Padi adalah salah satu tanaman budidaya terpenting dalam peradaban manusia, terutama mengacu pada jenis tanaman budidaya. Jenisnya pun semakin banyak, karena adanya perkembangan Ilmu Pengetahuan dan Teknologi ( IPTEK ) di bidang Rekayasa Genetikdan Holtikultura. Di Indonesia pun sudah dikenal jenis beras, salah satunya adalah Beras Rojo Lele. Dan setiap wilayah atau provinsi memiliki jenis beras yang unggul di daerahnya. Hal ini mungkin dikarenakan oleh adanya perbedaan unsure tanah di setiap provinsi atau wilayah tersebut. Selain itu, harga GKP (Gabah Kering Panen) yang diterima petani di setiap wilayah atau provinsi juga mengalami perbedaan. GKP merupakan gabah yang mengandung kadar air maksimum sebesar 25,0 persen dan hampa/kotoran maksimum 10,0 persen. Hal ini dapat dikarenakan oleh beberapa faktor. Oleh karena itu, yaitu penyusun ingin mengetahui beberapa faktor yang mempengaruhinya. Sehingga penyusun menggunakan data yang mengandung unsur data sebagai berikut : 1. Luas Panen ( ha ) 2. Produktivitas ( ku/ha ) 3. Produksi ( Ton ) Dari tiga unsur data yang ingin diketahui hubungan atau korelasi dengan harga GKP tingkat petani, penyusun menggunakan data dari Survei Monitoring Harga Produsen Gabah yang dilakukan secara rutin baik mingguan (saat panen raya) maupun bulanan oleh Badan Pusat Statistik ( BPS ) pada tahun 2009, di dapat data sebagai berikut :
Povinsi
Aceh Sumatera Utara Sumatera Barat Riau Jambi Lampung Jawa Barat Jawa Tengah Yogyakarta Jawa Timur Banten Bali NTB NTT Kalimantan Barat Kalimantan Tengah Kalimantan Selatan Kalimantan Timur Sulawesi Utara Sulawesi Tengah
Harga GKP Tingkat Petani (Rp/Ton) 2991000 2813000 2917000 2793000 2779000 2820000 2807000 2619000 2666000 2601000 2326670 2539650 2356860 3075860 2819960 2924700 2785910 2672730 2880790 2314000
Luas Panen (ha) 356705 772927 436086 161735 153990 547040 1873318 1683897 146082 1837004 367507 144288 372974 194611 405317 204555 504527 153100 114217 220195
Produktivitas (Ku/ha) 43 45 47 36 42 47 57 55 56 59 51 59 50 31 31 27 40 28 48 46
Produksi (Ton) 1540405 3469529 2060320 576412 641202 2547516 10620613 9326123 817300 10839308 1857323 846075 1861781 595872 1267211 551013 2012400 587206 546825 1003598
49 39 48
www.bps.go.id
Dari data tersbut, penyusun membuat sebuah perumpamaan sebagai berikut : Y = Harga GKP Tingkat Petani X1 = Luas Panen X2 = Produktivitas X3 = Produksi X6= indeks Harga Yang Dibayar Petani X7 = Jumlah Penduduk Miskin X8 = Garis Kemiskinan X9 = Pendidikan SMA
Dari data yang telah didapat itu, penyusun mengambil dua sampel untuk mengetahui bagaiman cara mencari suatu persamaan dan korelasinya. Oleh karena itu, penyusun mengambil dua variable yaitu X1 dan X2. Berikut adalah cara perhitungan secara manual dua sampel tersebut : Provinsi Harga GKP Tingkat Petani ( 000 ) (Y) 2991 2813 2917 2793 2279 2820 2807 2619 Luas Panen ( 000 ) ( X1) 357 773 436 162 154 547 1873 1684 Produktivitas ( X2 ) 43 45 47 36 42 47 57 55 1067787 2174449 1271812 452466 350966 1542540 5257511 4410396 128613 126585 137099 100548 95718 132540 159999 144045 15351 34785 20492 5832 6468 25709 106761 92620 127449 597529 190096 26244 23716 299209 3508129 2835856 1849 2025 2209 1296 1764 2209 3249 3025 8946081 7912969 8508889 7800849 5193841 7952400 7879249 6859161 X1Y X2Y X1*X2 X1 X2 Y
NAD Sumatera Utara Sumatera Barat Riau Jambi Lampung Jawa Barat Jawa Tengah
DI Yogyakarta Jawa Timur Banten Bali NTB NTT Kalimantan Barat Kalimantan Tengah Kalimantan Selatan Kalimantan Timur Sulawesi Utara Sulawesi Tengah Sulawesi Selatan Sulawesi Tenggara Sulawesi Barat Jumlah
2666 2601 2327 2540 2357 3076 2820 2925 2786 2673 2881 2314 2371 2403 2423 61202
146 1837 368 144 373 195 405 205 505 153 114 220 841 107 72 11671
56 59 51 59 50 31 31 27 40 28 48 46 49 39 48 1034
389236 4778037 856336 365760 879161 599820 1142100 599625 1406930 408969 328434 509080 1994011 257121 174456 31217003
149296 153459 118677 149860 117850 95356 87420 78975 111440 74844 138288 106444 116179 93717 116304 2733256
8176 108383 18768 8496 18650 6045 12555 5535 20200 4284 5472 10120 41209 4173 3456 583540
21316 3374569 135424 20736 139129 38025 164025 42025 255025 23409 12996 48400 707281 11449 5184 1260722 1
3136 3481 2601 3481 2500 961 961 729 1600 784 2304 2116 2401 1521 2304 48506
7107556 6765201 5414929 6451600 5555449 9461776 7952400 8555625 7761796 7144929 8300161 5354596 5621641 5774409 5870929 1641464 36
Dari data di atas dapat di hitung sebagai berikut : xy = XY-{(X)(Y)/N} Yrata = Y/N
= 31217003-{(11671)(61202)/23} = 160979.43 xy = XY-{(X)(Y)/N} = 2733256-{(1034)(61202)/23} = -18173.04 x = X-{(X)/N} = 12607221-{(11671)/23} = 6684949.65 x = = = xx= = = X-{(X)/N} 48506-{(1034)/23} 2020.96 XX-{(X)(X)/N} 583540-{(1034)(11671)/23} 58852.43
= 61202/23 = 2660.96 X1rata = X/N = 11671/23 = 507.43 X2rata = X/N = 1034/23 = 44.96 xy = ax + axx 160979.43 = a6684949.65+ a58852.43 xy = axx + ax -1817.04= a158852.43 + a2020.96
a=0.139 a =-13.036 Jadi persamaannya adalah : Y - Yrata = a1(X-Xrata) + a(X-Xrata) Y - 2660.96 = a1(X-507.43) + a(X-44.96) Y 2660.96 = 0.139X1 70.53 -13.036X2 587.18 Jadi persamaan yang terbentuk adalah R = 0.208 Y =3176.535 + 0.139 X1 13.036X2 R = R= R= R= dengan nilai R,
( ) ( ) ( )( ) ( )
Dari persamaan dan korelasi yang telah diperoleh tersebut, penyusun akan membuktikan kecocokan antara perhitungan secara manual dengan menggunakan program SPSS. Berikut hasil SPSS yang telah dilakukan : Descriptive Statistics Std. Deviation 242.203 551.236 9.584
N 23 23 23
Dari hasil program SPSS ini yang didapatkan bahwa nilai rata-rata atau mean dari data Harga GKP tingkat Petani, Luas Panen, dan Produktifitas dengan jumlah data 23 buah sama dengan hasil yang didapat dari perhitungan dengan cara manual. Variables Entered/Removed(b) Variable Mod s Variables Meth el Entered Removed od 1 Produkti fitas, . Enter Luas_pa nen a All requested variables entered. b Dependent Variable: Harga_GKP_Tingkat_Petani Dari table ini, memperlihatkan bahwa penyusun menggunakan metode enter. Dan tidak ada variabel yang dibuang, sehingga produktifitas dan luas panen mempengaruhi harga GKP tingkat petani.
Mod el
Adjusted R Square
Sig. F R Square df1 df2 Change Change F Change .121 227.082 .201 2.514 2 a Predictors: (Constant), Produktifitas, Luas_Panen b Dependent Variable: Harga_GKP_Tingkat_Petani
Tabel ini memperlihatkan bahwa besar Rnya adalah 0.201 ANOVA(b) Mean Square 129622.963 51566.451
Model 1
df 2 2 0 2 2
F 2.514
Sig. .106(a)
a Predictors: (Constant), Produktifitas, Luas_lahan b Dependent Variable: Harga_GKP_Tingkat_Petani Coefficients(a) Standardize d Coefficients Beta
Mod el 1
(Constant)
Luas_lahan .316 1.363 Produktifita -13.036 5.858 -.516 -2.225 s a Dependent Variable: Harga_GKP_Tingkat_Petani
t B 12.917
Dari tabel Cefficients(a) ini, memperlihatkan persamaan dari data yang telah didapat, dan persamaan yang didapat dari program SPSS ini adalah Y = 3176.535 + 0.139 X1 13.036X2. Dan persamaan ini sama dengan persamaan yang diambil dari perhitungan manual. Dan persamaan tersebut memperlihatkan bahwa: 1. Harga GPK Tingkat Petani akan tetap Rp 3176535,00 / Ton jika tidak dipengaruhi oleh luas lahan panen 2. Harga GPK Tingkat Petani akan naik RP 139,00 / Ton setiap ada kenaikkan lahan panen sebesar 1 ha 3. Harga GPK Tingkat Petani akan turun sebesar Rp 13360,00 / Ton setiap ada kenaikkan produktivitas 1 ku/ha 4. Korelasi antara Harga GPK Tingkat Petani dengan lahan panen dan produktivitas adalah 0.21 Dan dari perbandingan antara perhitungan secara manual dan secara SPSS akan menghasilkan hasil yang sama selama data yang digunakan adalah data yang valid. Dengan cara yang sama, akan memperlihatkan suatu hasil yang sama pada hubungan variabel Y dengan 3 variabel X baik menggunakan cara manual maupun menggunakan program SPSS. Berikut ini adalah hasil pada 3 variabel X denagn menggunakan Program SPSS :
1. Deskriptif statistik
Descriptive Statistics
N 23 23 23 23
Dari output tersebut dapat dilihat rata-rata variabel Y adalah 2682593,91, variabel x1 adalah 507422,52 dengan standar deviasi 228439,114, variabel x2 adalah 44,96 dengan standar deviasi 551239,782, variabel x3 adalah 2542248,17 dengan standar deviasi 3220662,317 , rata rata nilai dari semua variabel tersebut di peroleh dari 23 data dari setiap variabel.
Variables Removed
Method
. Enter
Dari tabel diatas menunjukan metode yang di gunakan adalah metode enter variabel yang dimasukan adalah x1, x2 dan x3 sedangkan variabel yang dikeluarkan tidak ada (Variables Removed tidak ada).
3. Model sisaan
Model Summary Model R R Square
b
Adjusted R Square
,482
,233
,112
215322,015
Pada tabel diatas angka R Square adalah 0,233 yaitu hasil kuadrat dari koefisien korelasi (0,482 x 0,482 = 0,233). Standar Error of the Estimate adalah 215322,015, perhatikan pada analisis deskriptif statitik bahwa standar deviasi Y adalah 228439,114 yang sedikit lebih besar dari dari standar error, oleh karena lebih besar daripada standar deviasi nilai rapot maka model regresi tidak bagus dalam bertindak sebagai predictor Y.
4.
anova
ANOVA
a
Model
df
Sig.
b
Regression
1,921
,160
Residual
19
Total
22
Hipotesis: Ho: B1=B2=0 Ha: ada Bi yang tidak nol Pengambilan keputusan: Jika F hitung <= T tabel atau probabilitas >= 0,05 maka Ho diterima Jika F hitung > T tabel atau probabilitas < 0,05 maka Ho ditolak Dari tabel diatas dapat dilihat nilai F hitung yaitu 1,921, sedangkan nilai F tabel dapat diperoleh dengan menggunakan tabel F dengan derajat bebas (df) Residual (sisa) yaitu 19 sebagai df penyebut dan df Regression (perlakuan) yaitu 3 sebagai df pembilang dengan tarap siginifikan 0,05, sehingga diperoleh nilai F tabel yaitu ???. Karena F hitung (1,921) ? F tebel (????) maka Ho ????. Berdasarkan nilai Signifikan, terlihat pada kolom sig yaitu 0,679 itu berarti probabilitas 0,160 lebih dari daripada 0,05 maka Ho diterima. Kesimpulan: Tidak ada koefisien yang tidak nol atau koefisien berarti, maka model regresi tidak dapat dipakai untuk memprediksi variable Y
5. koefisien
Coefficients Model Unstandardized Coefficients
a
Standardized Coefficients
Sig.
Beta 9,327 1,552 -,453 -1,335 ,656 -1,572 -,544 ,000 ,520 ,132 ,593
Hipotesis: Ho: Bi=0 Ha: ada Bi yang tidak nol , i=1 atau 2 Pengambilan keputusan: Jika T hitung <= T tabel atau probabilitas >= 0,05 maka Ho diterima Jika T hitung > T tabel atau probabilitas < 0,05 maka Ho ditolak * Constant: Berdasarkan tabel diatas, dapat dilihat bahwa nilai T hitung untuk Constant yaitu 9,327, pada T tabel dengan db 19 dan taraf signifikan 0,05 diperoleh ???, karena T hitung ?> T tabel maka Ho ???. sedangkan sig pada tabel B adalah 0,000 yang berarti probabilitas 0,000, karena probabilitas kurang dari 0,05 maka ditolak. Berarti bermakna dan diramalkan tidak melalui titik (0,0). ** x1: Berdasarkan tabel diatas, dapat dilihat bahwa nilai T hitung untuk x1 yaitu 0,656, pada T tabel dengan db 19 dan taraf signifikan 0,05 diperoleh ???, karena T hitung ? T tabel maka Ho ???. sedangkan sig pada tabel B adalah 0,520 yang berarti probabilitas 0,520, karena probabilitas lebih dari 0,05 maka diterima. artinya B tidak berarti. *** x2: Berdasarkan tabel diatas, dapat dilihat bahwa nilai T hitung untuk x2 yaitu -1,572, pada T tabel dengan db 19 dan taraf signifikan 0,05 diperoleh ???, karena T hitung ? T tabel maka Ho ???. sedangkan sig pada tabel B adalah 0,132 yang berarti probabilitas 0,132, karena probabilitas lebih dari 0,05 maka diterima. artinya B tidak berarti. **** x3: Berdasarkan tabel diatas, dapat dilihat bahwa nilai T hitung untuk x3 yaitu -0,544, pada T tabel dengan db 19 dan taraf signifikan 0,05 diperoleh ???, karena T hitung ? T tabel maka Ho ???. sedangkan sig pada tabel B adalah 0,593 yang berarti probabilitas 0,593, karena probabilitas lebih dari 0,05 maka diterima. artinya B tidak berarti. Berdasarkan analisis diatas maka dapat dibuat model regresi dugaannya yaitu: Y = 3082180,969
Residuals Statistics Minimum Predicted Value Residual Std. Predicted Value Std. Residual a. Dependent Variable: Y 2458107,75 -331163,250 -2,037 -1,538 Maximum 2888273,50 294971,000 1,866 1,370
N 23 23 23 23
Dari tabel disamping merupakan ringkasan yang meliputi nilai minimum dan maksimum, mean dan standar deviasi dari predicted value (nilai yang diprediksi) dan statistic residu.
histogram
6. kelinieran
Menghitung korelasi dari variabel Y, x1, x2, dan x3. Perhitungan koelasi dilakukan pada SPSS, berikut adalah output dari SPSS :
Correlations
Y x1 x2 x3
23 23 23 23
Correlations Y Y Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N 1 23 -,006 ,980 23 -,408 ,053 23 -,042 ,848 23 x1 -,006 ,980 23 1 23 ,506* ,014 23 ,995** ,000 23 x2 -,408 ,053 23 ,506* ,014 23 1 23 ,555** ,006 23 x3 -,042 ,848 23 ,995** ,000 23 ,555** ,006 23 1 23
x1
x2
x3
*. Correlation is significant at the 0.05 level (2-tailed). **. Correlation is significant at the 0.01 level (2-tailed). Penafsiran Hasil Korelasi:
o
Arti Angka Korelasi Ada dua tanda dalam penafsiran korelasi melalui nilai koefisien, yaitu tanda (+) dan (-) yang berhubungan dengan arah korelasi, serta menyatakan kuat tidaknya korelasi.
Signifikansi Hasil Korelasi Berdasarkan nilai Signifikansi, kita bisa mengambil simpulan atas hipotesis : H0 = Tidak ada hubungan (korelasi) antara dua variabel.
H1 = Ada hubungan (korelasi) antara dua variabel. Uji dilakukan dua sisi / arah / tailed (ekor). Dasar pengambilan keputusan berdasarkan probabilitas menggunakan kriteria : - Jika probabilitas > 0,05 (atau 0,01), maka H0 diterima. - Jika probabilitas < 0,05 (atau 0,01), maka H0 ditolak. Berdasarkan acuan penafsiran diatas, contoh perhitungan korelasi pearson menggunakan data X1,X2, X3, dan Y maka salah satu tafsiran yang dapat kita berikan adalah ;
o
Korelasi X1 dan Y memiliki nilai -0,006 yang dapat dikategorikan memiliki hubungan yang negatif dan berdasarkan uji signifikasi hasilnya menunjukkan nilai 0,980 yang berarti asosiasi kedua variabel adalah hampir signifikan.
Korelasi X2 dan Y memiliki nilai -0,408 yang dapat dikategorikan memiliki hubungan negatif dan berdasarkan uji signifikasi hasilnya menunjukkan nilai 0,053yang berarti asosiasi kedua variabel adalah tidak signifikan
o Korelasi X3 dan Y memiliki nilai -0,042 yang dapat dikategorikan memiliki hubungan yang negatif pula dan berdasarkan uji signifikasi hasilnya menunjukkan nilai 0,848 yang berarti asosiasi kedua variabel adalah kurang signifikan.