Produksi Angsana Estate
Produksi kelapa sawit Angsana Estate tujuh tahun terakhir berfluktuatif. Produksi aktual kebun mulai tahun 2004-2009 belum pernah mencapai potensi produksi standar Marihat untuk kelas kesesuaian lahan S3 meskipun hasil survei tanah semi detil yang dilakukan oleh Departemen Riset Minamas Plantation tahun 2006 menjelaskan bahwa kelas kesesuaian lahan Angsana Estate termasuk dalam kelas kesesuaian lahan S2 dan S3. Perbandingan antara produksi aktual Angsana
Estate, budget produksi kebun, dan standar produksi Marihat kelas S3 disajikan
pada Gambar 13.
Gambar 13. Perbandingan Produksi Aktual dengan Budget Produksi dan Standar Produksi Marihat di Angsana Estate Tahun 2004-2009 (Kantor Besar Angsana Estate, 2010).
Produksi bulanan di Angsana Estate juga berfluktuatif (Tabel Lampiran 11). Hal ini disebabkan oleh kondisi iklim yang cenderung berfluktuatif, salah satunya adalah penyebaran curah hujan yang tidak merata sepanjang tahun. Kondisi seperti ini tidak diharapkan oleh perusahaan karena mempersulit peramalan produksi sehingga proyeksi penerimaan dan rencana kegiatan operasional tidak sesuai dengan perkiraan yang dibuat sebelumnya. Oleh karena
-10.000 20.000 30.000 40.000 50.000 60.000 70.000 2004 2005 2006 2007 2008 2009 P r o d u k si TB S (To n ) Tahun Produksi Aktual Budget Produksi Standar Marihat
itu, pemahaman tentang pengaruh iklim terhadap produksi kelapa sawit, menjadi sangat penting untuk memprediksi produksi tandan buah segar kelapa sawit.
Curah Hujan
Siregar (2006) menyatakan bahwa karakteristik pola hujan Kalimantan Selatan secara klimatologis termasuk dalam tipe moonson, dicirikan oleh pola hujan yang bersifat unimodal atau mempunyai satu puncak musim hujan. Peluang musim hujan dijumpai selama enam bulan yaitu pada bulan November-April dan selama tiga bulan curah hujan relatif tinggi hingga puncak yaitu Desember-Februari. Peluang musim kemarau juga dijumpai selama enam bulan yaitu pada bulan Mei-Oktober dan selama bulan Juni-Agustus curah hujan relatif rendah hingga semakin rendah. Meskipun demikian, curah hujan bulanan Angsana Estate tahun 2004-2009 (Gambar 14.) menunjukkan pola hujan yang tidak unimodal. Harahap et al. (2007) menyatakan bahwa fluktuasi musim hujan dan musim kering dapat mempengaruhi penyebaran produksi dan menyebabkan fluktuasi produksi bulanan kelapa sawit yang sulit untuk diprediksi.
Gambar 14. Curah Hujan Bulanan di Angsana Estate Tahun 2004-2009 (Kantor Besar Angsana Estate, 2010)
Berdasarkan kajian terhadap tren penurunan persentase Oil Extraction
Rate (% OER) pada kwartal III, periode 2009-2010 di area Kalimantan Selatan
dan Kalimantan Tengah yang dilakukan Departemen Riset Minamas (2010), 0 200 400 600 800 1000 2004 2005 2006 2007 2008 2009 C u r ah H u jan (m m ) TAHUN Curah Hujan (mm)
hubungan antara curah hujan dan hari hujan (Lag 5 bulan dan Lag 6 bulan) terhadap pencapaian persentase OER pada masing-masing PKS di area Kalimantan Selatan dan Kalimantan Tengah menunjukkan korelasi yang signifikan terhadap penurunan persentase OER, kecuali pada PKS Selabak yang menunjukkan korelasi positif.
Curah hujan dan hari hujan pada Lag 5 – 6 bulan berpengaruh terhadap tingkat keberhasilan penyerbukan (pollination) karena menyebabkan terganggunya aktifitas serangga penyerbuk Elaeidobius kamerunicus (Gambar 15) yang menyebabkan terbentuknya buah parthenocarpy dan false ripening. Hal ini terlihat pada fruitset (maupun fruit/bunch) yang terbentuk. Artinya, tandan buah yang ditentukan pada 5 – 6 bulan yang lalu dengan kondisi curah hujan yang tinggi dan hari hujan yang tinggi (dalam hal ini hari hujan yang berhubungan dengan frekuensi kejadian hujan pada siang hari/intensitas matahari), maka
fruitset dan fruit/bunch yang dihasilkan akan lebih rendah dibandingkan bila
ditentukan pada saat curah hujan dan hari hujan yang rendah. Dengan kondisi tandan buah yang mempunyai fruitset dan fruit/bunch yang rendah, maka akan menyebabkan potensi % OER yang rendah (Departemen Riset Minamas, 2010).
Departemen Riset Minamas (2010) melakukan analisa laboratorium terhadap material balance Fruit/Bunch (F/B) buah normal dan buah dengan gejala
false ripening. Hasil analisis menunjukkan bahwa Fruit/Bunch (F/B) buah normal
dan buah dengan gejala false ripening relatif tidak berbeda nyata, yakni rata-rata mencapai 60.91% (minimum 55.47% dan maksimum 64.73%). Untuk Oil/Bunch (O/B) yang dihasilkan menunjukkan perbedaan yang nyata dimana % OER pada tandan buah yang mengalami gejala false ripening lebih rendah bila dibandingkan dengan tandan buah normal. Pada tandan buah yang mengalami gejala
parthenocarpy, Fruit/Bunch (F/B) maupun Oil/Bunch (O/B) yang dihasilkan
adalah lebih rendah (F/B = 36.72% dan O/B = 8.31%) dan sangat berbeda nyata bila dibandingkan dengan analisa dari tandan buah normal maupun gejala false
ripening. Hal ini sebagai akibat rendahnya tingkat keberhasilan penyerbukan
pada saat 5–6 bulan yang lalu. Hasil pengamatan lapang (grading di TPH) terhadap kualitas buah, menunjukkan bahwa total persentase buah abnormal (parthenocarpy dan false ripening) hanya berkisar antara 2.0 – 5.5%. Jumlah ini masih tergolong rendah bila dibandingkan dengan total buah normal yang masuk ke masing-masing PKS.
a. b.
Gambar 16. Buah Tidak Normal di Angsana Estate : a. Tandan buah yang mengalami gejala parthenocarpy; b. Tandan buah yang mengalami gejala false ripening
Penyebaran curah hujan yang tidak merata juga dapat menimbulkan peluang adanya bulan kering (curah hujan<60 mm/bulan) meskipun jumlah curah hujan lebih dari 2000 mm/tahun sehingga terjadi defisit air.
Defisit Air
Defisit air sangat berpengaruh dalam produksi tandan buah segar kelapa sawit karena berpengaruh terhadap pembungaan. Mangoensoekarjo dan Semangun (2005) menyatakan bahwa kekurangan air selama musim kemarau yang disertai dengan pengelolaan air yang buruk dapat menurunkan produksi 8-10% dari produksi normal pada tahun pertama setelah devisit air dan menurunkan produksi 3-4% pada tahun kedua setelah terjadi defisit air. Siregar et
al. (2006) menyatakan bahwa perhitungan defisit air memungkinkan menaksirkan
hubungan yang sangat sederhana antar produksi kelapa sawit dengan data meteorologi (curah hujan, hari hujan).
Faktor lain selain defisit air juga berpengaruh terhadap produksi kelapa sawit, antara lain: lama penyinaran matahari dan suhu. Memperkirakan produksi dengan menggunakan data defisit air akan lebih baik dilakukan bila umur kelapa sawit lebih dari 8 tahun (produksi dalam kisaran maksimal) bila umur kelapa sawit kurang dari 8 tahun, perkembangan produksi masih sangat dipengaruhi sejarah hidup pohon sejak ditanam. Neraca keseimbangan air dan defisit air yang terjadi di Angsana Estate tahun 2000-2009 disajikan pada Lampiran 12.
Defisit air di Angsana Estate pada tahun 2006 sebesar 440 mm. Hal ini diduga mempengaruhi produksi tandan buah segar Angsana Estate pada tahun 2007 yang mengalami penurunan sebanyak 6.5 % dari produksi 2006 dan 8.5 % pada produksi 2008.
Kecepatan Angin, Suhu, Kelembaban Udara, dan Penyinaran Matahari
Penyerbukan kelapa sawit (anemophyli) efektif pada kecepatan angin 5-6 km/jam. Angin yang terlalu kencang dapat menyebabkan tanaman baru menjadi miring, bahkan angin yang terlalu besar dapat merusak perkebunan kelapa sawit (Pahan, 2008). Kecepatan angin rata-rata Angsana Estate pada tahun 2000-2009 berkisar antara 3-6 km/jam. Tanaman kelapa sawit dapat tumbuh baik pada kisaran suhu 240-280 C dan kelembaban 85%. Suhu rata-rata Angsana Estate
pada tahun 2000-2009 berkisar 25-28 0C dengan kelembaban yang sedang yaitu 82-85%. Data iklim selengkapnya disajikan pada Lampiran 13.
Populasi dan Umur Tanaman
Angsana Estate memiliki komposisi tanaman kelapa sawit dengan tahun tanam 1996, 1998, 1999, dan 2000. Setiap tahun tanam memiliki tanaman sisipan yang ditanam pada tahun yang berbeda. Jumlah populasi tanaman kelapa sawit di Angsana Estate dari tahun ke tahun mengalami pengurangan yang disebabkan oleh adanya penyakit tanaman dan kelaianan tanaman sehingga tanaman mati atau dilakukan penebangan. Selain itu, terjadinya banjir atau erosi juga menyebabkan tanaman roboh dan mati. Secara keseluruhan, jumlah populasi tanaman/ha rata-rata di Angsana Estate tidak mengalami perubahan yang signifikan, dan jumlahnya berkisar 133 tanaman/ha (Lampiran 14).
Umur tanaman kelapa sawit berpengaruh terhadap produktivitas kelapa sawit. Produktivitas tanaman kelapa sawit cenderung meningkat dengan meningkatnya umur tanaman sampai pada umur tanaman 13 tahun dan akan menurun sampai umur tanaman 25 tahun (Lubis, 2008). Rataan umur tanaman di Angsana Estate dan produksi tanaman disajikan pada Gambar 17. Produksi kelapa sawit di Angsana Estate dari tahun 2004-2009 cenderung meningkat meskipun terjadi fluktuasi produksi tahunan yang dipengaruhi oleh faktor di luar umur tanaman yaitu iklim.
Gambar 17. Umur Tanaman dan Produksi Tanaman Kelapa Sawit di Angsana Estate
Kultur Teknis
Kegiatan kultur teknis yang dilakukan di Angsana Estate meliputi pengendalian gulma, pengendalian hama penyakit, pemupukan, dan panen. Dari hasil wawancara dengan staf kebun diketahui bahwa pengendalian gulma telah berjalan dengan baik dan tidak pernah terjadi serangan hama penyakit yang signifikan selama 10 tahun terakhir. Kondisi tanah yang cenderung berpasir pada area TM membuat pertumbuhan gulma tidak signifikan, bahkan pengendalian untuk gulma ringan (soft grass) hanya pada area tertentu (piringan, pasar rintis, dan TPH) saja. Hal ini dikarenakan pertumbuhan soft grass dapat mengurangi laju erosi dan menjaga kelembaban tanah (mengurangi evaporasi) sehingga pertumbuhannya hanya dikendalikan dan tidak diberantas habis.
Pemupukan kelapa sawit yang sesuai dengan tepat cara, tepat jenis, tepat dosis, dan tepat waktu (4T) dapat memaksimalkan produksi tandan kelapa sawit. Historis aplikasi pupuk Angsana Estate disajikan pada Lampiran 15. Pada tahun 2004, 2005, 2008, dan 2009 aplikasi dosis pemupukan tidak maksimal yaitu antara 80-100% atau belum mencapai dosis rekomendasi pemupukan. Kurangnya dosis pupuk dapat berakibat terhambatnya pertumbuhan dan produksi tanaman (Poeloengan et al., 2007). 0 5 10 15 20 25 2004 2005 2006 2007 2008 2009 Tahun
Inti pekerjaan panen adalah memperkecil losses produksi sehingga fokus utama pengelolaan kegiatan panen adalah memotong semua janjang masak pada interval tertentu, mengutip seluruh brondolan dan mengantarkannya ke PKS selambatnya dalam waktu 24 jam. Losses (kerugian) panen di Angana Estate akibat brondolan tinggal, janjang tinggal, dan buah mentah dapat dilihat pada Gambar 18.
Gambar 18. Losses Panen Akibat Brondolan Tinggal, Janjang Tinggal, dan Buah Mentah di Angana Estate (Kantor Besar Angsana Estate, 2010).
Pengelolaan kegiatan panen di Angsana Estate berlangsung baik. Berdasarkan Gambar di atas, losses atau kerugian panen mulai tahun 2005 sampai tahun 2009 semakin kecil dan berada di bawah batas toleansi perusahaan yaitu 2 butir/tanaman untuk brondolan tinggal. Batas toleransi untuk janjang tinggal dan buah mentah adalah 0% atau tidak ada toleransi. Meskipun demikian angka kerugian akibat janjang tinggal dan buah mentah terus berkurang mendekati 0% sehingga mutu buah (persentase buah masak) secara total masih berkisar 95% (Kantor Besar Angsana Estate, 2010). Kegiatan kultur teknis di Angsana Estate antara lain pengendalian gulma, pengendalian hama dan penyakit, pengelolaan panen, dan pemupukan (kecuali realisasi dosis pemupukan) berjalan dengan baik sehingga dalam proses peramalan produksi berikutnya diasumsikan telah dilakukan dengan optimal.
1.5 1.0 0.5 0.0 2.0 2.5 3.0
Penentuan Nilai Produksi Duga
Produksi kelapa sawit dipengaruhi oleh keadaaan iklim dan teknis budidaya kelapa sawit. Untuk mengetahui peubah yang berpengaruh nyata terhadap produksi kelapa sawit dilakukan pengujian terhadap peubah iklim (suhu, kecepatan angin, kelembaban udara, lama penyinaran matahari, curah hujan, hari hujan, defisit air) dan peubah kultur teknis (jumlah populasi tanaman/ha, pemupukan, dan umur tanaman). Pengujian pada peubah iklim dan kultur teknis dilakukan pada 0 bulan sebelum panen (BSP), 6 BSP, 12 BSP, 18 BSP, dan 24 BSP. Hasil uji t-parsial disajikan pada Tabel 16.
Hasil uji-t parsial menunjukkan bahwa tidak seluruh peubah berpengaruh nyata terhadap produksi kelapa sawit seperti peubah jumlah populasi tanaman/ha, suhu udara, dan kecepatan angin. Hal ini diduga karena jumlah rata-rata populasi
tanaman/ha di Angsana Estate relatif sama dari tahun ke tahun yaitu 132-133 tanaman/ha (Tabel 17) meskipun terjadi pengurangan jumlah populasi
tanaman akibat tanaman mati, hanyut terbawa banjir, dan penebangan terhadap tanaman tidak normal atau sakit. Begitu juga dengan suhu udara dan kecepatan angin. Suhu udara rata-rata mulai tahun 2000-2009 berkisar antara 27-28°C dimana kelapa sawit dapat tumbuh dengan baik pada suhu ini, sedangkan kecepatan angin berkisar antara 3-6 km/jam.
Tabel 16. Hasil Uji-t Parsial
NO. Peubah P-Value
0 BSP 6 BSP 12 BSP 18 BSP 24 BSP 1 Umur tanaman 0.022* - - - - 2 Populasi 0.121 - - - - 3 Pupuk 0.043* 0.493 0.055 0.007** 0.586 4 Suhu udara 0.893 0.616 0.587 0.217 0.853 5 Kelembaban udara 0.348 0.045* 0.626 0.589 0.604 6 Kecepatan angin 0.971 0.604 0.317 0.130 0.791 7 Penyinaran matahari 0.132 0.957 0.067 0.007** 0.130 8 Hari hujan 0.897 0.441 0.862 0.049* 0.216 9 Curah hujan 0.385 0.047* 0.053 0.974 0.092 10 Defisit air 0.021* 0.793 0.752 0.281 0.007**
Keterangan : *) berbeda nyata pada = 5%, **) berbeda sangat nyata pada = 1% BSP : Bulan Sebelum Panen
Tabel 17. Jumlah Rata-rata Populasi Tanaman dan Umur Tanaman di Angsana Estate.
Tahun Luas
(Ha) Jumlah Tanaman Tanaman/Ha
Rata-rata Umur Tanaman (Tahun) 2004 2 484 331 176 133.32 5.96 2005 2 484 331 176 133.32 6.96 2006 2 484 330 528 133.06 7.96 2007 2 484 329 779 132.76 8.93 2008 2 484 329 500 132.65 9.93 2009 2 484 329 655 132.71 10.93
Sumber : Kantor Besar Angsana Estate, 2010
Peubah-peubah yang berpengaruh nyata antara lain umur tanaman, pemupukan pada 0 BSP dan 18 BSP, kelembaban udara pada 6 BSP, penyinaran matahari pada 18 BSP, curah hujan pada 6 BSP, hari hujan pada 18 BSP, dan defisit air pada 0 BSP dan 24 BSP. Untuk mendapatan nilai produksi duga yang mendekati nilai produksi aktual, dilakukan dengan mencari kombinasi peubah yang paling tepat. Dari tujuh peubah yang berpengaruh nyata terhadap produksi kelapa sawit, diperoleh enam kombinasi persamaan regresi linear berganda untuk menentukan produksi duga atau meramal produksi kelapa sawit. Peramalan produksi kelapa sawit dilakukan secara bulanan untuk menentukan estimasi produksi kebun dalam setahun.
Persamaan Regresi Linear Berganda I
Bentuk persamaan regresi linear berganda pertama diperoleh dari kombinasi peubah umur tanaman, pemupukan (0 BSP), kelembaban udara (6 BSP), penyinaran matahari (18 BSP), curah hujan (6 BSP), defisit air (0 BSP), dan hari hujan (18 BSP). Bentuk persamaan yang diperoleh yaitu :
Produksi = 0.00894 umur tanaman (0 BSP) + 0.0160 pupuk (0 BSP) + 0.0421 kelembaban udara (6 BSP) – 0.0131 penyinaran matahari (18 BSP) – 0.00103 curah hujan (6 BSP) - 0.00319 defisit air (0 BSP) – 0.0188 hari hujan (18 BSP) – 3.29
Tabel 18. Sidik Ragam untuk Persamaan Regresi Linear Berganda I
Sumber keragaman Db JK KT F P
Regresi 7 10.4599 1.4953 7.08 0.00
Galat 64 13.5016 0.211
Total 71 23.9614
Nilai p-value (Tabel 18) pada hasil uji-F persamaan regresi linear berganda I menunjukkan bahwa bentuk persamaan berpengaruh nyata terhadap hasil produksi aktual pada taraf 5 %. Perbandingan antara hasil produksi duga persamaan regresi linear berganda I dengan produksi aktual dan budget produksi kebun disajikan pada Tabel 19. Sebagai ilustrasi perbandingan dapat dilihat pada Gambar 19.
Tabel 19. Hasil Produksi Duga Persamaan Regresi Linear Berganda I
Tahun Produksi Aktual (a) Produksi Duga (b) Selisih (1) (%) Budget Produksi (c) Selisih (2) (%) 2004 10.85 12.91 18.98 10.97 1.08 2005 16.21 13.94 -13.98 13.91 -14.19 2006 18.90 16.79 -11.19 16.86 -10.81 2007 17.70 19.11 7.97 20.21 14.17 2008 17.28 18.77 8.60 20.38 17.91 2009 20.83 20.03 -3.82 22.00 5.62 Keterangan :
Produksi Aktual = Hasil produksi kebun (ton/ha)
Produksi Duga = Hasil persamaan regresi linear berganda I (ton/ha)
Budget Produksi = Estimasi kebun (ton/ha)
Selisih 1 = (b-a) : a x 100% Selisih 2 = (c-a) : a x 100%
Nilai produksi duga tahunan yang diperoleh dari persamaan regresi linear berganda I mempunyai selisih yang masih relatif besar dengan produksi aktual antara 7.97 - 18.98%. Hanya pada tahun 2009 nilai produksi duga mendekati nilai produksi aktual dengan selisih 3.82%. Nilai produksi duga untuk produksi bulanan menggunakan regresi linear berganda I juga belum mendekati produksi aktual.
Gambar 19. Perbandingan Produksi Aktual, Produksi Duga, dan Budget Produksi
Nilai Variance Inflation Factor (VIF) untuk persamaan regresi linear berganda I kurang dari 10 (Tabel 20). Hal ini menunjukkan tidak ada pelanggaran asumsi metode kuadrat terkecil (MKT) yaitu adanya multikolinearitas. Untuk mengetahui adanya pelanggaran asumsi MKT heterokedastisitas, dapat dilihat pada plot sisaan vs Y Duga pada Gambar 20. Plot sisaan vs Y Duga tidak membentuk pola sehingga diagnosis pada persamaan regresi linear berganda I tidak terdapat pelanggaran asumsi MKT untuk heterokedastisitas.
Tabel 20. Nilai P- Value,VIF dan Durbin Watson untuk Persamaan Regresi Linear Berganda I
1. Predictor Koefisien P VIF
Konstanta -3.2940 0.214 - Umur tanaman 0.00894 0.009 1.637 Pupuk 0.01602 0.083 1.453 Kelembaban 0.04213 0.139 1.173 Penyinaran matahari -0.01306 0.007 1.197 Curah hujan -0.00103 0.006 1.064 Defisit air -0.00319 0.064 1.188 Hari hujan -0.01883 0.094 1.397 2. Durbin Watson 0.85902 0 5 10 15 20 25 2004 2005 2006 2007 2008 2009 ton/ha Tahun
2,5 2,0 1,5 1,0 0,5 1,0 0,5 0,0 -0,5 Y Duga S is a a n
Plot Sisaan vs Y Duga
Gambar 20. Plot Sisaan vs Y Duga untuk Persamaan Regresi Linear Berganda I
Nilai Durbin Watson persamaan regresi linear berganda I sebesar 0.85902. Hal ini menunjukkan terdapat autokorelasi positif pada persamaan regresi linear berganda I. Untuk menghilangkan autokorelasi digunakan metode
Cochrane-Orcutt. Persamaan Y duga setelah dilakukan metode Cochrane-Orcutt adalah :
Produksi = 0.00959 umur tanaman + 0.0081 pupuk (0 BSP) + 0.0103 kelembaban udara (6 BSP) – 0.00475 penyinaran matahari (18 BSP) – 0.000620 curah hujan (6 BSP) - 0.00390 defisit air (0 BSP) – 0.00468 hari hujan (18 BSP) - 0.276
Keterangan : Durbin Watson = 1.02770
Nilai Durbin Watson setelah dilakukan metode Cochrane-Orcutt hanya mengalami sedikit peningkatan menjadi 1.02770. Hal ini berarti masih terdapat autokorelasi positif pada persamaan regresi linear berganda. Dengan demikian, seluruh asumsi dalam persamaan regresi linear terpenuhi kecuali asumsi tidak terdapat autokorelasi. Perbandingan Y duga persamaan regresi linear berganda I sebelum dan setelah dilakukan metode Cochrane-Orcutt dapat dilihat pada
Gambar 21.
Hasil produksi (Y) duga Persamaan regresi linear berganda I setelah dilakukan metode Cochrane-Orcutt mempunyai selisih yang lebih besar terhadap produksi aktual bila dibandingkan dengan hasil produksi (Y) duga persamaan
regresi linear berganda I sebelum dilakukan metode Cochrane-Orcutt. Oleh karena itu, untuk menentukan nilai produksi duga tetap menggunakan persamaan regresi linear berganda I sebelum dilakukan metodeCochrane-Orcutt.
Gambar 21. Perbadingan Produksi Aktual, Persamaan Regresi Linear Berganda I Sebelum dan Setelah Dilakukan Metode
Cochrane-Orcutt (Produksi Duga I = Produksi Duga Hasil
Persamaan Regresi Linear Berganda Sebelum Dilakukan Metode Cochrane-Orcutt ; Produksi Duga I* = Produksi Duga Hasil Persamaan Regresi Linear Berganda Sesudah Dilakukan Metode Cochrane-Orcutt)
Persamaan Regresi Linear Berganda II
Bentuk persamaan regresi linear berganda II diperoleh dari kombinasi peubah umur tanaman, pemupukan (0 BSP), kelembaban udara (6 BSP), penyinaran matahari (18 BSP), curah hujan (6 BSP), defisit air (24 BSP), dan hari hujan (18 BSP). Bentuk persamaan yang diperoleh yaitu :
0 5 10 15 20 25 30 2004 2005 2006 2007 2008 2009 ton/ha Tahun
Produksi = 0.00771 umur tanaman (0 BSP) + 0.00943 pupuk (0 BSP) + 0.0393 kelembaban udara (6 BSP) – 0.0133 penyinaran matahari (18 BSP) – 0.000948 curah hujan (6 BSP) – 0.00543 defisit air (24 BSP) – 0.0084 hari hujan (18 BSP) – 2.39
Tabel 21. Sidik Ragam untuk Persamaan Regresi Linear Berganda II
Sumber keragaman Db JK KT F P
Regresi 7 12.0196 1.7171 9.20 0.00
Galat 64 11.9418 0.1866
Total 71 23.9614
Nilai p-value (Tabel 21) pada hasil uji-F persamaan regresi linear berganda II menunjukkan bahwa bentuk persamaan regresi linear berganda II berpengaruh nyata terhadap hasil produksi aktual pada taraf 5 %. Perbandingan antara hasil produksi duga persamaan regresi linear berganda II dengan produksi aktual dan budget produksi kebun disajikan pada Tabel 22. Sebagai ilustrasi perbandingan dapat dilihat pada Gambar 22.
Tabel 22. Hasil Produksi Duga Persamaan Regresi Linear Berganda II
Tahun Produksi Aktual (a) Produksi Duga (b) Selisih (1) (%) Budget Produksi (c) Selisih (2) (%) 2004 10.85 12.69 16.91 10.97 1.08 2005 16.21 14.46 -10.81 13.91 -14.19 2006 18.90 17.54 -7.19 16.86 -10.81 2007 17.70 18.98 7.23 20.21 14.17 2008 17.28 16.81 -2.74 20.38 17.91 2009 20.83 21.54 3.43 22.00 5.62 Keterangan :
Produksi Aktual = Hasil produksi kebun (ton/ha)
Produksi Duga = Hasil persamaan regresi linear berganda II (ton/ha)
Budget Produksi = Estimasi kebun (ton/ha)
Selisih 1 = (b-a) : a x 100% Selisih 2 = (c-a) : a x 100%
Nilai produksi duga yang diperoleh dari persamaan regresi linear berganda II mempunyai selisih yang relatif kecil bila dibandingan dengan nilai produksi duga persamaan regresi linear berganda I. Nilai produksi duga yang dihasilkan
mendekati produksi aktual pada dua tahun terakhir yaitu tahun 2008-2009 dengan selisih dibawah 5%. Estimasi produksi duga untuk produksi bulanan menggunakan regresi linear berganda II juga belum mendekati produksi aktual.
Gambar 22. Perbandingan Produksi Aktual, Produksi Duga, dan Budget Produksi
Nilai Variance Inflation Factor (VIF) untuk persamaan regresi linear berganda II kurang dari 10 (Tabel 23). Hal ini menunjukkan tidak ada pelanggaran asumsi MKT yaitu adanya multikolinearitas. Untuk mengetahui adanya pelanggaran asumsi MKT heterokedastisitas dapat dilihat pada plot sisaan vs Y Duga pada Gambar 23. Plot sisaan vs Y Duga tidak membentuk pola sehingga diagnosis pada persamaan regresi linear berganda II tidak terdapat pelanggaran asumsi MKT untuk heterokedastisitas.
Tabel 23. Nilai P-Value,VIF dan Durbin Watson untuk Persamaan Regresi Linear Berganda II
1. Predictor Koefisien P VIF
Konstanta -2.393 0.331 - Umur tanaman 0.00771 0.018 1.667 Pupuk 0.00943 0.275 1.459 Kelembaban 0.03929 0.140 1.160 Penyinaran matahari -0.01331 0.004 1.181 Curah hujan -0.00095 0.006 1.054 Defisit air -0.00543 0.001 1.320 Hari hujan -0.00836 0.450 1.553 2. Durbin Watson 1.00076 0 5 10 15 20 25 2004 2005 2006 2007 2008 2009 ton/ha Tahun
2,5 2,0 1,5 1,0 0,5 1,0 0,5 0,0 -0,5 Y Duga S is a a n
Plot Sisaan vs Y Duga
Gambar 23. Plot Sisaan vs Y Duga untuk Persamaan Regresi Linear Berganda II
Nilai Durbin Watson persamaan regresi linear berganda II sebesar 1.00076. Hal ini menunjukkan terdapat autokorelasi positif pada persamaan regresi linear berganda II. Untuk menghilangkan autokorelasi digunakan metode
Cochrane-Orcutt. Hasil persamaan Y duga setelah dilakukan dilakukan metode Cochrane-Orcutt adalah :
Produksi = 0.00876 umur tanaman (0 BSP) + 0.0042 pupuk (0 BSP) + 0.0158 kelembaban udara (6 BSP) – 0.00518 penyinaran matahari (18 BSP) – 0.000625 curah hujan (6 BSP) – 0.00407 defisit air (24 BSP) – 0.00285 hari hujan (18 BSP) - 0.322
Keterangan : Durbin Watson = 1.16334
Nilai Durbin Watson setelah dilakukan metode Cochrane-Orcutt hanya mengalami sedikit peningkatan menjadi 1.16334. Hal ini berarti masih terdapat autokorelasi positif pada persamaan regresi linear berganda. Dengan demikian, seluruh asumsi dalam persamaan regresi linear terpenuhi kecuali asumsi tidak terdapat autokorelasi. Perbandingan Y duga persamaan regresi linear berganda II sebelum dan setelah dilakukan metode Cochrane-Orcutt dapat dilihat pada
Gambar 24. Hasil produksi (Y) duga Persamaan regresi linear berganda II setelah dilakukan metodeCochrane-Orcutt mempunyai selisih yang lebih besar terhadap
regresi linear berganda II sebelum dilakukan metode Cochrane-Orcutt. Oleh
karena itu, untuk menentukan nilai produksi duga tetap menggunakan persamaan regresi linear berganda II sebelum dilakukan metodeCochrane-Orcutt.
Gambar 24. Perbadingan Produksi Aktual, Persamaan Regresi Linear Berganda II Sebelum dan Setelah Dilakukan Metode
Cochrane-Orcutt (Produksi Duga II = Produksi Duga Hasil Persamaan Regresi Linear Berganda Sebelum Dilakukan Metode Cochrane-Orcutt ; Produksi Duga II* = Produksi Duga Hasil Persamaan Regresi Linear Berganda Sesudah Dilakukan Metode Cochrane-Orcutt)
Persamaan Regresi Linear Berganda III
Bentuk persamaan regresi linear berganda ketiga diperoleh dari kombinasi peubah umur tanaman, pemupukan (18 BSP), kelembaban udara (6 BSP), penyinaran matahari (18 BSP), curah hujan (6 BSP), defisit air (0 BSP), dan hari hujan (18 BSP). Bentuk persamaan yang diperoleh yaitu :
Produksi = 0.0127 umur tanaman (0 BSP) – 0.0187 pupuk (18 BSP) + 0.0404
kelembaban udara (6 BSP) – 0.0126 penyinaran matahari (18 BSP) - 0.000922 curah hujan (6 BSP) – 0.00371 defisit air (0 BSP) - 0.0205 hari hujan (18 BSP) – 0.32 0 5 10 15 20 25 30 2004 2005 2006 2007 2008 2009 ton/ha Tahun
Tabel 24. Sidik Ragam untuk Persamaan Regresi Linear Berganda III
Sumber keragaman Db JK KT F P
Regresi 7 12.0196 1.7171 9.20 0.00
Galat 64 11.9418 0.1866
Total 71 23.9614
Hasil uji-F pada tabel di atas menunjukkan bahwa nilai p-value persamaan regresi linear berganda III kurang dari = 5%. Hal ini berarti bentuk persamaan regresi linear berganda III berpengaruh nyata terhadap hasil produksi aktual pada taraf 5 %. Perbandingan antara hasil produksi duga persamaan regresi linear berganda III dengan produksi aktual dan budget produksi kebun disajikan pada Tabel 25. Sebagai ilustrasi perbandingan dapat dilihat pada Gambar 25.
Tabel 25. Hasil Produksi Duga Persamaan Regresi Linear Berganda III
Tahun Produksi Aktual (a) Produksi Duga (b) Selisih (1) (%) Budget Produksi (c) Selisih (2) (%) 2004 10.85 11.84 9.09 10.97 1.08 2005 16.21 15.57 -3.97 13.91 -14.19 2006 18.90 17.25 -8.75 16.86 -10.81 2007 17.70 18.46 4.30 20.21 14.17 2008 17.28 17.97 4.02 20.38 17.91 2009 20.83 20.51 -1.52 22.00 5.62 Keterangan :
Produksi Aktual = Hasil produksi kebun (ton/ha)
Produksi Duga = Hasil persamaan regresi linear berganda III (ton/ha)
Budget Produksi = Estimasi kebun (ton/ha)
Selisih 1 = (b-a) : a x 100% Selisih 2 = (c-a) : a x 100%
Nilai produksi duga yang diperoleh dari persamaan regresi linear berganda III menunjukkan hasil yang mendekati nilai produksi aktual. Selisih produksi