Studi kepustakaan dilakukan dengan menelusuri dan mempelajari studi pustaka yang berkaitan dengan curah hujan, hari hujan, umur tanaman dan produktivitas kelapa sawit.
Pengumpulan Data
Pengumpulan data primer yang digunakan untuk kebutuhan penelitian dan di dapat kan dari studi kepustakaan di kantor. Data primer untuk analisis disesuaikan dengan kelengkapan data pada administrasi kebun. Data primer untuk laporan umum meliputi keadaan umum perusahaan, letak geografis, keadaan tanah dan iklim, luas tata guna kebun, keadaan produktivitas dan produktivitas tanaman.
Data primer untuk keperluan analisis ini diambil data bulanan selama 3 tahun yakni pada tahun 2014, 2015, 2016 meliputi data curah hujan, data hari hujan, data produktivitas berdasarkan umur tahun tanam di lapangan.
Pengolahan Data dan Analisis Data
Pengolahan data dilakukan dengan menggunakan analisis regresi linear berganda dan analisis korelasi. Regresi linear berganda berguna untuk menghitung besarnya pengaruh hubungan dua atau lebih variabel bebas terhadap satu variabel terikat dan memprediksi variabel terikat dengan menggunakan dua atau lebih variabel bebas. Analisis korelasi berguna untuk melihat kuat lemahnya hubungan antara variabel bebas dan terikat. Pengolahan data dibantu dengan software SPSS.v.22 for windows.
Analisis data bersifat deskriptif dengan menggunakan bantuan statistik untuk melihat hubungan antara variabel bebas dan variabel terikat. Analisis data
dilakukan untuk memperoleh hasil pengolahan data. Data yang telah diperoleh tersebut dianalisis dengan menggunakan persamaan regresi linear berganda untuk mengetahui pengaruh curah hujan dan hari hujan bulanan yang mempengaruhi produktivitas kelapa sawit dan hubungan kedua variabel bebas dan terikat pada tanaman berumur 7, 15 dan 19 tahun berdasarkan data yang diperoleh dari administrasi kebun.
Berdasarkan hipotesis yang diajukan, untuk menguji hipotesis digunakan Uji–T (parsial), Uji–F (serempak) dan R2. Uji hipotesis menggunakan uji dua arah dengan tingkat signifikan (α) sebesar 5%. Teknik analisis data dengan menggunakan analisis regresi berganda dengan model persamaan berikut ini:
Y = a + b1x1 + b2x2 + Ɛ
Model yang digunakan dalam membuat suatu persamaan regresi linier berganda ini, dapat terjadi beberapa keadaan yang dapat menyebabkan estimasi koefisien regresi tidak lagi menjadi penduga koefisien tak bias terbaik, sehingga diperlukan beberapa asumsi mendasar yang perlu diperhatikan dengan melakukan uji asumsi klasik.
Uji Asumsi Klasik
Uji asumsi klasik berguna untuk menguji apakah model regresi yang digunakan dalam penelitian ini layak diuji atau tidak.Kelayakan model regresi dapat terlihat dari data yang dihasilkan terdistribusi normal, dan tidak terdapat multikolinearitas, heteroskedastisitas, autokorelasi dalam model yang digunakan.
Jika keseluruhan syarat tersebut terpenuhi berarti model analisis telah layak digunakan.
Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi variabel tidak bebas dan variabel bebas memiliki data yang terdistribusi normal atau tidak.Data yang terdistribusi normal menunjukkan bahwa tidak terdapat nilai ekstrim yang nantinya dapat mengganggu hasil data penelitian.Model regresi yang baik adalah yang memiliki distribusi data normal atau mendekati normal. Dalam pembahasan ini akan digunakan uji one sample Kolmogorov – Sminov dengan menggunakan taraf signifikan 0.05. Data dinyatakan berdistribusi normal jika signifikan dan nilai uji one sample Kolmogorov – Sminov lebih besar dari 5%
atau 0.05.
Uji Heteroskedastisitas
Uji heteroskedastisitas digunakan untuk mengetahui ada atau tidaknya penyimpangan asumsi klasik heteroskedastisitas yaitu adanya ketidaksamaan varians dan residual satu pengamatan ke pengamatan yang lain pada model regresi. Prasyarat yang harus terpenuhi dalam model regresi adalah tidak adanya gejala heteroskedastisitas atau biasa disebut homoskedastisitas.Metode pengujian yang digunakan adalah uji Glejser.Uji glejser dilakukan dalam meregresikan nilai absolute residual terhadap variabel independen lainnya.Jika nilai β signifikan maka mengindikasikan terdapat heteroskedastisitas dalam model.
Uji Multikolinearitas
Uji Multikolinearitas digunakan untuk mengetahui ada atau tidaknya hubungan linear antar variabel independen dalam model regresi. Prasyarat yang harus terpenuhi dalam model regresi adalah tidak adanya multikolinearitas. Uji Multikolinearitas dilakukan dengan melihat nilai varian inflation factor (VIF) dan
nilai tolerance pada model regresi.Model regresi yang baik ialah yang terjadi multikolinearitas yang dibuktikan dengan nilai VIF < 10 dan nilai tolerance > 0,1.
Uji Autokorelasi
Uji autokorelasi digunakan untuk mengetahui ada atau tidaknya penyimpangan yang terjadi antara residual pada satu pengamatan dengan pengamatan lain pada model regresi. Untuk mengetahui ada tidaknya autokorelasi dapat dilihat dari nilai Durbin Watson.Prasyarat yang harus terpenuhi adalah tidak adanya autokorelasi dalam model regresi. Metode uji Durbin-Watson (uji DW) dengan ketentuan sebagai berikut:
1. Jika d lebih kecil dari -2 maka diindikasikan terdapat autokorelasi positif.
2. Jika d terletak antara -2 sampai 2, maka diindikasikan tidak ada autokorelasi.
3. Jika d lebih besar dari 2, maka diindikasikan adanya autokorelasi negatif.
(Qudratullah, 2012).
Pengujian Hipotesis
Berdasarkan hipotesis yang diajukan, untuk menguji hipotesis digunakan analisis regresi linear berganda (dilihat dari signifikan Uji-T (parsial), Uji-F (serempak) dan R2) dan korelasi. Pengujian hipotesis dilakukan dengan melihat nilai signifikansi pada hasil analisis yang dilakukan apakah diterima atau ditolak.Pengujian hipotesis dilakukan dengan uji dua arah dengan tingkat signifikan (α) sebesar 5%. Nilai koefisien determinasi (R2
Hipotesis yang diajukan dalam analisis ini ialah:
) digunakan untuk melihat besarnya persentase pengaruh variabel bebas terhadap nilai variabel terikat.Hasil perhitungan dari persamaan regresi linear berganda diuji pengaruh masing-masing variabel bebas secara individu menggunakan uji-T.
H0: bi = 0 H1: bi ≠ 0,
bi = koefisien regresi variabel ke-i
Pengambilan keputusan untuk melihat apakah hipotesis (H0) diterima atau ditolak.H0 ditolak membuktikan bahwa variabel bebas yang digunakan berpengaruh nyata terhadap produktivitas TBS
Tabel 1. Interpretasi nilai R pada analisis korelasi
Nilai R Interprestasi 0,00 Tidak Ada Korelasi
0,01-0,20 Sangat lemah
0,21-0,40 Lemah
0,41-0,60 Agak lemah
0,61-0,80 Cukup
0,81-0,99 Kuat
1,00 Sangat Kuat
Sumber: Husain dan Setiadi, 1995 Penarikan Kesimpulan
Penarikan kesimpulan dilakukan untuk meringkas pengolahan data yang telah dianalisis dengan menggunakan analisis regresi linear berganda dan analisis korelasi.Kesimpulan dapat menjelaskan kebenaran dari hipotesis yang telah dibuat apakah diterima atau ditolak.