Upload
hendra-setiawan
View
5
Download
0
Embed Size (px)
DESCRIPTION
ddd
Citation preview
BAB IPENDAHULUAN1.1 Tinjauan Tentang Usahatani TebuTebu (Saccharum officinarum L) adalah suatu komoditi pertanianpenghasil gula yang memerlukan pengolahan hasil di Pabrik Gula (PG) terlebihdahulu sebelum menjadi gula. Perkembangan produksi pada sepuluh tahunterakhir mengalami penurunan dengan laju penurunan sekitar 1,8% per tahun.Namun demikian, semenjak tahun 2004, produksi gula mulai menunjukanpeningkatan. Pada tahun 1994, produksi gula nasional mencapai 2,435 juta ton,sedangkan pada tahun 2004 hanya 2,051 juta ton. Pada dekade terakhir,produksi terendah terjadi pada tahun 1998 dengan volume produksi 1,494 jutaton. Berbagai kebijakan pemerintah seperti kebijakan tataniaga impor danprogram akselerasi peningkatan produktivitas berdampak positif gunameningkatkan kembali produksi gula nasional.Anjloknya harga gula pada musim giling 2008, mengakibatkan luas areal budi daya tebu mengalami penurunan. Soentoro (2009), menyatakan bahwakelemahan utama industri gula di Indonesia saat ini adalah terkonsentrasinya pabrik gula (PG) di Pulau Jawa, sehingga tidak mampu bersaing dengan komoditas tanaman pangan yang mendapat perhatian dan proteksi yang lebih besar dari pemerintah.Penurunan produksi dan produktivitas tebu, khususnya disentra produksi tebu di Jawa sebagai dampak adanya pergeseran pengusahaan tebu dari lahan sawah ke lahan kering.
Biaya Usahatani Tebu di Beberapa Wilayah Menurut Jenis Lahan dan TipeBibit (%), tahun 2003/2004 (Sumber:Malian dkk. 2004. Revitalisasi Sistem dan Usaha Agribisnis Gula. Laporan penelitian Pusat Analisis Sosial Ekonomi dan Kebijakan Pertanian, Bogor, tahun 2004).
1.2 TujuanTujuan dari pratikkum ini adalah untuk mengetahui pengaruh faktor-faktor seperti tenaga kerja, bibit, pupuk dengan usahatani tebu menggunakan analisa regresi linier berganda, regresi linier berganda dengan dummy intersep dan regresi linier berganda dengan dummy slope
BAB IIMETODE EKONOMETRIKRegresi linear Double LogaritmaModel-model regresi yang dikemukakan sebelumnya adalah model yang linear dalam paramater dan variabel. Namun, pengertian regresi linear yang lebih umum adalah regresi tersebut linear dalam parameter (atau yang secara intrinsik bisa dibuat linear melalui transformasi variabel), sedangkan variabelnya boleh saja bersifat linear atau tidak. Misalnya, persamaan Y = 0+ 1Xi2 dapat digolongkan sebagai regresi linear, karena paramaternya (1) bersifat linear, meskipun variabelnya (Xi2) tidak bersifat linear.Berdasarkan hal tersebut, dapat dikembangkan berbagai berbagai bentuk fungsional model regresi. Bentuk pertama yang akan kita bahas dalam tulisan ini adalah Model Double-Log sebagai berikut: Misalnya suatu model: Yi = 0Xi1eui Model tersebut adalah terlihat tidak linear dalam parameter, tetapi secara intrinsik bisa dibuat linear dengan transformasi sebagai berikut: lnYi = ln0 + 1lnXi + ui ln = logaritma natural (logaritma dengan bilangan dasar e = 2,71828) Jika = ln0, Yi* = lnYi dan Xi* = lnXi , persamaan tersebut dapat ditulis kembali menjadi: Yi* = + 1Xi*+ ui Model ini dinamakan dengan model double-log. Hal yang perlu diperhatikan dalam model double-log adalah, koefisien 1 dapat ditafsirkan sebagai elastisitas yaitu persentase perubahan variabel Y sebagai akibat persentase perubahan variabel X. Dengan demikian, jika X merupakan harga dan Y adalah permintaan, maka koefisien 1 dapat diinterpretasikan sebagai elastisitas harga.Variabel dummy digunakan sebagai upaya untuk melihat bagaimana klasifikasi-klasifikasi dalam sampel berpengaruh terhadap parameterpendugaan. Variabel dummy juga mencoba membuat kuantifikasi darivariabel kualitatif. Kita pertimbangkan model berikut ini:I. Y = a + bX + c D1 (Model Dummy Intersep)II. Y = a + bX + c (D1X) (Model Dummy Slope)III. Y = a + bX + c (D1X) + d D1 (Kombinasi)
BAB IIIHASIL DAN PEMBAHASAN Dummy Intersep
Variables Entered/Removed
ModelVariables EnteredVariables RemovedMethod
1Di, Bibit, ZA, TKa.Enter
a. All requested variables entered.
Model Summary
ModelRR SquareAdjusted R SquareStd. Error of the Estimate
1.854a.730.708298.95383
a. Predictors: (Constant), Di, Bibit, ZA, TK
ANOVAb
ModelSum of SquaresdfMean SquareFSig.
1Regression1.182E742955361.75433.068.000a
Residual4379296.1884989373.392
Total1.620E753
a. Predictors: (Constant), Di, Bibit, ZA, TK
b. Dependent Variable: PROD
Dalam uji dummy intersep empat variabel bebas yaitu Di (dummy), Bibit, ZA (pupuk), dan TK (tenaga kerja). Hasil uji menggunakan aplikasi SPSS diperoleh hasil R2 yang dapat dilihat dari R square sebesar 73% pada tabel model summary diatasCoefficientsa
ModelUnstandardized CoefficientsStandardized CoefficientstSig.
BStd. ErrorBeta
1(Constant)459.997151.6053.034.004
Bibit2.483.686.3513.618.001
ZA18.7587.192.2902.608.012
TK.240.928.030.259.797
Di396.478114.175.3603.473.001
a. Dependent Variable: PROD
Fungsi : Produksi = = (459,997+396,478Di)+ 2,483bbt+18,758ZA+ 0,240TKJika dilihat dari nilai Di yang besarannya hingga 396.478 maka irasional, sehingga terdapat perbedaan yang terlalu jauh terhadap variabel variabel seperti bibit, za, dan tenaga kerja sehingga akan berpengaruh terhadap produksi sebagai variabel terikat. Dummy slopeDiTK (Dummy slope tenaga kerja)Variables Entered/Removed
ModelVariables EnteredVariables RemovedMethod
1DiTK, Bibit, ZA, TKa.Enter
a. All requested variables entered.
Model Summary
ModelRR SquareAdjusted R SquareStd. Error of the Estimate
1.847a.718.694305.60287
a. Predictors: (Constant), DiTK, Bibit, ZA, TK
ANOVAb
ModelSum of SquaresdfMean SquareFSig.
1Regression1.162E742906120.14031.117.000a
Residual4576262.6444993393.115
Total1.620E753
a. Predictors: (Constant), DiTK, Bibit, ZA, TK
b. Dependent Variable: PROD
uji DiTK menggunakan empat variabel bebas yaitu DiTK (dummy tenaga kerja), Bibit, ZA (pupuk), dan TK (tenaga kerja).Dari hasil uji diperoleh hasil R2 yang dapat dilihat dari R square sebesar 71,8% pada tabel model summary diatas
Coefficientsa
ModelUnstandardized CoefficientsStandardized CoefficientstSig.
BStd. ErrorBeta
1(Constant)619.971187.2583.311.002
Bibit2.473.702.3493.524.001
ZA18.9637.465.2932.540.014
TK-.6001.072-.074-.559.578
DiTK1.673.545.4153.071.003
a. Dependent Variable: PROD
Fungsi : Produksi = TK = TK) + = 619.971+(-0,6+1,673Di) + 2,473+ 18,963Dari hasil uji untuk DiTk besarnya nilai tenaga kerja -0,6 yang menunjukkan bahwa DiTk irasional hal ini dikarenakan pada uji DiTk terdapat tanda (-) negatif yang di dummykan terjadi peningkatan.
Uji DiZa tidak dilakukan pengujian hal ini dikarenakan pengujian dummy memiliki syarat yaitu hanya terdapat 2 dummy,. karena dalam kondisi apapun pupuk tetap di gunakan dalam usahataniDibibitVariables Entered/Removed
ModelVariables EnteredVariables RemovedMethod
1DiBBT, ZA, TK, Bibita.Enter
a. All requested variables entered.
Model Summary
ModelRR SquareAdjusted R SquareStd. Error of the Estimate
1.845a.714.690307.63937
a. Predictors: (Constant), DiBBT, ZA, TK, Bibit
uji DiBIBIT variabel bebas yang di gunakan adalah tenaga kerja, za, bibit dan dummy bibit. Dari hasil uji diperoleh R2 yang dapat di lihat dari R square sebesar 69 % dari tabel model summary. Menunjukkan produksi dapat di terangkan dan di pengaruhi oleh variable bibit sebesar 69% dan 31% oleh faktor-faktor yang tidak dijelaskan dalam model.ANOVAb
ModelSum of SquaresdfMean SquareFSig.
1Regression1.156E742890821.50630.545.000a
Residual4637457.1814994641.983
Total1.620E753
a. Predictors: (Constant), DiBBT, ZA, TK, Bibit
b. Dependent Variable: PROD
Dalam tabel tersebut adalah F hitung 30,545 dengan tingkat kesalahan 0,000 dengan tingkat signifikan 0,05 maka terima H1 tolak H0 dan berhubungan baik atau positif . Coefficientsa
ModelUnstandardized CoefficientsStandardized CoefficientstSig.
BStd. ErrorBeta
1(Constant)527.775172.0693.067.004
Bibit.988.873.1401.132.263
ZA22.6377.082.3503.196.002
TK.462.945.057.488.627
DiBBT2.361.802.4122.943.005
a. Dependent Variable: PROD
Fungsi : Produksi = bbt = bbt) + = 527.775+(0,988+2.361Di)bbt + 0,462TK+ 22.637ZAMaka, Di = 0 produksi = 527.775+(0,988+2.361(0))bbt + 0,462TK+ 22.637ZADi = 1 produksi = 527.775+(0,988+2.361(1))bbt + 0,462TK+ 22.637ZAMaka dengan dummy bibit sebesar 0 berarti dengan kenaikan 1% bibit maka akan tejadi peningkatan jumlah produksi sebesar 0,988, sedangkan jika dummi sebesar 1 jadi setiap kenaikan 1% bibit maka akan terjadi peningkatan produksi sebesar 3,349, sehingga jumlah bibit akan berpengaruh pada jumlah produksi.Selain itu tabel diatas menunjukkan tentang besarnya t hitung untuk dummy bibit yaitu sebesar 2,943, kemudian di bandingkan dengan t tabel yaitu sebesar 1,729. Terlihat bahwa t hitung > t tabel, berarti bahwa terima H1 dan tolak H0.
BAB IVKESIMPULAN
Berdasarkan analisis regresi berganda dengan dummy intersep Di sebesar 396.478 dikatakan irasional, sehingga terdapat perbedaan yang terlalu jauh terhadap variabel variabel seperti bibit, za, dan tenaga kerja sehingga akan berpengaruh terhadap produksi sebagai variabel terikat.Berdasarkan analisis regresi berganda dengan dummy slope. Dari analisis keragaman bibit diperoleh nilai F hitung sebesar Dalam tabel tersebut adalah F hitung 30,545 dengan tingkat kesalahan 0,000 dengan tingkat signifikan 0,05 maka terima H1 tolak H0 dan berhubungan baik atau positif untuk t hitung untuk dummy bibit yaitu sebesar 2,943, kemudian di bandingkan dengan t tabel yaitu sebesar 1,729. Terlihat bahwa t hitung > t tabel, berarti bahwa terima H1 dan tolak H0.
DAFTAR PUSTAKAAnonymous. 2011. http://kontraberita.blogspot.com/2011/06/analisis-usahatani-tebu-2.html Diakses 26 Maret 2012. Junaidi, 2010. http://junaidichaniago.wordpress.com/2010/02/11/bentuk-fungsional-regresi-linear-seri-4a-model-ekonometrik-dg-spss/ Diakses 26 Maret 2012.
LAMPIRANRegresi BergandaVariables Entered/Removed
ModelVariables EnteredVariables RemovedMethod
1Di, Bibit, ZA, TKa.Enter
a. All requested variables entered.
Model Summary
ModelRR SquareAdjusted R SquareStd. Error of the Estimate
1.854a.730.708298.95383
a. Predictors: (Constant), Di, Bibit, ZA, TK
ANOVAb
ModelSum of SquaresdfMean SquareFSig.
1Regression1.182E742955361.75433.068.000a
Residual4379296.1884989373.392
Total1.620E753
a. Predictors: (Constant), Di, Bibit, ZA, TK
b. Dependent Variable: PROD
Coefficientsa
ModelUnstandardized CoefficientsStandardized CoefficientstSig.
BStd. ErrorBeta
1(Constant)459.997151.6053.034.004
Bibit2.483.686.3513.618.001
ZA18.7587.192.2902.608.012
TK.240.928.030.259.797
Di396.478114.175.3603.473.001
a. Dependent Variable: PROD
DiBBTVariables Entered/Removed
ModelVariables EnteredVariables RemovedMethod
1DiBBT, ZA, TK, Bibita.Enter
a. All requested variables entered.
Model Summary
ModelRR SquareAdjusted R SquareStd. Error of the Estimate
1.845a.714.690307.63937
a. Predictors: (Constant), DiBBT, ZA, TK, Bibit
ANOVAb
ModelSum of SquaresdfMean SquareFSig.
1Regression1.156E742890821.50630.545.000a
Residual4637457.1814994641.983
Total1.620E753
a. Predictors: (Constant), DiBBT, ZA, TK, Bibit
b. Dependent Variable: PROD
Coefficientsa
ModelUnstandardized CoefficientsStandardized CoefficientstSig.
BStd. ErrorBeta
1(Constant)527.775172.0693.067.004
Bibit.988.873.1401.132.263
ZA22.6377.082.3503.196.002
TK.462.945.057.488.627
DiBBT2.361.802.4122.943.005
a. Dependent Variable: PROD
DiTkVariables Entered/Removed
ModelVariables EnteredVariables RemovedMethod
1DiTK, Bibit, ZA, TKa.Enter
a. All requested variables entered.
Model Summary
ModelRR SquareAdjusted R SquareStd. Error of the Estimate
1.847a.718.694305.60287
a. Predictors: (Constant), DiTK, Bibit, ZA, TK
ANOVAb
ModelSum of SquaresdfMean SquareFSig.
1Regression1.162E742906120.14031.117.000a
Residual4576262.6444993393.115
Total1.620E753
a. Predictors: (Constant), DiTK, Bibit, ZA, TK
b. Dependent Variable: PROD
Coefficientsa
ModelUnstandardized CoefficientsStandardized CoefficientstSig.
BStd. ErrorBeta
1(Constant)619.971187.2583.311.002
Bibit2.473.702.3493.524.001
ZA18.9637.465.2932.540.014
TK-.6001.072-.074-.559.578
DiTK1.673.545.4153.071.003
a. Dependent Variable: PROD
1