HASIL DAN PEMBAHASAN
5.1 Faktor-Faktor yang Mempengaruhi Produksi Jagung
Produksi hasil komoditas pertanian sering disebut korbanan produksi karena faktor produksi tersebut dikorbankan untuk mengasilkan komoditas pertanian, untuk menghasilkan suatu produk diperlukan hubungan antara faktor produksi dan komoditas, hubungan antara input dan output disebut dengan factor relationship (FR). Tinggi rendahnya produksi jagung dipengaruhi oleh berbagai faktor produksi. Hasil analisis faktor-faktor yang mempengaruhi produksi jagung di daerah penelian dapat dilihat pada tabel berikut :
Tabel 8. Tabel Estimasi Faktor-Faktor yang Mempengaruhi Produksi Jagung N o Variabel Koefisie n Regresi Standar d Error T Hitun g Signifikan si Keteranga n 1 Luas Lahan 0.979 0.170 5,771 0.000 Nyata 2 Jumlah Bibit -0,054 0,086 -0,631 0,032 Nyata 3 Herbisida -0,094 0,057 -1,658 0,106 Tidak Nyata 4 Pupuk Urea -0,091 0,110 -0,829 0,013 Nyata 5 Pupuk SP -0,003 0,013 -0,257 0,799 Tidak Nyata 6 Pupuk TSP -0,002 0,016 -0,142 0,888 Tidak Nyata 7 Pupuk PHONSKA 0,006 0,015 0,413 0,682 Tidak Nyata 8 Pupuk KCL -0,004 0,013 -0,314 0,755 Tidak Nyata 9 Pupuk NPK 0,006 0,014 0,424 0,674 Tidak Nyata 10 Tenaga Kerja 0,238 0,162 1,470 0,151 Tidak Nyata Konstanta : 9,197 T.Tabel : 1,689 �� : 0,962 R : 0,981 F Hitung :88,578 F Tabel : 2,048 Sumber : Data Hasil Output SPSS
LnY= Ln9,197+ 0,979 Ln�1 - 0,054 Ln�2 - 0,094 Ln�3 - 0,091 Ln�4 - 0,003 Ln�5 - 0,002 Ln�6 + 0,006 Ln�7 - 0,004 Ln�8 + 0,006 Ln�9 + 0,238 Ln�10
Y = 2,218���,������,������,������,������,������,������,������,������.�������,���
Dari model persamaan regresi diatas, diketahui ada 10 variabel produksi yang menentukan tinggi rendahnya produktivitas jagung di daerah penelitian, yaitu:Luas lahan (X1), jumlah bibit (X2), Herbisida (X3), pupukUrea (X4), pupuk SP (X5), pupuk TSP (X6), pupuk Phonsca (X7), pupuk KCL (X8), pupuk NPK (X9), tenaga kerja (X10).
Sebelum melakukan uji Kesesuaian Model maka sebelumnya dilakukan Uji Asumsi Klasik yang bertujuan untuk mengetahui data tersdistribusi dengan normal dan terbebas dari multikolinearitas dan heterokodestisitas.
Normalitas
Untuk mengetahui apakah data terdistribusi dengan normal maka diuji dengan menggunakan metode Kolmogorov Smirnov. Data terdistribusi secara normal jika nilai signifikansi ≥(lebih besar dari) 0,05. Berikut adalah tabel uji Normalitas dengan metode Kolmogorov Smirnov:
Tabel 9. Uji Normalitas dengan Metode Kolmogorov Smirnov Unstandardiz ed Residual N Normal �����������.� Mean Std. Deviation
Most Extreme Diffrences Absoulut Positive
Negative
Kormogorov-Smirnov Z Asymp. Sig (2-tailed)
46 0E-7 0,12459248 0,111 0,111 -0,110 0,755 0,619
Sumber : Data Hasil Output SPSS
Dari tabel di atas dapat dilihat bahwa nilai signifikansi pada uji Kolmogorov Smirnov sebesar 0,619 dengan nilai signifikansi ≥ (lebih besar dari) 0,05 berarti data yang diuji tersebar secara normal.
Multikolinearitas
Untuk menguji multikolinearitas dilakukan dengan metode sederhana yaitu dengan melihat tabel Coefficient. Jika nilai Toleransi atau VIF (Variance Inflation Factor) kurang dari 0,1 atau nilai VIF melebihi 10. Berikut adalah tabel Cofficients :
Tabel 10. Uji Multikolinearitas Antar Variabel Produksi Model Collienearity Statistics
Tolerance VIF (Constant) LuasLahan Bibit 0,040 0,146 4,867 6,849 Herbisida 0,332 3,012 Urea 0,100 9,969 SP 0,381 2,625 TSP 0,284 3,518 Phonsca 0,435 2,297 KCL 0,405 2,468 NPK 0,415 2,412 Tenaga Kerja 0,043 3,199
Sumber : Data Hasil Output SPSS
Dari tabel di atas dapat dilihat bahwa nilai toleransi pada tiap model tidak lebih besar dari 0,1 dan nilai VIF pada tiap model tidak ada yang lebih besar dari 10. Dapat disimpulkan bahwa pada data yang diolah tidak terjadi multikolinearitas dimana tidak terdapat hubungan linier antar variabel.
Heteroskedastisitas
Untuk menguji heteroskedastisitas dilakukan metode grafik heterokedastisitas dimana heterokedastisitas akan terjadi bila plot menunjukkan pola yang sistematis (membentuk pola tertentu).
Gambar 3. Scatterplot Produksi
Dari scatterplot di atas menunjukkan bahwa pola yang terjadi di plot tidak sistematis (membentuk pola tertentu) melainkan menyebar. Dengan demikian data tersebut tidak heterokedastisitas.
Uji Kesesuaian (Test Goodness of Fit)
1. Analisis Koefisien Determinasi (R-Square)
Dari tabel regresi di atas, nilai R-square (�2) 0,962. Koefisien (indeks) determinasi tersebut menunjukan informasi bahwa 96,2 % produksi jagung dapat dijelaskan oleh variabel luas lahan, jumlah bibit, herbisida, pupuk Urea, SP, TSP, Phonsca, KCL, NPK, tenaga kerja atau dengan kata lain sebesar 96,2 % ke sepuluh variabel diatas
mempengaruhi produksi jagung. Sedangkan sisanya 3,8 % dipengaruhi oleh faktor lain yang tidak dimasukan kedalam model.
2. Uji Keseluruhan (Uji F)
Secara serempak pengaruh variabel produksi jagung di daerah penelitian dapat dijelaskan oleh variabel bebas luas lahan,jumlah bibit, herbisida, pupuk Urea, SP, TSP, Phonsca, KCL, NPK, tenaga kerja adalah nyata pada taraf 95%. Hal ini dapat ditunjukkan dari uji F, dengan kriteria F hitung > F tabel. Didapat F hitung = 88,578 > FTabel = 2,048. Dengan nilai signifikansi (0,000) ≤ α = 5 % sehingga persaman yang digunakan adalah Linier.
3. Uji Parsial (Uji t)
Uji t (partial test), uji ini dimaksudkan untuk mengetahui signifikansi statistik koefisien regresi parsial. Pengaruh antara produktivitas jagung dengan variabel bebas dapat dilihat secara parsial yaitu dengan menggunakan uji t (Gujarati, 2011).
- Variabel Luas Lahan (X1) berpengaruh nyata terhadap produksi jagung (Y). Nilai t hitung = 5,771 > nilai t tabel = 1,689 dan nilai signifikansi 0,00 < α = 0,05 dengan demikian pengaruh luas lahan terhadap produksi jagung nyata. Koefisien regresi variabel X1 adalah 0,979 sehingga apabila ada kenaikan luas lahan 1% maka akan menaikan produksi jagung sebesar 97,9%.
- Variabel jumlah bibit (X2) berpengaruh nyata terhadap produksi jagung (Y). Nilai t hitung = -0,631 < nilai t tabel = 1,689 dan nilai signifikansi 0,032 < α = 0,05 dengan demikian pengaruh jumlah bibit terhadap produksi jagung nyata.
Koefisien regresi variabel X2 adalah -0,054 sehingga apabila ada penurunan jumlah bibit 1% maka akan menaikan produksi jagung sebesar 5,4 %.
- Variabel Herbisida (X3) berpengaruh tidak nyata terhadap produksi jagung (Y). Nilai t hitung = -1,658 < nilai t tabel = 1,689 dan nilai signifikansi 0,106 > α = 0,05 dengan demikian pengaruh herbisida terhadap produksi jagung tidak nyata.
- Variabel pupuk Urea (X4) berpengaruh nyata terhadap produksi jagung (Y). Nilai t hitung = -0,829 > nilai t-tabel = 1,689 dan nilai signifikansi 0,013 < α = 0,05 dengan demikian pengaruh pupuk Urea terhadap produksi jagung nyata. Koefisien regresi variabel X2 adalah -0,091 sehingga apabila ada penurunan jumlah bibit 1% maka akan menaikan produksi jagung sebesar 9,1 %.
- Variabel pupuk SP (X5) berpengaruh tidak nyata terhadap produksi jagung (Y). Nilai t-hitung = -0,257 < nilai t-tabel = 1,689 dan nilai signifikansi -0,142 > α = 0,05 dengan demikian pengaruh pupuk SP terhadap produktsi jagung tidak nyata.
- Variabel pupuk TSP (X6) berpengaruh tidak nyata terhadap produksi jagung (Y). Nilai t-hitung = -0,142 < nilai t-tabel = 1,689 dan nilai signifikansi 0,888 > α = 0,05 dengan demikian pengaruh pupuk TSP terhadap produksi jagung tidak nyata.
- Variabel pupuk Phonsca (X7) berpengaruh tidak nyata terhadap produksi jagung (Y). Nilai t-hitung = 0,413 < nilai t-tabel = 1,689 dan nilai signifikansi
0,682 > α = 0,05 dengan demikian pengaruh pupuk Phonsca terhadap produksi jagung tidak nyata.
- Variabel pupuk KCL (X8) berpengaruh tidak nyata terhadap produksi jagung (Y). Nilai t-hitung = -0,314 < nilai t-tabel = 1,689 dan nilai signifikansi 0,755 > α = 0,05 dengan demikian pengaruh pupuk KCL terhadap produksi jagung tidak nyata.
- Variabel pupuk NPK (X9) berpengaruh tidak nyata terhadap produksi jagung (Y). Nilai t-hitung = 0,424 < nilai t-tabel = 1,689 dan nilai signifikansi 0,674 > α = 0,05 dengan demikian pengaruh pupuk NPK terhadap produktsi jagung tidak nyata.
- Variabel Tenaga Kerja (X10) berpengaruh tidak nyata terhadap produktivitas jagung (Y). Nilai t-hitung = 1,470 > nilai t-tabel = 1,689 dan nilai signifikansi 0,151 < α = 0,05 dengan demikian pengaruh jumlah tenaga kerja terhadap produksi tidak nyata.
Dari estimasi model di atas diketahui bahwa secara serempak variabel bebas (luas lahan,jumlah bibit, herbisida, pupuk Urea, pupuk SP, pupuk TSP, pupuk Phonsca, pupuk KCL, pupuk NPK, jumlah tenaga kerja) berpengaruh nyata terhadap produksi jagung di daerah penelitian. Sementara secara parsial variabel yang berpengaruh nyata terhadap produksi jagung adalah luas lahan, jumlah bibit, dan pupuk Urea.
Dari uraian di atas dapat disimpulkan bahwa hipotesis 1 yang menyatakan faktor- faktor yang berpengaruh nyata terhadap produksi jagung adalah luas lahan, jumlah bibit, dan pupuk Urea diterima.
