 50
5.1.1 Efisiensi Teknis ... 52
5.1.2 Efisiensi Harga ... 55
5.1.3 Efisiensi Ekonomi ... 59
5.2 Penentuan Dosis Pupuk Optimal Produksi Cabai Merah Berdasarkan Teori The Law of Diminishing Returns ... 63
5.3 Analisis Faktor-Faktor yang Mempengaruhi Penggunaan Pupuk Kimia Oleh Petani Cabai Merah ... 67
BAB V KESIMPULAN DAN SARAN 6.1 Kesimpulan ... 73
6.2 Saran ... 73
DAFTAR PUSTAKA LAMPIRAN
(4)
DAFTAR TABEL
No. JUDUL HALAMAN
1 Luas Panen dan Produktivitas cabai merah Per
Kabupaten/Kota di Sumatera Utara Tahun 2012-2014 1 2 Kandungan Zat Gizi Buah Cabai Merah Segar ( per 100 gr) 6
3 Penelitian Terdahulu 21
4 Perkembangan Produksi, Luas Panen, dan Produktivitas
Cabai Merah Menurut Kabupaten sentra, 2012-2014 30
5 Luas Areal, Produksi Cabai Merah, dan Produktivitas Kabupaten Simalungun, Provinsi Sumatera Utara Tahun 2014
31 6 Luas Panen, Produksi dan Produktivitas Cabai Merah
Kecamatan Purba, Kabupaten Simalungun berdasarkan Desa
Tahun 2014. 32
7 Definisi variabel Fungsi Produksi Usaha Tani Cabai Merah 34
8 Jenis Pekerjaan Pokok Tahun 2015 46
9 Prasarana dan Sarana Tahun 2015 47
10 Tanaman Pangan dan Perkebunan Tahun 2015 47
11 Dosis Pupuk Kimia, Harga Pupuk Kimia, Produksi Cabai Merah, Harga Cabai Merah, dan Penerimaan Petani/Ha
51
12 Efisiensi Teknis Cabai Merah 54
13 Efisiensi Harga Cabai Merah 57
14 Efisiensi Ekonomi Cabai Merah 60
15 Biaya Standar Prosedur Produksi Cabai Merah /Ha/Periode
(5)
DAFTAR GAMBAR
No. JUDUL HALAMAN
1 Tahap-Tahap Produksi 11
2 The Law of Diminishing Returns 14
3 Daerah Diterima dan Ditolak H0 20
3 Skema Kerangka Pemikiran 27
4 Grafik Penduduk Desa Menurut Jenis Pekerjaan 48
5 Grafik Jumlah Sampel Menurut Jenis Kelamin 48
6 Grafik Usia Sampel 48
7 Grafik Pendidikan Sampel 49
(6)
DAFTAR LAMPIRAN
No. JUDUL
1 Karakteristik Sampel
2 Jumlah Dosis, Produksi, Harga Cabai Merah, dan Penerimaan Petani Cabai Merah/Ha/Periode Tanam
3 Pendapatan Petani/Ha/Periode Tanam
3 Output From The Program Frontier (Version 4.1c) The Model Is
AProduction Function
4 Output From The Program Frontier (Version 4.1c) The Model Is ACost
Function
5 Hasil Analisis Regresi Linear Berganda “Faktor-Faktor yang Mempengaruhi
Penggunaaan Pupuk Kimia pada Usahatani Cabai Merah dengan Software spss 17