ANALISIS PENGARUH LUAS LAHAN TERHADAP PRODUKTIVITAS PADI PADA PROVINSI YANG ADA DI INDONESIA TAHUN 2022
ANALYSIS OF THE EFFECT OF LAND AREA ON RICE PRODUCTIVITY IN INDONESIAN PROVINCES IN 2022
Adinda Putri Guswahyuningsih
1, Al Farizi Nur
2, Ariska Kusnul Khotimah
3, Athaya Azahra Rahman
4, Muhammad Zainul Alam
5, Rabiatul Adawiyah
6, Rifa Joseph
71,2,3,4,5,6,7Mahasiswa/i Program Studi Statistika FMIPA Universitas Mulawarman Email: [email protected]1, [email protected]2, [email protected]3, [email protected]4, [email protected] 5, [email protected]6,
[email protected]7 Abstract
Simple linear regression analysis is an approach method for modeling the relationship between one dependent variable and independent variables where variables are linear. This study aims to analyze the effect of land area on productivity in provinces in Indonesia in 2022. The method used is the literature study method where the data is not addressed directly to the research subject. Based on the results of the study, a simple linear regression model was obtained partially obtained a value of 0.1299 variations that occur in rice productivity caused by land area in provinces in Indonesia. This indicates that there are about 87.01% of other unknown variables affecting rice productivity in provinces in Indonesia.
Analisis regresi linear sederhana merupakan metode pendekatan untuk pemodelan hubungan antara satu variabel dependen dengan variabel independent dimana variabel bersifat linear. Penelitian ini bertujuan untuk menganalisis pengaruh luas lahan terhadap produktivitas pada provinsi yang ada di Indonesia pada tahun 2022.
Metode yang digunakan adalah metode studi pustaka yang dimana data tidak ditujukan langsung kepada subjek penelitian. Berdasarkan hasil penelitian, didapatkan model regresi linear sederhana secara parsial diperoleh nilai sebesar 0.1299 variasi yang terjadi pada produktivitas padi disebabkan oleh luas lahan pada provinsi di Indonesia. Hal ini menandakan bahwa ada sekitar 87,01% variabel lain yang belum diketahui mempengaruhi produktivitas padi pada provinsi di Indonesia.
Keywords: Simple Linear Regression, Rice Productivity Pendahuluan
Pertanian merupakan sektor industri utama yang melibatkan pengorganisasian sumber daya seperti tanah, air, dan mineral, serta modal dalam berbagai bentuk, serta pengelolaan tenaga kerja untuk memproduksi dan memasarkan berbagai barang yang dibutuhkan oleh manusia (Sridihidayati, 2022). Sektor pertanian memiliki peran yang sangat penting dalam mencapai tujuan program Sustainable Development Goals (SDG’s) dan juga merupakan penyumbang terbesar kedua terhadap Produk Domestik Bruto (PDB). Sektor ini juga merupakan penyedia komoditas makanan pokok bagi masyarakat Indonesia, yang kebutuhannya terus meningkat seiring dengan pertumbuhan jumlah penduduk, serta menjadi sumber pendapatan utama bagi petani dalam memenuhi kebutuhan hidup mereka (Nurviana, 2023).
Di sektor pertanian terdapat subsektor tanaman pangan yang memiliki peran yang sangat penting dalam mendukung kemandirian pangan. Hal ini sesuai dengan amanat Undang-Undang Republik Indonesia Nomor 18 Tahun 2012 Tentang Pangan Pasal 1 Ayat 7 yang menyatakan bahwa
"Ketersediaan pangan adalah kondisi tersedianya pangan dari hasil produksi dalam negeri dan cadangan pangan nasional serta impor apabila
kedua sumber utama tidak dapat memenuhi kebutuhan" (Martadona, 2021). Pangan adalah salah satu kebutuhan dasar yang harus dipenuhi.
Jika pasokan pangan tidak mencukupi untuk memenuhi kebutuhan, hal ini akan berdampak negatif pada stabilitas ekonomi (Prabayanti, 2022).
Pada tahun 2022 angka impor beras di Indonesia sebanyak 429.210 ton, sementara produksi padi di Indonesia pada tahun 2022 adalah sebanyak 54,75 juta ton GKG atau jika dikonversi menjadi beras sekitar 31,54 juta ton. Angka impor beras di Indonesia terus meningkat setiap tahunnya karena masyarakat sangat bergantung pada makanan pokok utama, yakni beras, juga diiringi dengan pertumbuhan penduduk yang semakin meningkat (Callista, 2022).
Beberapa masalah yang dihadapi dalam sektor pertanian, terutama pada komoditas padi, termasuk penurunan persentase tenaga kerja karena pendapatan petani yang rendah, berkurangnya lahan pertanian, dan terfragmentasinya lahan (Ekowati, 2020). Secara prinsip, luas lahan dianggap sebagai salah satu faktor utama yang mempengaruhi produktivitas padi. Lahan merupakan tempat di mana produksi pertanian dilakukan dan memiliki pengaruh yang signifikan terhadap keberhasilan usaha tani. Jumlah produksi padi, antara lain, dipengaruhi oleh luas lahan yang
2 digunakan (Harini, 2019). Upaya peningkatan
jumlah produksi padi di Indonesia dapat dilakukan dengan intensifikasi dan ekstensifikasi. Luas lahan di Indonesia yang digunakan sebagai sawah pada tahun 2021 tercatat sebesar 1.103.859,96 ha dan mengalami peningkatan sebesar 15.440,98 ha di tahun 2022 dengan produktivitas padi di tahun 2021 sebesar 52,26 ku/ha dan meningkat sebesar 0,12 ku/ha di tahun 2022 (Badan Pusat Statistik).
Berdasarkan penjelasan di atas, maka peneliti memutuskan untuk melakukan penelitian dengan judul “Pengaruh Luas Lahan terhadap Produktivitas Padi pada Provinsi yang ada di Indonesia”. Peneltian ini terinspirasi dari penelitian (Usman & Juliyani, 2018) yang membahas mengenai pengaruh luas lahan, pupuk dan jumlah tenaga kerja terhadap produksi padi di desa Gampong Matang Baloi di Aceh dengan menggunakan model regresi linier berganda. Hasil yang didapatkan adalah produksi padi akan mengalami peningkatan sebesar 1,14% setiap penambahan 1% luas lahan, meningkat sebesar 0,6% setiap penambahan 1% pupuk yang digunakan, dan meningkat sebesar 30% setiap penambahan 1% tenaga kerja.
Oleh karena itu, peneliti melakukan penelitian dengan model regresi linier sederhana dengan variabel independen yang digunakan adalah luas lahan dan variabel dependen yang digunakan adalah produktivitas padi. Penelitian ini bertujuan untuk mengetahui seberapa besar pengaruh luas lahan terhadap produktivitas padi pada provinsi di Indonesia.
Metodologi penelitian
Data yang digunakan dalam penelitian ini adalah data sekunder yang diperoleh melalui website Badan Pusat Statistik Kalimantan Timur.
Metode analisis yang digunakan dalam penelitian ini adalah metode deskriptif kuantitatif, sedangkan model yang digunakan dalam penelitian ini adalah Regresi Linier Sederhana. Analisis Regresi Linier Sederhana pada penelitian ini digunakan untuk mengetahui pengaruh dari variabel Luas lahan terhadap variabel Produktivitas Padi tahun 2022 di Indonesia. Dalam penelitian ini, digunakan teknik sampling berupa non probability sampling, karena sampel yang digunakan adalah seluruh sampel yang berasal dari populasi.
Dalam penelitian ini, peneliti menggunakan metode studi pustaka dalam megambil data sekunder. Metode studi pustaka adalah metode pengumpulan data yang tidak ditujukan langsung kepada subjek penelitian. Studi pustaka adalah jenis pengumpulan data yang meneliti berbagai macam dokumen yang berguna untuk bahan analisis. Dalam penelitian ini metode studi pustaka digunakan untuk mengetahui data luas lahan sawah dan produktivitas padi di Indonesia pada tahun 2022. Selain data-data laporan tertulis, untuk kepentingan penelitian ini juga digali berbagai
data, informasi dan referensi dari berbagai sumber- sumber pustaka, media massa dan internet.
Analisis Regresi
Analisis Regresi adalah suatu statistik yang memanfaatkan hubungan statistik antar dua atau lebih variabel kuantitatif sehingga satu variabel dapat diprediksi dari variabel yang lainnya atau lebih sering disebut variabel dependen dan variabel independen (Herdiana dkk, 2022).
Analisis Regresi Linier Sederhana
Persamaan Regresi Linier Sederhana Persamaan regresi linier sederhana merupakan suatu model persamaan yang menggambarkan hubungan satu variabel bebas/predictor (X) dengan satu variabel tak bebas/response (Y) (Rizaldy, 2023). Persamaan regresi linier sederhana secara matematik diekspresikan oleh:
𝑌̂ = 𝛽0+ 𝛽1𝑋+ 𝜀 (1) Dimana:
𝑌̂ : Variabel respon 𝛽0 : Intersep
𝛽1 : Koefisien Regresi 𝑋 : Variabel Terikat
𝜀 : Galat (Error)
(Nurfitriani, 2022) Besarnya konstanta 𝑎 dan 𝑏 dapat ditentukan menggunakan persamaan:
𝛽0=(∑𝑌𝑖)(∑𝑋𝑖2)−(∑𝑌𝑖)(∑𝑋𝑖𝑌𝑖)
𝑛∑𝑋𝑖2−(𝑋𝑖)2 (2) 𝛽1= 𝑛(∑ 𝑋𝑖𝑌𝑖) − (∑ 𝑌𝑖)(∑ 𝑋𝑖)
𝑛 ∑ 𝑋𝑖2− (𝑋𝑖)2 (3) (Rizaldy, 2023) Pengujian Signifikansi Parameter
Uji signifikansi parameter dilakukan untuk melihat apakah ada pengaruh variabel bebas terhadap variabel tak bebas. Uji t merupakan salah satu pengujian signifikansi parameter (Ahmad, 2021).
Uji t (Parsial)
Uji-t digunakan untuk mengetahui apakah ada perbedaan dari nilai yang diperkirakan dengan nilai hasil perhitungan statistika. Uji- t pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel bebas secara parsial dalam menerangkan variasi variabel terikat (Kambuaya, 2019). Hipotesis dari uji t sebagai berikut:
𝐻0 : 𝛽1= 0
(Variabel bebas tidak berpengaruh secara signifikan)
𝐻1 : 𝛽1≠ 0
(Variabel bebas berpengaruh secara signifikan)
3 (Ahmad, 2021).
Koefisien Determinasi
Koefisien determinasi (𝑅2) pada intinya mengukur seber apa jauh kemampuan model menerangkan variasi variabel independen. Nilai 𝑅2 yang kecil berarti kemampuan variabel – variabel independen dalam menjelaskan variasi variabel dependen sangat terbatas, sebaliknya nilai 𝑅2 yang mendekati satu berarti variabel-variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen (Louis, 2023).
Uji Asumsi Klasik
Sebelum uji hipotesis dilakukan uji asumsi klasik terlebih dahulu untuk memastikan data memenuhi persyaratan untuk diuji regresi. Uji asumsi klasik dalam penelitian ini meliputi: uji normalitas residual, heteroskedastisitas, dan autokorelasi (Mardiatmoko, 2020).
Uji Normalitas Residual
Pengujian ini untuk mengetahui apakah nilai residual terdistribusi secara normal atau tidak.
Model regresi yang baik adalah yang memiliki nilai residual yang terdistribusi secara normal.
Cara untuk mendeteksinya adalah dengan metode uji One Sample Shapiro Wilk. Kriteria pengujiannya adalah sebagai berikut:
1. Jika nilai Signifikansi (Asym Sig 2 tailed) >
0,05, maka data berdistribusi normal.
2. Jika nilai Signifikansi (Asym Sig 2 tailed) >
0,05, maka data tidak berdistribusi normal.
(Mardiatmoko, 2020).
Uji Non-Heteroskedastisitas
Heteroskedastisitas merupakan keadaan dimana terjadi ketidaksamaan varian dari residual untuk semua pengamatan pada model regresi.
Pengujian dilakukan dengan meregresikan variable-variabel bebas terhadap nilai absolute residual. Residual adalah selisih antara nilai variabel Y dengan nilai variabel Y yang diprediksi, dan absolut adalah nilai mutlaknya (nilai positif semua). Jika nilai signifikansi antara variabel independen dengan absolut residual > 0,05 maka tidak terjadi heteroskedastisitas (Mardiatmoko, 2020).
Uji Non-Autokorelasi
Autokorelasi merupakan keadaan dimana pada model regresi ada korelasi antara residual pada periode t dengan residual pada periode sebelumnya (t-1). Model regresi yang baik adalah yang tidak adanya autokorelasi. Uji autokorelasi dapat dilakukan dengan pengujian Durbin Watson (DW) dengan kriteria pengambilan keputusannya: 1,65 <
DW < 2,35, artinya tidak terjadi autokorelasi; 1,21
< DW < 1,65 atau 2,35 < DW < 2,79 artinya tidak
dapat disimpulkan dan DW < 1,21 atau DW > 2,79 artinya terjadi autokorelasi (Mardiatmoko, 2020).
Hasil dan pembahasan
Berikut adalah hasil penelitian dari data luas lahan dan produktivitas padi di beberapa provinsi Indonesia pada tahun 2022 yang diperoleh setelah dilakukan tahap regresi linier sederhana:
Analisis Statistika Deskriptif
Analisis statistika deskriptif adalah analisis statistik yang digunakan untuk menganalisis data dengan mendeskripsikan atau menggambarkan data yang telah terkumpul.
Tabel 1. Analisis Statistika Deskriptif Luas Lahan Produktivitas
Padi
Min 34,3 28,24
Max 130749,7 60,59
Mean 27742 46,16
St. Dev 33798,68 8,34
Berdasarkan Tabel 1, dapat diketahui bahwa pada data luas lahan di beberapa provinsi di Indonesia tahun 2022 diperoleh luas lahan terkecil seluas 34,3 h dan luas lahan terbesar seluas 130749,7 h, kemudian rata-rata luas lahan di beberapa provinsi Indonesia pada tahun 2022 adalah 27742 h dengan nilai deviasi standar adalah 33798,68 h.
Berdasarkan Tabel 1 dapat diketahui bahwa pada data produktivitas padi di beberapa provinsi di Indonesia tahun 2022 diperoleh produktivitas padi terkecil sebesar 28,24 kg/h dan produktivitas padi terbesar sebesar 60,59 kg/h, kemudian rata- rata produktivitas padi di beberapa provinsi Indonesia pada tahun 2022 adalah 46,16 kg/h dengan nilai deviasi standar adalah 8,34 kg/h.
Diagram pencar
Gambar 1. Diagram Pencar Variabel Luas Lahan dan Produktivitas Padi
Berdasarkan Gambar 1, dapat diketahui bahwa data luas lahan dan data produktivitas padi di beberapa provinsi Indonesia pada tahun 2022 berhubungan secara linier yang positif. Hal ini dikarenakan berdasarkan diagram pencar dapat diketahui bahwa banyak titik-titik data yang mendekati garis diagonal. Selain itu, dapat
4 diketahui hubungan data luas lahan dan data
produktivitas padi di beberapa provinsi Indonesia pada tahun 2022 adalah positif dikarenakan berdasarkan diagram pencar garis diagonal mengarah keatas yang berarti seiring bertambahnya nilai luas lahan maka nilai produktivitas padi akan bertambah.
Model awal regresi
𝑌 = 𝛽0+ 𝛽1𝑋 + 𝜀 (4) Keterangan:
𝑌̂ : Variabel produktivitas padi 𝛽0 : Konstanta
𝛽1 : Koefisien regresi variabel luas lahan 𝑋 : Variabel luas lahan
𝜀 Nilai galat (error) Estimasi parameter
Adapun estimasi parameter model awal sebagai berikut:
Tabel 2. Estimasi Parameter 𝛽0
̂ 4,37 × 101
𝛽1
̂ 8,89 × 10−6
Dengan demikian diperoleh model regresi linier sederhana dengan estimasi parameter sebagai berikut.
𝑌 = 4,37 × 101+ 8,89 × 10−6𝑋 Berdasarkan estimasi parameter tersebut, dapat diketahui konstanta sebesar 4,37 × 101 menyatakan bahwa tanpa dipengaruhi oleh variabel luas lahan maka nilai produktivitas padi adalah 4,37 × 101 kg/h. Koefisien regresi sebesar 8,89 × 10−6 menyatakan bahwa setiap penambahan 1 h luas lahan maka akan meningkatkan produktivitas padi sebesar 8,89 × 10−6 kg/h.
Pengujian signifikansi parameter
Sebelum menarik kesimpulan dari model regresi, maka dilakukan pengujian terhadap parameter regresi dengan uji parsial.
Uji parsial
Adapun hasil dari uji parsial variabel independen sebagai berikut:
Tabel 3. Uji Parsial 𝑝 − 𝑣𝑎𝑙𝑢𝑒
0,0504
Berdasarkan Tabel 3, diperoleh 𝑝 − 𝑣𝑎𝑙𝑢𝑒 sebesar 0,0504 dimana nilai 𝑝 − 𝑣𝑎𝑙𝑢𝑒 lebih besar daripada taraf signifikansi sebesar 0,05 maka dapat diputuskan 𝐻0 ditolak sehingga dapat disimpulkan tidak terdapat pengaruh yang signifikan dari data luas lahan terhadap data produktivitas padi di beberapa provinsi Indonesia pada tahun 2022.
Koefisien determinasi
Adapun koefisien determinasi dari regresi linier sederhana sebagai berikut:
Tabel 4. Koefisien Determinasi 𝑝 − 𝑣𝑎𝑙𝑢𝑒
0,1299
Berdasarkan Tabel 4, dapat diketahui pada hasil pengujian menggunakan regresi linier sederhana, diperoleh p-value koefisien determinasi sebesar 0.1299 menyatakan bahwa sebesar 12,99%
variasi yang terjadi pada produktivitas padi disebabkan oleh luas lahan pada provinsi di Indonesia. Hal ini menandakan bahwa ada sekitar 87,01% variabel lain yang belum diketahui mempengaruhi produktivitas padi pada provinsi di Indonesia.
Pengujian asumsi klasik Uji Normalitas Residual
Adapun hasil dari uji normalitas residual dari regresi linier sederhana sebagai berikut:
Tabel 5. Uji Normalitas Residual 𝑝 − 𝑣𝑎𝑙𝑢𝑒
0,1994
Berdasarkan Tabel 5, dapat diketahui pada hasil pegujian menggunakan regresi linier sederhana, diperoleh p-value sebesar 0.1994 dimana p-value tersebut lebih besar dari taraf signifikansi yang digunakan sebesar 0,05 maka dapat diputuskan 𝐻0 gagal ditolak, sehingga dapat disimpulkan residual dari data luas lahan dan produktivitas padi pada provinsi di Indonesia tahun 2022 berdistribusi normal.
Uji Non-Heteroskedastisitas
Adapun hasil dari uji non-heterokedastisitas dari regresi linier sederhana sebagai berikut:
Tabel 6. Uji Non-Heteroskedastisitas 𝑝 − 𝑣𝑎𝑙𝑢𝑒
0,8374
Berdasarkan Tabel 6, dapat diketahui pada hasil pegujian menggunakan regresi linier sederhana, diperoleh p-value sebesar 0.8374 dimana p-value tersebut lebih besar dari taraf signifikansi yang digunakan sebesar 0,05 maka dapat diputuskan 𝐻0 gagal ditolak, sehingga dapat disimpulkan dari data luas lahan dan produktivitas padi pada provinsi di Indonesia tahun 2022 tidak terjadi heteroskedastisitas.
Uji Non-Autokorelasi
Adapun hasil dari uji non-autokorelasi dari regresi linier sederhana sebagai berikut:
Tabel 7. Uji Non-Autokorelasi 𝑝 − 𝑣𝑎𝑙𝑢𝑒
0,1234
Berdasarkan Tabel 7, dapat diketahui pada hasil pegujian menggunakan regresi linier sederhana, diperoleh p-value sebesar 0.1234 dimana p-value tersebut lebih besar dari taraf signifikansi yang digunakan sebesar 0,05 maka dapat diputuskan 𝐻0 gagal ditolak, sehingga dapat disimpulkan dari data luas lahan dan produktivitas
5 padi pada provinsi di Indonesia tahun 2022 tidak
terjadi autokorelasi.
Kesimpulan
Hasil penelitian dapat disimpulkan sebagai berikut :
1. Pada pemodelan analisis pengaruh luas lahan terhadap produktivitas padi pada provinsi yang ada di Indonesia tahun 2022 menggunakan model regresi linier sederhana dengan model persamaan yang menggambarkan hubungan satu variabel bebas/ predictor (X) dengan satu variabel tak bebas/ response (Y).
2. Berdasarkan hasil pengujian hipotesis secara parsial, diperoleh p-value koefisien determinasi sebesar 0.1299 menyatakan bahwa sebesar 12,99%
variasi yang terjadi pada produktivitas padi disebabkan oleh luas lahan pada provinsi di Indonesia. Hal ini menandakan bahwa ada sekitar 87,01%
variabel lain yang belum diketahui mempengaruhi produktivitas padi pada provinsi di Indonesia.
3. Berdasarkan hasil pengujian asumsi klasik pada uji normalitas residual, diperoleh nilai p-value sebesar 0.1994 dimana p-value tersebut lebih besar dari taraf signifikansi yang digunakan sebesar 0,05 maka dapat diputuskan 𝐻0 gagal ditolak, sehingga dapat disimpulkan residual dari data luas lahan dan produktivitas padi pada provinsi di Indonesia tahun 2022 berdistribusi normal.
DAFTAR PUSTAKA
Ahmad, N. A., & Raupong, R. (2021). Estimation Of Parameter Regression Panel Data Model Using Least Square Dummy Variable Method. Jurnal Matematika, Statistika dan Komputasi, 20(1), 221-228.
Badan Pusat Statistik. (2023). Luas Panen dan Produksi Padi di Indonesia 2022. Jakarta:
Badan Pusat Statistik.
Callista, D., Budiasa, I W., &Widhianthini. (2022).
Pengaruh Luas dan Status Penguasaan Lahan terhadap Profitabilitas dan Pendapatan Usahatani Padi Sawah di Subak Padanggalak Desa Kesiman Kertalangu Kota Denpasar. Jurnal Agribisnis dan Agrowisata. 11(2), 599- 606.
Ekowati, T., Prasetyo, E., & Eddy, B. T. (2020).
Konsolidasi Lahan Pertanian Untuk Meningkatkan Produksi, Produktivitas Dan Pendapatan Petani. Jurnal Sosial
Ekonomi dan Kebijakan Pertanian. 4(1), 192-205.
Harini, R., Ariani, R. D., & Supriyanti. (2019).
Analisis Luas Lahan Pertanian Terhadap Produksi Padi Di Kalimantan Utara.
JURNAL KAWISTARA. 9(1), 15-27.
Herdiana, A. & Fajar K. (2022). Studi Kasus Kemiskinan Di Indonesia Level Provinsi
dan Faktor-Faktor yang
Mempengaruhinya Menggunakan Regresi Linear Berganda. Jurnal Matematika dan Statistika serta Aplikasinya. 10(1), 90.
Kambuaya, Agus Elia., Masinambow, Vecky., &
Sumual, Jacline. (2018). “Analisis Variabel-Variabel (Faktor-Faktor) yang Mempengaruhi Permintaan Jasa Angkutan Kota di Kecamatan Malalayang Kota Manado”. Jurnal Berkala Ilmiah Efisiensi. 19(1), 10 - 19 Louis, Alfendo., Chandra, Dandy., dkk. (2023).
“Pengaruh Harga, Kualitas Produk Dan Kualitas Pelayanan Terhadap Keputusan Pembelian Pada PT. Panca Asri Sentosa”.
Jurnal Ekonomi Bisnis, Manajemen, dan Akuntansi. 3 (3), 817 – 823.
Mardiatmoko, Gun. (2020). “Pentingnya Uji Asumsi Klasik pada Analisis Regresi Linier Berganda (Studi Kasus Penyusunan Persamaan Allometrik Kenari Muda [Canarium Indicum L.].
Jurnal Ilmu Matematika dan Terapan. 14 (8), 333 – 342.
Martadona, I., & Leovita, A. (2021). Analisis Ketahanan Pangan Rumah Tangga Petani Padi Berdasarkan Proporsi Pengeluaran Pangan di Kota Padang. Jurnal Pangan.
30(3), 167-174.
Nurfitriani, Rizki Amalia., Fahrudin Adirangga., dkk. (2021). “Hubungan antara Ukuran Tubuh dan Bobot Badan pada Induk Sapi Perah Friesian Holstein Laktasi Pertama”.
Jurnal Sains dan Teknologi Peternakan. 3 (1), 19 – 26
Nurviana, Meutia, R., Nabilla, U., & Sari, N.
(2023). Analisis Faktor-Faktor Yang Mempengaruhi Volume Produksi Padi Provinsi Aceh. Jurnal Ilmiah Matematika dan Terapan. 20(2), 210-221.
Prabayanti, H., Sutrisno, J., &Antriyandarti, E.
(2022). Aspek Ketahanan Pangan di Provinsi Jawa Tengah: Perkembangan Luas panen Padi, Produktivitas Lahan, Subsidi Input, Harga Beras, Jumlah Penduduk, Produksi dan Konsumsi Beras.
UMP Press. 4(2), 24-31.
Rizaldy, Andra Aulia., Saputra, Muhammad Arief.,
&Wibowo, Tri Dimas Cipto. (2023).
“Penerapan Metode Regresi Linear Sederhana Untuk Prediksi Penyebaran
6 Vaksin Covid 19 di Kabupaten Cilacap”.
Jurnal ICTEE. 3(2), 23 – 50.
Srihidayati, G., & Suhaeni. (2022). Analisis Pengaruh Sektor Pertanian terhadap Pertumbuhan Ekonomi. Wanatani:Jurnal Ilmu Pertanian. 2(1), 21-26.
Usman, U., & Juliyani. (2018). Pengaruh Luas Lahan, Pupuk dan Jumlah Tenaga Kerja terhadap Produksi Padi Gampong Matang Baloi. Jurnal Ekonomi Pertanian Unimal.
1(1). 31-39.
