BAB V HASIL DAN PEMBAHASAN
5.2.1 Hasil Uji Cob Douglas 54
Dalam penelitian ini digunakan model estimasi regresi linier berganda : Ln Y=f(X1,X2,X3,
X4)... (1) Dimana :
Y = Jumlah Produksi (kg)X1 = Jumlah bibit (kg) X2 = Jumlah pupuk (kg) X3 = Jumlah pestisida ( l)
X4 = Jumlah tenaga kerja (HKO)
Kriteria uji hipotesis adalah : H0 terima apabila signifikan > 0,05 H1 terima apabila signifikan < 0,05
Persamaan regresi untuk pengaruh jumlah bibit, jumlah pupuk, jumlah pestisida dan jumlah tenaga kerja terhadap jumlah produksi tanaman kacang kedelai ( Y ) maka hasilnya adalah sebagai berikut:
Y = 2,992 + ,878X1 + ,186X2 - ,0048X3 + ,015X4
t hitung = 9,190 2,439 -,074
,363
tsig = ,000 ,023 ,942
,720 Fhitung = 205,487 Fsig = ,000b R2 = ,972 α = 0,05
5.2.2. Uji Kesesuaian ( Test of Goodness of Fit ) 5.2.2.1. Koefisien Determinasi (R2)
Hasil Uji Liniar Berganda memperlihatkan nilai signifikansi dari uji R Square uji yang telah dilakukan seperti pada Tabel 5.5
Tabel 5.5 Hasil Uji R Square
Model R R Square
1 ,986a ,972
Sumber : data primer diolah lampiran
Dari Hasil dapat diperoleh nilai koefisien determinasi (R2) sebesar 0,972 yang berarti bahwa variasi yang terjadi pada jumlah bibit (X1), jumlah pupuk (X2), jumlah pestisida (X3) dan jumlah tenaga kerja (X4) dapat mempengaruhi jumlah produksi (Y) sebesar 97,2%. Dan variabel lain yang tidak dapat dijelaskan mempengaruhi pendapatan sebesar 2,8%.
Tabel 5.7 Hasil Uji Beta dan Hasil Uji T dan Uji regersi Tabel 5.6 Hasil Uji F
5.2.2.2. Uji Secara Serempak (Uji F – Statistik )
Hasil Uji Liniar Berganda memperlihatkan nilai F dan sig yang telah dilakukan seperti pada Tabel 5.6
Sumber : data primer diolah lampiran
Dari keseluruhan Variabel bebas yaitu jumlah bibit (X1), jumlah pupuk (X2), jumlah pestisida (X3), jumlah tenaga kerja (X4) secara serempak memberikan pengaruh yang sangat signifikan yaitu Fhitung sebesar 205,487 > Fsig sebesar 0,000.
Artinya H1 diterima atau ada pengaruh yang signifikan oleh semua variabel yang diteliti terhadap jumlah produksi
5.2.2.3. Analisis Regresi Uji Secara Parsial ( Uji t )
Dengan melakukan pengujian secara parsial, maka pengaruh masing masing variabel bebas yakni jumlah bibit (X1), jumlah pupuk (X2), jumlah pestisida (X3), jumlah tenaga kerja (X4) terhadap variabel jumlah produksi (Y) dapat dilihat pada Tabel 5.7 adalah sebagai berikut
Sumber : data primer diolah lampiran
Model F Sig.
Regression 205,487 ,000b
Model Koefisien t Sig.
(Constant) Jumlah bibit (X1) Jumlah pupuk (X2) Jumlah pestisida (X3) Jumlah tenaga kerja (X4)
:
2,992 10.739 ,000,878 9,190 ,000
,186 2,439 ,023
,015 -,363 ,942
,0048 -,074 ,720
Variabel jumlah bibit (X1) mempunyai koefisien regresi jumlah bibit sebesar 0,878 artinya apabila jumlah bibit meningkat sebesar 1 satuan, maka akan menambahkan jumlah produksi sebesar 0,878 . Secara Statistik uji parsial, hasil analisis terhadap jumlah produksi petani kedelai diperolah thitung sebesar 9,190 dengan nilai signifikansi sebesar 0,000 pada tingkat α sebesar 0,05. artinya adalah lebih kecil dari nilai α 0,05 artinya signifikan sehingga variabel jumlah bibit (X1) memiliki pengaruh sangat nyata terhadap jumlah produksi (Y).
Variabel jumlah pupuk (X2) mempunyai koefisien regresi jumlah pupuk sebesar 0,186 artinya apabila jumlah pupuk meningkat sebesar 1 kg satuan, maka akan menambahkan jumlah produksi sebesar 0,186. Secara Statistik uji parsial, hasil analisis terhadap jumlah produksi petani kedelai diperolah thitung sebesar 2,439 dengan nilai signifikansi sebesar 0,023 pada tingkat α sebesar 0,05. artinya adalah lebih kecil dari nilai α 0,05 artinya signifikan sehingga variabel jumlah pupuk (X2) memiliki pengaruh nyata terhadap jumlah produksi (Y).
Variabel jumlah pestisida (X3) mempunyai koefisien regresi jumlah pestisida sebesar 0,015 artinya apabila jumlah pestisida meningkat sebesar 1 satuan, maka akan menambahkan jumlah produksi sebesar 0,015. Secara Statistik uji parsial, hasil analisis terhadap jumlah produksi petani kedelai diperolah thitung sebesar -0,363 dengan nilai signifikansi sebesar 0,942 pada tingkat α sebesar 0,05. artinya adalah lebih besar dari nilai α 0,05 artinya signifikan sehingga variabel jumlah pestisida (X3) tidak memiliki pengaruh sangat nyata terhadap jumlah produksi (Y).
Variabel jumlah tenaga kerja (X4) mempunyai koefisien regresi jumlah tenaga kerja sebesar 0,0048 artinya apabila jumlah tenaga kerja meningkat sebesar 1 satuan, maka akan menambahkan jumlah produksi sebesar 0,0048 . Secara Statistik
uji parsial, hasil analisis terhadap jumlah produksi petani kedelai diperolah thitung
sebesar -0,074 dengan nilai signifikansi sebesar 0,720 pada tingkat α sebesar 0,05.
artinya adalah lebih besar dari nilai α 0,05 artinya signifikan sehingga variabel tenaga kerja (X4) tidak memiliki pengaruh sangat nyata terhadap jumlah produksi (Y).
5.2.3 Uji Asumsi Klasik
Pendugaan dengan metode Kuadrat terkecil (Ordinary Least Square) memiliki beberapa persayaratan untuk memperoleh The Best Linear Unbiased Estimated adalah dengan terpenuhi beberapa uji asumsi klasik. Dalam penelitian ini asumsi klasik yang digunakan adalah sebagai berikut :
5.2.3.1 Uji Normalitas
Untuk mengetahui apakah distribusi data mengikuti atau mendekati distribusi normal, dilakukan uji normalitas. Pada penelitian ini normalitas dilakukan dengan cara pendekatan grafik. Dilihat pada Gambar 5.4 dan Gambar 5.5 adalah sebagai berikut.
Gambar 5.4. Grafik Histogram Uji Normalitas
Tabel 5.8 Hasil uji Multikolinearitas
Berdasarkan tampilan Gambar 5.4. Histogram Uji Normalitas dapat dilihat bahwa distribusi data berbentuk lonceng (bell shaped), sehingga data tersebut dikatakan berdistribusi normal. Kemudian tampilan pada Gambar 5.5 Normal P-P Plot of Regression Standarized Residual. Terlihat bahwa titik-titik menyebar di sekitar dan mengikuti serta garis diagonal. Dengan ini data tersebut dikatakan berdistribusi normal, sehingga asumsi normalitas terpenuhi.
5.2.3.2 Uji Multikolinearitas
Untuk uji multikolineritas pada penelitian berikut dilakukan dengan melihat nilai VIF pada tiap independen variabel yang dapat di lihat pada Tabel 5.8 berikut:
Sumber : data primer diolah lampiran
Berdasarkan Tabel 5.8 dapat dilihat bahwa nilai VIF masing masing variabel dibawah 10 dan tolerance semua variabel diatas 0,1. Hal ini menunjukan bahwa model tidak mengandung multikolinearitas.
Collinearity Statistics
Tolerance VIF
,149 6,723
,223 4,480
,416 2,405
,621 1,610
5.2.3.3 Uji Heteroskedastisitas
Heteroskedastisitas didekteksi dengan metode grafik dengan mengamati scatterplot dapat dilihat pada Gambar 5.6
Gambar 5.6 Scatterplot Uji Heteroskedastisitas
Heteroskedastisitas didekteksi oleh metode grafik dengan melihat scatterplot. Jika scatterplot membentuk suatu pola tertentu, maka itu menunjukkan bahwa adanya masalah heteroskedasitas pada model regresi yang dibentuk.
Sedangkan scatterplot jika menyebar secara random atau acak maka menunjukkan tidak ada masalah pada heteroskedastisitas
Hasil uji asumsi heteroskedastisitas dengan melihat Gambar 5.6 scatterplot Uji heteroskedasitas menunjukkan bahwa scatterplot menyebar secara acak dan titik titik menyebar di bawah dan di atas angka 0. Hal ini menunjukkan bahwa tidak terjadi masalah pada heteroskedastistas
5.3 Analisis Hasil Uji Hipotesis 3 Terdapat Pengaruh Biaya Input Produksi Terhadap Pendapatan
Data yang digunakan dalam analisis ini adalah data primer dimana variabel bebasnya yaitu biaya bibit, biaya pupuk, biaya pestisida, biaya penyusutan, biaya tenaga kerja. Dari variabel–variabel bebas tersebut akan dilihat seberapa besar pengaruhnya terhadap pendapatan (variabel terikat), maka hasil regresi yang
5.3.1 Hasil Uji Hipotesis
Dalam penelitian ini digunakan model estimasi regresi linier berganda : Y=f(X1,X2,X3,X4,X5)... (1) Dimana : Y = Pendapatan (rp)
X1 = Biaya bibit (rp) X2 = Biaya pupuk (rp) X3 = Biaya pestisida (rp) X4 = Biaya penyusutan (rp) X5 = Biaya tenaga kerja (rp)
Kriteria uji hipotesis adalah : H0 terima apabila signifikan > 0,05 H1 terima apabila signifikan < 0,05
Persamaan regresi untuk pengaruh biaya bibit, biaya pupuk, biaya pestisida, biaya penyusutan dan biaya tenaga kerja terhadap pendapatan ( Y ) maka hasilnya adalah sebagai berikut :
Y = -204508,092 + 10,547X1 -1,173X2 – ,875X3 -,682X4 +,605X5
t hitung = 12,242 -1,022 -,276
-2,798 1,197
tsig = ,000 ,317 ,785
,010 ,243
Fhitung = 177,048 Fsig = ,000b R2 = ,974 α = 0,05
Tabel 5.10 Hasil Uji F
5.3.2. Uji Kesesuaian ( Test of Goodness of Fit ) 5.3.2.1. Koefisien Determinasi (R2)
Hasil Uji Liniar Berganda memperlihatkan nilai signifikansi dari uji R Square uji yang telah dilakukan seperti pada Tabel 5.9
Tabel 5.9 Hasil Uji R Square
Model R R Square
1 ,987a ,974
Sumber : data primer diolah lampiran
Dari Hasil dapat diperoleh nilai koefisien determinasi ( R2) sebesar 0,974 yang berarti bahwa variasi yang terjadi pada biaya bibit (X1), biaya pupuk (X2), biaya pestisida (X3), biaya penyusutan (X4) dan biaya tenaga kerja (X5) dapat mempengaruhi pendapatan (Y) sebesar 97,4%. Dan variabel lain yang tidak dapat dijelaskan mempengaruhi pendapatan sebesar 2,6%.
5.3.2.2. Uji Secara Serempak (Uji F – Statistik)
Hasil Uji Liniar Berganda memperlihatkan nilai F dan sig yang telah dilakukan seperti pada Tabel 5.10
Sumber : data primer diolah lampiran
Dari keseluruhan Variabel bebas yaitu biaya bibit (X1), biaya pupuk (X2), biaya pestisida (X3), biaya penyusutan (X4) dan biaya tenaga kerja (X5) secara serempak memberikan pengaruh yang sangat signifikan yaitu Fhitung sebesar 177,048 > Fsig sebesar 0,000. Artinya H1 diterima atau ada pengaruh yang signifikan oleh semua variabel yang diteliti terhadap pendapatan.
Model F Sig.
Regression 177,048 ,000b
Tabel 5.11 Hasil Uji Beta dan Hasil Uji T dan Uji regersi 5.3.2.3. Analisis Regresi Uji Secara Parsial ( Uji t )
Dengan melakukan pengujian secara parsial, maka pengaruh masing masing variabel bebas yakni biaya bibit (X1), biaya pupuk (X2), biaya pestisida (X3), biaya penyusutan (X4) dan biaya tenaga kerja
(
X5)
terhadap variabel pendapatan (Y) dapat dilihat pada Tabel 5.11 adalah sebagai berikut:
Sumber : data primer diolah lampiran
Variabel biaya bibit (X1) mempunyai koefisien regresi sebesar 10,547 artinya apabila biaya bibit meningkat sebesar 1 satuan, maka akan menambahkan pendapatan sebesar 10.547. Secara Statistik uji parsial, hasil analisis terhadap pendapatan petani kedelai diperolah thitung sebesar 12.242 dengan nilai signifikansi sebesar 0,00 pada tingkat α sebesar 0,05. artinya adalah lebih kecil dari nilai α 0,05 artinya signifikan sehingga variabel biaya bibit (X1) memiliki pengaruh sangat nyata terhadap pendapatan (Y).
Variabel biaya pupuk (X2) mempunyai koefisien regresi sebesar -1,173 artinya apabila biaya pupuk meningkat sebesar 1 satuan, maka akan menurunkan pendapatan sebesar 1.173. Secara Statistik uji parsial, hasil analisis terhadap pendapatan petani kedelai diperolah thitung sebesar -1,022 dengan nilai signifikansi sebesar 0,317 pada tingkat α sebesar 0,05. artinya adalah lebih besar dari nilai α
Model Koefisien t Sig.
(Constant) Biaya bibit (X1) Biaya pupuk (X2) Biaya pestisida (X3) Biaya penyusutan (X4) Biaya Tenaga kerja (X5)
-204508,092 -2,507 ,019
10,547 12,242 ,000
-1,173 -1,022 ,317
-,875 -,276 ,785
-,682 -2,798 ,010
,605 1,197 ,243
0,05 artinya tidak signifikan sehingga variabel biaya bibit (X1) tidak memiliki pengaruh sangat nyata terhadap pendapatan (Y).
Variabel biaya pestisida (X3) mempunyai koefisien regresi sebesar -,875 artinya apabila biaya pestisida meningkat sebesar 1 satuan, maka akan menurunkan pendapatan sebesar 875. Secara Statistik uji parsial, hasil analisis terhadap pendapatan petani kedelai diperolah thitung sebesar -,276 dengan nilai signifikansi sebesar 0,785 pada tingkat α sebesar 0,05. artinya adalah lebih besar dari nilai α 0,05 artinya tidak signifikan sehingga variabel biaya pestisida (X3) tidak memiliki pengaruh sangat nyata terhadap pendapatan (Y).
Variabel biaya penyusutan (X4) mempunyai koefisien regresi sebesar -,682 artinya apabila biaya penyusutan meningkat sebesar 1 satuan, maka akan menurunkan pendapatan sebesar 682. Secara Statistik uji parsial, hasil analisis terhadap pendapatan petani kedelai diperolah thitung sebesar -,2798 dengan nilai signifikansi sebesar 0,010 pada tingkat α sebesar 0,05. artinya adalah lebih kecil dari nilai α 0,05 artinya signifikan sehingga variabel biaya penyusutan (X4) memiliki pengaruh sangat nyata terhadap pendapatan (Y).
Variabel biaya tenaga kerja (X5) mempunyai ditinjau dari koefisien regresi sebesar ,605 artinya apabila biaya tenaga kerja meningkat sebesar 1 satuan, maka akan menambahkann pendapatan sebesar 605. Secara Statistik uji parsial, hasil analisis terhadap pendapatan petani kedelai diperolah thitung sebesar 1,197 dengan nilai signifikansi sebesar 0,243 pada tingkat α sebesar 0,05. artinya adalah lebih besar dari nilai α 0,05 artinya tidak signifikan sehingga variabel biaya tenaga kerja (X5) tidak memiliki pengaruh sangat nyata terhadap pendapatan (Y).
5.3.3. Uji Asumsi Klasik
Pendugaan dengan metode Kuadrat terkecil (Ordinary Least Square) memiliki beberapa persyaratan untuk memperoleh The Best Linear Unbiased Estimated adalah dengan terpenuhi beberapa uji asumsi klasik. Dalam penelitian ini asumsi klasik yang digunakan adalah sebagai berikut :
5.3.3.1 Uji Normalitas
Untuk mengetahui apakah distribusi data mengikuti atau mendekati distribusi normal, dilakukan uji normalitas. Pada penelitian ini normalitas dilakukan dengan cara pendekatan grafik. Dilihat pada Gambar 5.7 dan Gambar 5.8 adalah sebagai berikut :
Gambar 5.7. Grafik Histogram Uji Normalitas
Gambar 5.8. Normal P-P Plot of Regression Standarized Residual
Tabel 5.12 Hasil uji Multikolinearitas
Berdasarkan tampilan Gambar 5.7. Histogram Uji Normalitas dapat dilihat bahwa distribusi data berbentuk lonceng (bell shaped), sehingga data tersebut dikatakan berdistribusi normal. Kemudian tampilan pada Gambar 5.8 Normal P-P Plot of Regression Standarized Residual. Terlihat bahwa titik-titik menyebar di sekitar dan mengikuti serta garis diagonal. Dengan ini data tersebut dikatakan berdistribusi normal, sehingga asumsi normalitas terpenuhi.
5.3.3.2 Uji Multikolinearitas
Untuk uji multikolineritas pada penelitian berikut dilakukan dengan melihat nilai VIF pada tiap independen variabel yang dapat di lihat pada Tabel 5.12 berikut:
Sumber : data primer diolah lampiran
Berdasarkan Tabel 5.12 dapat dilihat bahwa nilai VIF masing masing variabel dibawah 10 dan tolerance semua variabel diatas 0,1. Hal ini menunjukkan bahwa model tidak mengandung multikolinearitas.
Collinearity Statistics
Tolerance VIF
,111 8,970
,218 4,590
,434 2,302
,158 6,347
,351 2,849
5.3.3.3 Uji Heteroskedastisitas
Heteroskedastisitas didekteksi dengan metode grafik dengan mengamati scatterplot dapat dilihat pada Gambar 5.9
Gambar 5.9 Scatterplot Uji Heteroskedastisitas
Heteroskedastisitas didekteksi oleh metode grafik dengan melihat scatterplot. Jika scatterplot membentuk suatu pola tertentu, maka itu menunjukan bahwa adanya masalah heteroskedasitas pada model regresi yang dibentuk.
Sedangkan scatterplot jika menyebar secara random atau acak maka menunjukan tidak ada masalah pada heteroskedastisitas
Hasil uji asumsi heteroskedastisitas dengan melihat Gambar 5.9 scatterplot Uji heteroskedasitas menunjukkan bahwa scatterplot menyebar secara acak dan titik titik menyebar di bawah dan di atas angka 0. Hal ini menunjukan bahwa tidak terjadi masalah pada heteroskedastistas
BAB VI
KESIMPULAN DAN SARAN 6.1 Kesimpulan
1. Secara serempak terdapat pengaruh karakteristik petani yaitu umur, lama pendidikan, lama berusahatani, jumlah tanggungan dan luas lahan terhadap pendapatan di daerah penelitian dan variabel yang mempengaruhi yaitu luas lahan sedangkan variabel yang tidak mempengaruhi yaitu umur, lama pendidikan, lama berusahatani serta jumlah tanggungan.
2. Secara serempak terdapat pengaruh input produksi yaitu jumlah bibit, jumlah pupuk, jumlah pestisida dan jumlah tenaga kerja terhadap jumlah produksi di daerah penelitian dan variabel yang mempengaruhi yaitu jumlah bibit dan jumlah pupuk sedangkan variabel yang tidak mempengaruhi yaitu jumlah pestisida dan jumlah tenaga kerja.
3. Secara serempak terdapat pengaruh biaya input produksi yaitu biaya bibit, biaya pupuk, biaya pestisida, biaya penyusutan dan biaya tenaga kerja terhadap pendapatan di daerah penelitian dan variabel yang mempengaruhi yaitu biaya bibit dan biaya penyusutan sedangkan variabel yang tidak mempengaruhi yaitu biaya pupuk, biaya pestisida dan biaya tenaga kerja.
6.2 Saran
Berdasarkan hasil dan pembahasan, maka disarankan sebagai berikut:
1. Kepada Pemerintah
Pemerintah diharapkan lebih memperhatikan petani didaerah penelitian melalui pembagian bibit yang tepat waktu dan panen subsidi kepada petani.
2. Kepada Petani
Petani diharapkan lebih semangat dan serius untuk melakukan penanaman kacang kedelai dan lebih melihat bibit karena dari hasil penelitian biaya bibit paling mempengaruhi
3. Kepada peneliti selanjutnya
Peneliti selanjutnya diharapkan mengadakan penelitian yang lebih lanjut mengenai kacang kedelai serta melanjutkan studi kelayakan tanaman kedelai tersebut.
Adisarwanto, T. 2008. Kedelai: Budidaya dengan Pemupukan yang efektif dan Pengoptimalan Peran Bintil Akar. Jakarta: Penebar Swadaya
Adisty, Meilinda. 2010 Karakteristik Sosial Ekonomi Petani Padi Dan Hubungannya Dengan Pendapatan di Desa Pasar Miring, Kecamatan Pagar
Merbau, Kabupaten Deli Serdang. Skripsi. Universitas Sumatera Utara. Medan Akmal Y. 2006. Analisis faktor yang mempengaruhi produktivitas tenaga kerja industri kecil
kerupuk sanjai di kota Bukittinggi [skripsi]. Bogor (ID): Institut Pertanian Bogor.
Assauri, Sofjan. 2004. Manajemen Pemasaran. Jakarta: Rajawali Press.
Aziz, Muhamad. Chusni. 2018Pendapatan usahatani dan faktor-faktor yang memengaruhi produksi lengkuas DiKabupaten Bogor. Skripsi. Institut Pertanian Bogor. Bogor Badan Pusat Statistik Propinsi Jateng, 2004. Statistik Sosial dan Kependudukan. Badan Pusat
Statistik Propinsi Jateng
Departemen Pertanian. 2005. Prospek dan Arah Pengembangan Agribisnis Kedelai. Badan Penelitian dan Pengembangan Pertanian, Jakarta.
Djojodarmodjo, P. dan S. Marco. 1985. Budi daya kedelai secara mekanisasi. p. 369-382.
Dalam: Somaatmadja et al. (Eds.). Kedelai Puslitbangtan, Bogor.
Dwi. 2007. Pembuatan Bionutrien Dari Ekstrak Tanaman KPD dan Aplikasinya pada Tanaman Caisin. Skripsi. FPMIPA UPI Bandung. Tidak dipublikasikan.
Hanafie R. 2010. Pengantar Ilmu Pertanian. Yogyakarta (ID): Andi Yogyakarta.
Hasan, Iqbal. 2006. Analisis Data Penelitian dengan Statistik. Jakarta: Bumi Aksara
Hasyim, Hasman. 2006. Analisis Hubungan Karakteristik Petani Kopi Terhadap Pendapatan (Studi Kasus di Desa Dolok Seribu Kecamatan Paguran Kabupaten Tapanuli Utara). Jurnal komunkasi Penelitian. Lembaga Penelitian. Universitas Sumatera Utara. Medan.
Hijratulaili. “Faktor-faktor Yang Mempengaruhi Pendapatan Petani Dalam Usaha Tani Padi Sawah di Kelurahan Balai Gadang Kecamatan Koto Tangah”. Skripsi. Padang:
Universitas Negeri Padang. 2009.
Hurlock, B. 2002. Psikologi Perkembangan, Suatu pendekatan sepanjang rentang kehidupan.
Jakarta: Erlangga
Lumentha, L. 1997. Beberapa Faktor yang Mempengaruhi Perkembangan Usaha Ternak Ayam Buras di Kecamatan Cikeruk Kabupaten Bogor. Skripsi. Fakultas Peternakan, Institut Pertanian Bogor. Bogor.
Mahyutan, Ahmad Suheili. 2016 Analisis Usahatani Dan Efisiensi Penggunaan Input Produksi Usahatani Kedelai, Universitas Sumatra Utara. Medan
Mubyarto. 1989. Pengantar Ekonomi Pertanian. Jakarta: LP3ES
Mulyadi, 2005. Akuntansi Biaya. Edisi kelima. Yogyakarta ; UPPAMP YKPN Universitas Gajah Mada
Prawirokusumo, 1999. Ilmu Usaha Tani. BPFE, Yogyakarta.
Pringgohandoko, B. dan O.S. Padmini 1999. Pengaruh Rhizo-plus dan Pemberian Cekaman Air Selama Stadia Reproduksi terhadap Hasil dan Kualitas Biji Kedelai. Agrivet.
Vol 1.
Rahim A. dan R. R. D. Hastuti. 2007. Ekonomika Pertanian, Pengantar Teori dan Kasus : Penebar Swadaya
Rianto, J.H. 2006.The Development of Pesticides Management Policy in Indonesia.Indonesian Saadah, Anis Alfiyatus 2017 Analisis Efisiensi Dan Pendapatan Usahatani Kedelai Di
Kabupaten Grobogan Jawa Tengah.Skripsi. Institut Pertanian Bogor. Bogor
Shamsiah. 2002. Dilema Wanita Berkahwin Yang Berkerjaya: Satu Perbincangan http://ikim.gov.my/v5/index.php?lg=1&opt=com_article&grp=2&sec=&key=71 3&cmd=resetall(wanita. Diakses pada tanggal 22 Mei 2008.
Silalahi, Asystasha Aishah.2013 Analisis Pendapatan Dan Faktor-Faktor Yang Mempengaruhi Produksi Usahatani Kedelai Di Desa Cipeuyeum, Kecamatan Haurwangi, Kabupaten Cianjur. Skripsi. Fakultas Peternakan, Institut Pertanian Bogor. Bogor.
Soekartawi, A Suharjo. 1986. Ilmu Usahatani dan Peneletiaan Untuk Pengembangan Petani Kecil Direktorat Jenderal Pendidikan Tinggi Departemen Pendidikan dan Kebudayaan. Penerbit Universitas Indonesia. Cetakan Ketiga. Jakarta.
Soekartawi. 1995. Analisis Usahatani. Penelitian Untuk Pengembangan
Soekartawi, 2005. Agribisnis Teori dan Aplikasinya. Rajagrafindo Persada.
Sudaryanto T, Swastika Dks. 2007. Ekonomi Kedelai Di Indonesia. Dalam: Sumarno, Sugiyono. (2001). Statistika untuk Penelitain. Bandung: Alfabeta.
Sugiyono, 2017. Metode Penelitian Kuantitatif, Kualitatif, dan R&D. Bandung :Alfabeta, CV.
Suhardiyono, L. 1992. Penyuluh Petunjuk bagi Penyuluhan Pertanian. Jakarta: Erlangga.
Suratiyah Ken, 2009. Ilmu Usahatani. Penebar Swadaya. Jakarta.
Winahyu, N. 2014 Pendapatan Usahatani Kedelai Di Desa Sukasirna Kecamatan Sukaluyu Kabupaten Cianjur. Skripsi. Fakultas Peternakan, Institut Pertanian Bogor.
Bogor.
1 0,20 MS 59 SD 3 32
2 0,20 MS 69 SD 1 39
3 0,12 MS 39 SMA 4 14
4 0,40 MS 45 SMA 4 27
5 0,16 MS 48 SMA 3 23
6 0,20 MS 69 SD 3 50
7 0,20 MS 50 SD 1 23
8 0,16 S 35 SMP 3 15
9 0,12 MS 62 SMA 2 35
10 0,20 MS 48 SMA 2 30
11 0,12 S 54 SMP 3 30
12 0,16 MS 52 SMA 2 35
13 0,16 MS 42 SMA 3 20
14 0,12 S 38 SMA 3 15
15 0,16 MS 42 SMP 3 20
16 0,16 MS 65 SD 1 39
17 0,24 MS 39 SMP 3 20
18 0,60 MS 63 SD 3 45
19 0,24 MS 33 SMP 2 15
20 0,40 MS 60 SMA 1 40
21 0,40 MS 51 SMA 3 28
22 0,20 MS 49 SD 4 30
23 0,04 MS 60 SD 1 38
24 0,16 MS 44 SMP 3 20
25 0,20 MS 48 SMP 2 30
26 0,16 MS 48 SMP 4 23
27 0,12 MS 45 SMP 3 26
28 0,20 MS 52 SMP 3 33
29 0,24 MS 48 SD 3 27
30 0,16 MS 47 SMP 4 25
Total 6,2 1504 80 847
No
Sampel LuasLahan (Ha) Jumlah Bibit (Kg) Harga/kg (Rp) Total Harga
(Rp)
1 0,2 10 16.000 160.000
2 0,2 10 16.000 160.000
3 0,12 6 16.000 96.000
4 0,4 20 16.000 320.000
5 0,16 8 16.000 128.000
6 0,2 10 16.000 160.000
7 0,2 10 16.000 160.000
8 0,16 8 16.000 128.000
9 0,12 6 16.000 96.000
10 0,2 10 16.000 160.000
11 0,12 6 16.000 96.000
12 0,16 8 16.000 128.000
13 0,16 8 16.000 128.000
14 0,12 6 16.000 96.000
15 0,16 8 16.000 128.000
16 0,16 8 16.000 128.000
17 0,24 12 16.000 192.000
18 0,6 30 16.000 480.000
19 0,24 12 16.000 192.000
20 0,4 20 16.000 320.000
21 0,4 20 16.000 320.000
22 0,2 10 16.000 160.000
23 0,04 2 16.000 32.000
24 0,16 8 16.000 128.000
25 0,2 10 16.000 160.000
26 0,16 8 16.000 128.000
27 0,12 6 16.000 96.000
28 0,2 10 16.000 160.000
29 0,24 12 16.000 192.000
(Ha) Jumlah
Rataan 0,2066667 55,333333 123333,33 2,6666667 24000 0,2333333 18666,667 166000 839027,7778
No
(ml) (ml) (ml) (ml)
1 0 0 333,33 5666,65 500 37500 166,6665 19333,3 125 62500 0 0 124999,95 624999,75
2 50 21.250 333,33 5666,65 0 0 0 0 0 0 500 31000 26916,65 134583,25
3 30 31875 200 3399,99 300 22500 99,9999 11599,98 0 0 0 0 69374,97 578124,75
4 0 0 0 0 0 0 333,333 38666,6 250 125.000 1000 62000 163666,6 409166,5
5 0 0 266,6667 4533,32 400 30000 133,3332 15466,64 100 50000 0 0 99999,96 624999,75
6 0 0 333,33 5666,65 0 166,6665 19333,3 125 62500 500 31000 87499,95 437499,75
7 50 53125 333,33 5666,65 500 37500 0 0 0 0 0 0 96291,65 481458,25
8 0 0 0 0 0 0 133,3332 15466,64 100 50000 400 24800 65466,64 409166,5
9 0 0 200 3399,99 0 0 99,9999 11599,98 75 37500 300 18600 52499,97 437499,75
10 50 53125 333,33 5666,65 500 37500 0 0 0 0 0 0 96291,65 481458,25
11 0 0 200 3399,99 0 0 99,9999 11599,98 75 37500 300 18600 52499,97 437499,75
12 40 42500 266,6667 4533,32 400 30000 133,3332 15466,64 0 0 0 0 92499,96 578124,75
13 40 42500 266,6667 4533,32 400 30000 133,3332 15466,64 0 0 0 0 92499,96 578124,75
14 30 31875 200 3399,99 0 0 0 0 0 0 0 0 35274,99 293958,25
15 0 0 266,6667 4533,32 0 0 133,3332 15466,64 100 50000 400 24800 69999,96 437499,75
16 40 42500 266,6667 4533,32 400 30000 133,3332 15466,64 0 0 0 0 92499,96 578124,75
17 0 0 400 6799,98 0 0 0 0 150 75000 600 37200 81799,98 340833,25
18 0 0 1000 17.000 0 0 500 58.000 375 187500 0 0 262500 437500
19 0 0 0 0 0 0 199,9998 23199,96 150 75000 600 37200 98199,96 409166,5
20 0 0 0 0 0 0 199,9998 23199,96 250 125000 0 0 148199,96 370499,9
21 80 85.000 666,667 11333,3 0 0 0 0 0 0 1000 62000 96333,3 240833,25
22 50 53125 333,33 5666,65 500 37500 166,6665 19333,3 0 0 0 0 115624,95 578124,75
23 0 0 66,667 1133,3333 0 0 33,3333 3866,66 0 0 0 0 4999,993333 124999,8333
24 0 0 266,667 4533,32 0 0 133,3332 15466,64 100 50000 0 0 69999,96 437499,75
25 50 53125 333,33 5666,65 500 37500 0 0 0 0 0 0 96291,65 481458,25
26 40 42500 266,667 4533,32 0 0 133,3332 15466,64 0 0 400 24800 62499,96 390624,75
27 0 0 200 3399,99 0 0 0 0 75 37500 300 18600 40899,99 340833,25
28 0 0 333,33 5666,65 500 37500 0 0 125 62500 0 0 105666,65 528333,25
29 50 53125 333,33 5666,65 500 37500 166,6665 19333,3 0 0 0 0 115624,95 578124,75
30 40 42500 266,6667 4533,32 0 0 0 0 0 0 0 0 47033,32 293958,25
Total 945 2880000 720 1151000 855 460000 615 740000 1035 2230000 1020 2100000 2663957,413333 13075078,23
Rataan 24 73846,1 18 29512,8 22 11794,8 15,7 18974,3 26,5 57179,4 26,15 53846,1 88798,58044 435835,9411
2 0,2 187500 187500 0 0 174000 549.000 2745000
3 0,12 60000 60000 0 0 121800 241.800 2015000
4 0,4 200000 200000 0 0 417600 817.600 2044000
5 0,16 90000 90000 0 0 185600 365.600 2285000
6 0,2 200000 200000 0 0 217500 617.500 3087500
7 0,2 75000 75000 0 0 188500 338.500 1692500
8 0,16 0 0 0 0 162400 162.400 1015000
9 0,12 82500 82500 0 0 130500 295.500 2462500
10 0,2 112500 112500 0 0 211700 436.700 2183500
11 0,12 45000 45000 0 0 104400 194.400 1620000
12 0,16 70000 70000 0 0 150800 290.800 1817500
13 0,16 80000 80000 0 0 139200 299.200 1870000
14 0,12 90000 90000 0 0 121800 301.800 2515000
15 0,16 90000 90000 0 0 174000 354.000 2212500
16 0,16 160000 160000 0 0 185600 505.600 3160000
17 0,24 300000 300000 0 0 255200 855.200 3563333
18 0,6 300000 300000 0 0 609000 1.209.000 2015000
19 0,24 135000 135000 0 0 250560 520.560 2169000
20 0,4 150000 150000 0 0 435000 735.000 1837500
21 0,4 250000 250000 0 0 435000 935.000 2337500
22 0,2 212500 212500 0 0 217500 642.500 3212500
23 0,04 0 0 0 0 40600 40.600 1015000
24 0,16 90000 90000 0 0 162400 342.400 2140000
25 0,2 100000 100000 0 0 203000 403.000 2015000
26 0,16 60000 60000 0 0 174000 294.000 1837500
27 0,12 0 0 0 0 104400 104.400 870000
28 0,2 87500 87500 0 0 217500 392.500 1962500
29 0,2 120000 120000 0 0 248240 488.240 2441200
30 0,16 0 0 0 0 150800 150.800 942500
Total 3.447.500 3.447.500 0 0 6.377.100 13.272.100 63026033
Rata-Rata 114.917 114.917 0 0 212.570 442.403 2100867
1 1 65.000 5 6500 3900 1 290.000 4 29.000 16.312,5
2 1 65.000 5 6500 3900 1 290.000 4 29.000 16.312,5
3 1 65.000 5 6500 3900 1 290.000 4 29.000 16.312,5
4 1 65.000 5 6500 3900 1 290.000 4 29.000 16.312,5
5 1 65.000 5 6500 3900 1 290.000 4 29.000 16.312,5
6 2 130.000 5 6500 7800 1 450.000 3 45.000 33.750
7 1 65.000 5 6500 3900 1 290.000 4 29.000 16.312,5
8 1 65.000 5 6500 3900 1 290.000 4 29.000 16.312,5
9 1 65.000 5 6500 3900 1 290.000 4 29.000 16.312,5
10 2 130.000 5 6500 7800 1 290.000 4 29.000 16.312,5
11 1 65.000 5 6500 3900 1 290.000 4 29.000 16.312,5
12 1 65.000 5 6500 3900 1 290.000 4 29.000 16.312,5
13 2 130.000 5 6500 7800 1 290.000 4 29.000 16.312,5
14 1 65.000 5 6500 3900 1 290.000 4 29.000 16.312,5
15 1 65.000 5 6500 3900 1 290.000 4 29.000 16.312,5
16 1 65.000 5 6500 3900 1 290.000 4 29.000 16.312,5
17 2 130.000 5 6500 7800 1 450.000 3 45.000 33.750
18 2 130.000 5 6500 7800 1 450.000 3 45.000 33.750
19 2 130.000 5 6500 7800 1 450.000 3 45.000 33.750
20 2 130.000 5 6500 7800 1 450.000 3 45.000 33.750
21 2 130.000 5 6500 7800 1 450.000 3 45.000 33.750
22 1 65.000 5 6500 3900 1 290.000 4 29.000 16.312,5
23 1 65.000 5 6500 3900 1 290.000 4 29.000 16.312,5
24 1 65.000 5 6500 3900 1 290.000 4 29.000 16.312,5
25 1 65.000 5 6500 3900 1 450.000 4 45.000 16.312,5
26 2 130.000 5 6500 7800 1 290.000 4 29.000 16.312,5
27 1 65.000 5 6500 3900 1 290.000 4 29.000 16.312,5
28 2 130.000 5 6500 7800 1 290.000 4 29.000 16.312,5
29 1 65.000 5 6500 3900 1 290.000 4 29.000 16.312,5
30 1 65.000 5 6500 3900 1 290.000 4 29.000 16.312,5
Total 40 2600000 150 195000 156000 30 9820000 114 982000 594000
Rata- Rata 1,33333333 86666,667 5 6500 5200 1 327333,33 3,8 32733,333 19800
No.
Arit Parang
Jlh (Unit) Nilai
(Rp) UE (Tahun) Nilai Sisa Penyusutan/MT
Jlh (Unit) Nilai
(Rp) UE (Tahun) Nilai Sisa Penyusutan/MT
1 1 45.000 2 4500 5062,5 1 50.000 6 5000 1875
2 3900 16.312,50 5062,5 1875 27.150,00 135750
3 3900 16.312,50 5062,5 1875 27.150,00 226250
4 3900 16.312,50 5062,5 1875 27.150,00 67875
5 3900 16.312,50 5062,5 3750 29.025,00 181406,25
6 7800 33.750 10125 3750 55.425,00 277125
7 3900 16.312,50 5062,5 1875 27.150,00 135750
8 3900 16.312,50 5062,5 1875 27.150,00 169687,5
9 3900 16.312,50 0 1875 22.087,50 184062,5
10 7800 16.312,50 10125 1875 36.112,50 180562,5
11 3900 16.312,50 5062,5 1875 27.150,00 226250
12 3900 16.312,50 0 1875 22.087,50 138046,875
13 7800 16.312,50 10125 1875 36.112,50 225703,125
14 3900 16.312,50 5062,5 1875 27.150,00 226250
15 3900 16.312,50 10125 1875 32.212,50 201328,125
16 3900 16.312,50 0 1875 22.087,50 138046,875
17 7800 33.750 10125 3750 55.425,00 230937,5
18 7800 33.750 10125 3750 55.425,00 92375
19 7800 33.750 10125 1875 53.550,00 223125
20 7800 33.750 20250 3750 65.550,00 163875
21 7800 33.750 5062,5 3750 50.362,50 125906,25
22 3900 16.312,50 10125 3750 34.087,50 170437,5
23 3900 16.312,50 5062,5 0 25.275,00 631875
24 3900 16.312,50 10125 1875 32.212,50 201328,125
25 3900 16.312,50 20250 3750 44.212,50 221062,5
26 7800 16.312,50 5062,5 1875 31.050,00 194062,5
27 3900 16.312,50 0 3750 23.962,50 199687,5
28 7800 16.312,50 10125 1875 36.112,50 180562,5
29 3900 16.312,50 10125 1875 32.212,50 161062,5
30 3900 16.312,50 0 1875 22.087,50 138046,875
Total 156000 594000 212625 71250 1033875 5784187,5
Rata- Rata 5200 19800 7087,5 2375 34462,5 192806,25
1 160000 110000 124999,95 388500 27.150,00 0 810.650,95 4053254,75
2 160000 110000 26916,65 549000 27.150,00 0 873.068,65 4365343,25
3 96000 155000 69374,97 241800 27.150,00 0 589.327,97 4911066,417
4 320000 220000 163666,6 817600 27.150,00 0 1.548.420,60 3871051,5
5 128000 300000 99999,96 365600 29.025,00 0 922.629,96 5766437,25
6 160000 200000 87499,95 617500 55.425,00 0 1.120.430,95 5602154,75
7 160000 110000 96291,65 338500 27.150,00 0 731.948,65 3659743,25
8 128000 110000 65466,64 162400 27.150,00 300000 793.024,64 4956404
9 96000 75000 52499,97 295500 22.087,50 0 541.096,47 4509137,25
10 160000 190000 96291,65 436700 36.112,50 0 919.114,15 4595570,75
11 96000 75000 52499,97 194400 27.150,00 225000 670.060,97 5583841,417
12 128000 110000 92499,96 290800 22.087,50 0 643.399,46 4021246,625
13 128000 110000 92499,96 299200 36.112,50 0 665.825,46 4161409,125
14 96000 75000 35274,99 301800 27.150,00 225000 760.238,99 6335324,917
15 128000 190000 69999,96 354000 32.212,50 0 774.227,46 4838921,625
16 128000 200000 92499,96 505600 22.087,50 0 948.203,46 5926271,625
17 192000 290000 81799,98 855200 55.425,00 0 1.474.441,98 6143508,25
18 480000 330000 262500 1209000 55.425,00 0 2.336.943,00 3894905
19 192000 110000 98199,96 520560 53.550,00 0 974.328,96 4059704
20 320000 400000 148199,96 735000 65.550,00 0 1.668.769,96 4171924,9
21 320000 220000 96333,3 935000 50.362,50 0 1.621.716,80 4054292
22 160000 200000 115624,95 642500 34.087,50 0 1.152.234,45 5761172,25
23 32000 25000 4999,993333 40600 25.275,00 0 127.897,99 3197449,75
24 128000 110000 69999,96 342400 32.212,50 0 682.636,46 4266477,875
25 160000 190000 96291,65 403000 44.212,50 0 893.529,15 4467645,75
26 128000 190000 62499,96 294000 31.050,00 0 705.575,96 4409849,75
27 96000 75000 40899,99 104400 23.962,50 0 340.289,49 2835745,75
28 160000 190000 105666,65 392500 36.112,50 0 884.307,15 4421535,75
29 192000 200000 115624,95 488240 32.212,50 0 1.028.106,45 4053254,75
30 128000 110000 47033,32 150800 22.087,50 0
2 873066,65 300 5800 1740000 866.933 4334656,75
3 589324,97 210 5800 1218000 628.675 5238933,583
4 1548416,6 720 5800 4176000 2.627.583 6568948,5
5 922624,96 320 5800 1856000 933.375 5833562,75
6 1120424,95 375 5800 2175000 1.054.575 5272845,25
7 731941,65 325 5800 1885000 1.153.058 5765256,75
8 793016,64 280 5800 1624000 830.983 5193596
9 541087,47 225 5800 1305000 763.913 6365862,75
10 919104,15 365 5800 2117000 1.197.896 5989429,25
11 670049,97 180 5800 1044000 373.950 3116158,583
12 643387,46 260 5800 1508000 864.613 5403753,375
13 665812,46 240 5800 1392000 726.188 4538590,875
14 760224,99 210 5800 1218000 457.775 3814675,083
15 774212,46 300 5800 1740000 965.788 6036078,375
16 948187,46 320 5800 1856000 907.813 5673728,375
17 1474424,98 440 5800 2552000 1.077.575 4489825,083
18 2336925 1050 5800 6090000 3.753.075 6255095
19 974309,96 432 5800 2505600 1.531.290 6380296
20 1668749,96 750 5800 4350000 2.681.250 6703075,1
21 1621695,8 750 5800 4350000 2.728.304 6820708
22 1152212,45 375 5800 2175000 1.022.788 5113827,75
23 127874,99 70 5800 406000 278.125 6952550,25
24 682612,46 280 5800 1624000 941.388 5883522,125
25 893504,15 350 5800 2030000 1.136.496 5682354,25
26 705549,96 300 5800 1740000 1.034.450 6465150,25
27 340262,49 180 5800 1044000 703.738 5864254,25
28 884279,15 375 5800 2175000 1.290.721 6453464,25
29 1028077,45 428 5800 2482400 1.454.323 8358745,25
30 457920,82 260 5800 1508000 1.050.079 5059656,75
Jumlah 27.659.932 10.995 174.000 63.771.000 36.111.068 171000345,8
Rata-rata 921997,747 366,5 5800 2125700 1203702,253 5700011,527