ANALISIS DATA DAN PEMBAHASAN
B. Karakteristik Responden
11. Jumlah Keprasan
Jumlah keprasan dalam penelitian ini adalah banyaknya keprasan tebu yang dilakukan petani setelah pertama kali penanaman tebu. Dalam penelitian ini petani tebu dengan jumlah keprasan I merupakan keprasan pertama kali, jumlah keprasan II merupakan keprasan kedua, jumlah keprasan III merupakan keprasan ketiga, sedangkan keprasan ke IV merupakan keprasan keempat.
Tabel 4.14
Jumlah Responden Petani Tebu Menurut Jumlah Keprasan
No. Jumlah Keprasan Jumlah Responden Prosentase (%)
1. I 14 24
2. II 23 40
3. III 10 18
5. IV 10 18
Jumlah 57 100
Sumber: Data primer diolah, 2012
Pada tabel 4.15 menjelaskan bahwa rata-rata responden petani tebu dengan jumlah keprasan II merupakan jumlah responden paling banyak dengan 40 responden, untuk jumlah keprasan III & IV merupakan paling sedikit dengan 18 responden, sedangkan jumlah keprasan I sebanyak 24 responden.
commit to user C. Analisis Data dan Pembahasan
1. Analisis DEA (Data Envelopment Analysis)
Berikut adalah pengolahan data seluruh petani tebu. Berdasarkan penghitungan dengan metode analisis DEA menggunakan software DEAWIN dapat dilihat pada Tabel 4.15, dari 57 petani tebu tersebut, menunjukkan tidak semua petani tebu telah mencapai tingkat efisiensi 100%. Dari hasil analisis dan pengolahan data variabel input luas lahan, pupuk, tenaga kerja, pestisida dan output produksi tebu dengan DEA diperoleh tingkat efisiensi petani tebu di Kecamatan Karanganyar Kabupaten Karanganyar sebagai berikut:
1
Tabel 4.15
Tingkat Efisiensi Petani Tebu
NO NAMA PETANI
INPUT OUTPUT
TINGKAT
EFISIENSI BENCHMARK
LUAS LAHAN PUPUK TENAGA
KERJA PESTISIDA PRODUKSI
1 AA 77.0% 60.4% 77.6% 77.6% 100.0% 77.63% GB AC 2 BA 90.3% 71.0% 89.5% 90.3% 100.0% 90.32% GB AC 3 CA 72.0% 77.1% 70.7% 77.1% 100.0% 77.14% AC CC 4 DA 67.3% 58.3% 67.3% 47.8% 100.0% 67.25% PB AC 5 EA 82.8% 67.3% 82.8% 66.5% 100.0% 82.82% PB AC 6 FA 62.4% 61.9% 62.4% 38.5% 100.0% 62.38% PB AC 7 GA 74.0% 79.3% 75.1% 79.3% 100.0% 79.30% GB AC 8 HA 74.3% 73.1% 74.3% 63.5% 100.0% 74.29% PB AC 9 IA 58.7% 67.7% 65.5% 67.7% 100.0% 67.72% GB AC 10 JA 70.0% 57.6% 70.0% 51.5% 100.0% 70.01% PB AC 11 KA 80.7% 80.7% 79.4% 80.7% 100.0% 80.67% GB AC 12 LA 63.9% 63.9% 59.7% 47.9% 100.0% 63.89% AC - 13 MA 66.7% 58.0% 65.7% 52.1% 100.0% 66.67% AC - 14 NA 70.9% 76.0% 71.4% 76.0% 100.0% 75.99% GB AC 15 OA 83.9% 80.2% 76.8% 83.9% 100.0% 83.87% GB AC 16 PA 77.4% 71.0% 76.9% 77.4% 100.0% 77.42% GB AC 17 QA 74.0% 79.3% 74.9% 79.3% 100.0% 79.30% GB AC 18 RA 83.9% 76.9% 75.2% 83.9% 100.0% 83.87% GB AC 19 SA 75.6% 68.3% 78.4% 78.4% 100.0% 78.44% GB AC 20 TA 68.4% 63.3% 68.7% 68.7% 100.0% 68.65% GB AC 21 UA 77.4% 77.4% 75.9% 77.4% 100.0% 77.42% PB AC 22 VA 73.5% 63.5% 73.5% 72.7% 100.0% 73.50% PB AC
2 23 WA 80.1% 74.9% 81.0% 81.0% 100.0% 80.98% GB AC 24 XA 83.8% 76.7% 83.9% 83.9% 100.0% 83.93% GB AC 25 YA 64.5% 64.5% 63.5% 64.5% 100.0% 64.52% GB AC 26 AB 77.4% 77.4% 75.8% 77.4% 100.0% 77.42% GB AC 27 BB 77.4% 74.1% 74.9% 77.4% 100.0% 77.42% GB AC 28 CB 74.0% 84.6% 72.4% 84.6% 100.0% 84.58% GB AC 29 DB 80.6% 80.6% 79.6% 80.6% 100.0% 80.65% GB AC 30 EB 71.0% 65.1% 68.7% 71.0% 100.0% 70.97% GB AC 31 FB 77.4% 71.0% 73.3% 77.4% 100.0% 77.42% GB AC 32 GB 100.0% 100.0% 100.0% 100.0% 100.0% 100.00% - - 33 HB 83.5% 87.4% 82.0% 87.4% 100.0% 87.40% GB AC 34 IB 66.7% 57.1% 65.5% 50.0% 100.0% 66.67% AC - 35 JB 70.4% 81.3% 69.5% 81.3% 100.0% 81.26% GB AC 36 KB 81.5% 73.6% 85.1% 85.1% 100.0% 85.15% GB AC 37 LB 80.6% 73.9% 79.4% 80.6% 100.0% 80.65% GB AC 38 MB 84.7% 77.5% 85.4% 85.4% 100.0% 85.40% GB AC 39 NB 66.7% 66.7% 56.5% 41.7% 100.0% 66.67% AC - 40 OB 72.2% 60.2% 65.8% 51.6% 100.0% 72.22% AC - 41 PB 100.0% 100.0% 100.0% 100.0% 100.0% 100.00% - - 42 QB 67.3% 55.8% 67.3% 45.6% 100.0% 67.25% PB AC 43 RB 66.7% 55.6% 61.2% 55.6% 100.0% 66.67% AC 44 SB 64.3% 65.7% 65.7% 65.0% 100.0% 65.66% PB AC 45 TB 73.6% 66.3% 74.3% 74.3% 100.0% 74.28% GB AC 46 UB 48.6% 51.6% 53.3% 53.3% 100.0% 53.28% GB AC 47 VB 56.0% 41.4% 56.0% 39.8% 100.0% 56.04% PB AC 48 WB 69.4% 55.6% 69.1% 57.9% 100.0% 69.44% AC - 49 XB 67.1% 72.7% 59.5% 72.7% 100.0% 72.69% GB AC
2 50 YB 57.7% 34.5% 57.7% 31.3% 100.0% 57.73% PB AC 51 AC 100.0% 100.0% 100.0% 100.0% 100.0% 100.00% - - 52 BC 75.3% 67.9% 78.6% 78.6% 100.0% 78.60% GB AC 53 CC 100.0% 100.0% 100.0% 100.0% 100.0% 100.00% - - 54 DC 62.4% 61.9% 62.4% 51.3% 100.0% 62.38% PB AC 55 EC 66.7% 55.6% 66.5% 46.9% 100.0% 66.67% AC - 56 FC 90.3% 71.0% 79.3% 90.3% 100.0% 90.32% GB AC 57 GC 77.4% 71.0% 73.3% 77.4% 100.0% 77.42% GB AC
Sumber: Hasil olah data (DEAWIN)
Setelah dilakukan pengolahan data diketahui bahwa jumlah petani tebu yang sudah mencapai efisiensi 100% berjumlah 4 petani, yaitu petani AC, CC, PB, GB. Diketahui pula jumlah petani yang belum efisien terdapat 54 petani, yaitu UB, YB, EB, YA, RB, IA, DC, FA, GC, FB, NB, NA, RA, AB, SB, OA, AA,DA, QA, FC, SA, BC, JB, VA, LA, CA, DB, VB, BA, GA, TA, QB, OB, JA, BB, EA, XA, HB, WA, TB, UA, EC, IB, CB, HA, KA, KB, LB, MA, MB, PA, WB, XB. Untuk petani tebu yang belum efisien direkomendasikan mengacu petani yang sudah efisien sesui dengan benchmark pada tabel 4.15.
commit to user
1
Selanjutnya menganalisis tingkat efisiensi masing-masing petani tebu,
dari hasil analisis menggunakan DEA dapat diketahui petani tebu yang sudah
efisien atau belum efisien. Untuk petani tebu yang belum efisien secara teknis
atau inefisien ditunjukkan dengan score efisiensi yang belum mencapai 100%
dimana penggunaan input untuk menghasilkan output belum maksimal. Hasil
pengolahan data ini juga menunjukkan target yang seharusnya dicapai. Target
ini terdiri dari 5 objek, yaitu :
i. Variable, merupakan nama-nama variabel input dan output yang digunakan
dalam menganalisis efisiensi teknis petani tebu.
ii. Actual, merupakan nilai dari variabel input dan output yang terjadi secara
riil dalam operasional petani tebu.
iii. Target, merupakan nilai yang seharusnya dicapai oleh variabel input dan
output untuk mencapai tingkat efisiensi petani tebu yang maksimal.
iv. To Gain, merupakan presentase nilai yang masih bisa dimaksimalkan oleh
variabel input untuk mencapai produktivitas maksimal, sedangkan untuk
variabel output merupakan presentase nilai yang belum dicapai petani tebu.
v. Achieved, bagi variabel input adalah presentase nilai yang sudah
dimanfaatkan petani tebu, sedangkan untuk variabel output merupakan
presentase nilai yang sudah dicapai petani tebu.
Berikut adalah hasil analisis DEA petani tebu di Kecamatan
commit to user
1. Petani Tebu AA
Tabel 4.16
Hasil Pengolahan Data Petani Tebu AA
Variabel Tingkat
Efisiensi Actual Target To Gain Achieved LUAS LAHAN 77.63% 1.0 0.8 23.0% 77.0% PUPUK 14.0 8.4 39.6% 60.4% TENAGA KERJA 169.0 131.2 22.4% 77.6% PESTISIDA 2.0 1.6 22.4% 77.6% PRODUKSI 600.0 600.0 0.0% 100.0%
Sumber: Hasil olah data (DEAWIN)
Berdasarkan Tabel 4.16 dapat dilihat bahwa petani tebu AA hanya
mencapai tingkat efisiensi 77.63%. Alternatif bagi petani tebu AA untuk
meningkatkan efisiensinya adalah dengan menambah luas lahan 23.0%,
menambah pupuk 39.6%, mengurangi tenaga kerja 22.4%, menambah
pestisida 22.4%. Sedangkan untuk output produksi sudah efisien.
2. Petani Tebu BA
Tabel 4.17
Hasil Pengolahan Data Petani Tebu BA
Variabel Tingkat
Efisiensi Actual Target To Gain Achieved LUAS LAHAN 90.32% 1.0 0.9 9.7% 90.3% PUPUK 14.0 9.9 29.0% 71.0% TENAGA KERJA 172.0 153.9 10.5% 89.5% PESTISIDA 2.0 1.8 9.7% 90.3% PRODUKSI 700.0 700.0 0.0% 100.0%
commit to user
Berdasarkan Tabel 4.17 dapat dilihat bahwa petani tebu BA mencapai
tingkat efisiensi 90.32%. Alternatif bagi petani tebu BA untuk meningkatkan
efisiensinya adalah dengan menambah luas lahan 9.7%, menambah pupuk
29.0%, mengurangi tenaga kerja 10.5%, menambah pestisida 9.7%.
Sedangkan untuk output produksi sudah efisien. Untuk interpretasi petani tebu
selanjutnya bisa dilihat dilampiran.
Langkah selanjutnya untuk mengetahui faktor-faktor yang
mempengaruhi efisiensi petani tebu di Kecamatan Karanganyar Kabupaten
Karanganyar yaitu dengan analisis regresi linier berganda menggunakan
commit to user 2. Analisis Regresi Linear Berganda
Untuk menganalisis pengaruh variabel pendidikan, lama usaha, jumlah
keprasan dan tanggungan keluarga terhadap efisiensi petani tebu,
mengunakan alat analisis regresi berganda untuk dapat mengukur dan besaran
pengaruh beberapa variabel bebas (independent variables) terhadap efisiensi
petani tebu sebagai variabel terikat (dependent variable).
Dalam penelitian ini persamaan model regresi sebagai berikut
(Gujarati, 1999: 91):
Y = β0+β1 X1+ β2 X2+ β3 X3+ β4 D1+ β5 D2+ β6 D3 + ei
Dimana : Y = efisiensi petani tebu (dalam satuan persen)
X1 = pendidikan (dalam satuan tahun)
X2 = lama usaha (dalam satuan tahun)
X3 = tanggungan keluarga (dalam satuan orang)
D1 = 1 jika keprasan ke-2, 0 untuk lainnya
D2 = 1 jika keprasan ke-3, 0 untuk lainnya
D3 = 1 jika keprasan ke-4, 0 untuk lainnya β0 = konstanta
β1, β2, β3, β4, β5, β6 = koefisien tiap-tiap variabel ei = Variabel pengganggu
Model pengolahan data dianalisis mengunakan program Econometric Views
(E-Views) versi 7.0. adapun tahapan pengolahan data dapat dilihat pada tabel 4.16
commit to user
Tabel 4.18
Hasil Analisis Regresi Linier Berganda
Variabel Regresi Dengan Dummy Koefisien thitung Konstans 62,48088 Pendidikan 0,892828 2,393226* Lama Usaha 0,357212 1,784095 Tanggungan 1,182265 0,752161 Keprasan Dkeprasan2 -3,238421 -0,811502 Dkeprasan3 -3,698545 -0,952626 Dkeprasan4 -10,83457 -2,461947* Fhitung 5,97359** F Sig (p) (0,000092) R2 0,417531
Sumber : E-Views versi 7.0, data diolah
Berdasarkan tabel 4.17 tersebut, hasil ekstimasi dengan mengunakan regresi
diatas dapat dituliskan persamaan regresi sebagai berikut:
Y = 62,48 + 0,89PNDDK+ 0,36LU + 1,18TA - 3,24Dkep2 - 3,70Dkep3 - 10,83Dkep4 (2,39*) (1,78) (0,75) (-0,81) (-0,95) (-2,46*)
** = Sig pada taraf uji 0,01 (1%) * = Sig pada taraf uji 0,05 (5%)
Dimana:
Y = Efisiensi petani tebu PNDDK = Pendidikan
LU = Lama Usaha TA = Tanggungan
Dkep2 = Dummy Keprasan tebu ke 2 Dkep3 = Dummy Keprasan tebu ke 3 Dkep4 = Dummy Keprasan tebu ke 4
commit to user a. Uji Normalitas
Uji normalitas dilakukan untuk mengetahui normal atau tidaknya
sebaran distribusi data yang digunakan dalam penelitian, dalam penelitian ini
pengujian normalitas menggunakan uji (metode) Jarque-Berra dengan
ketentuan apabila nilai signifikansi atau probabilitas > 0,05 maka data
berdistribusi normal. Gambar 4.1 Uji Normalitas 0 2 4 6 8 10 12 -15 -10 -5 0 5 10 15 20 Series: Residuals Sample 1 57 Observations 57 Mean -2.99e-14 Median 0.026684 Maximum 18.92027 Minimum -15.50868 Std. Dev. 8.124829 Skewness 0.283294 Kurtosis 2.625649 Jarque-Bera 1.095258 Probability 0.578319
Sumber: data primer diolah 2012
Dari tabel di atas diketahui bahwa nilai signifikansi atau probabilitas
Jarque-Berra sebesar 0,578319 > 0,05 maka dapat disimpulkan sebaran data
dalam penelitian ini terdistribusi normal.
b. Uji Multikolinieritas
Uji multikolinearitas bertujuan untuk menguji apakah model regres
ditemukan adanya korelasi yang sempurna antar variabel bebas (independen).
commit to user
menggunakan metode Klein yaitu membandingkan nilai R2 pada model
regresi utama dengan regresi lainnya (variabel bebas dijadikan sebagai
variabel dependen).
Tabel 4.19
Hasil Uji Multikolinieritas
Variabel Nilai r2 Nilai R2 Kesimpulan
Pendidikan - Lama usaha 0.003 0.417 Tidak ada Multikolinieritas Pendidikan - Tanggungan keluarga 0.007 0.417 Tidak ada Multikolinieritas Pendidikan - Keprasan 2 0.021 0.417 Tidak ada Multikolinieritas Pendidikan - Keprasan 3 0.011 0.417 Tidak ada Multikolinieritas Pendidikan - Keprasan 4 0.038 0.417 Tidak ada Multikolinieritas Lama usaha - Tanggungan keluarga 0.084 0.417 Tidak ada Multikolinieritas Lama usaha - Keprasan
2 0.012 0.417
Tidak ada Multikolinieritas Lama usaha - Keprasan
3 0.088 0.417
Tidak ada Multikolinieritas Lama usaha - Keprasan
4 0.208 0.417 Tidak ada Multikolinieritas Tanggungan keluarga - Keprasan 2 0.012 0.417 Tidak ada Multikolinieritas Tanggungan keluarga - Keprasan 3 0.004 0.417 Tidak ada Multikolinieritas Tanggungan keluarga - Keprasan 4 0.027 0.417 Tidak ada Multikolinieritas Keprasan 2 - Keprasan 3 0.162 0.417 Tidak ada Multikolinieritas Keprasan 2 - Keprasan 4 0.195 0.417 Tidak ada Multikolinieritas Keprasan 3 - Keprasan 4 0.127 0.417 Tidak ada Multikolinieritas Sumber: data primer diolah 2012
commit to user
Hasil uji multikolinearitas pada pada tabel di atas model regresi utama
sebesar 0,417. Dari tabel diatas menunjukkan bahwa nilai r2 berada di bawah
R2 hasil regresi awalnya. Sehingga dapat diambil kesimpulan bahwa model
terbebas dari masalah multikolinearitas.
c. Uji Heteroskedastisitas
Heteroskedastisitas adalah apabila kesalahan atau residual yang
diamati tidak memiliki varian yang konstan. Kondisi heteroskedastisitas
sering terjadi pada data cross section, atau data yang diambil dari beberapa
responden pada suatu waktu tertentu. (Ghozali, 2006 : 109). Metode
pengujian heteroskedastisitas dalam penelitian ini menggunakan metode
Breusch-Pagan-Godfrey, adapun kriteria pengujian yaitu apabila nilai thitung <
ttabel atau - thitung > -ttabel atau dengan cara melihat nilai probabilitas
(signifikansi) > 0,05 maka dapat disimpulkan tidak mengalami masalah
heteroskedastisitas (data bersifat homoskedastisitas).
Dari hasil pengujian heteroskedastisitas dengan menggunakan
commit to user Tabel 4.20
Hasil Uji Heteroskedastisitas
Variabel thitung p Kesimpulan
Pendidikan 1.506111 0.1383 Tidak ada Heteroskedastisitas Lama Usaha 0.107058 0.9152 Tidak ada
Heteroskedastisitas Tanggungan
Keluarga 0.356942 0.7226
Tidak ada Heteroskedastisitas Keprasan 2 -0.960628 0.3414 Tidak ada
Heteroskedastisitas Keprasan 3 1.094387 0.2790 Tidak ada
Heteroskedastisitas Keprasan 4 -0.240689 0.8108 Tidak ada
Heteroskedastisitas Sumber: data primer diolah, 2012
Berdasarkan hasil uji Heteroskedtisitas menggunakan metode
Breusch-Pagan-Godfrey di atas diketahui nilai probabilitas pada
masing-masing variabel > 0,05 dengan demikian tidak terjadi heteroskedastisitas.
d. Uji-t
Uji t digunakan untuk menguji signifikansi dari pengaruh variabel
independen secara individual terhadap variabel dependen. Adapun
tahap-tahap dalam pengujian adalah sebagai berikut:
1) Langkah Pengujian
a) Perumusan Hipotesis
HO : β = 0 tidak ada pengaruh antara variabel independen terhadap dependen.
H1 : β ≠ 0 ada pengaruh antara variabel independen terhadap dependen.
commit to user
b) Taraf significant; a = 0,05 (taraf kepercayaan 95%)
Rumus Mencari ttabel: α/2 ; n-k-1 = 0,05/2; 57-6-1 = 0,025; 50 = 2,009
c) Kriteria pengujian
Ho diterima apabila: -2,009 < thitung < 2,009 atau probabilitas > 0,05
Ho ditolak apabila: thitung > 2,009 atau probabilitas < 0,05
2) Kesimpulan
Hasil analisis pada tabel hasil regresi dengan membandingkan
thitung dan ttabel atau nilai -thitung dan -ttabel diketahui bahwa, pendidikan
berpengaruh signifikan positif (meningkatkan) terhadap nilai efisiensi
(thitung = 2,39; p = 0,020 < 0,05); lama usaha tidak berpengaruh signifikan
positif (meningkatkan) terhadap nilai efisiensi (thitung = 1,78; p = 0,080 >
0,05); tanggungan tidak berpengaruh signifikan positif (meningkatkan)
terhadap nilai efisiensi (thitung = 0,75; p = 0,46 > 0,05).
Keprasan tebu ke-2 memiliki nilai koefisien sebesar (-3,24).
Keprasan ke-2 memiliki nilai efisiensi lebih rendah dari keprasan ke-1
dengan nilai thitung = (-0,811); p = 0,42 > 0,05, akan tetapi tidak sampai
signifikan. Keprasan tebu ke-3 memiliki nilai koefisien sebesar (-3,70)
(keprasan 3 memiliki nilai efisiensi lebih rendah dari keprasan ke-1)
Daerah terima H0
Daerah tolak H0 Daerah tolak H0
commit to user
dengan nilai thitung = (-0,95); p = 0,35 > 0,05, akan tetapi tidak sampai
signifikan. Keprasan tebu ke-4 memiliki nilai koefisien sebesar (-10,83),
keprasan ke-4 memiliki nilai efisiensi lebih rendah dari keprasan ke-1
dengan nilai thitung = (-2,46); p = 0,017 < 0,05, hasil tersebut
menunjukkan jumlah keprasan tebu ke-4 berpengaruh signifikan dalam
menurunkan efisiensi (tidak efisien).
e. Uji F
Uji statistik F pada dasarnya menunjukkan apakah semua variabel
bebas yang dimasukkan dalam model mempunyai pengaruh secara
bersama-sama terhadap variabel terikat (Kuncoro, 2001: 98).
Langkah-langkah pengujian adalah sebagai berikut:
1) Perumusan Hipotesis
HO : β = 0; tidak ada pengaruh antara seluruh variabel independen secara bersama-sama terhadap variabel dependen.
H1: β ≠ 0; ada pengaruh antara seluruh variabel independen secara bersama-sama terhadap variabel dependen.
2) Taraf significant; a = 0,05 (taraf kepercayaan 95%)
3) Rumus Mencari Ftabel: n-k-1; k-1 = 57-6-1; 6-1 = 50; 5 = 2,45.
4) Kriteria pengujian
0
Daerah terima H0 Daerah tolak H0
commit to user
Ho diterima apabila: Fhitung < 2,45 atau probabilitas (p) > 0,05.
Ho ditolak apabila: Fhitung > 2,45 atau probabilitas < 0,05.
Hasil analisis menunjukkan nilai Fhitung sebesar 5,973 > 2,45
(Ftabel) dengan nilai probabilitas sebesar 0,000 < 0,05, yang berarti bahwa
pendidikan, lama usaha, tanggungan dan dummy keprasan tebu (2, 3, dan
4) berpengaruh signifikan secara simultan terhadap efisiensi.
f. Koefisien Determinasi
Hasil analisis data diperoleh R² sebesar 0,418 ini menunjukkan bahwa
variabel variabel pendidikan, lama usaha, tanggungan, dummy keprasan 2,
dummy keprasan 3, dan dummy keprasan 4 dapat menjelaskan efisiensi
sebesar 41,8%. Sedangkan sisanya sebesar 58,2% mendapat kontribusi atau
dijelaskan oleh variabel lain yang tidak diteliti dalam model.
g. Pembahasan Hasil Penelitan
Berdasarkan hasil analisis di atas, maka pembahasan secara lengkap
akan diuraikan sebagai berikut:
1) Pengaruh Pendidikan terhadap Efisiensi Petani
Nilai koefisien regresi pendidikan adalah sebesar 0.892 dengan
nilai probabilitas sebesar 0.020, sehingga koefisien dari pendidikan
signifikan pada level signifikansi 5%. Artinya apabila pendidikan
mengalami kenaikan maka akan mempengaruhi efisiensi petani. Hasil
penelitian ini sama dengan penelitian sebelumnya bahwa variabel
commit to user
Vu, Frantisek (2006), Sreenivasa, dkk (2009), Poudel (2011), Naceur, dkk
(2008), Mevlut, dkk (2009).
2) Pengaruh Lama Usaha terhadap Efisiensi Petani
Nilai koefisien regresi variabel lama usaha adalah sebesar
0.357 dengan nilai probabilitas sebesar 0.080, sehingga koefisien dari lama
usaha tidak signifikan pada level signifikansi 5% yang artinya lama usaha
tidak berpengaruh terhadap efisiensi petani.
3) Pengaruh Tanggungan Keluarga terhadap Efisiensi Petani
Nilai koefisien regresi variabel tanggungan keluarga adalah
sebesar 1.182 dengan nilai probabilitas sebesar 0.455, sehingga koefisien
dari tanggungan keluarga tidak signifikan pada level signifikansi 5%, yang
artinya tanggungan keluarga tidak mempengaruhi efisiensi petani.
4) Pengaruh Jumlah Keprasan terhadap Efisiensi Petani
Nilai koefisien regresi variabel keprasan ke-2 adalah sebesar
(-3.238) dengan nilai probabilitas sebesar 0.421, sehingga koefisien dari
keprasan ke-2 tidak signifikan pada level signifikansi 5%. Keprasan ke-2
memiliki tingkat efisiensi yang lebih rendah dibandingkan jumlah keprasan
tebu yang pertama dan tidak mempengaruhi efisiensi petani.
Nilai koefisien regresi variabel keprasan ke-3 adalah sebesar
(-3.698) dengan nilai probabilitas sebesar 0.345, sehingga koefisien dari
keprasan ke-3 tidak signifikan pada level signifikansi 5%. Keprasan ke-3
commit to user
efisiensi yang lebih rendah dibandingkan jumlah keprasan tebu pertama
dan ke-2.
Nilai koefisien regresi variabel keprasan ke-4 adalah sebesar
(-10.834) dengan nilai probabilitas sebesar 0.017, sehingga koefisien dari
keprasan ke-4 signifikan pada level signifikansi 5%. Keprasan ke-4
memiliki tingkat efisiensi yang lebih rendah dibandingkan jumlah keprasan
tebu yang pertama, ke-2 dan ke-3. Keprasan ke-4 memiliki pengaruh