BAB III
METODE PENELITIAN
3.1. Metode Penentuan Daerah Penelitian
Penelitian ini dilakukan di Provinsi Sumatera Utara. Pemilihan lokasi ditentukan secara sengaja (purposive), artinya penentuan daerah penelitian didasarkan atas pertimbangan-pertimbangan tertentu. Provinsi Sumatera Utara (Kabupaten Deli Serdang, Kabupaten Serdang Bedagai, Kabupaten Simalungun, Kabupaten Langkat dan Kabupaten Tapanuli Tengah) dipilih karena sebagai salah satu sentra produksi padi di Indonesia dan daerah yang mengalami perubahan produksi yang cukup tinggi setiap tahunnya.
3.2. Jenis Data Penelitian
Jenis data yang digunakan adalah data sekunder yang terdiri dari data kuantitattif. Dengan periode 5 tahun (2011-2015), dengan jumlah 75 observasi masing- masing 15 observasi dengan lima Kabupaten. Data penelitian bersifat data panel. Dengan cross-section lima Kabupaten ( Kab. Deli Serdang, Kab. Serdang Bedagai, Kab.Simalungun, Kab. Langkat, Kab. Tapanuli Tengah). Data penelitian diperoleh dari Badan Pusat Statistik Provinsi Sumatera Utara, Dinas Pertanian Provinsi Sumatera Utara dan Balai Meteorologi Klimatologi dan Geofisika, Medan.
3.3. Metode Analisis Data
3.3.1. Analisis Data
3.3.1.1. Pemilihan Model
a. Common Effect
Model mengasumsikan bahwa intersep dan koefisien slope konstan sepanjang waktu dan individu, dan error term menjelaskan perbedaan intersep dan koefisien slope sepanjang waktu dan individu tersebut. Regresi dilakukan dengan mengkombinasikan data timeseries dan crosssection (pooled). Estimasi yang dilakukan yaitu dengan regresi Ordinary Least Square (OLS). Cara ini disebut Pooled Regression atau Common Effect. Dengan demikian, dalam model ini tidak ada efek individu.
b. Fixed Effect.
Model yang mengasumsikan adanya perbedaan intersep untuk setiap individu ini dikenal sebagai model regresi Fixed Effect. Istilah Fixed Effect berasal dari kenyataan bahwa meskipun intersep berbeda pada setiap individu, tetapi masingmasing intersep individu tidak bervariasi atau tetap sepanjang waktu (time invariant). Selain itu model juga mengasumsikan bahwa koefisien slope konstan sepanjang waktu dan individu. Estimasi yang dilakukan yaitu dengan teknik variabel dummy untuk individu. Selanjutnya, karena penggunaan dummy untuk estimasi Fixed Effect itu, maka literatur menyebutnya teknik Least Square Dummy Variables (LSDV).
c. Random Effect
18
umum untuk intersep yaitu β1 dan perbedaan individu dalam nilai intersep untuk masing-masing individu dinyatakan dalam error term εi.
3.3.1.2. Pengujian Model
a. Uji F
Uji F digunakan untuk melihat apakah ada pengaruh efek individu atau tidak di dalam variabel. Nilai F statistik adalah sebagai berikut:
dimana :
RSS1 = Sum Square Residual dari hasil estimasi common effect, no weight
RSS2 = Sum Square Residual dari hasil estimasi fixed effect, no weight
n = Jumlah Variabel nt = Jumlah Observasi
k’ = jumlah parameter dalam model fixed effect, yaitu jumlah individu (N) ditambah jumlah variabel penjelas (k), maka n-k’ sama dengan [NT-(N+k)], dan juga sama dengan (NT-N-k).
Dengan Hipotesis ;
H0 : Common Effect ; Fhitung < Ftabel H1 : Fixed Effect ; Fhitung > Ftabel b. Uji Chow
Uji chow digunakan untuk mengetahui apakah model Common Effect lebih baik dari model Fixed Effect. Dengan Hipotesis :
c. Uji Hausman Test
Uji Hausman Test dilakukan apabila setelah dilakukannya Uji Chow maka yang terpilih Fixed Effect, maka dilakukannya uji Hausman untuk mengetahui apakah model Fixed Effect lebih baik dari Random Effect. Dengan Hipotesis : H0 : Random Effect ; Sig Hausman Test < α (0,05)
H1 : Fixed Effect ; Sig Hausman Test > α (0,05)
d. Uji Breusch and Pagan Lagrange Multiplier Test.
Setelah dilakukan uji chow dapat diketahui Common Effect diterima. Kemudian dilakukan uji BP LM Test untuk mengetahui apakah Common Effect lebih baik dari Random Effect. Dengan Hipotesis :
H0 : Common Effect ; BP LM Test < Chi-Square H1 : Random Effect ; BP LM Test > Chi-Square
Setelah melakukan pemilihan model regresi yang tepat untuk data panel dan melakukan Uji-Chow, Uji-F dan Uji Breush Pagan LM Test pada Lampiran (3 dan 4). model analisis yang sesuai adalah model Common Effect. Dengan rumus regresi data panel Common Effect (Gujarati 2009:594) :
20
Berdasarkan salah satu asumsi yang digunakan bahwa dalam persamaan ada beberapa kriteria untuk menilai kebaikan dan kesesuaian suatu model regresi. Kriteria tersebut adalah R2, F-test dan t-test (Subanti, 2014).
1. Koefisien Determinasi (R2)
Uji koefisien determinasi (R2) adalah suatu angka yang dapat dijadikan sebagai salah satu kriteria untuk menilai kebaikan atau kesesuaian sebuah model regresi. Dalam bahasa sehari-hari koefisien determinasi didefinisikan sebagai bagian atau porsi dari variasi variabel dependen yang dapan diternagkan oleh variabel bebas.
2. Uji F (F-Test)
3. Uji Individu (t-test)
Koefisien regresi merupakan dugaan yang mengandung unsur ketidakpastian. Oleh sebab itu, koefisien tersebut harus diuji apakah nilainya dapat dianggap sama dengan suatu nilai tertentu atau sebaliknya. Karena nilai suatu koefisien dapat dianggap sama dengan nol, maka pengaruh variabel bebas bersangkutan terhadap variabel terikat tidak signifikan. Sebaiknya, variabel tersebut tidak perlu dimasukkan ke dalam model.
Jika sig < 0,05 maka H0 ditolak H1 diterima, (Subanti, 2014 ). 3.2.2. Uji Asumsi Klasik
Pengujian Asumsi Klasik merupakan pengujian asumsi-asumsi statistik yang harus dipenuhi pada analisis regresi yang berbasis Ordinary Least Square
(OLS). Ketika asumsi tidak terpenuhi, biasanya dilakukan berbagai solusi agar asumsi dapat terpenuhi atau beralih ke metode yang lebih advance agar asumsinya dapat terselesaikan. Pada regresi data panel ketika uji asumsi tidak terpenuhi maka pengujian model dilakukan dengan model Fixed Effect atau Random Effect.
22
1. Uji Normalitas
Uji normalitas adalah untuk mengetahui apakah distribusi sebuah data mengikuti atau mendekati distribusi normal. Asumsi Normalitas adalah asumsi residual yang berdistribusi normal, asumsi ini harus terpenuhi untuk untuk model regresi yang baik. Pengujian normalitas dapat dilakukan dengan menggunakan metode formal seperti: Uji Kolmogorov-Smirnov, Uji Anderson-Darling, Uji Shapiro-Wilk dan Uji Jarque-Bera yang mana semua pengujian ini memiliki hipotesis interprestasi, yaitu:
H0 : Residual berdistribusi Normal H1 : Residual tidak berdistribusi Normal
Asumsi Normalitas terpenuhi ketika pengujian Normalitas menghasilkan P-value
(Sign.) lebih besar dari α denagn nilai α ditentukan sebesar 1%, 5% atau 10%.
2. Uji Heteroskedastisitas
Salah satu asmsi yang penting dari model regresi linear klasik adalah gangguan atau residual yang muncul dalam fungsi regresi populasi adalah homoskedastik yaitu semua gangguan mempunyai varians yang sama.
Cara-cara mengidentifikasi adanya kasus Heterokedastisitas: a. melakukan pemeriksaan dengan metode grafik
b. Melakukan pengujian dengan metode formal, meliputi Uji Park, Uji Glejser. (Gujarati, 2003)
3. Uji Multikolinieritas
Salah satu dari asumsi model regresi linier klasik adalah bahwa tidak terdapat multikolineritas diantara variabel bebas yangg dimasukkan ke dalam model. Uji asumsi multikolinieritas bertujan untuk menguji apakah ditemukan adanya korelasi atau hubungan antar variabel bebas dalam regresi. Korelasi diantara variabel bebas seharusnya tidak terjadi dalam model regresi yang baik.
4. Uji Autokorelasi
Dalam regresi linear berganda, salah satu asumsi yang harus dipenuhi agar dugaan parameter dalam model bersifat BLUE yaitu cov ( ui, uj) = 0; i≠j. Artinya tidak ada korelasi antar ui dan uj untuk i≠j {E9ui, uj) = 0, i≠j}.
Pengidentifikasian adanya kasus autokorelasi:
1. Pengujian Durbin-Watson yang menguji adanya autokorelasi pada lag-1. Pada Tabel Durbin-Watson diperoleh output tabel, yaitu nilai Durbin-Watson batas bawah (dL) dan batas atas (dU). Kriteria pemeriksaan asumsi Autokorelasi residual menggunakan nilai Durbin-Watson (d), yaitu:
a. Jika d < 2 dan d <dL, maka residual bersifat Autokorelasi positif b. Jika d < 2 dan d >dU, maka residual tidak bersifat Autokorelasi
c. Jika d < 2 dan dL ≤ d ≤dU, maka hasil pengujian tidak dapat disimpulkan. d. Jika d > 2 dan 4 – d <dL, maka residual bersifat Autokorelasi negatif. e. Jika d > 2 dan 4 - d > dU, maka residual tidak bersifat Autokorelasi
f. Jika d > 2 dan dL ≤ 4 – d ≤d U, maka hasil pengujian tidak dapat disimpulkan.
24
2. Uji Autokorelasi lainnya, seperti: Uji Breusch-Godfrey dan Uji Ljung Box (Gujarati, 2003).
5. Uji Linearitas
Uji linearitas bertujuan untuk mengetahui apakah dua variabel atau lebih mempunyai hubungan yang linier atau tidak secara signifikan. Dua variabel dapat dikatakan mempunyai hubungan yang linear apabila signifikansi (Linearity) < 0,05.
3.4. Definisi dan Batasan Operasional
Untuk menjelaskan dan menghindari kesalahpahaman dalam penelitian ini, maka diberi definisi dan batasan operasional sebagai berikut.
3.4.1. Definisi.
1. Padi Sawah adalah padi yang diusahakan pada lahan basah atau sawah yang memerlukan pengairan yang cukup.
2. Iklim adalah keadaan cuaca rata-rata atau keadaan cuaca jangka panjang pada suatu daerah, meliputi kurun waktu beberapa bulan atau beberapa tahun.
3. Suhu adalah rata- rata suhu udara selama musim tanam di daerah penelitian (oC).
4. Kelembaban Udara adalah tingkat kelembaban udara selama musim tanam didaerah penelitian (%).
5. Curah Hujan adalah jumlah curah hujan yang terjadi selama musim tanam di daerah penelitian (mm).
7. Produksi adalah hasil akhir dari kergiatan budidaya tanaman padi sawah di daerah penelitian (Ton).
8. Pupuk subsidi adalah distribusi pupuk yang diberikan pemerintah kepada petani padi (ton).
3.4.2. Batasan Operasional
1. Penelitian ini dilakukan di Provinsi Sumatera Utara.
BAB IV
DESKRIPSI VARIABEL PENELITIAN
4. 1Deskripsi Variabel
Penelitian ini menggunakan data sekunder berupa variabel terkontrol dan tidak tekontrol. Masing- masing variabel didapat dari Dinas Pertanian Provinsi Sumatera Utara, Balai Pusat Statistika Provinsi Sumatera Utara dan Balai Klimatologi Provinsi Sumatera Utara. Jumlah observasi penelitian sebanyak 75 observasi (2011-2015) dengan lima kabupaten yang merupakan sentra produksi padi sawah di Provinsi Sumatera Utara. Berikut adalah ringkasan jumlah observasi dalam penelitian Tabel 4.1.
Tabel 4.1 Jumlah Observasi Penelitian
No Kabupaten Jumlah Observasi
1 Deli Serdang 15
2 Serdang Bedagai 15
3 Simalungun 15
4 Langkat 15
5 Tapanuli Tengah 15
Jumlah 75
Sumber : Data diolah 2017
4.1.1. Variabel Produksi (Y)
Tabel 4.2. Produksi Padi Sawah per Kabupaten Jan-Apr 2011 sampai JAN-APRL-11 222459 169045 182390 173272 34204
MEI-AGS-11 73763 60769 58410 174940 30242 SEP-DES-11 152313 144626 100707 162833 50116 JAN-APRL-12 216966 177402 157787 159708 46208 MEI-AGS-12 97126 62742 134071 180732 35184 SEP-DES-12 132755 171911 82360 140752 46490 JAN-APRL-13 222255 158837 173949 181238 54222 MEI-AGS-13 94583 67717 108441 167276 40739 SEP-DES-13 132963 181349 112588 128959 35104 JAN-APRL-14 231725 131870 171297 228886 49585 MEI-AGS-14 66254 49596 88495 170134 34096 SEP-DES-14 126453 164796 112518 176288 30408 JAN-APRL-15 211760 160434 176621 200409 58474 MEI-AGS-15 69983 64148 112299 184232 52863 SEP-DES-15 142886 217732 118049 208749 25555
Sumber : Data Sekunder diolah 2017
Dari Tabel 4.2. dapat dilihat secara berurut Jan-Apr, Mei-Ags, Sep-Des 2011-2015 per kabupaten mengalami kenaikan dan penurunan produksi, dan bila dilihat dari produksi per tahun mengalami kenaikan tiap kabupaten yang di teliti. Untuk lebih jelas berikut Gambar 4.1 perkembangan produksi padi di lima sentra produksi padi sawah Provinsi Sumatera Utara.
Gambar 4.1 Grafik Perkembangan Produksi Padi Sawah Jan-Apr 2011 sampai Sep-Des 2015.
28
4.1.2. Variabel Tidak Terkontrol (X)
4. 1. 2. 1. Suhu (X1)
Adapun data untuk keadaan suhu variabel X1 diperoleh dari Balai
Klimatologi dan Balai Pusat Statistik Provinsi Sumatera Utara. Data yang diolah dari tahun 2011 sampai 2015. Berikut Tabel 4.3 keadaan suhu di daerah penelitian.
Tabel 4.3 Keadaan Suhu Udara Tahun 2011 – 2015 di Daerah Penelitian.
Total SUHU KABUPATEN
Sumber : Data Sekunder diolah 2017
Pada Tabel 4.3 dapat dilihat keadaan suhu di setiap daerah penelitian berubah-ubah. Keadaan suhu udara didaerah merupakan salah satu faktor yang mampu mempengaruh produksi padi didaerah tersebut. Dari tabel diatas dapat dilihat suhu udara tertinggi terdapat di daerah Deli Serdang yaitu di bulan Mei-Agustus 2015. Dan suhu udara terendah terdapat di daerah Simalungun yaitu di bulan September-Desember 2014.
Gambar 4.2 Grafik Perkembangan Suhu di Daerah Penelitian Jan-Apr 2011 sampai Sep-Des 2015.
4. 1. 2. 2. Curah Hujan (X2)
Adapun data untuk keadaan curah hujan variabel X2 diperoleh dari Balai
Klimatologi dan Balai Pusat Statistik dan Dinas Pertanian Provinsi Sumatera Utara. Data yang diolah dari tahun 2011 sampai 2015. Berikut Tabel 4.4 keadaan curah hujan di daerah penelitian.
Tabel 4.4 Keadaan Curah Hujan di Daerah Penelitian. Total Curah
30
Pada Tabel 4.4 dapat dilihat keadaan curah hujan di setiap daerah penelitian berubah-ubah. Keadaan curah hujan mengalami peningkatan di bulan September-Desember setiap tahunnya. Dari tabel diatas dapat dilihat curah hujan tertinggi terdapat di daerah Tapanuli Tengah yaitu di bulan September-Dsember 2015. Dan curah hujan terendah yang terjadi di daerah Serdang Bedagai yaitu di bulan Januari-April 2011. Berikut Gambar 4.3 perkembangan curah hujan di daerah penelitian Jan-Apr 2011 sampai Sep-Des 2015.
Gambar 4.3 Grafik Perkembangan Curah Hujan di Daerah Penelitian Jan-Apr 2011 sampai Sep-Des 2015.
4. 1. 2. 3. Kelembaban (X3)
Adapun data yang digunakan untuk variabel X3 atau kelembaban diperoleh
dari Balai Klimatologi dan Balai Pusat Statistika Provinsi Sumatera Utara. Kelembaban suatu daerah dapat menjadi penentu laju pertumbuhan suatu tanaman di daerah tersebut. Untuk itu berikut Tabel 4.5 keadaan kelembaban udara di daerah penelitian.
Tabel 4.5 Keadaan Kelembaban di Daerah Penelitian
Sumber : Data Sekunder diolah 2017
Pada Tabel 4.5 dapat dilihat keadaan kelembaban setiap waktunya berubah-ubah. Kelembaban dapat mempengaruhi pertembuhan tanaman dan pertumbuhan organisme pengganggu tanaman, sehingga tanaman tidak dapat menghasilkan atau mati. Dari tabel diatas dapat dilihat kelembaban tertinggi berada di daerah Langkat di bulan September-Desember sebesar 88%. Dan kelembaban terendah di Kabupaten Tapanuli Tengah di bulan September- Desember 2011 sebesar 79,7%.
32
Gambar 4.4 Grafik Perkembangan Kelembaban di Daerah Penelitian Jan-Apr 2011 sampai Sep-Des 2015.
4.1.3. Variabel Terkontrol (X)
4. 1.3.1. Luas Panen (X4)
Adapun data untuk ketersediaan luas panen atau variabel X4 diperoleh dari
Dinas Pertanian Provinsi Sumatera Utara. Data yang diolah dari tahun 2011 sampai 2015. Berikut Tabel 4.6 luas panendi daerah penelitian.
Total Luas
Sumber : Data Sekunder diolah 2017
Luas panen adalah luas areal yang dipanen pada saat masa panen. Dimana luas panen dapat diketahui pada saat proses pemanenan selesai dilakukan. Luas panen padi sawah yang tinggi dapat didsari atas pengolahan tanah, keadaan lahan yang siap untuk di tanami hingga panen. Semakin luas areal pemanenan maka produksi padi semakin tinggi.
Berikut Gambar 4.5 perkembangan Luas Panen di daerah penelitian Jan-Apr 2011 sampai Sep-Des 2015.
Gambar 4.5 Grafik Perkembangan Luas Panen di Daerah Penelitian Jan-Apr 2011 sampai Sep-Des 2015.
4.1.3.4. Pupuk Subsidi (X5)
Adapun data untuk pendistribusian pupuk subsidi atau variabel X5
diperoleh dari Dinas Pertanian Provinsi Sumatera Utara. Data yang di olah dari tahun 2011 sampai 2015. Berikut Tabel 4.7 banyaknya distribusi pupuk subsidi (Urea, NPK, SP36) di daerah penelitian.
34
Tabel 4.7 Distribusi Pupuk Subsidi di Daerah Penelitian Total Pupuk Sumber : Data Sekunder diolah 2017
Dari Tabel 4.7 merupakan jumlah pendistribusian pupuk subsidi selama lima tahun (2011 – 2015). Pendistribusian pupuk dapat membantu petani, sehingga meringankan biaya produksi. Pemanfaatan pupuk juga mampu memingkatkan produksi petani apabila petani menggunakan dengan sebaik-baiknya. Berikut Gambar 4.6 grafik perkembangan pendistribusian pupuk subsidi di daerah penelitian.
Gambar 4.6 Grafik Pendistribusian Pupuk Subsidi di Daerah Penelitian Jan-Apr 2011 sampai Sep-Des 2015.
BAB V
HASIL DAN PEMBAHASAN
5.1. Pengaruh Perubahan Iklim
Pengaruh perubahan iklim sangat menentukan hasil dari produksi padi dimana disebutkan bahwa iklim memiliki variabel pengubah di dalamnya, variabel-variabel pengubah tersebut memiliki peran yang berbeda dalam menentukan perubahan iklim yang terjadi. Selain variabel iklim yang jadi penentu produksi padi sawah, dalam penelitian ini juga dikenalkan variabel pengubah yang dapat dikontrol yaitu variabel luas panen dan pupuk subsidi. Variabel ini diharapkan mampu untuk mengatasi penurunan produksi padi sawah yang dikhawatirkan akibat terjadinya perubahan iklim yang tidak stabil.
5.1.1. Keadaan Suhu di Daerah Penelitian
a. Kabupaten Deli Serdang
36
Gambar 5.1 Grafik Perkembangan Suhu di Kabupaten Deli Serdang Jan-Apr 2011 sampai Sep-Des 2015.
b. Kabupaten Serdang Bedagai
Dari data yang telah diolah pada Lampiran 7. Dapat diketahui suhu tertinggi terjadi di setiap di bulan Mei – Agustus. Dengan suhu tertinggi terjadi di tahun 2011 yaitu 28,8 oC, dengan suhu terendah di setiap bulan September – desember yaitu 26,0 oC di tahun 2014. Dengan demikian suhu masih berada dibawah suhu optimal yaitu 30 oC yang artinya keadaan suhu yang baik untuk tanaman padi sawah. Berikut ini Gambar 5.2 tentang perubahan suhu di daerah Serdang Bedagai (2011-2015).
c. Kabupaten Simalungun
Kabupaten Simalungun termasuk daerah pergunungan dengan ketinggan 0-1400 mdpl. Dimana daerah tersebut bersuhu rendah. Setelah data diolah pada Lampiran 8. Dapat diketahui suhu tertinggi yang pernah terjadi yaitu di bulai Mei – Agustus 2011 dan 2015 di bulan yang sama yaitu 25,8 oC. Keadaan suhu di Kabupaten Simalungun 2011 hingga 2015 berada pada daerah optimum untuk ditanaman padi sawah yaitu 24 oC - 30 oC. Berikut ini Gambar 5.1 tentang perubahan suhu di daerah Simalungun tahun (2011-2015).
Gambar 5.3 Grafik Perkembangan Suhu di Kabupaten Simalungun Jan-Apr 2011 sampai Sep-Des 2015.
d. Kabupaten Langkat
38
Gambar 5.3 Grafik Perkembangan Suhu di Kabupaten Langkat Jan-Apr 2011 sampai Sep-Des 2015.
e. Kabupaten Tapanuli Tengah
Tapanuli Tengah adalah kabupaten yang berbatasan dengan lautan, sehingga mampu mempengaruhi suhu udara di wilayah tersebut. Berdasarkan data yang telah diolah suhu tertinggi sepanjang lima tahun 2011 sampai 2015 adalah 27 oC dan terendah pada 25,5 oC. dimana berada pada wilayah suhu optimum untuk pertumbuhan tanaman padi. Berikut ini Gambar 5.5 tentang perubahan suhu di daerah Tapanuli Tengah tahun (2011-2015).
Dari diskripsi diatas dapat disimpulkan bawa suhu udara didaerah penelitian berada didaerah suhu optimal untuk pertumbuhan tanaman padi. Dimana suhu optimal untuk tanaman padi adalah 24 oC- 30 oC. Dengan demikian suhu udara di daerah penelitian tidak ada yang diluar range atau batas suhu optimal. Berikut Gambar 5.6 ringkasan mengenai keadaan tersebut.
Gambar 5.5 Grafik Perkembangan Suhu Keseluruhan wilayah penelitian Jan-Apr 2011 sampai Sep-Des 2015.
5.1.2. Keadaan Curah Hujan di Daerah Penelitian
Berdasarkan data yang didapat bulan September – Desember adalah bulan yang memiliki curah hujan yang sangat tinggi. Dikarenakan musim hujan terjadi pada bulan tersebut. Dilihat dari data yang didapat curah hujan mengalami peningkatan setiap bulan pertahun.
Masalah yang timbul akibat rendahnya curah hujan adalah kekeringan. Kekeringan mampu mengakibatkan lahan pertanian tidak dapat di tanami ataupun dapat mengakibatkan gagal panen. Untuk mengatasi kekeringan petani memanfaat irigasi atau pengairan, sehingga apabila curah hujan rendah petani masih dapat
40
memenuhi kebutuhan air untuk tanaman padi nya. Berikut ini ringkasan gambar mengenai curah hujan sepanjang lima tahun didaerah penelitian.
Gambar 5.6. Kabupaten Deli Serdang Gambar 5.7. Kabupaten Serdang Bedagai
Gambar 5.8. Kabupaten Simalungun Gambar 5.9. Kabupaten Langkat
Gambar 5.10. Kabupaten Tapanuli Tengah
penghujan telah berlangsung sehingga menyebabkan curah hujan yang meningkat. Curah hujan tertinggi secara berurut Kab. Deli Serdang, Serdang Bedagai, Simalungun, Langkat dan Tapanuli Tengah adalah 308mm, 275mm, 400mm, 286mm dan 456mm yang terjadi sepanjang lima tahun (2011-2015). Berikut Gambar 5.11 Keseluruhan keadaan curah hujan di daerah penelitian.
Gambar 5.5 Grafik Keadaan Curah Hujan Keseluruhan wilayah penelitian Jan-Apr 2011 sampai Sep-Des 2015.
Curah hujan yang baik untuk pertanaman padi adalah 200-250mm/bulan atau 1500– 2000mm/tahun. Dari Gambar 5.11 dapat diketahui masih ada kondisi curah hujan yang tinggi dan rendah dari 250mm/bulan hingga 50mm/bulan tetapi produksi meningkat kemungkinan disebabkan pemanfaatan lahan sawah irigasi/konversi air dan penggunaan input seperti pupuk, luas lahan dan input yang lain sehingga mampu memberikan produksi yang baik.
5.1.3. Keadaan Kelembaban di Daerah Penelitian
Berdasarkan data yang didapat keadaan kelembaban didaerah penelitian berada diantara 80% sampai 88%. dengan keadaan suhu di wilayah penelitian
42
suhu dengan 27 oC - 32 oC kelembaban yang sesuai adalah >85%. Demikian keadaan kelembaban di wilayah penelitian sesuai untuk pertumbuhan dan perkembangan tanaman padi sawah hingga panen.
5.1.4. Luas Panen di Daerah Penelitian
Dari data yang telah diolah dapat diketahui petani didaerah penelitian melakukan penanaman padi sawah dengan hasil produksi yang lebih banyak di awal bulan yaitu Januari-April dan September – Desember. Sedangkan di bulan Mei-Agustus lebih rendah di banding kedua periode tersebut. Dikarenakan luas panen yang di panen pada 2 periode tersebut lebih besar di bandingkan dengan periode Mei-Agustus. Penyebab lain nya juga dapat dipengaruhi oleh waktu pengolahan tanah, dimana pengolahan tanah yang tidak tepat dan menyebabkan luas areal penanaman berkurang dan saat panen tentu saja berkurang.
5.1.5. Pupuk Subsidi
Berdasarkan data yang telah di olah yang didapat dari Dinas Pertanian Provinsi Sumatera Utara, jenis- jenis pupuk subsidi yang pengadaannya dilakukan oleh pemerintah kepada petani adalah pupuk Urea , pupuk NPK dan pupuk SP-36. Dengan komposisi perbandingan 2:1:1. Untuk pupuk Urea dengan kandungan N 45% dimana di butuhkan pada awal pertumbuhan tanaman.
5.2 Hasil Analisis
Data yang digunakan dalam analisis variabel bebas tidak terkontrol (suhu, curah hujan, kelembaban) dan variabel bebas terkontrol (luas panen, pupuk subsidi). Dari variabel- variabel bebas tersebut akan dilihat seberapa besar pengaruhnya terhadap produksi (variabel terikat). Model regresi yang dipakai adalah Common Effect ( Pooled Least Square), setelah dilakukan beberapa uji yaitu, Uji- F dan Uji Breush Pagan. Berikut hasil regresi yang diperoleh adalah sebagai berikut :
Pooled Least Square Tabel 5.1 Output Eviews
Variable Coefficient Std. Error t-Statistic Prob.
C -522285.8 89411.78 -5.841354 0.0000
Suhu 14554.79 2162.044 6.731960 0.0000 Curah Hujan 51.77245 15.15234 3.416794 0.0011 Kelembaban 1233.638 478.5672 2.577774 0.0121 Luas Panen 5.650727 0.081194 69.59570 0.0000 Pupuk Subsidi 0.773176 0.191486 4.037764 0.0001
Sumber : Diolah dari lampiran 1.
Hasil Estimasi persamaan ekonometrika di atas :
44
5.2.1. Uji Signifikansi Individu (Uji-t)
Uji-t digunakan untuk melihata apakah ada pengaruh secara parsial variabel-variabel bebas atau tidak signfikan terhadap variabel-variabel terikat.
1. Pengaruh suhu (X1)terhadap produksi padi sawah (Y)
Hasil Estimasi menunjukkan koefisien regresi suhu (X1) bernilai
14554.79, artinya setiap kenaikan 1oC, maka produksi padi sawah akan meningkatkan sebesar 14554.79 ton atau sebesar 0.62 ton/MT. Namun, dilihat dari nilai signifikansi-t suhu (X1) adalah sebesar 0.0000 < α (0,05) Hal ini
menunjukkan bahwa H0 ditolak dan H1 diterima. Yang berarti suhu secara parsial berpengaruh nyata terhadap produksi padi sawah di lima sentra produksi padi sawah Provinsi Sumatera Utara.
2. Pengaruh curah hujan (X2) terhadap produksi padi sawah (Y)
Hasil Estimasi menunjukkan koefisien regresi suhu (X2) bernilai 51.772,
dimana setiap kenaikan 1mm curah hujan maka produksi padi akan meningkat 51.772 ton dan dilihat dari nilai signifikansi-t curah hujan (X2) adalah sebesar
0.0011< α (0,05) Hal ini menunjukkan bahwa H0 ditolak dan H1 diterima. Yang berarti curah hujan secara parsial berpengaruh nyata terhadap produksi padi sawah di lima sentra produksi padi sawah Provinsi Sumatera Utara.
3. Pengaruh kelembaban (X3) terhadap produksi padi sawah (Y)
Hasil Estimasi menunjukkan koefisien regresi kelembaban (X4) bernilai
1233.638, artinya setiap kenaikan 1% tingkat kelembaban, maka produksi meningkat 1233.638 ton. dan dilihat dari nilai signifikansi-t kelembaban (X3)
diterima. Yang berarti kelembabann secara parsial berpengaruh nyata terhadap produksi padi sawah di lima sentra produksi padi sawah Provinsi Sumatera Utara. 4. Pengaruh luas panen (X4) terhadap produksi padi sawah (Y)
Hasil Estimasi menunjukkan koefisien regresi luas panen (X4) bernilai 5.650,
artinya setiap kenaikan kelembaban 1 Ha, maka produksi padi sawah akan meningkat sebesar 5.650 ton. Dan dilihat dari nilai signifikansi-t kelembaban (X3)
adalah sebesar 0.0000< α (0,05) Hal ini menunjukkan bahwa H0 ditolak dan H1 diterima. Yang berarti luas panen secara parsial berpengaruh nyata terhadap produksi padi sawah di lima sentra produksi padi sawah Provinsi Sumatera Utara. 5. Pengaruh pupuk subsidi (X5) terhadap produksi padi sawah (Y)
Hasil Estimasi menunjukkan koefisien regresi pupuk subsidi (X5) bernilai
0.773, artinya setiap kenaikan pupuk subsidi sebesar 1 ton, maka produksi padi sawah akan meningkat sebesar 0.773 ton. Dan dilihat dari nilai signifikansi-t pupuk subsidi (X5) adalah sebesar 0.0000 < α (0,05) Hal ini menunjukkan bahwa
H0 ditolak dan H1 diterima. Yang berarti pupuk subsidi secara parsial berpengaruh nyata terhadap produksi padi sawah di lima sentra produksi padi sawah Provinsi Sumatera Utara.
5.2.2. Uji Signifikansi Serempak (Uji-Statistik F)
46
5.2.3. Koefisien Determinasi (R2)
Dari Hasil Tabel 5.1 Adjusted R2 yang diperoleh adalah sebesar 0.995612. Analisis ini menunjukkan bahwa produksi padi sawah (Y) mampu dijelaskan oleh variabel-variabel bebas seperti temperatur (X1), curah hujan (X2), kelembaban (X3)
dan luas panen (X4) dan pupuk subsidi (X5) secara bersama-sama mampu
mempengaruhi variabel terikat (produksi padi) sebesar 99,5% sedangkan sisanya sebesar 0,5% dijelaskan oleh faktor-faktor lain yang tidak masuk dalam model.
5.2.4. Uji Asumsi Klasik
1. Uji Normalitas
Dari hasil analisis dapat dilihat JB sebesar 5,057415 < 11.07048 maka dapat diismpulkan bahwa data berdistribusi normal.
2. Uji Multikolinieritas
Untuk menguji masalah multikolinearitas dapat melihat matriks korelasi antar variabel bebas, Dalam buku Mitchell H. Katz (2006:69) korelasi lebih dari 0,80 maka terdapat multikolinearitas.
40000 80000 120000 160000 200000 240000
Tabel 5.2 Matriks Korelasi Antarvariabel
Suhu Curah Hujan Kelembaban Luas Panen Pupuk Subsidi Suhu -0.434481 -0.350679 -0.220423 -0.143127 Curah Hujan -0.434481 0.518983 0.123250 0.388356 Kelembaban -0.350679 0.518983 0.257007 0.401156 Luas Panen -0.220423 0.123250 0.257007 0.360171 Pupuk Subsidi -0.143127 0.388356 0.401156 0.360171
Sumber : Data diolah Eviews
Dari tabel 5.2 ditas dapat dilihat nilai koefisien korelasi antar variabe independen dibawah 0,80 dengan demikian data penelitian terbebas dari masalah multikolinearitas.
3. Uji Autokorelasi
Hasil estimasi pada Lampiran 3.1 didapat nilai Durbin- Watson (DW) sebesar 1,391357 sehingga dapat ditentukan kriteria terjadi atau tidaknya autokorelasi. Nilai DW 1.314074 < 2 dan 4 - 1.310474 > dU (1,83773) yang artinya model tidak terjadi autokorelasi.
4. Uji Heterokedastisitas
a. Uji Weight Least Square
Uji WLS adalah uji pembirian bobot kepada model regresi untuk mengetahui model sebelumnya mengalami gangguan heterokedastistitas.
Weighted Statistic Unweighted Statistic
R-Squared 0,995908 0,995908
Sum Squared Residual 1.52E+10 1.52E+10
Sign-t < α 0,05 < α 0,05
Durbin Watson Stat 1.391357 1.391357
Homokedastisitas Homokedastisitas
48
Setelah dilakukan pembobotan dapat dilihat nilai R- Squared dan Sign-t tidak jauh berbeda sebelum dilakukannya pembobotan. Pemberian pembobotan dapat memberikan estimasi yang lebih baik. Setelah dilakukan pembobotan dapat disimpulkan model tidak mengalami heterokedastisitas.
b. Uji Lagranges Multiplier
Tabel 5.3 Uji Lagrange Multiplier
Cross-section Period Both One-sided One-sided
Breusch-Pagan 0.022711 6.082618 6.105328 (0.8802) (0.0137) (0.0135) Dari Tabel 5.3 kita dapat melihat LSM Test sebesar 6.105328< 11.07048
chi-square maka H0 diterima dan H1 ditolak. Hal ini berarti tidak terjadi heterokedastisitas pada model regresi atau bersifat homokedastisitas.
5.2.5. Uji Linearitas
Pada uji linearitas menggunakan ui Lagrange Multiplier dengan melihat nilai
Sig < α(0,05), maka model bersifat linear. Dari Tabel 5.3 kita dapat melihat nilai
Sig 0,0135 < α(0,05)dengan demikian, dapat diartikan bahwa model regresi bersifat linear.
5.3 Pembahasan Hasil
a. Curah Hujan Signifikan Terhadap Produksi Padi di Daerah Penelitian. Variabel curah hujan berpengaruh signifikan. Curah hujan dapat mempengaruhi pergesesarn yang berdampak pada periode penanaman. Indeks penanaman untuk tanaman padi yaitu bulan November - Februari (musim hujan), Juli – Oktober (musim kemarau) dan Maret – Juni (musim gadu).
Tanaman padi membutuhkan curah hujan dengan rata-rata 200m/bulan atau 1500-2000 mm/tahun. Petani umumnya melakukan penanaman pada bulan penghujan. Dibulan kemarau dan gadu, petani juga memanfaatkan irigasi dimana air irigasi berasal dari danau, rawa atau sungai dan air hujan. Di saat musim penghujan dengan curah hujan yang tinggi, air yang berlebih akan di alirkan ke waduk atau ditampung guna untuk pengelolahan tanah dan konsumsi tanaman pada saat pertumbuhan di musim kering dan gadu.
Keadaan rata-rata curah hujan di Sumatera Utara tahunan adalah 2000 mm/tahun dengan kondisi yang mendukung untuk pertanaman padi. Hal ini sesuai dengan penlitian yang dilakukan oleh Siti Aisyah (2014) dengan hasil curah hujan memberikan pengaruh yang signifikan dan negatif, dimana setiap kenaikan 1% curah hujan, akan meningkat produksi sebesar 0,6191%.
50
Menurut Penelitian Rathnayake (2016), kelembaban yang sesuai dengan tanaman padi dari data yang diperoleh, dapat dikategorikan pada tingkat yang sesuai hingga sangat sesuai. Dan hal ini sesuai dengan penelitian yang dilakukan oleh Sridevi dan Chellamuthu (2015) kelembaban yang relatif tidak sesuai dengan pertumbuhan tanaman padi, produksi padi akan menurun seiring dengan meningkatnya kelembaban.
c. Suhu Signifikan Terhadap Produksi Padi di Daerah Penelitian.
Variabel Suhu berpengaruh signifikan dimana nilai koefisien suhu 14554.79. dimana setiap kenaikan 1oC maka produksi akan meningkat 14554.79 ton atau sebesar 0.62 ton/MT. dengan asumsi variabel lain konstan. Suhu udara yang optimal untuk pertumbuhan tanaman padi adalah 23 oC – 30 oC. Akan tetapi pada proses petumbuhan padi apabila suhu yang terlampau tinggi atau rendah akan berakibat pada penurunan produksi padi.
Keadaan suhu didaerah penelitian yaitu suhu terendah 24 oC dan yang tertinggi 28,8 oC. Hasil estimasi menunjukkan suhu memberikan kenaikan yang positif. Dimana keadaan suhu di daerah penelitian berada di pada wilayah optimum untuk pertumbuhan padi. dengan keadaan iklim suhu yang seperti ini mampu memberikan dampak positif terhadap produksi padi.
d. Luas Panen Signifikan Terhadap Produksi Padi di Daerah Penelitian. Variabel Luas Panen berpengaruh signifikan terhadap produksi padi sawah dikarenakan semakin luas areal lahan panen untuk tanaman padi maka produksi padi akan meningkat. Dari hasil penelitian nilai koefisien 5.650727 dimana apabila luas areal panen naik 1Ha maka produksi padi akan meningkat sebesar 5.650727 ton.
Upaya dalam meningkatkan produksi padi di Sumatera Utara adalah dengan meningkatkan luas panen. Salah satunya dengan ekstensifikasi pertanian. Ektensifikasi lahan pertanian adalah usaha peningkatan luas areal tanaman dengan memperhatikan sumberdaya alam dan lingkungan.
Dari hasil analisis diketahui luas panen meberikan kenaikan yang positif. Hal ini sesuai dengan penlitian yang dilakukan Klivensi (2015) dimana jika areal luas lahan meningkat 1Ha maka produksi akan meningkat 1425,0 Kg.
e. Pupuk Subsidi Signifikan Terhadap Produksi Padi di Daerah Penelitian. Variabel Pupuk Subsidi (NPK, Urea, SP-36) berpengaruh signifikan terhadap produksi padi sawah dikarenakan pemberian pupuk subsidi akan membantu petani dalam proses budidaya dan pertumbuhan tanaman. Dari penelitian ini diketahui pupuk subsidi memberikan pengaruh positif dimana setiap kenaikan 1 ton makan produksi meningkat 0.773176 ton. Dengan demikian pendistribusian kan pupuk subsidi sebaiknya diteruskan oleh Pemerintah Provinsi Sumatera Utara.
52
Dari hasil analisis dapat diketahui secara umum perubahan iklim berpengaruh di Provinsi Sumatera Utara. Namun, dilihat dari data keseluruhan perubahan iklim di wilayah penelitian pada Lampiran 2. perubahan iklim yang terjadi setiap tahun per musim tanam tidak terlalu berbeda atau cenderung konstan di Provinsi Sumatera Utara. Dengan demikian, perubahan iklim yang terjadi tidak ada yang terlalu ekstrim di Provinsi Sumatera Utara.
Dilihat dari data yang diperoleh petani padi sawah masih banyak yang menerapkan IP (Indeks Penanaman):2, sehingga masih sedikit petani yang menerapkan IP:3. Penerapan IP:3 mampu meningkatkan produksi dengan dukungan input produksi sehingga produksi padi sawah juga akan meningkat pertahun.
6.1Kesimpulan
Dari hasil analisis dapat diketahui secara umum perubahan iklim/variabel tidak terkontrol (suhu, curah hujan dan kelembaban) dan variabel terkontrol (luas panen dan pupuk subsidi) berpengaruh di Provinsi Sumatera Utara. Berdasarkan data perubahan iklim yang terjadi setiap tahun per musim tanam tidak terlalu berbeda atau cenderung konstan. Dengan demikian, perubahan iklim yang terjadi tidak ada yang ekstrim di Provinsi Sumatera Utara.
6.2 Saran
1. Kepada Pemerintah
Pemerintah agar lebih mengkhawatirkan perubahan iklim terjadi, mencari upaya dalam menanggulangi perubahan iklim yang tidak stabil, memberikan penyuluhan kepada petani mengenai pemanfaatan pola tanam yang baru akibat dari perubahan iklim dan memanfaatkan ketersedian input yang lebih baik.
2. Kepada Petani
54
3. Kepada Peneliti Selanjutnya
