1
Peran Input Physical Capital Terhadap Output Sektor Pertanian Indonesia (1980-2002)
Kelompok 4
Kahfi Giovanni M. / 2010110011
Gerry Pramudya S. / 2010110022
Dini D. Rahmatillah / 2010110075
Kelas A
Abstrak
Indonesia merupakan sebuah negara agraris, di mana sektor
pertanian berperan penting dalam menggerakkan roda
perekonomian dan memenuhi kebutuhan masyarakat. Semakin tinggi
output sektor pertanian, maka kebutuhan masyarakat dinilai semakin
mampu dipenuhi. Pertumbuhan output di sektor pertanian dinilai
dapat dipengaruhi oleh faktor input, yaitu teknologi, physical capital
dan labor. Penelitian ini menganalisa secara lebih spesifik apakah
pertumbuhan output sektor pertanian dipengaruhi secara signifikan
oleh input physical capital, baik secara negatif maupun positif.
Namun di sisi lain, input labor tidak dapat dipisahkan karena kedua
faktor input ini saling mempengaruhi satu sama lain. Lebih lanjut
lagi, penelitian ini juga menganalisa tentang input apa saja yang
mempengaruhi pertumbuhan output sektor pertanian Indonesia
secara positif.
Kata kunci : physical capital, input sektor pertanian, teknologi.
Pendahuluan
Output sektor pertanian Indonesia rata-rata mengalami peningkatan sebesar 3,6% per tahun
dari tahun 1961 sampai dengan 2006 (Fuglie, 2009). Hal ini menunjukkan bahwa sektor pertanian
merupakan salah satu roda penggerak perekonomian Indonesia. Physical capital dan labor merupakan
dua contoh faktor input yang dapat mempengaruhi output di sektor pertanian. Perubahan jumlah input
physical capital yang digunakan dapat mempengaruhi produktifitas tenaga kerja dan memiliki
backward and forward linkages terhadap perekonomian Indonesia, di mana keberadaan input physical
2
mengetahui apakah peningkatan output yang terjadi tersebut dipengaruhi secara signifikan oleh faktor
input physical capital dan/atau input tenaga kerja.
Penelitian ini dilakukan untuk mengetahui faktor input apa saja yang dapat berpengaruh
secara signifikan terhadap pertumbuhan output di sektor pertanian pada tahun 1980 sampai 2002.
Dalam penelitian ini, kami menggunakan faktor input luas panen sawah, luas lahan yang beririgrasi,
jumlah traktor dan jumlah pupuk yang digunakan sebagai proxy input physical capital dan jumlah
petani yang bekerja sebagai proxy input tenaga kerja di sektor pertanian. Kami menggunakan proxy
jumlah produksi padi untuk menganalisa pertumbuhan output di sektor pertanian tersebut. Penelitian
ini mengacu kepada penelitian Fuglie pada tahun 2009 yang menganalisa tentang faktor-faktor apa
saja yang mempengaruhi pertumbuhan sektor pertanian di Indonesia pada tahun 1961-2006.
Perbedaan penelitian kami dengan penelitian sebelumnya adalah dalam penelitian ini kami ingin
menganalisa secara lebih spesifik apakah input physical capital berpengaruh secara signifikan
terhadap pertumbuhan output sektor pertanian, sedangkan Fuglie menganalisa bukan hanya faktor
input, tetapi juga peningkatan di total factor productivity dapat mempengaruhi pertumbuhan sektor
pertanian Indonesia. Dalam penelitian ini, kami mengasumsikan tidak ada perubahan teknologi yang
terjadi pada tahun 1980 sampai 2002.
Teori dan Model
Dalam penelitian ini, teori yang kami gunakan adalah teori produksi yang menjelaskan
kontribusi input dalam memproduksi outputnya. Input physical capital merupakan salah satu input
yang digunakan dalam proses produksi di sektor pertanian. Fungsi produksi yang kami gunakan
adalah:
P= f (C, T, F, I, L)
Keterangan:
P= Jumlah Produksi Padi
C= Luas Panen Sawah
T= Jumlah Traktor Yang Digunakan
F= Jumlah Pupuk yang Digunakan
I= Lahan Sawah Yang Beririgasi
3
Variabel independen yang diamati dalam penelitian ini dinilai mempunyai pengaruh terhadap
pertumbuhan output sektor pertanian Indonesia dari tahun 1980-2002, diantaranya :
1. Luas panen sawah
Sawah merupakan modal utama dalam memproduksi output padi. Ekstensifikasi lahan
dinilai mempunyai pengaruh terhadap pertumbuhan output di sektor pertanian.
2. Jumlah traktor yang digunakan
Traktor merupakan teknologi yang dapat meningkatkan efisiensi produksi dan
meningkatkan produktifitas para petani dalam memproduksi padi. Traktor dapat
dinyatakan sebagai modal yang dapat meningkatkan produktifitas petani padi.
3. Jumlah pupuk yang digunakan
Pupuk merupakan teknologi yang dapat meningkatkan jumlah produksi dan
meningkatkan kualitas padi. Pupuk menjadi modal yang dapat membantu petani dalam
melakukan efisiensi produksi.
4. Luas lahan yang beririgasi
Irigasi merupakan teknologi untuk mengatur supply air yang ada di lahan pertanian. Luas
sawah yang beririgasi menjadi modal untuk padi tetap mendapatkan supply air yang
cukup, sehingga padi tidak cepat kering.
5. Jumlah petani
Petani merupakan input yang tidak bisa dipisahkan dengan input modal dalam proses
produksi. Dalam hal ini jumlah petani pun akan mempengaruhi perubahan jumlah
produksi padi di sektor pertanian Indonesia.
Penelitian kami yang berjudul “Peran Input Physical Capital Terhadap Output Sektor Pertanian (1980-2002)” menggunakan jurnal dari Keith O. Fuglie (2009) sebagai jurnal utama dalam
referensi penelitian dan jurnal yang dibuat oleh Keith O. Fuglie dan D. Schimmelpfenig sebagai
referensi tambahan. Perbedaan antara penelitian Fuglie yang menjadi jurnal referensi utama dengan
penelitian yang kami lakukan adalah penelitian Fuglie (2009) lebih spesifik untuk menganalisis input
4
Data dan MetodeDalam penelitian ini, kami menggunakan data sektor pertanian yang merupaka data time
series sebanyak 22 tahun dimulai dari tahun 1980-2002. Data yang digunakan merupakan data
sekunder yang kami dapatkan dari Badan Pusat Statistik (BPS), Food and Agricultural Organization
(FAO), dan Departemen Pertanian (DEPTAN).
Metode analisis yang kami gunakan adalah analisis regresi linier berganda untuk menunjukan
besarnya pengaruh variabel bebas terhadap variabel terikat dengan menggunakan metode estimasi
Ordinary Least Square (OLS). Dalam penelitian ini kami menggunakan lima variabel independen,
diantaranya luas panen sawah, jumlah traktor yang digunakan, jumlah pupuk yang digunakan, luas
sawah yang beririgasi, dan jumlah petani. Variabel jumlah produksi padi merupakan variabel
dependen yang kami ingin analisis perubahannya akibat variabel independen yang berubah. Data pada
variabel-variabel tersebut berbeda satuan untuk memudahkan dalam mengolah data dan interpretasi
hasil akhirnya, variabel independen dan dependen akan ditransformasi sehingga menjadi bentuk
satuan yang sama, yaitu dalam bentuk log natural (Ln).
Pada akhirnya kami menentukan model regresi yang akan kami gunakan :
Y = β0 + β1X1 + β2X2 + β3X3 + β4X4 + β5X5
Pembahasan
Uji Kelayakan OLS
Sebelum melakukan analisis regresi berganda dengan metode estimasi OLS, terlebih dahulu
dilakukan uji asumsi klasik untuk memenuhi syarat. Uji asumsi dilakukan untuk memastikan tidak
ada heteroskedastis, autocorrelation maupun perfect multicollinearity.
1. Multikolineritas
Untuk menemukan ada atau tidaknya multikolineritas, penelitian ini menggunakan correlation matrix
yang menggunakan EViews
Table 1.1
LDLUASPN LDPUPUK LOGLUASLH LOGTRAKTOR LOGPTN
LDLUASPN 1.000000 0.277634 -0.134288 -0.331102 0.029854
LDPUPUK 0.277634 1.000000 -0.113380 -0.028467 0.005153
LOGLUASLH -0.134288 -0.113380 1.000000 0.111360 0.553676
LOGTRAKTOR -0.331102 -0.028467 0.111360 1.000000 -0.133933
5
Hasil perbandingan terlihat bahwa tidak adanya multikolinieritas sehingga dapat dikatakan
tidak ada hubungan yang kuat antar variabel bebas. Adanya multikolinier ketika terlihat variabel yang
mendekati angka 1 dengan batasan ≥ 0,8.
2. Heteroskedastisitas
Untuk menguji adanya heteroskedastisitas adalah dengan menggunakan white test.
Table 1.2
White Heteroskedasticity Test:
F-statistic 0.873359 Probability 0.570329
Obs*R-squared 8.666508 Probability 0.468610
Hasil uji heterokedasticity membuktikan bahwa kelima variabel independen tidak ada
heteroskedasticity karena nilai observation r-squared (8.666508) lebih besar dari nilai probability
(0.570329).
3. Autocorrelation
Untuk menguji autokorelasi, kami menggunakan Durbin-Watson stat untuk mengukur ada atau
tidaknya autokorelasi antar variabel independen.
Variable Coefficient Std. Error t-Statistic Prob.
C -15.90023 1.412449 -11.25721 0.0000
LDLUASPN 0.002414 0.001081 2.233149 0.0393
LDPUPUK 0.000692 0.001062 0.651746 0.5233
LOGLUASLH 0.398940 0.062552 6.377742 0.0000
LOGPTN 2.623332 0.142172 18.45178 0.0000
LOGTRAKTOR 0.012013 0.015536 0.773220 0.4500
R-squared 0.978919 Mean dependent var 17.53131
Adjusted R-squared 0.972718 S.D. dependent var 0.164417
S.E. of regression 0.027157 Akaike info criterion -4.154903
Sum squared resid 0.012538 Schwarz criterion -3.858687
Log likelihood 53.78138 F-statistic 157.8808
Durbin-Watson stat 1.981244 Prob(F-statistic) 0.000000
6
Hasil uji autocorrelation membuktikan bahwa kelima variabel independen tidak memiliki
autocorrelation, karena dengan data 22 tahun dan 5 variabel independen menghasilkan nilai lower
sebesar 0.8629 dan nilai upper 1.9400, hasil uji yang didapat adalah 1.9812 (lebih besar dari nilai
upper).
Hasil uji regresi linier berganda
Table 1.4
Variable Coefficient Std. Error t-Statistic Prob.
C -15.90023 1.412449 -11.25721 0.0000
LDLUASPN 0.002414 0.001081 2.233149 0.0393
LDPUPUK 0.000692 0.001062 0.651746 0.5233
LOGLUASLH 0.398940 0.062552 6.377742 0.0000
LOGPTN 2.623332 0.142172 18.45178 0.0000
LOGTRAKTOR 0.012013 0.015536 0.773220 0.4500
Hasil persamaan regresi :
Jumlah produksi padi = -15,90023+ 0,002414 Luas panen+ 0,000692 Jumlah pupuk+ 0,398940
Luas lahan beririgasi+ 2,623332 Jumlah petani+ 0,012013 Jumlah traktor
Nilai konstanta (β0) = - 15,90023 menjelaskan bahwa jika semua variabel bebas dianggap
konstan, maka akan menurunkan produksi padi sebesar 15,90023 ton. Hal ini menunjukkan
akan terjadi penurunan produksi padi apabila variabel lainnya dianggap tidak berubah.
Variabel Luas panen berpengaruh signifikan positif terhadap besarnya produksi padi. Nilai
koefisien β
1 = 0,002414; menjelaskan bahwa apabila variabel independen lainnya tetap, maka
setiap kenaikan 1 hektar lahan panen akan meningkatkan jumlah produksi padi 0,002414 ton.
Variabel Jumlah pupuk tidak signifikan sehingga dapat dikatakan tidak berpengaruh
terhadap produksi padi. Dalam penelitian ini, penggunaan pupuk masih dinilai fluktuatif dan
tidak semua petani menggunakan pupuk, sehingga tidak terlalu berpengaruh terhadap
pertumbuhan output padi.
Variabel Luas lahan beririgasi berpengaruh signifikan positif terhadap jumlah produksi
padi. Nilai koefisien β
3 = 0,398940; artinya apabila variabel independen lainnya tetap, maka
setiap penambahan area sawah yang beririgasi sebesar 1 hektar akan menaikkan produksi padi
sebesar 0,398940 ton.
Variabel Jumlah petani berpengaruh signifikan positif terhadap jumlah produksi padi. Nilai
koefisien β
4 = 2,623332; artinya apabila variabel independen lainnya tetap, maka setiap
7
Variabel Jumlah traktor tidak signifikan sehingga dapat dikatakan tidak berpengaruh
terhadap produksi padi. Dalam penelitian ini, dari tahun 1980-2002 sektor pertanian dianggap
masih melakukan proses produksi dengan teknik tradisional, dengan mengandalkan hewan
ternak seperti kerbau untuk membajak sawah, sehingga traktor masih belum berpengaruh
terhadap produktifitas padi.
Kesimpulan
Hasil penelitian ini menunjukan bahwa input physical capital yang berpengaruh signifikan
terhadap pertumbuhan output sektor pertanian dari tahun 1980-2002 adalah luas panen sawah sebagai
modal utama sektor pertanian dalam memproduksi padi, ekstensifikasi lahan menjadi cara yang dapat
meningkatkan produksi padi. Dan input physical capital lain yang berpengaruh signifikan adalah luas
sawah yang beririgasi, artinya semakin banyak area sawah yang beririgasi akan membantu
meningkatkan produksi padi di Indonesia dari tahun 1980-2002. Variabel independen lain yang
berpengaruh signifikan terhadap pertumbuhan produksi padi adalah jumlah petani, jika jumlah petani
ditambah maka akan meningkatkan produksi padi. Variabel yang tidak berpengaruh terhadap
peningkatkan produksi padi adalah jumlah pupuk yang digunakan dan jumlah traktor yang digunakan.
Hasil tersebut disinyalir diakibatkan karena sektor pertanian Indonesia masih menggunakan teknik
tradisional dalam memproduksi padi. Sehingga penggunaan teknologi pupuk dan traktor tidak
berpengaruh dalam peningkatan produksi padi di tahun 1980-2002. Maka pupuk dan traktor tidak bisa
dinyatakan sebagai input physical capital yang berpengaruh signifikan dalam meningkatkan produksi
padi Indonesia.
Dalam penelitian ini, kami menggunakan asumsi bahwa tidak ada perubahan teknologi
dimaksudkan untuk mempermudah penelitian. Dalam penelitian ini, sektor pertanian di Indonesia
dianggap tidak menggunakan teknologi selain penggunaan pupuk, ekstensifikasi lahan panen,
penggunaan irigasi sebagai pengatur supply air, dan penggunaan traktor yang dapat meningkatkan
produksi output sektor pertanian.
Sektor pertanian Indonesia harus meningkatkan penggunaan input physical capital dan
teknologi modern untuk meningkatkan efisiensi produksi output di sektor pertanian, diharapkan akan
terjadi perpindahan tenaga kerja dari tenaga kerja di sektor pertanian ke sektor industri atau jasa.
Sehingga ada transisi dari labour intensive ke capital intensive yang saat ini sudah diterapkan di
8
Daftar PustakaFuglie, K., O. (2010). Sources of growth in Indonesian agriculture. Journal of production analysis,
33, 225-240. doi: 10.1007/s11123-009-0150-x.
Fuglie, K., & Schimmelpfennig, D. (2010). Introduction to the special issue on agricultural
productivity growth: A closer look at large, developing countries. Journal of Productivity Analysis,
9
Lampiran DataTahun Padi (ton) Luas Panen (ha) Irigasi (1000 ha)
Traktor
(unit) Pupuk (ton) Petani
1980 27993088 7824046 4107 5149 850931 80848
1981 30988801 8191020 4107 3577 997054 82272
1982 31775624 7872600 4107 4159 1082400 83695
1983 33294263 7986909 4107 4340 1049155 85097
1984 36017309 8547125 4107 2178 1285800 86467
1985 37027443 8755721 4107 1907 1298900 87796
1986 37739620 8888012 4107 1727 1366200 89073
1987 37969591 8796321 4106 1852 1467400 90338
1988 39316072 8927374 4300 2220 1585400 91567
1989 42371324 9374956 4387 2300 1469100 92743
1990 42825267 9377514 4410 3365 1609900 93867
1991 42330934 9168502 4410 2500 1551700 94133
1992 45413648 9799107 4410 2700 1697000 94331
1993 45558933 9806895 4415 2200 1557900 94499
1994 43959181 9493966 4415 3200 1649000 94607
1995 46805672 10081220 4420 3257 1844000 94619
1996 48188255 10251393 4428 4562 2084000 94569
1997 46591874 9881764 4772 7130 1706600 94462
1998 46482803 10475562 5015 4400 2120900 94360
1999 48201136 10794211 5260 1250 1925500 94146
2000 49207201 10617600 5500 3500 1964400 93918
2001 47895512 10419375 5745 3350 1953480 93666
