Pendapatan Petani Padi Sawah di Pulau Ja
Pendapatan Petani Padi Sawah di Pulau Jawa Tahun 2013
dan Faktor-faktor yang Memengaruhinya
(Menggunakan Regresi Robust pada Data SPP 2013)
Candra Wibowo*1, Agung Priyo Utomo2
1
4SE3/13.7541
Jurusan Statistika
Peminatan Ekonomi
1
e-mail: * 13.7541@stis.ac.id, 2agung@stis.ac.id
Abstrak
Kontributor utama dalam sektor pertanian yaitu subsektor tanaman pangan, khususnya
tanaman padi sawah. Sektor ini banyak menyerap tenaga kerja, yaitu sebanyak 8.698.015 rumah
tangga atau sekitar 61,5 % dari total rumah tangga usaha pertanian tanaman padi di Indonesia.
Namun sebagian besar pekerja di sektor ini memiliki pendapatan yang rendah meskipun harga
gabah semakin meningkat setiap tahunnya. Penelitian ini bertujuan untuk menganalisis variabelvariabel yang memengaruhi pendapatan petani padi sawah di Pulau Jawa tahun 2013. Data yang
digunakan yaitu Survei Pendapatan Rumah Tangga Usaha Pertanian tahun 2013 yang dilakukan
oleh BPS. Metode analisis yang digunakan yaitu regresi robust karena data menunjukkan adanya
nilai pencilan (outlier). Hasil penelitian menunjukkan variabel yang berpengaruh signifikan
secara parsial terhadap pendapatan petani padi sawah yaitu luas lahan irigasi, luas lahan non
irigasi, luas panen, kredit bank, dan pemasaran, sementara variabel penyuluhan pertanian tidak
berpengaruh secara signifikan. Dalam upaya meningkatkan produksi dan pendapatan petani
padi sawah perlu ditingkatkan penggunaan lahan irigasi. Hal ini dapat dilakukan dengan
meningkatkan perbaikan sistem irigasi, sehingga petani padi sawah tidak perlu untuk terlalu
mengandalkan kondisi alam untuk mengairi sawahnya.
Kata kunci—Padi sawah, outlier, regresi robust
Abstract
The main contributor in the agriculture sector are food crops sub-sector, especially
rice field crops. This sector absorbs a lot of labor, which is 8.698.015 households or about 61.5%
of the total household of rice farming business in Indonesia. But mostly, workers in this sector
have low incomes even though grain prices are increasing every year. This study aims to analyze
the variables that affect the income of rice farmers in Java Island in 2013. The data used is the
Household Income Survey of Agricultural Enterprises in 2013 conducted by BPS. The analytical
method used is robust regression because the data shows the value of outliers. The result of the
research shows that the variables that have significant partial effect on the income of paddy
farmer are irrigated land area, non irrigation area, harvest area, bank credit, and marketing,
while agricultural extension variable has no significant effect. In an effort to increase production
and income of paddy field farmers need to increase the use of irrigated land. This can be done by
improving the improvement of irrigation systems, so that rice farmers do not need to rely too
heavily on natural conditions to irrigate their fields.
Keywords—Paddy rice, outlier, robust regression
1
ISSN: 1978-1520
1. PENDAHULUAN
Kontributor utama dalam sektor pertanian yaitu subsektor tanaman pangan, khususnya
tanaman padi sawah. Hasil Sensus Pertanian tahun 2013 menunjukkan bahwa rumah tangga
tanaman pangan di Indonesia didominasi oleh rumah tangga yang mengelola tanaman padi,
khususnya di Pulau Jawa. Jumlah rumah tangga usaha tanaman padi sawah di Pulau Jawa pada
tahun 2013 sebanyak 8.698.015 rumah tangga atau sekitar 61,5 % dari total rumah tangga usaha
pertanian tanaman padi di Indonesia.
Namun di sisi lain, hasil Sensus Pertanian tahun 2013 menunjukkan bahwa sebagian
besar dari para pekerja di sektor pertanian hidup di bawah garis kemiskinan, yaitu sebanyak 16,66
juta jiwa atau 59,36 % dari total penduduk miskin. Seperti yang telah diketahui sebelumnya,
pekerja subsektor tanaman pangan yang mengelola tanaman padi mendominasi jumlah pekerja di
sektor pertanian. Hal ini menunjukkan bahwa banyak petani padi di Indonesia yang masih
berpendapatan rendah, meskipun harga gabah dari tahun ke tahun selalu mengalami peningkatan.
Fenomena di atas tentu menjadi suatu permasalahan yang besar bagi Indoensia. Karena
dengan tingkat kesejahteraan yang masih tergolong rendah, orang akan terdorong untuk mencari
pekerjaan yang memberikan tingkat kesejahteraan yang lebih baik. Dengan demikian, semakin
berkuranglah minat seseorang untuk bekerja di sektor pertanian, sehingga banyak tenaga kerja
sektor pertanian yang berpindah ke sektor lain untuk mendapatkan kesejahteraan yang lebih baik.
Selain hal tersebut, keberlanjutan sektor pertanian tanaman padi sawah sedang
dihadapkan pada ancaman serius lain, yakni luas lahan pertanian yang terus menyusut akibat
konversi lahan pertanian produktif ke penggunaan non-pertanian, seperti pembangunan pabrik,
perumahan, industri, dan infrastruktur lainnya. Menurut data BPS, laju konversi lahan sawah
mencapai 100 ribu hektar per tahun, dan hanya mampu diimbangi oleh pemerintah dengan
pencetakan 40 ribu hektar lahan sawah baru setiap tahunnya. Artinya, setiap tahun rata-rata
terdapat 60 ribu hektar lahan sawah yang lenyap.
Dalam jangka panjang, jika berbagai permasalahan di atas tidak diatasi dengan cepat,
maka tidak akan ada lagi orang yang berminat bekerja di sektor pertanian. Akibatnya, produksi
beras dalam negeri berkurang, sementara konsumsi beras di Indonesia akan meningkat seiring
dengan bertambahnya jumlah penduduk. Hal ini akan mengancam ketahanan pangan Nasional,
bahkan swasembada pangan yang dicanangkan Pemerintah akan sulit untuk terwujud. Untuk itu,
sektor pertanian harus dipertahankan sehingga petani padi sawah dapat bertahan di tengah
perkembangan zaman yang semakin lama semakin menggerus lahan mereka. Bahkan dapat
membuat sektor pertanian menjadi pekerjaan yang mudah dengan pendapatan yang tinggi,
sehingga petani padi sawah dapat berkembang dengan baik dan tidak perlu khawatir akan krisis
ketahanan pangan di dalam negeri.
Tujuan penelitian ini adalah untuk mendeskripsikan pendapatan dan karakteristik
perilaku petani padi sawah di Pulau Jawa tahun 2013 serta menganalisis faktor-faktor yang
memengaruhinya. Penelitian serupa dilakukan oleh Phahlevi (2013) mengenai pendapatan petani
padi sawah di Kota Padang Panjang. Dalam penelitiannya, variabel yang digunakan yaitu luas
lahan, harga jual padi sawah, biaya usaha tani, dan jumlah produksi. Dengan menggunakan
analisis jalur (Path Analysis) diperoleh bahwa semua variabel berpengaruh signifikan terhadap
pendapatan petani, kecuali biaya usaha tani.
Sedikit berbeda dengan penelitian Phahlevi (2013), penelitian oleh Mailusiana (2012)
menggunakan variabel luas lahan, jumlah tenaga kerja, nilai bagian hasil yang dijual, dan jarak
antara lahan garapan dengan tempat tinggal. Variabel yang signifikan hanya luas lahan dan nilai
bagian hasil yang dijual. Penelitian pendapatan petani padi sawah juga dilakukan oleh Filardi dan
Septina (2014), dengan menggunakan variabel yang lebih rinci meliputi umur, pendidikan,
pengalaman berusahatani, jumlah anggota keluarga, biaya benih, biaya pupuk, biaya pestisida,
biaya herbisida, biaya tenaga kerja, dan luas lahan garapan. Dengan menggunakan analisis regresi
linier berganda diperoleh variabel yang signifikan yaitu biaya benih, biaya pupuk, biaya tenaga
kerja dan luas lahan garapan.
2
Sementara, penelitian yang dilakukan oleh Rosmiati (2012) menunjukkan bahwa adanya
kredit menyebabkan peningkatan penggunaan input produksi, hasil produksi dan pendapatan
usahatani. Kemudian dalam penelitian Bachtar dkk (2013) menunjukkan bahwa secara parsial
pencurahan tenaga kerja, dan frekuensi mengikuti penyuluhan/pelatihan berpengaruh signifikan
terhadap pendapatan petani. Zikrina dkk (2013) dalam penelitiannya menunjukkan bahwa
produktivitas padi organik, harga urin sapi dan upah tenaga kerja berpengaruh signifikan terhadap
pendapatan petani padi organik, sementara harga bibit, harga pupuk kandang, harga pestisida
organik, dan biaya pemasaran tidak berengaruh signifikan terhadap pendapatan petani padi
organik.
2. METODOLOGI
2.1 Metode Pengumpulan Data
Data yang digunakan dalam penelitian ini adalah data sekunder dari BPS, yaitu Survei
Pendapatan Rumah Tangga Usaha Petanian (SPP) tahun 2013. Sampel yang digunakan dalam
survei ini sebanyak 418.060 rumah tangga, yang mencakup seluruh kabupaten/kota di Indonesia.
2.2 Metode Analisis
Penelitian ini menggunakan analisis deskriptif berupa grafik dan tabel. Sementara analisis
inferensia yang digunakan adalah regresi robust MM-estimate. Dalam analisis regresi, tahapan
analisis yang diakukan adalah :
1. Pendeteksian outlier
Pendeteksian outlier pada variabel independen dan variabel dependen serta
pengaruhnya terhadap model regresi dan koefisien regresi, dapat dilakukan
dengan cara berikut (Neter, 1989).
a. Identifying Outlying X Observation - Hat Matrix Leverage Value
Suatu amatan ke-i dicurigai sebagai high leverage point apabila nilai leverage
�
ℎ > ⁄�, dengan p=7 dan n=84.201. Hasil perhitungan yang diperoleh
�⁄
�=
⁄
.
= ,
.
b. Identifying Outlying Y Observation - Studentized Deleted Residuals
Nilai studentized deleted residuals ∗ dihitung menggunakan rumus
∗
=
[���
�−�−
−ℎ −�
=
[���
= � − �̂
] dengan
Suatu amatan ke-i dikatakan outlier apabila ∗ > � ; � − � −
, , n=84.201 dan p=7, maka � , ; .
− − =1,645.
c. Influence on Fitted Values – DFFITS
Nilai DFFITS dihitung dengan rumus
�−�−
−ℎ −�
]
ℎ
−ℎ
=
∗
ℎ
−ℎ
. Dengan
(1)
=
(2)
Suatu amatan ke-i dikatakan sebagai amatan yang berpengaruh terhadap model
�
regresi apabila nilai |DFFITS| > √ . Dengan p=7, dan n=84.201, maka
�
�
|DFFITS| > √ = |DFFITS| > √
�
4.
= ,
.
d. Influence on The Regression Coefficient – DFBETAS
Nilai DFBETAS dihitung menggunakan rumus
=
−
���
dengan j=0,1,2,...,p-1
(3)
ISSN: 1978-1520
Suatu amatan ke-i dikatakan berpengaruh terhadap koefisien ke-j apabila amatan
| > . Dengan n=84.201, maka
tersebut memiliki nilai |
=
=
√�
√�
√ 4.
,
.
2. Analisis Regresi Robust dengan MM-estimate
Metode analisis regresi robust merupakan regresi yang tegar/robust yang
digunakan ketika data mengandung outlier . Adapun dalam analisisnya, digunakan
software R (MASS package). Estimasi dilakukan dengan mempertimbangkan weight
karena desain survei yang digunakan merupakan desain survei yang kompleks.
Metode estimasi yang digunakan yaitu MM-estimate. Dipilih MM-estimate karena
lebih efisien dibanding estimasi regresi robust yang lain, selain itu memiliki high
breakdown point sehingga dapat mengakomodasi outlier pada variabel dependen
maupun pada variabel independen (leverage).
3. HASIL DAN PEMBAHASAN
3.1
Gambaran umum petani padi sawah di Pulau Jawa tahun 2013
Pendapatan petani padi sawah di Pulau Jawa tahun 2013 masih tergolong rendah. Hal ini
dapat kita lihat pada gambar berikut.
1,26%
1,19%
3,52%
94,03%
42 Juta
Gambar 1. Persentase petani padi sawah di Pulau Jawa
tahun 2013 menurut kategori pendapatan
setahun yang lalu
Menurut gambar di atas, 94, 03% petani padi sawah di Pulau Jawa tahun 2013 memiliki
pendapatan rendah, yaitu < 18 juta per tahun. Ini menunjukkan bahwa secara umum kondisi
petani padi sawah di Pulau Jawa tahun 2013 masih berpenghasilan rendah, sedangkan yang
berpenghasilan di atas cukup hanya sebagian kecil saja. Artinya bahwa terdapat banyak petani
padi sawah di Pulau Jawa yang masih berada pada taraf hidup yang rendah, sehingga sulit untuk
memenuhi kebutuhan sehari-hari.
Kemudian, proporsi penggunaan jenis lahan sawah di Pulau Jawa tahun 2013 besarnya
sama, yaitu 50% lahan sawah irigasi dan 50 % lahan non irigasi. Fakta tersebut mengindikasikan
bahwa masih banyak petani padi sawah yang menggunakan lahan sawah non irigasi, yaitu yang
irigasinya masih bergantung pada alam, seperti hujan, air rembesan, pasang surut air sungai/laut,
dll. Pada umumnya, petani padi sawah di Pulau Jawa tidak pernah mengajukan kredit ke bank.
Perhatikan gambar berikut.
8%
92%
Pernah
Tidak Pernah
4
Gambar 2. Persentase petani padi sawah di Pulau Jawa
tahun 2013 yang mengajuan fasilitas kredit
ke bank tiga tahun yang lalu.
Gambar di atas menunjukkan bahwa 92% petani padi sawah di Pulau Jawa tidak pernah
mengajukan fasilitas kredit ke bank, artinya hanya 8% yang pernah mengajukan kredit ke bank.
Artinya, secara umum petani padi sawah di Pulau Jawa tahun 2013 mengalami kesulitan modal
dalam proses produksinya, sehingga proses produksi yang dilakukan menjadi tidak optimal yang
menyebabkan pendapatan yang dihasilkan juga tidak optimal.
Dalam meningkatkan SDM petani padi sawah yang lebih baik, terdapat beberapa program
penyuluhan pertanian. Namun, keikutsertaan petani padi sawah dalam penyuluhan pertanian juga
masih tergolong rendah.
22%
78%
Ikut
Tidak Ikut
Gambar 3. Persentase petani padi sawah di Pulau Jawa
tahun 2013 yang mengikuti penyuluhan
pertanian.
Menurut gambar di atas, hanya 22% petani padi sawah yang mengikuti penyuluhan
pertanian sedangkan 78% tidak pernah ikut penyuluhan. Hal ini membuktikan bahwa kesadaran
petani padi sawah di Pulau Jawa tahun 2013 tentang pentingnya penyuluhan pertanian masih
rendah. Masih banyak yang melakukan teknik menanam padi secara turun temurun atau secara
otodidak, tidak ingin mengetahui teknologi dan terobosan-terobosan baru, atau pangsa pasar
pada pertanian padi sawah. Sehingga hal ini menimbulkan ketidakefisienan kerja petani padi
sawah, sehingga produksi yang dilakukan membuahkan hasil yang kurang optimal, pendapatan
yang diperoleh pun menjadi kurang optimal.
Hampir secara keseluruhan petani padi sawah di Pulau Jawa tahun 2013 tidak
memanfaatkan fasilitas koperasi untuk memasarkan hasil pertaniannya. Perhatikan gambar
berikut.
Ya
0,3%
Tidak
99,7%
Gambar 4. Persentase petani padi sawah di Pulau Jawa
tahun 2013 yang memanfaatkan fasilitas
koperasi untuk memasarkan hasil pertanian.
Hal ini sangat disayangkan karena hanya sedikit dari petani padi sawah di Pulau Jawa
tahun 2013 yang sadar akan pentingnya pemasaran produk mereka. Produk pertanian yang
dihasilkan petani padi sawah tidak akan merambah pasar yang lebih besar, karena kurangnya
pemasaran. Sehingga produk pertanian tersebut hanya akan berkutat pada pangsa pasar yang
sama, tidak dapat berkembang dan pendapatan petani padi sawah juga akan sama saja, tidak
meningkat.
ISSN: 1978-1520
3.2
Model Regresi Robust Pendapatan Petani Padi Sawah
Dari hasil pengujian nilai leverage, disimpulkan bahwa terdapat 1.636 amatan hasil
estimasi yang merupakan leverage. Sementara itu, dari nilai Studentized Deleted Reidual (SDR),
ditemukan 185.381 amatan hasil estimasi yang merupakan outlier .
Berdasarkan hasil pengukuran nilai DFFITS, dari 1.636 leverage, seluruhnya merupakan
amatan yang berpengaruh. Sementara itu dari 185.381 outlier, sebanyak 99.905 amatan
merupakan amatan yang berpengaruh. Hal ini menunjukkan bahwa sebagian besar outlier
(53,89%) merupakan amatan yang berpengaruh. Artinya bahwa baik leverage maupun outlier
yang terdeteksi sebagian besarnya adalah amatan yang berpengaruh terhadap model regresi yang
ditinjau dari fitnya. Sehingga, amatan-amatan tersebut tidak boleh dibuang begitu saja, namun
harus tetap diikutsertakan dalam analisis.
Dari penghitungan DFBETAS menunjukkan dari 1.636 leverage dan 185.381 outlier,
terdapat sebagian amatan leverage dan outlier tersebut berpengaruh ke seluruh koefisien regresi.
Hal ini menunjukkan bahwa memang sebaiknya amatan-amatan yang terdeteksi sebagai leverage
dan outlier tersebut tetap diikutsertakan dalam analisis.
Uji Signifikansi Simultan (Uji F)
Hipotesis yang diuji adalah :
: = , � = , , … , (tidak terdapat pengaruh signifikan dari variabel independen
secara simultan terhadap variabel dependen)
: minimal ada satu
≠ , � = , , … , (paling sedikit terdapat satu variabel
independen yang berpengaruh signifikan terhadap variabel dependen)
Uji Signifikansi Parsial (Uji t)
: =
, � = , , … , (variabel independen ke-j tidak berpengaruh signifikan
terhadap variabel dependen)
:
≠ , � = , , … , (variabel independen ke-j berpengaruh signifikan terhadap
variabel dependen)
Berikut merupakan hasil regresi robust yang dilakukan.
Tabel 1. Hasil regresi robust MM-estimate dengan penimbang
Estimasi
Koefisien
Std. Error
t-hitung
p-value
Keputusan
Regresi
(1)
(2)
(3)
(4)
329,7180
8,1269
40,5712
0,0000
Tolak Ho
Irigasi
0,4169
0,0018
231,4086
0,0000
Tolak Ho
Non Irigasi
0,0424
0,0022
19,3380
0,0000
Tolak Ho
LPanen
0,8254
0,0008
1037, 1900
0,0000
Tolak Ho
DKredBank
-61,3526
23,2735
-2,6362
0,0083
Tolak Ho
DPenyuluhan
23,4241
14,9935
1,5623
0,1182
Gagal
Tolak Ho
Dpemasaran
290,1335
129,2630
2,2445
0,0248
Tolak Ho
(Constant)
(5)
R-Square adj
0,5
F-Hitung
17217,84 (p-value = 0,000)
Standard
Error
16650
Estimasi Koefisien Regresi
6
(6)
Menurut tabel 1, dengan tingkat signifikansi 5 persen, terdapat minimal satu variabel
independen yang berpengaruh terhadap pendapatan petani padi sawah. Variabel independen yang
berpengaruh signifikan secara parsial yaitu luas lahan irigasi, luas lahan non irigasi, luas panen,
kredit bank, dan pemasaran. Persamaan yang dibentuk dari hasil regresi di atas adalah sebagai
berikut.
̂
Pendapatan
=
,
+ ,
Irigasi∗ + ,
NonIrigasi∗ +
,
LPanen∗ − ,
DKredBank ∗ + ,
DPenyuluhan +
∗
,
DPemasaran
(4)
*Signifikan pada taraf uji 5 persen
R2 yang dihasilkan adalah sebesar 0,6139. Artinya bahwa 61 persen keragaman
pendapatan petani padi sawah di Pulau Jawa tahun 2013 dapat dijelaskan oleh variabel-variabel
independen dalam model, sementara itu 39 persen sisanya dipengaruhi oleh faktor-faktor lain di
luar model. Berdasarkan persamaan model yang terbentuk, dapat dilihat interpretasi dari setiap
koefisien regresi dari variabel independennya sebagai berikut.
a.
Luas lahan sawah irigasi
Koefisien regresi luas lahan sawah irigasi sebesar 0,4169. Artinya bahwa peningkatan
luas lahan sawah irigasi seluas 1 m2 akan meningkatkan pendapatan petani padi sawah sebesar
Rp416,9 dengan asumsi variabel lainnya konstan. Hal ini sejalan dengan penelitian Nababan
(2009). Oleh karena itu, perluasan penggunaan lahan sawah irigasi dapat menjadi salah satu
alternatif untuk meningkatkan pendapatan petani padi sawah.
b.
Luas lahan sawah non irigasi
Koefisien regresi luas lahan sawah non irigasi sebesar 0,0424. Artinya bahwa
peningkatan luas lahan sawah non irigasi seluas seluas 1 m2 akan meningkatkan pendapatan petani
padi sawah sebesar Rp42,4 dengan asumsi variabel lainnya konstan. Hal ini juga sejalan dengan
penelitian Nababan (2009). Oleh karena itu, perluasan penggunaan lahan sawah non irigasi juga
dapat menjadi salah satu alternatif setelah perluasan penggunaan lahan sawah irigasi untuk
meningkatkan pendapatan petani padi sawah.
c.
Luas panen
Koefisien regresi luas panen sebesar 0,8254. Artinya bahwa peningkatan luas panen
seluas 1 m2 akan meningkatan pendapatan petani padi sawah sebesar Rp825,4 dengan asumsi
variabel lainnya konstan. Oleh karena itu, peningkatan luas panen dengan ekstensifikasi lahan
dapat menjadi salah satu alternatif yang tepat untuk meningkatkan pendapatan petani padi sawah.
d.
Pengajuan fasilitas kredit ke bank
Koefisien regresi dummy kredit bank sebesar -61,3526. Artinya bahwa secara rata-rata,
petani padi sawah yang pernah mengajukan kredit ke bank selama 3 tahun terakhir memiliki
pendapatan sebesar Rp61.352,6 lebih rendah daripada petani padi sawah yang tidak pernah
mengajukan kredit ke bank, dengan asumsi variabel lain konstan. Hal ini menunjukkan bahwa
pengajuan kredit ke bank untuk tambahan modal dalam berproduksi tidak serta merta dapat
meningkatkan pendapatan petani padi sawah. Hal ini menurut penelitian Santosa (2009),
menyatakan bahwa pinjaman kredit yang didapat petani tidak digunakan dengan baik untuk
pengembangan usaha tani, namun digunakan untuk keperluan lain seperti membayar hutang,
membayar uang sekolah, membayar arisan, dan membeli kebutuhan pokok sehari-hari.
e.
Keikutsertaan dalam penyuluhan pertanian
Koefisien regresi dummy penyuluhan sebesar 23,4241. Artinya bahwa secara rata-rata,
petani padi sawah yang pernah ikut dalam penyuluhan pertanian memiliki pendapatan sebesar
Rp23.424,1 lebih tinggi daripada petani padi sawah yang tidak pernah ikut dalam penyuluhan
pertanian, dengan asumsi variabel lain konstan.
Namun, dari hasil pengujian secara parsial, variael dummy penyuluhan tidak berpengaruh
signifikan terhadap pendapatan petani padi sawah di Pulau Jawa tahun 2013. Hal ini
mengindikasikan bahwa program penyuluhan pertanian yang dilakukan selama ini dinilai belum
efektif, dapat disebabkan karena model atau metode penyuluhan yang dilakukan kurang sesuai
ISSN: 1978-1520
dengan kebutuhan masing-masing daerah di Pulau Jawa.Pemanfaatan fasilitas koperasi dalam
pemasaran hasil pertanian
f.
Koefisien regresi dummy pemasaran sebesar 290,1335. Artinya bahwa secara rata-rata,
petani padi sawah yang pernah memanfaatkan fasilitas koperasi untuk memasarkan hasil
pertanian memiliki pendapatan sebesar Rp290.133,5 lebih tinggi dari pada petani padi sawah yang
belum pernah melakukannya, dengan asumsi variabel lain konstan. Oleh karena itu, pemanfaatan
fasilitas koperasi dalam pemasarkan hasil pertanian dapat menjadi satu langkah alternatif lain
dalam meningkatkan pendapatan petani padi sawah.
Perbandingan dengan regresi OLS
Tabel 2. Hasil regresi OLS dengan penimbang
Estimasi
Koefisien
Std. Error
t-hitung
Regresi
(1)
(Constant)
(2)
(3)
(4)
p-value
Keputusan
(5)
(6)
488,237
3,433
142,212
,000
Tolak Ho
Irigasi
1,625
,001
2135,269
,000
Tolak Ho
Non Irigasi
,826
,001
891,288
,000
Tolak Ho
LPanen
,310
,000
921,375
,000
Tolak Ho
DKredBank
328,717
9,832
33,434
,000
Tolak Ho
DPenyuluhan
215,878
6,334
34,083
,000
Tolak Ho
Dpemasaran
-400,788
54,607
-7,340
,000
Tolak Ho
R-Square adj
0,630
F-Hitung
2292111,670 (p-value = 0,000)
Standard
Error
7429,496
Estimasi Koefisien Regresi
Oleh karena estimasi yang dilakukan menggunakan OLS, terdapat asumsi-asumsi yang
harus terpenuhi. Berdasarkan hasil regresi OLS dengan penimbang, asumsi yang terlanggar yaitu
kenormalan dan homoskedasitas (Lampiran 7 dan 8). Seperti pembahasan sebelumnya, dengan
adanya keberadaan outlier yang berpengaruh, maka outlier tersebut tidak boleh dikeluarkan
begitu saja dari permodelan. Oleh karena terdapat beberapa asumsi yang masih terlanggar, apabila
OLS tetap digunakan dalam permodelan maka varians yang dihasilkan menjadi tidak minimum,
sehingga estimasi yang dihasilkan menjadi tidak efisien. Oleh karena itu, permodelan yang lebih
baik digunakan yaitu regresi robust MM-estimate dengan penimbang, meskipun standard error
yang dihasilkan lebih besar dibandingkan dengan regresi OLS. Hal ini menurut (Jacoby,
2005) disebabkan oleh adanya leverage, sehingga ketika dilakukan dengan estimasi OLS,
standard error yang dihasilkan menjadi underestimate. Sementara itu, R2adj yang
dihasilkan adalah sebesar 0,5.
4. KESIMPULAN
Berdasarkan hasil dan pembahasan yang telah dilakukan, dapat disimpulkan beberapa hal
sebagai berikut.
8
1.
2.
Secara umum, pendapatan petani padi sawah di Pulau Jawa tahun 2013 masih tergolong
rendah. Proporsi penggunaan jenis lahan sawah irigasi dan non irigasi oleh petani padi sawah
di Pulau Jawa tahun 2013 adalah sama besar. Kemudian, sebagian besar petani padi sawah
tidak pernah mengajukan kredit ke bank. Sementara itu, hanya sebagian kecil petani padi
sawah yang pernah mengikuti penyuluhan pertanian dan hampir secara keseluruhan petani
padi sawah tidak pernah memanfaatkan fasilitas koperasi untuk memasarkan hasil pertanian
mereka.
Berdasarkan perbandingan dengan regresi OLS, permodelan yang lebih baik digunakan
dalam penelitian ini yaitu regresi robust MM-estimate dengan penimbang. Hasil regresi
robust MM-estimate dengan penimbang menunjukkan bahwa variabel independen yang
berpengaruh signifikan pada tingkat signifikansi 5 persen adalah luas lahan irigasi dan non
irigasi, luas panen, dummy kredit bank, dan dummy pemasaran. Variabel independen yang
berpengaruh positif terhadap variabel dependen antara lain : luas lahan irigasi dan non irigasi,
luas panen, dan dummy pemasaran. Sementara, variabel dummy kredit bank berpengaruh
negatif terhadap variabel dependen.
5. SARAN
1.
2.
3.
Pemerintah harus mengadakan upaya untuk meningkatkan produksi dan pendapatan petani
padi sawah dengan meningkatkan penggunaan lahan irigasi. Hal ini dapat dilakukan dengan
meningkatkan perbaikan sistem irigasi, sehingga petani padi sawah tidak perlu untuk terlalu
mengandalkan kondisi alam untuk mengairi sawahnya.
Selain itu, perlu dilakukan evaluasi program penyuluhan pertanian bagi petani padi sawah,
karena program penyuluhan yang dilakukan selama ini dinilai belum efektif.
Untuk penelitian selanjutnya diharapkan mampu mengembangkan penelitian lapangan
dengan menambah variabel yang lebih mencirikan karakteristik petani padi sawah.
ISSN: 1978-1520
DAFTAR PUSTAKA
Badan Pusat Statistik. (2013). Sensus Pertanian 2013. Jakarta : Badan Pusat Statistik.
Bachtar, dkk. (2013). Pengaruh Sumber Daya Manusia (SDM) Petani terhadap Pendapatan
Petani Padi Sawah (Studi Kasus : Desa Pematang Setrak, Kec Teluk Mengkudu, Kab
Serdang Bedagai). Medan : Universitas Sumatera Utara.
Direktorat Pangan dan Pertanian Kementrian PPN/Bapenas. (2014). Analisis Rumah Tangga,
Lahan, dan Usaha Pertanian di Indonesia : Sensus Pertanian 2013 . Jakarta.
Filardi dan Septina. (2014). Faktor-Faktor Sosial Ekonomi yang Mempengaruhi Pendapatan
Usahatani Padi Sawah Petani Kooperator di Desa Sungai Geringging Kecamatan
Kampar Kiri Kabupaten Kampar . Riau : Universitas Islam Riau.
Jacoby, W. (2005). Regression III, Advance Method, diakses pada 10 Juni 2017 melalui
http://www.onurtoka.com.tr/yonetim/upload/source/11.Outliers.pdf.
Kementrian Pertanian. (2014). Statistik Lahan Pertanian tahun 2009-2013. Jakarta : Kementrian
Pertanian.
Mailusiana, S F.(2012). Analisis Faktor-Faktor Sosial Ekonomi Terhadap Pendapatan
Usahatani Padi pada Lahan Sawah Tadah Hujan di Kabupaten Sukoharjo . Surakarta :
Universitas Sebelas Maret.
Nababan, C. (2009). Analisis Faktor-Faktor yang Memengaruhi Pendapatan Petani Jagung di
Kecamatan Tiga Binangka Kabupaten Karo.[Skripsi].Sumatera Utara: Universitas
Sumatera Utara.
Neter, J. dkk. (1989). Applied Linear Regression Models (Second Edition). Boston: Irwin.
Phahlevi, Rico. (2013). Faktor-Faktor yang Mempengaruhi Pendapatan Petani Padi Sawah di
Kota Padang Panjang. Padang : Universitas Negeri Padang.
Rosmiati, Mia. (2012). Pengaruh Kredit terhadap Perilaku Ekonomi Rumah Tangga Petani
Padi Sawah : Aplikasi Model Ekonomi Rumah Tangga Usaha Tani. Bandung : Institut
Teknologi Bandung.
Zikrina, dkk. (2013). Faktor-Faktor yang Mempengaruhi Pendapatan Petani Padi Organik di
Kabupaten Serdang Bedagai (Studi Kasus Desa Lubuk Bayas, Kecamatan
Perbaungan). Medan : Universitas Sumatera Utara.
10
LAMPIRAN
Lampiran 1. Pendeteksian outlier pada variabel x (leverage)
(1)
Bukan Leverage
Leverage
Frekuensi
(2)
8084694
1636
Persentase
(3)
99,98
0,02
Lampiran 2. Pendeteksian outlier pada variabel y
(1)
Bukan Outlier
Outlier
Frekuensi
(2)
7900949
185381
Persentase
(3)
97,71
2,29
Lampiran 3. Outlier pada variabel independen (x)/leverage dan variabel dependen (y) yang
memiliki pengaruh terhadap model regresi yang ditinjau dari nilai fitnya (DFFITS)
DFFITS
Leverage
Outlier
(1)
(2)
(3)
Berpengaruh
1636
99905
(100%)
(53,89%)
Tidak Berpengaruh
85476
(46,11%)
Total
1636
185381
(100%)
(100%)
Lampiran 4. Outlier pada variabel independen (x) dan variabel dependen (y) yang memiliki
pengaruh terhadap koefisien persamaan regresinya (DFBETAS)
Koefisien
Leverage
Outlier
(1)
(2)
(3)
Intercept
1636
183122
(100%)
(98,78%)
Irigasi
1407
2306
(86,00%)
(1,24%)
NonIrigasi
1299
1969
(79,40%)
(1,06%)
LPanen
1171
655
(71,58%)
(0,35%)
DKredBank
1636
185381
(100%)
(100%)
DPenyuluhan
1636
185381
(100%)
(100%)
DPemasaran
1636
180962
ISSN: 1978-1520
(100%)
(97,62%)
Lampiran 5. Regresi OLS dengan Survey weight
Model Summary
Model
R
R Square
a
1
Adjusted R
Square
,794
,630
Std. Error of
the Estimate
,630
7429,496
a. Predictors: (Constant), DPemasaran, LPanen, DKredBank,
DPenyuluhan, NonIrigasi, Irigasi
ANOVAa
Sum of
Squares
Model
1
df
Mean Square
F
126518640380
826,080
2292111,670
Regression
759111842284
956,400
Residual
446344131154
777,600
8086323 55197415,581
Total
120545597343
9734,000
8086329
6
Sig.
1
a. Dependent Variable: Pendapatan
b. Predictors: (Constant), DPemasaran, LPanen, DKredBank, DPenyuluhan, NonIrigasi,
Irigasi
Coefficientsa
Unstandardized Coefficients
Model
1
B
(Constant)
Std. Error
488,237
3,433
1,625
,001
NonIrigasi
,826
LPanen
Standardized
Coefficients
Beta
t
Sig.
142,212
,000
,592
2135,269
,000
,001
,208
891,288
,000
,310
,000
,260
921,375
,000
DKredBank
328,717
9,832
,007
33,434
,000
DPenyuluhan
215,878
6,334
,007
34,083
,000
DPemasaran
-400,788
54,607
-,002
-7,340
,000
Irigasi
a. Dependent Variable: Pendapatan
12
Lampiran 6. Pengujian Multikolineraritas
Coefficientsa
Unstandardized Coefficients
Model
1
B
(Constant)
Standardized
Coefficients
Std. Error
488,237
3,433
1,625
,001
NonIrigasi
,826
LPanen
Beta
Collinearity Statistics
t
Sig.
Tolerance
VIF
142,212
,000
,592
2135,27
,000
,596
1,677
,001
,208
891,288
,000
,843
1,187
,310
,000
,260
921,375
,000
,576
1,737
DKredBank
328,717
9,832
,007
33,434
,000
,990
1,010
DPenyuluhan
215,878
6,334
,007
34,083
,000
,989
1,011
DPemasaran
-400,79
54,607
-,002
-7,340
,000
,997
1,003
Irigasi
a. Dependent Variable: Pendapatan
Lampiran 7. Pengujian Normalitas
One-Sample Kolmogorov-Smirnov Test
Unstandardize
d Residual
N
Normal Parametersa,b
Most Extreme
Differences
Mean
Std. Deviation
Absolute
Positive
Negative
Test Statistic
Asymp. Sig. (2-tailed)
a. Test distribution is Normal.
b. Calculated from data.
c. Lilliefors Significance Correction.
84197
-8,9173737
8000,0636857
,234
,234
-,225
,234
,000c
ISSN: 1978-1520
Lampiran 8. Pengujian Heteroskedastis
Uji glejser
Coefficientsa
Standardized
Unstandardized Coefficients
Model
1
B
Std. Error
42,454
2,233
Irigasi
,692
,000
NonIrigasi
,527
LPanen
Coefficients
Beta
t
Sig.
19,013
,000
,450
1398,222
,000
,001
,237
874,438
,000
,197
,000
,294
899,464
,000
244,553
6,394
,010
38,244
,000
DPenyuluhan
46,708
4,120
,003
11,338
,000
DPemasaran
818,190
35,515
,006
23,038
,000
(Constant)
DKredBank
a. Dependent Variable: Res_hetero
Lampiran 9. Regresi Robust MM Estimate
> library(MASS)
> mm summary(mm)
Call: rlm(formula = Pendapatan ~ Irigasi + NonIrigasi + LPanen + DKred
Bank +
DPenyuluhan + DPemasaran, data = DataCan, weights = DataCan$weight
,
maxit = 40, method = "MM")
Residuals:
14
Min
1Q
Median
-8.842e+06 -7.986e+03 -8.112e+01
3Q
1.197e+04
Max
5.696e+06
Coefficients:
Value
Std. Error t value
(Intercept) 329.7180
8.1269
40.5712
Irigasi
0.4169
0.0018
231.4086
NonIrigasi
0.0424
0.0022
19.3380
LPanen
0.8254
0.0008 1037.1900
DKredBank
-61.3526
23.2735
-2.6362
DPenyuluhan
23.4241
14.9935
1.5623
DPemasaran
290.1335 129.2630
2.2445
Residual standard error: 16650 on 84190 degrees of freedom
(4 observations deleted due to missingness)
> w SSEw SSEw
[1] 6.192905e+14
> a SS SSTw SSTw
[1] 1.23791e+15
> library(stats)
> b c SSRw SSRw
[1] 7.599129e+14
> RSquare RSquare
[1] 0.6138679
> MSEw MSEw
[1] 7355867891
> MSRw MSRw
[1] 1.266522e+14
> FHitung FHitung
[1] 17217.84
> MSTw MSTw
[1] 14702712816
> adjRSquare adjRSquare
[1] 0.4996932
dan Faktor-faktor yang Memengaruhinya
(Menggunakan Regresi Robust pada Data SPP 2013)
Candra Wibowo*1, Agung Priyo Utomo2
1
4SE3/13.7541
Jurusan Statistika
Peminatan Ekonomi
1
e-mail: * 13.7541@stis.ac.id, 2agung@stis.ac.id
Abstrak
Kontributor utama dalam sektor pertanian yaitu subsektor tanaman pangan, khususnya
tanaman padi sawah. Sektor ini banyak menyerap tenaga kerja, yaitu sebanyak 8.698.015 rumah
tangga atau sekitar 61,5 % dari total rumah tangga usaha pertanian tanaman padi di Indonesia.
Namun sebagian besar pekerja di sektor ini memiliki pendapatan yang rendah meskipun harga
gabah semakin meningkat setiap tahunnya. Penelitian ini bertujuan untuk menganalisis variabelvariabel yang memengaruhi pendapatan petani padi sawah di Pulau Jawa tahun 2013. Data yang
digunakan yaitu Survei Pendapatan Rumah Tangga Usaha Pertanian tahun 2013 yang dilakukan
oleh BPS. Metode analisis yang digunakan yaitu regresi robust karena data menunjukkan adanya
nilai pencilan (outlier). Hasil penelitian menunjukkan variabel yang berpengaruh signifikan
secara parsial terhadap pendapatan petani padi sawah yaitu luas lahan irigasi, luas lahan non
irigasi, luas panen, kredit bank, dan pemasaran, sementara variabel penyuluhan pertanian tidak
berpengaruh secara signifikan. Dalam upaya meningkatkan produksi dan pendapatan petani
padi sawah perlu ditingkatkan penggunaan lahan irigasi. Hal ini dapat dilakukan dengan
meningkatkan perbaikan sistem irigasi, sehingga petani padi sawah tidak perlu untuk terlalu
mengandalkan kondisi alam untuk mengairi sawahnya.
Kata kunci—Padi sawah, outlier, regresi robust
Abstract
The main contributor in the agriculture sector are food crops sub-sector, especially
rice field crops. This sector absorbs a lot of labor, which is 8.698.015 households or about 61.5%
of the total household of rice farming business in Indonesia. But mostly, workers in this sector
have low incomes even though grain prices are increasing every year. This study aims to analyze
the variables that affect the income of rice farmers in Java Island in 2013. The data used is the
Household Income Survey of Agricultural Enterprises in 2013 conducted by BPS. The analytical
method used is robust regression because the data shows the value of outliers. The result of the
research shows that the variables that have significant partial effect on the income of paddy
farmer are irrigated land area, non irrigation area, harvest area, bank credit, and marketing,
while agricultural extension variable has no significant effect. In an effort to increase production
and income of paddy field farmers need to increase the use of irrigated land. This can be done by
improving the improvement of irrigation systems, so that rice farmers do not need to rely too
heavily on natural conditions to irrigate their fields.
Keywords—Paddy rice, outlier, robust regression
1
ISSN: 1978-1520
1. PENDAHULUAN
Kontributor utama dalam sektor pertanian yaitu subsektor tanaman pangan, khususnya
tanaman padi sawah. Hasil Sensus Pertanian tahun 2013 menunjukkan bahwa rumah tangga
tanaman pangan di Indonesia didominasi oleh rumah tangga yang mengelola tanaman padi,
khususnya di Pulau Jawa. Jumlah rumah tangga usaha tanaman padi sawah di Pulau Jawa pada
tahun 2013 sebanyak 8.698.015 rumah tangga atau sekitar 61,5 % dari total rumah tangga usaha
pertanian tanaman padi di Indonesia.
Namun di sisi lain, hasil Sensus Pertanian tahun 2013 menunjukkan bahwa sebagian
besar dari para pekerja di sektor pertanian hidup di bawah garis kemiskinan, yaitu sebanyak 16,66
juta jiwa atau 59,36 % dari total penduduk miskin. Seperti yang telah diketahui sebelumnya,
pekerja subsektor tanaman pangan yang mengelola tanaman padi mendominasi jumlah pekerja di
sektor pertanian. Hal ini menunjukkan bahwa banyak petani padi di Indonesia yang masih
berpendapatan rendah, meskipun harga gabah dari tahun ke tahun selalu mengalami peningkatan.
Fenomena di atas tentu menjadi suatu permasalahan yang besar bagi Indoensia. Karena
dengan tingkat kesejahteraan yang masih tergolong rendah, orang akan terdorong untuk mencari
pekerjaan yang memberikan tingkat kesejahteraan yang lebih baik. Dengan demikian, semakin
berkuranglah minat seseorang untuk bekerja di sektor pertanian, sehingga banyak tenaga kerja
sektor pertanian yang berpindah ke sektor lain untuk mendapatkan kesejahteraan yang lebih baik.
Selain hal tersebut, keberlanjutan sektor pertanian tanaman padi sawah sedang
dihadapkan pada ancaman serius lain, yakni luas lahan pertanian yang terus menyusut akibat
konversi lahan pertanian produktif ke penggunaan non-pertanian, seperti pembangunan pabrik,
perumahan, industri, dan infrastruktur lainnya. Menurut data BPS, laju konversi lahan sawah
mencapai 100 ribu hektar per tahun, dan hanya mampu diimbangi oleh pemerintah dengan
pencetakan 40 ribu hektar lahan sawah baru setiap tahunnya. Artinya, setiap tahun rata-rata
terdapat 60 ribu hektar lahan sawah yang lenyap.
Dalam jangka panjang, jika berbagai permasalahan di atas tidak diatasi dengan cepat,
maka tidak akan ada lagi orang yang berminat bekerja di sektor pertanian. Akibatnya, produksi
beras dalam negeri berkurang, sementara konsumsi beras di Indonesia akan meningkat seiring
dengan bertambahnya jumlah penduduk. Hal ini akan mengancam ketahanan pangan Nasional,
bahkan swasembada pangan yang dicanangkan Pemerintah akan sulit untuk terwujud. Untuk itu,
sektor pertanian harus dipertahankan sehingga petani padi sawah dapat bertahan di tengah
perkembangan zaman yang semakin lama semakin menggerus lahan mereka. Bahkan dapat
membuat sektor pertanian menjadi pekerjaan yang mudah dengan pendapatan yang tinggi,
sehingga petani padi sawah dapat berkembang dengan baik dan tidak perlu khawatir akan krisis
ketahanan pangan di dalam negeri.
Tujuan penelitian ini adalah untuk mendeskripsikan pendapatan dan karakteristik
perilaku petani padi sawah di Pulau Jawa tahun 2013 serta menganalisis faktor-faktor yang
memengaruhinya. Penelitian serupa dilakukan oleh Phahlevi (2013) mengenai pendapatan petani
padi sawah di Kota Padang Panjang. Dalam penelitiannya, variabel yang digunakan yaitu luas
lahan, harga jual padi sawah, biaya usaha tani, dan jumlah produksi. Dengan menggunakan
analisis jalur (Path Analysis) diperoleh bahwa semua variabel berpengaruh signifikan terhadap
pendapatan petani, kecuali biaya usaha tani.
Sedikit berbeda dengan penelitian Phahlevi (2013), penelitian oleh Mailusiana (2012)
menggunakan variabel luas lahan, jumlah tenaga kerja, nilai bagian hasil yang dijual, dan jarak
antara lahan garapan dengan tempat tinggal. Variabel yang signifikan hanya luas lahan dan nilai
bagian hasil yang dijual. Penelitian pendapatan petani padi sawah juga dilakukan oleh Filardi dan
Septina (2014), dengan menggunakan variabel yang lebih rinci meliputi umur, pendidikan,
pengalaman berusahatani, jumlah anggota keluarga, biaya benih, biaya pupuk, biaya pestisida,
biaya herbisida, biaya tenaga kerja, dan luas lahan garapan. Dengan menggunakan analisis regresi
linier berganda diperoleh variabel yang signifikan yaitu biaya benih, biaya pupuk, biaya tenaga
kerja dan luas lahan garapan.
2
Sementara, penelitian yang dilakukan oleh Rosmiati (2012) menunjukkan bahwa adanya
kredit menyebabkan peningkatan penggunaan input produksi, hasil produksi dan pendapatan
usahatani. Kemudian dalam penelitian Bachtar dkk (2013) menunjukkan bahwa secara parsial
pencurahan tenaga kerja, dan frekuensi mengikuti penyuluhan/pelatihan berpengaruh signifikan
terhadap pendapatan petani. Zikrina dkk (2013) dalam penelitiannya menunjukkan bahwa
produktivitas padi organik, harga urin sapi dan upah tenaga kerja berpengaruh signifikan terhadap
pendapatan petani padi organik, sementara harga bibit, harga pupuk kandang, harga pestisida
organik, dan biaya pemasaran tidak berengaruh signifikan terhadap pendapatan petani padi
organik.
2. METODOLOGI
2.1 Metode Pengumpulan Data
Data yang digunakan dalam penelitian ini adalah data sekunder dari BPS, yaitu Survei
Pendapatan Rumah Tangga Usaha Petanian (SPP) tahun 2013. Sampel yang digunakan dalam
survei ini sebanyak 418.060 rumah tangga, yang mencakup seluruh kabupaten/kota di Indonesia.
2.2 Metode Analisis
Penelitian ini menggunakan analisis deskriptif berupa grafik dan tabel. Sementara analisis
inferensia yang digunakan adalah regresi robust MM-estimate. Dalam analisis regresi, tahapan
analisis yang diakukan adalah :
1. Pendeteksian outlier
Pendeteksian outlier pada variabel independen dan variabel dependen serta
pengaruhnya terhadap model regresi dan koefisien regresi, dapat dilakukan
dengan cara berikut (Neter, 1989).
a. Identifying Outlying X Observation - Hat Matrix Leverage Value
Suatu amatan ke-i dicurigai sebagai high leverage point apabila nilai leverage
�
ℎ > ⁄�, dengan p=7 dan n=84.201. Hasil perhitungan yang diperoleh
�⁄
�=
⁄
.
= ,
.
b. Identifying Outlying Y Observation - Studentized Deleted Residuals
Nilai studentized deleted residuals ∗ dihitung menggunakan rumus
∗
=
[���
�−�−
−ℎ −�
=
[���
= � − �̂
] dengan
Suatu amatan ke-i dikatakan outlier apabila ∗ > � ; � − � −
, , n=84.201 dan p=7, maka � , ; .
− − =1,645.
c. Influence on Fitted Values – DFFITS
Nilai DFFITS dihitung dengan rumus
�−�−
−ℎ −�
]
ℎ
−ℎ
=
∗
ℎ
−ℎ
. Dengan
(1)
=
(2)
Suatu amatan ke-i dikatakan sebagai amatan yang berpengaruh terhadap model
�
regresi apabila nilai |DFFITS| > √ . Dengan p=7, dan n=84.201, maka
�
�
|DFFITS| > √ = |DFFITS| > √
�
4.
= ,
.
d. Influence on The Regression Coefficient – DFBETAS
Nilai DFBETAS dihitung menggunakan rumus
=
−
���
dengan j=0,1,2,...,p-1
(3)
ISSN: 1978-1520
Suatu amatan ke-i dikatakan berpengaruh terhadap koefisien ke-j apabila amatan
| > . Dengan n=84.201, maka
tersebut memiliki nilai |
=
=
√�
√�
√ 4.
,
.
2. Analisis Regresi Robust dengan MM-estimate
Metode analisis regresi robust merupakan regresi yang tegar/robust yang
digunakan ketika data mengandung outlier . Adapun dalam analisisnya, digunakan
software R (MASS package). Estimasi dilakukan dengan mempertimbangkan weight
karena desain survei yang digunakan merupakan desain survei yang kompleks.
Metode estimasi yang digunakan yaitu MM-estimate. Dipilih MM-estimate karena
lebih efisien dibanding estimasi regresi robust yang lain, selain itu memiliki high
breakdown point sehingga dapat mengakomodasi outlier pada variabel dependen
maupun pada variabel independen (leverage).
3. HASIL DAN PEMBAHASAN
3.1
Gambaran umum petani padi sawah di Pulau Jawa tahun 2013
Pendapatan petani padi sawah di Pulau Jawa tahun 2013 masih tergolong rendah. Hal ini
dapat kita lihat pada gambar berikut.
1,26%
1,19%
3,52%
94,03%
42 Juta
Gambar 1. Persentase petani padi sawah di Pulau Jawa
tahun 2013 menurut kategori pendapatan
setahun yang lalu
Menurut gambar di atas, 94, 03% petani padi sawah di Pulau Jawa tahun 2013 memiliki
pendapatan rendah, yaitu < 18 juta per tahun. Ini menunjukkan bahwa secara umum kondisi
petani padi sawah di Pulau Jawa tahun 2013 masih berpenghasilan rendah, sedangkan yang
berpenghasilan di atas cukup hanya sebagian kecil saja. Artinya bahwa terdapat banyak petani
padi sawah di Pulau Jawa yang masih berada pada taraf hidup yang rendah, sehingga sulit untuk
memenuhi kebutuhan sehari-hari.
Kemudian, proporsi penggunaan jenis lahan sawah di Pulau Jawa tahun 2013 besarnya
sama, yaitu 50% lahan sawah irigasi dan 50 % lahan non irigasi. Fakta tersebut mengindikasikan
bahwa masih banyak petani padi sawah yang menggunakan lahan sawah non irigasi, yaitu yang
irigasinya masih bergantung pada alam, seperti hujan, air rembesan, pasang surut air sungai/laut,
dll. Pada umumnya, petani padi sawah di Pulau Jawa tidak pernah mengajukan kredit ke bank.
Perhatikan gambar berikut.
8%
92%
Pernah
Tidak Pernah
4
Gambar 2. Persentase petani padi sawah di Pulau Jawa
tahun 2013 yang mengajuan fasilitas kredit
ke bank tiga tahun yang lalu.
Gambar di atas menunjukkan bahwa 92% petani padi sawah di Pulau Jawa tidak pernah
mengajukan fasilitas kredit ke bank, artinya hanya 8% yang pernah mengajukan kredit ke bank.
Artinya, secara umum petani padi sawah di Pulau Jawa tahun 2013 mengalami kesulitan modal
dalam proses produksinya, sehingga proses produksi yang dilakukan menjadi tidak optimal yang
menyebabkan pendapatan yang dihasilkan juga tidak optimal.
Dalam meningkatkan SDM petani padi sawah yang lebih baik, terdapat beberapa program
penyuluhan pertanian. Namun, keikutsertaan petani padi sawah dalam penyuluhan pertanian juga
masih tergolong rendah.
22%
78%
Ikut
Tidak Ikut
Gambar 3. Persentase petani padi sawah di Pulau Jawa
tahun 2013 yang mengikuti penyuluhan
pertanian.
Menurut gambar di atas, hanya 22% petani padi sawah yang mengikuti penyuluhan
pertanian sedangkan 78% tidak pernah ikut penyuluhan. Hal ini membuktikan bahwa kesadaran
petani padi sawah di Pulau Jawa tahun 2013 tentang pentingnya penyuluhan pertanian masih
rendah. Masih banyak yang melakukan teknik menanam padi secara turun temurun atau secara
otodidak, tidak ingin mengetahui teknologi dan terobosan-terobosan baru, atau pangsa pasar
pada pertanian padi sawah. Sehingga hal ini menimbulkan ketidakefisienan kerja petani padi
sawah, sehingga produksi yang dilakukan membuahkan hasil yang kurang optimal, pendapatan
yang diperoleh pun menjadi kurang optimal.
Hampir secara keseluruhan petani padi sawah di Pulau Jawa tahun 2013 tidak
memanfaatkan fasilitas koperasi untuk memasarkan hasil pertaniannya. Perhatikan gambar
berikut.
Ya
0,3%
Tidak
99,7%
Gambar 4. Persentase petani padi sawah di Pulau Jawa
tahun 2013 yang memanfaatkan fasilitas
koperasi untuk memasarkan hasil pertanian.
Hal ini sangat disayangkan karena hanya sedikit dari petani padi sawah di Pulau Jawa
tahun 2013 yang sadar akan pentingnya pemasaran produk mereka. Produk pertanian yang
dihasilkan petani padi sawah tidak akan merambah pasar yang lebih besar, karena kurangnya
pemasaran. Sehingga produk pertanian tersebut hanya akan berkutat pada pangsa pasar yang
sama, tidak dapat berkembang dan pendapatan petani padi sawah juga akan sama saja, tidak
meningkat.
ISSN: 1978-1520
3.2
Model Regresi Robust Pendapatan Petani Padi Sawah
Dari hasil pengujian nilai leverage, disimpulkan bahwa terdapat 1.636 amatan hasil
estimasi yang merupakan leverage. Sementara itu, dari nilai Studentized Deleted Reidual (SDR),
ditemukan 185.381 amatan hasil estimasi yang merupakan outlier .
Berdasarkan hasil pengukuran nilai DFFITS, dari 1.636 leverage, seluruhnya merupakan
amatan yang berpengaruh. Sementara itu dari 185.381 outlier, sebanyak 99.905 amatan
merupakan amatan yang berpengaruh. Hal ini menunjukkan bahwa sebagian besar outlier
(53,89%) merupakan amatan yang berpengaruh. Artinya bahwa baik leverage maupun outlier
yang terdeteksi sebagian besarnya adalah amatan yang berpengaruh terhadap model regresi yang
ditinjau dari fitnya. Sehingga, amatan-amatan tersebut tidak boleh dibuang begitu saja, namun
harus tetap diikutsertakan dalam analisis.
Dari penghitungan DFBETAS menunjukkan dari 1.636 leverage dan 185.381 outlier,
terdapat sebagian amatan leverage dan outlier tersebut berpengaruh ke seluruh koefisien regresi.
Hal ini menunjukkan bahwa memang sebaiknya amatan-amatan yang terdeteksi sebagai leverage
dan outlier tersebut tetap diikutsertakan dalam analisis.
Uji Signifikansi Simultan (Uji F)
Hipotesis yang diuji adalah :
: = , � = , , … , (tidak terdapat pengaruh signifikan dari variabel independen
secara simultan terhadap variabel dependen)
: minimal ada satu
≠ , � = , , … , (paling sedikit terdapat satu variabel
independen yang berpengaruh signifikan terhadap variabel dependen)
Uji Signifikansi Parsial (Uji t)
: =
, � = , , … , (variabel independen ke-j tidak berpengaruh signifikan
terhadap variabel dependen)
:
≠ , � = , , … , (variabel independen ke-j berpengaruh signifikan terhadap
variabel dependen)
Berikut merupakan hasil regresi robust yang dilakukan.
Tabel 1. Hasil regresi robust MM-estimate dengan penimbang
Estimasi
Koefisien
Std. Error
t-hitung
p-value
Keputusan
Regresi
(1)
(2)
(3)
(4)
329,7180
8,1269
40,5712
0,0000
Tolak Ho
Irigasi
0,4169
0,0018
231,4086
0,0000
Tolak Ho
Non Irigasi
0,0424
0,0022
19,3380
0,0000
Tolak Ho
LPanen
0,8254
0,0008
1037, 1900
0,0000
Tolak Ho
DKredBank
-61,3526
23,2735
-2,6362
0,0083
Tolak Ho
DPenyuluhan
23,4241
14,9935
1,5623
0,1182
Gagal
Tolak Ho
Dpemasaran
290,1335
129,2630
2,2445
0,0248
Tolak Ho
(Constant)
(5)
R-Square adj
0,5
F-Hitung
17217,84 (p-value = 0,000)
Standard
Error
16650
Estimasi Koefisien Regresi
6
(6)
Menurut tabel 1, dengan tingkat signifikansi 5 persen, terdapat minimal satu variabel
independen yang berpengaruh terhadap pendapatan petani padi sawah. Variabel independen yang
berpengaruh signifikan secara parsial yaitu luas lahan irigasi, luas lahan non irigasi, luas panen,
kredit bank, dan pemasaran. Persamaan yang dibentuk dari hasil regresi di atas adalah sebagai
berikut.
̂
Pendapatan
=
,
+ ,
Irigasi∗ + ,
NonIrigasi∗ +
,
LPanen∗ − ,
DKredBank ∗ + ,
DPenyuluhan +
∗
,
DPemasaran
(4)
*Signifikan pada taraf uji 5 persen
R2 yang dihasilkan adalah sebesar 0,6139. Artinya bahwa 61 persen keragaman
pendapatan petani padi sawah di Pulau Jawa tahun 2013 dapat dijelaskan oleh variabel-variabel
independen dalam model, sementara itu 39 persen sisanya dipengaruhi oleh faktor-faktor lain di
luar model. Berdasarkan persamaan model yang terbentuk, dapat dilihat interpretasi dari setiap
koefisien regresi dari variabel independennya sebagai berikut.
a.
Luas lahan sawah irigasi
Koefisien regresi luas lahan sawah irigasi sebesar 0,4169. Artinya bahwa peningkatan
luas lahan sawah irigasi seluas 1 m2 akan meningkatkan pendapatan petani padi sawah sebesar
Rp416,9 dengan asumsi variabel lainnya konstan. Hal ini sejalan dengan penelitian Nababan
(2009). Oleh karena itu, perluasan penggunaan lahan sawah irigasi dapat menjadi salah satu
alternatif untuk meningkatkan pendapatan petani padi sawah.
b.
Luas lahan sawah non irigasi
Koefisien regresi luas lahan sawah non irigasi sebesar 0,0424. Artinya bahwa
peningkatan luas lahan sawah non irigasi seluas seluas 1 m2 akan meningkatkan pendapatan petani
padi sawah sebesar Rp42,4 dengan asumsi variabel lainnya konstan. Hal ini juga sejalan dengan
penelitian Nababan (2009). Oleh karena itu, perluasan penggunaan lahan sawah non irigasi juga
dapat menjadi salah satu alternatif setelah perluasan penggunaan lahan sawah irigasi untuk
meningkatkan pendapatan petani padi sawah.
c.
Luas panen
Koefisien regresi luas panen sebesar 0,8254. Artinya bahwa peningkatan luas panen
seluas 1 m2 akan meningkatan pendapatan petani padi sawah sebesar Rp825,4 dengan asumsi
variabel lainnya konstan. Oleh karena itu, peningkatan luas panen dengan ekstensifikasi lahan
dapat menjadi salah satu alternatif yang tepat untuk meningkatkan pendapatan petani padi sawah.
d.
Pengajuan fasilitas kredit ke bank
Koefisien regresi dummy kredit bank sebesar -61,3526. Artinya bahwa secara rata-rata,
petani padi sawah yang pernah mengajukan kredit ke bank selama 3 tahun terakhir memiliki
pendapatan sebesar Rp61.352,6 lebih rendah daripada petani padi sawah yang tidak pernah
mengajukan kredit ke bank, dengan asumsi variabel lain konstan. Hal ini menunjukkan bahwa
pengajuan kredit ke bank untuk tambahan modal dalam berproduksi tidak serta merta dapat
meningkatkan pendapatan petani padi sawah. Hal ini menurut penelitian Santosa (2009),
menyatakan bahwa pinjaman kredit yang didapat petani tidak digunakan dengan baik untuk
pengembangan usaha tani, namun digunakan untuk keperluan lain seperti membayar hutang,
membayar uang sekolah, membayar arisan, dan membeli kebutuhan pokok sehari-hari.
e.
Keikutsertaan dalam penyuluhan pertanian
Koefisien regresi dummy penyuluhan sebesar 23,4241. Artinya bahwa secara rata-rata,
petani padi sawah yang pernah ikut dalam penyuluhan pertanian memiliki pendapatan sebesar
Rp23.424,1 lebih tinggi daripada petani padi sawah yang tidak pernah ikut dalam penyuluhan
pertanian, dengan asumsi variabel lain konstan.
Namun, dari hasil pengujian secara parsial, variael dummy penyuluhan tidak berpengaruh
signifikan terhadap pendapatan petani padi sawah di Pulau Jawa tahun 2013. Hal ini
mengindikasikan bahwa program penyuluhan pertanian yang dilakukan selama ini dinilai belum
efektif, dapat disebabkan karena model atau metode penyuluhan yang dilakukan kurang sesuai
ISSN: 1978-1520
dengan kebutuhan masing-masing daerah di Pulau Jawa.Pemanfaatan fasilitas koperasi dalam
pemasaran hasil pertanian
f.
Koefisien regresi dummy pemasaran sebesar 290,1335. Artinya bahwa secara rata-rata,
petani padi sawah yang pernah memanfaatkan fasilitas koperasi untuk memasarkan hasil
pertanian memiliki pendapatan sebesar Rp290.133,5 lebih tinggi dari pada petani padi sawah yang
belum pernah melakukannya, dengan asumsi variabel lain konstan. Oleh karena itu, pemanfaatan
fasilitas koperasi dalam pemasarkan hasil pertanian dapat menjadi satu langkah alternatif lain
dalam meningkatkan pendapatan petani padi sawah.
Perbandingan dengan regresi OLS
Tabel 2. Hasil regresi OLS dengan penimbang
Estimasi
Koefisien
Std. Error
t-hitung
Regresi
(1)
(Constant)
(2)
(3)
(4)
p-value
Keputusan
(5)
(6)
488,237
3,433
142,212
,000
Tolak Ho
Irigasi
1,625
,001
2135,269
,000
Tolak Ho
Non Irigasi
,826
,001
891,288
,000
Tolak Ho
LPanen
,310
,000
921,375
,000
Tolak Ho
DKredBank
328,717
9,832
33,434
,000
Tolak Ho
DPenyuluhan
215,878
6,334
34,083
,000
Tolak Ho
Dpemasaran
-400,788
54,607
-7,340
,000
Tolak Ho
R-Square adj
0,630
F-Hitung
2292111,670 (p-value = 0,000)
Standard
Error
7429,496
Estimasi Koefisien Regresi
Oleh karena estimasi yang dilakukan menggunakan OLS, terdapat asumsi-asumsi yang
harus terpenuhi. Berdasarkan hasil regresi OLS dengan penimbang, asumsi yang terlanggar yaitu
kenormalan dan homoskedasitas (Lampiran 7 dan 8). Seperti pembahasan sebelumnya, dengan
adanya keberadaan outlier yang berpengaruh, maka outlier tersebut tidak boleh dikeluarkan
begitu saja dari permodelan. Oleh karena terdapat beberapa asumsi yang masih terlanggar, apabila
OLS tetap digunakan dalam permodelan maka varians yang dihasilkan menjadi tidak minimum,
sehingga estimasi yang dihasilkan menjadi tidak efisien. Oleh karena itu, permodelan yang lebih
baik digunakan yaitu regresi robust MM-estimate dengan penimbang, meskipun standard error
yang dihasilkan lebih besar dibandingkan dengan regresi OLS. Hal ini menurut (Jacoby,
2005) disebabkan oleh adanya leverage, sehingga ketika dilakukan dengan estimasi OLS,
standard error yang dihasilkan menjadi underestimate. Sementara itu, R2adj yang
dihasilkan adalah sebesar 0,5.
4. KESIMPULAN
Berdasarkan hasil dan pembahasan yang telah dilakukan, dapat disimpulkan beberapa hal
sebagai berikut.
8
1.
2.
Secara umum, pendapatan petani padi sawah di Pulau Jawa tahun 2013 masih tergolong
rendah. Proporsi penggunaan jenis lahan sawah irigasi dan non irigasi oleh petani padi sawah
di Pulau Jawa tahun 2013 adalah sama besar. Kemudian, sebagian besar petani padi sawah
tidak pernah mengajukan kredit ke bank. Sementara itu, hanya sebagian kecil petani padi
sawah yang pernah mengikuti penyuluhan pertanian dan hampir secara keseluruhan petani
padi sawah tidak pernah memanfaatkan fasilitas koperasi untuk memasarkan hasil pertanian
mereka.
Berdasarkan perbandingan dengan regresi OLS, permodelan yang lebih baik digunakan
dalam penelitian ini yaitu regresi robust MM-estimate dengan penimbang. Hasil regresi
robust MM-estimate dengan penimbang menunjukkan bahwa variabel independen yang
berpengaruh signifikan pada tingkat signifikansi 5 persen adalah luas lahan irigasi dan non
irigasi, luas panen, dummy kredit bank, dan dummy pemasaran. Variabel independen yang
berpengaruh positif terhadap variabel dependen antara lain : luas lahan irigasi dan non irigasi,
luas panen, dan dummy pemasaran. Sementara, variabel dummy kredit bank berpengaruh
negatif terhadap variabel dependen.
5. SARAN
1.
2.
3.
Pemerintah harus mengadakan upaya untuk meningkatkan produksi dan pendapatan petani
padi sawah dengan meningkatkan penggunaan lahan irigasi. Hal ini dapat dilakukan dengan
meningkatkan perbaikan sistem irigasi, sehingga petani padi sawah tidak perlu untuk terlalu
mengandalkan kondisi alam untuk mengairi sawahnya.
Selain itu, perlu dilakukan evaluasi program penyuluhan pertanian bagi petani padi sawah,
karena program penyuluhan yang dilakukan selama ini dinilai belum efektif.
Untuk penelitian selanjutnya diharapkan mampu mengembangkan penelitian lapangan
dengan menambah variabel yang lebih mencirikan karakteristik petani padi sawah.
ISSN: 1978-1520
DAFTAR PUSTAKA
Badan Pusat Statistik. (2013). Sensus Pertanian 2013. Jakarta : Badan Pusat Statistik.
Bachtar, dkk. (2013). Pengaruh Sumber Daya Manusia (SDM) Petani terhadap Pendapatan
Petani Padi Sawah (Studi Kasus : Desa Pematang Setrak, Kec Teluk Mengkudu, Kab
Serdang Bedagai). Medan : Universitas Sumatera Utara.
Direktorat Pangan dan Pertanian Kementrian PPN/Bapenas. (2014). Analisis Rumah Tangga,
Lahan, dan Usaha Pertanian di Indonesia : Sensus Pertanian 2013 . Jakarta.
Filardi dan Septina. (2014). Faktor-Faktor Sosial Ekonomi yang Mempengaruhi Pendapatan
Usahatani Padi Sawah Petani Kooperator di Desa Sungai Geringging Kecamatan
Kampar Kiri Kabupaten Kampar . Riau : Universitas Islam Riau.
Jacoby, W. (2005). Regression III, Advance Method, diakses pada 10 Juni 2017 melalui
http://www.onurtoka.com.tr/yonetim/upload/source/11.Outliers.pdf.
Kementrian Pertanian. (2014). Statistik Lahan Pertanian tahun 2009-2013. Jakarta : Kementrian
Pertanian.
Mailusiana, S F.(2012). Analisis Faktor-Faktor Sosial Ekonomi Terhadap Pendapatan
Usahatani Padi pada Lahan Sawah Tadah Hujan di Kabupaten Sukoharjo . Surakarta :
Universitas Sebelas Maret.
Nababan, C. (2009). Analisis Faktor-Faktor yang Memengaruhi Pendapatan Petani Jagung di
Kecamatan Tiga Binangka Kabupaten Karo.[Skripsi].Sumatera Utara: Universitas
Sumatera Utara.
Neter, J. dkk. (1989). Applied Linear Regression Models (Second Edition). Boston: Irwin.
Phahlevi, Rico. (2013). Faktor-Faktor yang Mempengaruhi Pendapatan Petani Padi Sawah di
Kota Padang Panjang. Padang : Universitas Negeri Padang.
Rosmiati, Mia. (2012). Pengaruh Kredit terhadap Perilaku Ekonomi Rumah Tangga Petani
Padi Sawah : Aplikasi Model Ekonomi Rumah Tangga Usaha Tani. Bandung : Institut
Teknologi Bandung.
Zikrina, dkk. (2013). Faktor-Faktor yang Mempengaruhi Pendapatan Petani Padi Organik di
Kabupaten Serdang Bedagai (Studi Kasus Desa Lubuk Bayas, Kecamatan
Perbaungan). Medan : Universitas Sumatera Utara.
10
LAMPIRAN
Lampiran 1. Pendeteksian outlier pada variabel x (leverage)
(1)
Bukan Leverage
Leverage
Frekuensi
(2)
8084694
1636
Persentase
(3)
99,98
0,02
Lampiran 2. Pendeteksian outlier pada variabel y
(1)
Bukan Outlier
Outlier
Frekuensi
(2)
7900949
185381
Persentase
(3)
97,71
2,29
Lampiran 3. Outlier pada variabel independen (x)/leverage dan variabel dependen (y) yang
memiliki pengaruh terhadap model regresi yang ditinjau dari nilai fitnya (DFFITS)
DFFITS
Leverage
Outlier
(1)
(2)
(3)
Berpengaruh
1636
99905
(100%)
(53,89%)
Tidak Berpengaruh
85476
(46,11%)
Total
1636
185381
(100%)
(100%)
Lampiran 4. Outlier pada variabel independen (x) dan variabel dependen (y) yang memiliki
pengaruh terhadap koefisien persamaan regresinya (DFBETAS)
Koefisien
Leverage
Outlier
(1)
(2)
(3)
Intercept
1636
183122
(100%)
(98,78%)
Irigasi
1407
2306
(86,00%)
(1,24%)
NonIrigasi
1299
1969
(79,40%)
(1,06%)
LPanen
1171
655
(71,58%)
(0,35%)
DKredBank
1636
185381
(100%)
(100%)
DPenyuluhan
1636
185381
(100%)
(100%)
DPemasaran
1636
180962
ISSN: 1978-1520
(100%)
(97,62%)
Lampiran 5. Regresi OLS dengan Survey weight
Model Summary
Model
R
R Square
a
1
Adjusted R
Square
,794
,630
Std. Error of
the Estimate
,630
7429,496
a. Predictors: (Constant), DPemasaran, LPanen, DKredBank,
DPenyuluhan, NonIrigasi, Irigasi
ANOVAa
Sum of
Squares
Model
1
df
Mean Square
F
126518640380
826,080
2292111,670
Regression
759111842284
956,400
Residual
446344131154
777,600
8086323 55197415,581
Total
120545597343
9734,000
8086329
6
Sig.
1
a. Dependent Variable: Pendapatan
b. Predictors: (Constant), DPemasaran, LPanen, DKredBank, DPenyuluhan, NonIrigasi,
Irigasi
Coefficientsa
Unstandardized Coefficients
Model
1
B
(Constant)
Std. Error
488,237
3,433
1,625
,001
NonIrigasi
,826
LPanen
Standardized
Coefficients
Beta
t
Sig.
142,212
,000
,592
2135,269
,000
,001
,208
891,288
,000
,310
,000
,260
921,375
,000
DKredBank
328,717
9,832
,007
33,434
,000
DPenyuluhan
215,878
6,334
,007
34,083
,000
DPemasaran
-400,788
54,607
-,002
-7,340
,000
Irigasi
a. Dependent Variable: Pendapatan
12
Lampiran 6. Pengujian Multikolineraritas
Coefficientsa
Unstandardized Coefficients
Model
1
B
(Constant)
Standardized
Coefficients
Std. Error
488,237
3,433
1,625
,001
NonIrigasi
,826
LPanen
Beta
Collinearity Statistics
t
Sig.
Tolerance
VIF
142,212
,000
,592
2135,27
,000
,596
1,677
,001
,208
891,288
,000
,843
1,187
,310
,000
,260
921,375
,000
,576
1,737
DKredBank
328,717
9,832
,007
33,434
,000
,990
1,010
DPenyuluhan
215,878
6,334
,007
34,083
,000
,989
1,011
DPemasaran
-400,79
54,607
-,002
-7,340
,000
,997
1,003
Irigasi
a. Dependent Variable: Pendapatan
Lampiran 7. Pengujian Normalitas
One-Sample Kolmogorov-Smirnov Test
Unstandardize
d Residual
N
Normal Parametersa,b
Most Extreme
Differences
Mean
Std. Deviation
Absolute
Positive
Negative
Test Statistic
Asymp. Sig. (2-tailed)
a. Test distribution is Normal.
b. Calculated from data.
c. Lilliefors Significance Correction.
84197
-8,9173737
8000,0636857
,234
,234
-,225
,234
,000c
ISSN: 1978-1520
Lampiran 8. Pengujian Heteroskedastis
Uji glejser
Coefficientsa
Standardized
Unstandardized Coefficients
Model
1
B
Std. Error
42,454
2,233
Irigasi
,692
,000
NonIrigasi
,527
LPanen
Coefficients
Beta
t
Sig.
19,013
,000
,450
1398,222
,000
,001
,237
874,438
,000
,197
,000
,294
899,464
,000
244,553
6,394
,010
38,244
,000
DPenyuluhan
46,708
4,120
,003
11,338
,000
DPemasaran
818,190
35,515
,006
23,038
,000
(Constant)
DKredBank
a. Dependent Variable: Res_hetero
Lampiran 9. Regresi Robust MM Estimate
> library(MASS)
> mm summary(mm)
Call: rlm(formula = Pendapatan ~ Irigasi + NonIrigasi + LPanen + DKred
Bank +
DPenyuluhan + DPemasaran, data = DataCan, weights = DataCan$weight
,
maxit = 40, method = "MM")
Residuals:
14
Min
1Q
Median
-8.842e+06 -7.986e+03 -8.112e+01
3Q
1.197e+04
Max
5.696e+06
Coefficients:
Value
Std. Error t value
(Intercept) 329.7180
8.1269
40.5712
Irigasi
0.4169
0.0018
231.4086
NonIrigasi
0.0424
0.0022
19.3380
LPanen
0.8254
0.0008 1037.1900
DKredBank
-61.3526
23.2735
-2.6362
DPenyuluhan
23.4241
14.9935
1.5623
DPemasaran
290.1335 129.2630
2.2445
Residual standard error: 16650 on 84190 degrees of freedom
(4 observations deleted due to missingness)
> w SSEw SSEw
[1] 6.192905e+14
> a SS SSTw SSTw
[1] 1.23791e+15
> library(stats)
> b c SSRw SSRw
[1] 7.599129e+14
> RSquare RSquare
[1] 0.6138679
> MSEw MSEw
[1] 7355867891
> MSRw MSRw
[1] 1.266522e+14
> FHitung FHitung
[1] 17217.84
> MSTw MSTw
[1] 14702712816
> adjRSquare adjRSquare
[1] 0.4996932