REGRESI] Faktor-faktor yang Mempengaruhi Produksi Bawang Merah Menggunakan Analisis Regresi Linear Berganda di Kenagarian Sungai Nanam Kecamatan Lembah Gumanti Kabupaten Solok

FAKTOR-FAKTOR YANG MEMPENGARUHI PRODUKSI BAWANG
MERAH MENGGUNAKAN ANALISIS REGRESI LINEAR BERGANDA

DI KENAGARIAN SUNGAI NANAM KECAMATAN LEMBAH
GUMANTI KABUPATEN SOLOK
Tugas Akhir
untuk memenuhi sebagian persyaratan memperoleh gelar Ahli Madya
Oleh
RAMADHANI ELVIS
1207806 / 2012
PROGRAM STUDI STATISTIKA

JURUSAN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS NEGERI PADANG
2016
i
ii
iii
i
ABSTRAK
Ramadhani Elvis : Faktor-faktor yang Mempengaruhi Produksi Bawang
MerahMenggunakanAnalisis Regresi Linear Berganda di
Kenagarian Sungai Nanam Kecamatan LembahGumanti
Kabupaten Solok
Peningkatan jumlah penduduk di Kabupaten Solok dari tahun 2011-2013
mengakibatkan kebutuhan masyarakat akan pangan juga meningkat. Data dari
Dinas Pertanian Tanaman Pangan Provinsi Sumatera Barat tahun 2014 terjadi
peningkatan produksi bawang merah di Sumatera Barat dari tahun ke tahun, akan
tetapi belum memenuhikebutuhan masyarakat.Tujuan penelitian ini adalah
mengetahui faktor-faktor yang mempengaruhi produksi merah di Kenagarian
Sungai Nanam Kecamatan Lembah Gumanti Kabupaten Solok.
Jenis penelitian ini adalah penelitian terapan. Sampel dalam penelitian ini
adalah 100 petani bawang merah.Teknik pengumpulan data adalah dengan
penyebaran kuesioner yang terdiri dari lima variabel dengan menggunakan teknik
snowball sampling. Data yang diperoleh diolah menggunakan analisis regresi
linier berganda.
Berdasarkan hasil penelitian diperoleh model dari faktor-faktor yang
mempengaruhi produksi bawang merah dengan menggunakan analisis regresi
linier berganda adalah:
4 3
= 23.6 + 0.0270 1 + 0.725 2 + 0.03764
dengan demikian, faktor-faktor yang mempengaruhi produksi bawang merah di
Kenagarian Sungai Nanam Kecamatan Lembah Gumanti Kabupaten Solok adalah
luas lahan (X1), jumlah bibit (X2) dan jumlah peptisida (X4). Sedangkan
faktor-faktor lain, jumlah pupuk (X3)besar pengaruh faktor ini telah
diwakiliolehX1,X2 dan X4 karena faktor-faktor ini berkorelasi.
i
ii
KATA PENGANTAR
Puji syukur Alhamdulillah kehadirat Allah SWT yang telah memberikan
rahmat dan karunia-Nya kepada peneliti, sehingga peneliti dapat menyelesaikan
Tugas Akhir yang berjudul Faktor-faktor yang Mempengaruhi Produksi
Bawang Merah Menggunakan Analisis Regresi Linear Bergandadi
Kenagarian Sungai Nanam Kecamatan Lembah Gumanti Kabupaten Solok.
Tugas Akhir ini disusun untuk memenuhi salah satu syarat dalam
menyelesaikan pendidikan pada program D3 Statistika Jurusan Matematika
Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Negeri Padang.
Dalam menyelesaikan Tugas Akhir ini, peneliti banyak mendapat
sumbangan pemikiran, bimbingan, serta saran dan petunjuk dari berbagai pihak,
untuk itu peneliti mengucapkan terima kasih kepada:
1. Ibu Dra. Dewi Murni M.Si, Pembimbing dan Penasehat akademik sekaligus
Sekretaris Jurusan Matematika FMIPA UNP yang telah banyak memberikan
bimbingan, saran dan arahan demi selesainya Tugas Akhir ini.
2. Ibu Dra. Hj. Helma, M.Si, Penguji Tugas Akhir.
3. Bapak Drs. Atus Amadi Putra, M.Si, Penguji Tugas Akhir
4. Ibu Dra. Hj. Nonong Amalita, M.Si, Ketua Program Studi Statistika Jurusan
Matematika FMIPA UNP.
5. Bapak Muhammad Subhan, S.Si, M.Si, Ketua Jurusan Matematika FMIPA
UNP.
ii
iii
6. Bapak dan Ibu dosen, Staf Pengajar dan Karyawan Jurusan Matematika
FMIPA UNP yang telah membimbing dan berbagi ilmu pengetahuan kepada
peneliti selama duduk di bangku perkuliahan.
7. Bapak dan IbuPetani bawang merah yang bersedia sebagai responden
penelitian.
8. Semuapihak yang telah memberikan bantuan hingga Tugas Akhir ini dapat
terselesaikan.
Semoga semua bimbingan, bantuan dan kerjasamanya dapat dibalas oleh
Allah SWT sebagai amal ibadah.
Dalam penyusunan Tugas Akhir ini peneliti telah berusaha semaksimal
mungkin untuk memberikan yang terbaik, namun peneliti menyadari bahwa
penulisan Tugas Akhir ini belum sempurna, karena keterbatasan pengetahuan dan
kemampuan yang peneliti miliki. Untuk itu kritik dan saran sangat peneliti
harapkan demi kesempurnaan penyusunan Tugas Akhir berikutnya. Semoga
Tugas Akhir ini dapat bermanfaat bagi peneliti dan pembaca umumnya. Amin
Padang, Januari 2016
Peneliti
iii
iv
DAFTAR ISI
Halaman
ABSTRAK ............................................................................................................... i
KATA PENGANTAR ............................................................................................ii
DAFTAR ISI .......................................................................................................... iv
DAFTAR TABEL ................................................................................................. vi
DAFTAR GAMBAR ............................................................................................vii
DAFTAR LAMPIRAN .......................................................................................viii
BAB 1PENDAHULUAN ....................................................................................... 1
A. Latar Belakang Masalah........................................................................ 1
B. Pembatasan Masalah ............................................................................. 7
C. Rumusan Masalah ................................................................................. 7
D. Pertanyaan Penelitian ............................................................................ 7
BAB IIKAJIAN TEORI ........................................................................................ 9
A. Bawang Merah ...................................................................................... 9
B. Produksi dan Faktor Produksi ............................................................. 11
C. Regresi linier berganda........................................................................ 14
BAB IIIMETEDOLOGI PENELITAN ............................................................. 33
A. Jenis Penelitian.................................................................................... 33
B. Populasi dan Sampel ........................................................................... 33
C. Variabel dan Data ................................................................................ 34
D. Prosedur Penelitian ............................................................................. 35
iv
v
BAB IVHASIL PENELITIAN DAN PEMBAHASAN ..................................... 39
A. Deskripsi Data ..................................................................................... 39
B. Hasil Penelitian ................................................................................... 42
C. Pembahasan ......................................................................................... 61
BAB VPENUTUP ................................................................................................. 64
A. Kesimpulan ......................................................................................... 64
B. Saran .................................................................................................... 64
DAFTAR PUSTAKA ........................................................................................... 66
LAMPIRAN .......................................................................................................... 68
v
vi
DAFTAR TABEL
Halaman
Tabel 1. Luas Panen, dan Produksi bawang merah2Sumatera Barat Tahun
2009-2013 ................................................................................................ 2
Tabel 2. Jumlah Penduduk Kabupaten Solok (jiwa) ................................................ 4
Tabel 3. Tabel ANAVA ......................................................................................... 18
Tabel 4. Deskripsi Data Nilai Maksimum, Minimum, dan Rata-rata dari
Masing-masing Variabel Bebas (X) dan Variabel Terikat (Y) per
Keluarga................................................................................................. 39
Tabel 5. Nilai R-Sq(adj) dan S2 dari Masing-masing Model ................................. 57
Tabel 6. Calon Persamaan Terbaik ........................................................................ 58
vi
vii
DAFTAR GAMBAR
Halaman
Gambar 1. Plot Sebaran Data yang Menunjukan Dua Variabel Memiliki
Hubungan yang Linier dan Tidak Linier .......................................... 20
Gambar 2. Plot Pencaran Data yang Bersifat Non Autokorelasi
dan Autokorelasi ............................................................................... 22
Gambar 3. Plot Sebaran Data yang Bersifat Homoskedastisitas dan
Heteroskedastisitas............................................................................ 24
Gambar 4. Diagram Flowchart dari Proses Pembentukan Model .......................... 31
Gambar 5. Matrix Plot Y, X1,X2,X3,X4,X5 ............................................................. 44
Gambar 6. Normalitiy Plot Residual Y .................................................................. 49
Gambar 7. Kebebasan Sisaan ................................................................................. 50
Gambar 8. Kehomogenan Ragam .......................................................................... 51
Gambar 9. Normalitiy Plot Residual Y .................................................................. 54
Gambar 10. Kebebasan Sisaan ............................................................................... 55
Gambar 11. Kehomogenan Ragam ........................................................................ 56
vii
viii
DAFTAR LAMPIRAN
Halaman
Lampiran 1(Kuesioner Penelitian) ......................................................................... 69
Lampiran 2(Tabulasi Hasil Penelitian dari Responden) ........................................ 72
Lampiran 3(Model Sementara) .............................................................................. 75
Lampiran 4(Model Regresi Setelah tranformasi) ................................................... 76
Lampiran 5(Pemilihan Model Terbaik dari Setiap Variabel) ................................ 77
Lampiran 8(Tabel Distribusi F, =5%) .................................................................. 87
Lampiran 9(Tabel Distribusi t) .............................................................................. 87
Lampiran 10(Tabel Durbin - Watson (DW), =5%).............................................. 89
viii
1
BAB 1
PENDAHULUAN
A. Latar Belakang Masalah
Bawang merah merupakan salah satu komoditas holtikultura penting di
Indonesia yang dikonsumsi oleh sebagian besar penduduk tanpa memperhatikan
tingkat sosial. Komoditas ini mempunyai prospek yang sangat cerah, mempunyai
kemampuan untuk meningkatkan taraf hidup petani, nilai ekonomis yang tinggi,
merupakan bahan baku industri, dibutuhkan setiap saat sebagai bumbu masak,
berpeluang eksor, dapat membuka kesempatan kerja dan merupakan sumber
kalsium dan fosfor yang cukup tinggi (Direktorat Bina Produksi Hortikultura).
Tananam holtikultura ini tergolong dalam komoditas yang mempunyai nilai
jual tinggi di pasaran. Keadaan ini berpengaruh baik terhadap perolehan
pendapatan. Apalagi didukung dengan cepatnya perputaran modal usaha bawang
merah. Pada umur 60-70 hari tanaman sudah bisa dipanen. Dengan demikian
keuntungan bisa diraih dengan cepat dalam waktu relatif singkat. Cerahnya
prospek bawang merah juga didukung oleh tidak adanya bahan pengganti (barang
substitusinya). Dengan demikian keberadaan bawang merah tentunya tetap banyak
dibutuhkan ( Rahayu dan Berlian, 2007 : 2-3).
Prospek pengembangan bawang merah sangat baik ditinjau dari permintaan
yang terus meningkat sejalan meningkatnya jumlah penduduk. Bawang merah
merupakan salah satu komoditas hortikultura yang penting bagi masyarakat baik
secara ekonomis ataupun kandungan gizinya. Bawang merah biasanya digunakan
sebagai bumbu masak sehari-hari maupun obat tradisional.
1
2
Permintaan bawang merah semakin lama semakin meningkat sejalan dengan
meningkatnya jumlah penduduk (Rajiman, 2009).
Produksi bawang merah nasional tahun 2011, tercatat 893,124 ton dengan
luas panen 93,667 ha (Badan Statistik Indonesia, 2011), sementara produksi
bawang merah Sumatera Barat hanya 42,791 ton dengan luas areal panen 4,414 ha
(Dinas Pertanian Tanaman Pangan dan Hortikultura Sumbar, 2014). Angka ini
menunjukkan bahwa produksi bawang merah Sumatera Barat hanya 2,25 % dari
produksi bawang merah nasionalmaka dapat dikatakan produksi bawang merah
masih sangat rendah, dengan peningkatan produksi bawang merah disetiap sektor
wilayah akan menunjang penambahan produksi bawang merah yang berada di
Sumatera Barat.
Adapun jumlah produksi bawang merah di Sumatera Barat untuk periode
tahun2009-2013 seperti terlihat pada tabel berikut :
Tabel 1. Luas Panen, dan Produksi bawang merahSumatera Barat Tahun

2009-2013
Luas Panen Produksi
Tahun
(Ha) (Ton)
2009 2.416 21.893
2010 2.699 25.029
2011 3.340 32.441
2012 3.670 35.838
2013 4.144 42.791
Sumber : Dinas Pertanian Tanaman Pangan Provinsi Sumatera Barat

3
Berdasarkan data dari Dinas Pertanian Tanaman Pangan Provinsi Sumatera
Barat dapat dilihat bahwa terjadinya peningkatan produksi bawang merah yaitu
produksi bawang merah tahun 2009 sebesar 21.893 ton meningkat menjadi 42.791
ton pada tahun 2013. Meskipun produksi bawang merah meningkat setiap
tahunnya, namun kebutuhan masyarakat akan bawang merah belum terpenuhi.
Masih banyak bawang merah yang didatangkan dari luar daerah Sumatera Barat
seperti Pulau Jawa, Bengkulu, Medan, dan daerah lainnya. Akan tetapi, tidak
selamanya bawang merah tersebut dapat dikirim ke daerah Sumatera Barat. Pada
saat hari-hari tertentu seperti hari raya, hari-hari besar lainnya semua orang
membutuhkan bawang merah sebagai bumbu masak atau olahan masakan lainnya,
sementara bawang merah dari Pulau Jawa, Bengkulu, dan Medan tidak dikirim ke
daerah Sumatera Barat, maka hal inilah yang menyebabkan kebutuhan masyarakat
akan bawang merah meningkat pesat karena kurangnya pasokan bawang merah
dipasaran dan dengan meningkatnya permintaan bawang dalam daerah dan
pasokan bawang tidak mencukupi harga bawang merah pun ikut melonjak. Oleh
karena itu, peningkatan produksi bawang merah perlu terus didorong untuk
mengimbangi peningkatan jumlah penduduk dan kebutuhan bawang merah dari
waktu ke waktu.
Peningkatan produksi bawang merah di setiap sektor wilayah akan di
dukung oleh peningkatan faktor-faktor yang mempengaruhi produksinya secara
efesien. Dengan efisienya faktor-faktor penunjang yang mempengaruhi faktor
produksi tersebut akan meningkatkan produksi bawang merah di Sumatera Barat.
Kabupaten Solok merupakan sentral produksi bawang merah, sebesar 95,34

4
persen bawang merah di Sumatera Barat berasal dari kabupaten ini. Produksi
bawang merah tahun 2014 sebesar 61.335 ton mengalami peningkatan sebanyak
18.544 ton (43,34 persen) dibandingkan pada tahun 2013. Produksi bawang merah
tahun 2014 diSumatera Barat berasal dari 9 kabupaten/kota dengan Kabupaten
Solok sebagai sentra produksinya (Berita Resmi Statistik No. 46/8/13/Th. XVIII,
3 Agustus 2015).
Berdasarkan data dari BPS Kabupaten Solok Dalam Angka Tahun 2014
dapat diketahui jumlah penduduk Kabupaten Solok mengalami peningkatan. Hal
ini bisa dilihat dari tabel 2 jumlah penduduk Kabupaten Solok dibawah ini.
Tabel 2. Jumlah Penduduk Kabupaten Solok (jiwa)

No Tahun Jumlah Penduduk
1 2011 348.566
2 2012 355.077
3 2013 358.383
Sumber : BPS Kabupaten Solok
Peningkatan jumlah penduduk Kabupaten Solok dari tahun 2011-2013
mengakibatkan kebutuhan gizi nabati juga akan meningkat. Untuk memenuhi
kebutuhan gizi nabati dapat diperoleh masyarakat dari kacang-kacangan,
buah-buahan, serealia (padi, jagung, dan gandum) dan sayuran (bawang merah,
cabai, tomat, dan sebagainya)(Pusat Data dan Sistem Informasi Pertanian,
2013:1).
Kabupaten Solok terdiri dari 14 kecamatan, salah satunya yaitu kecamatan
Lembah Gumanti, di daerah ini pertanian hortikultura merupakan penggerak roda

5
perekonomian. Pada tahun 2013 bawang merah yang menjadi komoditas unggulan
di kecamatan ini meningkat sebesar 17.8 persen dibandingkan tahun 2012.
Berdasarkan data monografi nagariLembah Gumanti tahun 2013, menyatakan
bahwa salah satu wilayah yangberpotensi dalam pengembangan usahatani
bawang merah dikecamatan Lembah Gumanti adalah Sungai Nanam (BPS
Kabupaten Solok).
Seringkali dijumpai bahwa biaya produksi dirasa terus meningkat sementara
produksi dirasa relatif lamban meningkatnya. Lambannya peningkatan nilai
produksi seringkali disebabkan karna nilai tambah komonitas barang -barang
pertanian yang relatif lamban berkembangnya dan daya beli masyarakat juga
relatif rendah. Sebaliknya di negara maju, dimana nilai tambah komonitas
pertanian yang relatif baik dan daya beli masyarakat juga reatif tinggi, maka
kebutuhan tentang prinsip-prinsip efisiensi menjadi lebih besar. Hal ini
disebabkan kerena persaingan antar produsen menjadi tinggi untuk memperoleh
peluang pasar (soekartawi: 1994).
Produksi bawang merah dipengaruhi oleh faktor-faktor yang dilibatkan
selama memproduksi. Hubungan antara faktor-faktor yang mempengaruhi
terhadap produksi dapat diketahui dengan membangun suatu model fungsi
produksi. Pemilihan model yang cocok diperlukan unutk suatu kasus penelitian
tertentu di antara model-model produksi yang ada.
Salah satu analisis statistik yang dapat digunakan untuk melihat pengaruh
faktor produksi terhadap pencapaian hasil produksi bawang merah adalah analisis
regresi. Analisis regresi adalah analisis yang digunakan untuk menelaah hubungan
6
antara peubah respon Y dengan satu atau lebih peubah bebas X, dimana variabel
Y berskala kontinu yaitu interval, ratio dan variabel X tidak boleh
bermultikolonearitas. Menurut Iriawan (2006:199), model regresi dapat digunakan
untuk mengukur kekuatan hubungan antar variabel respon Y dan prediktor X, dan
model regresi juga digunakan untuk mengetahui pengaruh suatu atau beberapa
variabel prediktor terhadap variabel respon.
Analisis regresi terbagi dua macam yaitu linier dan non linier. Dalam
analisis regresi linier terdapat analisis linier sederhana dan analisis regresi linier
berganda. Analisis regresi linier sederhana adalah analisis yang membahas
hubungan antar 2 variabel (satu variabel respon Y dan satu variabel bebas X) yang
biasanya terletak dalam satu garis lurus. Sedangkan analisis linier berganda adalah
suatu model regresi yang memuat lebih dari satu variabel bebas. Luas lahan,
jumlah bibit, jumlah pupuk, jumlah pestisida, dan jumlah tenaga kerja adalah
variabel bebas yang mempengaruhi produksi bawang merah, sedangkan produksi
bawang merah di Kenagarian Sungai Nanam Kecamatan Lembah Gumanti
Kabupaten Solok merupakan variabel respon (terikat). Oleh karena itu, penelitian
ini bertujuan untuk melihat, mendeskripsikan, dan memprediksikan hubungan dan
pengaruh antara faktor produksi terhadap produksi bawang merah maka dilakukan
analisis regresi.
Berdasarkan permasalahan yang dikemukakan di atas, maka dilakukan
penelitian berjudul Faktor-faktor yang Mempengaruhi Produksi Bawang
Merah Menggunakan Analisis Regresi Linear Berganda di Kenagarian
Sungai Nanam Kecamatan Lembah Gumanti Kabupaten Solok.

7
B. Pembatasan Masalah
Batasan masalah pada penelitian ini dilihat pengaruh luas lahan, jumlah
bibit,jumlah pupuk, jumlah pestisida, dan jumlah tenaga kerja terhadap produksi
Kabupaten Solok menggunakan analisis regresi linier berganda.
C. Rumusan Masalah
Perumusan masalah dalam penelitian ini adalah faktor-faktor apasaja yang
mempengaruhi produksi bawang merah di Kenagarian Sungai Nanam Kecamatan
Lembah Gumanti Kabupaten Solok.
D. Pertanyaan Penelitian
Berdasarkan latar belakang maka pertanyaan penelitian adalah:
1. Bagaimana bentuk model regresi linier berganda dari faktor-faktor yang
mempengaruhi produksi bawang merah di Kenagarian Sungai Nanam
Kecamatan Lembah Gumanti Kabupaten Solok?
2. Faktor-faktor apa saja yang berpengaruh terhadap produksi bawang merah di
Kenagarian Sungai Nanam Kecamatan Lembah Gumanti Kabupaten Solok?
E. Tujuan Penelitian
Penelitian ini bertujuan untuk mengetahui:
1. Model regresi linier berganda dari faktor-faktor yang mempengaruhi produksi
Kabupaten Solok.
8
2. Faktor-faktor apasaja yang mempengaruhi produksi bawang merah di
Kenagarian Sungai Nanam Kecamatan Lembah Gumanti Kabupaten Solok.
F. Manfaat Penelitian
Manfaat penelitian ini adalah:
1. Menambah wawasan peneliti dan pembaca dalam proses penganalisisan
mengenai analisis regresi linier berganda.
2. Diharapkan jadi bahan masukan bagi petani bawang merah di Kenagarian
Sungai Nanam Kecamatan Lembah Gumanti Kabupaten Solok dalam usaha
meningkatkan produksi bawang merah.
3. Diharapkan dapat menjadi referensi bagi mereka yang tertarik dan akan
melakukan penelitian selanjutnya.

9
BAB II
KAJIAN TEORI
A. Bawang Merah
Bawang Merah Bawang merah merupakan tanaman semusim yang berbentuk
rumput, berbatang pendek, dan berakar serabut. Daunnya panjang serta berongga
seperti pipa. Pangkal daunnya dapat berubah fungsi menjadi umbi lapis. Oleh
karena itu bawang merah disebut umbi lapis. Tanaman bawang merah mudah
dikenal. Aromanya spesifik dan dapat merangsang keluarnya air mata karena
kandungan minyak eteris alliin. Batangnya berbentuk cakram dan di cakram
tersebut tumbuh tunas dan akar serabut. Bunganya berkumpul dalam bongkol pada
ujung tangkai panjang yang berlubang di dalamnya. Bawang merah berbunga
sempurna. Ukuran buahnya kecil, berbentuk kubah dengan tiga ruangan, tidak
berdaging. Tiap ruangan buah terdapat dua biji yang agak lunak dan tidak tahan
terkena sinar matahari. Bawang merah sangat dibutuhkan sebagai bumbu dapur.
Meskipun sering dibutuhkan, tetapi orang tidak mau menanam di pekarangan.
Padahal, bawang merah dapat ditanam dengan mudah di dataran rendah maupun
dataran tinggi (Sunarjono, 2004).
Kedudukan tanaman bawang merah dalam tatanama atau sistematika
tumbuhan, termasuk klasifikasi berikut:
Divisio : Spermatophyta
Sub divisiso : Angiospermae
Kelas : Monocotyledonae
Ordo : Liliales (Liliflorae)
9
10
Famili : Lliliales
Genus : Allium
Spesies : Allium ascalonicum

(Rukmana, 1994)
Tanaman bawang merah dapat ditanam dan tumbuh di dataran rendah sampai
ketinggian 1000 meter dpl. Walaupun demikian, untuk pertumbuhan optimal
adalah pada tetinggian 0 450 meter dpl. Komoditas sayuran ini pada umumnya
peka terhadap keadaan iklim yang buruk seperti curah hujan dan intensitas hujan
yang tinggi serta cuaca berkabut. Tanaman bawang merah memerlukan penyinaran
cahaya matahari yang maksimal (minimal 70% penyinaran), suhu udara (25
32)C serta kelembaban nisbi yang rendah (Sutarya et al., 1995).
Di dalam industri makanan, umbi bawang merah sering diawetkan dalam
kaleng, saus, sop kalengan, dan tepung bawang. Keuntungan mengonsumsi bawang
merah, selain penyedia bahan pangan bergizi dan berkhasiat obat, juga sangat baik
untuk kesehatan. Fungsi dalam tubuh antara lain adalah memperbaiki dan
memudahkan pencernaan serta menghilangkan lendir-lendir dalam kerongkongan
(Rukmana, 1994).
Bawang merah selain digunakan untuk bumbu sayuran juga dibuat acar dan
sering juga digunakan untuk obat obatan. Kandungan vitaminnya terutama B dan C
cukup tinggi. Di dataran tinggi (sampai dengan 1500 meter dpl), bawang merah
cenderung berumur lebih lama, ukuran umbinya lebih kecil, warna kulitnya kurang
cerah sehingga kurang memikat (Ashari, 1995).

11
B. Produksi dan Faktor Produksi
Menurut Denian (2008:30) produksi adalah suatu proses dimana berapa
barang dan jasa yang disebut input, diubah menjadi barang dan jasa lain yang
disebut output. Faktor input dalam produksi pertanian adalah segala sesuatu yang
diikutsertakan di dalam proses produksi, seperti penggunaan lahan, tenaga kerja,
penggunaan pupuk, dan pemakaian pestisida. Sedangkan faktor output adalah
sesuatu yang dihasilkan dalam usaha tani yang diterima petani berupa pendapatan.
Faktor produksi sering disebut dengan korbanan produksi untuk
menghasilkan produksi. Faktor produksi diistilahkan dengan input. Faktor-faktor
yang mempengaruhi produksi dibedakan menjadi 2 kelompok (Soekartawi, 2003),
antara lain:
a. Faktor biologi, seperti lahan pertanian dengan macam-macam tingkat
kesuburan, benih, varitas pupuk, obat-obatan, gulma dsb.
b. Faktor sosial ekonomi, seperti biaya produksi, harga, tenaga kerja, tingkat
pendidikan, status pertanian, tersedianya kredit dan sebagainya.
Berikut adalah penjelasan tentang beberapa faktor yang mempengaruhi
produksi pertanian:
a) Lahan
Lahan pertanian banyak diartikan sebagai tanah yang disiapkan untuk
diusahakan usahatani misalnya sawah, tegal dan pekarangan. Sedangkan tanah
pertanian adalah tanah yang belum tentu diusahakan dengan usaha pertanian.
Ukuran luas lahan secara tradisional perlu dipahami agar dapat ditransformasi ke
12
ukuran luas lahan yang dinyatakan dengan hektar. Di samping ukuran luas lahan,
maka ukuran nilai tanah juga diperhatikan (Soekartawi, 1995).
b) Benih
Benih padi adalah gabah yang dihasilkan dengan cara dan tujuan khusus
untuk disemaikan menjadi pertanaman. Kualitas benih itu sendiri akan ditentukan
dalam proses perkembangan dan kemasakan benih, panen dan perontokan,
pembersihan, pengeringan, penyimpanan benih sampai fase pertumbuhan di
persemaian (AAk, 2006).
Sumber benih yang digunakan hendaknya dari kelas yang lebih tinggi. Untuk
mengetahui keadaan benih yang baik dapat dilihat dari keadaan fisik benih dan
kemurnian benih. Benih yang bersertifikat atau berlabel dapat diperoleh pada
kios-kios atau toko pertanian maupun penyalur benih. Benih tersebut merupakan
benih sebar (extension seed) yang dihasilkan dan disebarkan oleh para penangkar
benih atau kebun-kebun benih. Varietas yang ditanam hendaknya selain
disesuaikan dengan kebutuhan konsumen, memperhatikan pula aspek kecocokan
lahan, umur tanaman dan ketahanan terhadap lama serta penyakit (AAk, 2006).
c) Pupuk
Untuk mendapatkan pertumbuhan dan produksi yang maksimal, tanaman
memerlukan bahan makanan berupa unsur hara, baik unsur hara makro maupun
unsur hara mikro. Jika tanah untuk media tumbuh tidak tersedia cukup unsur hara
yang diperlukan, maka harus diberikan tambahan unsur-unsur tersebut ke dalam
tanah. Ketersediaan unsur hara yang dapat diserap oleh tanaman merupakan salah
13
satu faktor yang dapat mempengaruhi peningkatan produksi tanaman, hal ini dapat
berpengaruh bila dosis yang diberikan tepat (Anonymous, 2006).
Penambahan unsur hara dapat dilakukan melalui pemupukan sehingga
diharapkan dapat memperbaiki kesuburan tanah antara lain menggantikan unsur
hara yang hilang karena pencucian atau erosi dan yang terangkut saat panen.
Pemberian pupuk merupakan salah satu usaha untuk meningkatkan produksi
tanaman. Konsepsi pemupukan berimbang menyarankan agar dalam budidaya
tanaman padi tidak hanya dipupuk N dan P saja, tetapi perlu dipupuk K, S dan unsur
mikro (Anonymous, 2006).
d) Tenaga Kerja
Menurut Payaman Simanjuntak (1995) yang dimaksud dengan tenaga kerja
adalah Penduduk yang berumur 10 tahun atau lebih, yang sudah atau sedang
mencari pekerjaan dan sedang melakukan kegiatan lain seperti bersekolah dan
mengurus rumah tangga. Adapun menurut Butar-butar (2010) bahwa
penggolongan tenaga kerja berdasarkan umur pada usahatani terdiri darindua
golongan yaitu tenaga kerja anak-anak (umur 10 - <15 tahun) dan tenaga kerja
dewasa (umur 15 tahun) dengan standar konversi 7 jam kerja efektif/ hari.
Faktor tenaga kerja disini dapat dilihat dari jumlah curahan kerja. Dalam
usahatani tenaga kerja dibedakan atas dua macam yaitu menurut sumber dan
jenisnya. Menurut sumbernya tenaga kerja berasal dari dalam keluarga dan tenaga
kerja dari luar keluarga. Sedangkan menurut jenisnya didasarkan atas spesialisasi
pekerjaan kemampuan fisik dan keterampilan dalam bekerja yang dikenal tenaga
kerja pria, wanita, dan anak-anak. Penggunaan tenaga kerja dalam keluarga dan
14
luar keluarga dipengaruhi oleh skala usaha, semakin besar skala usaha maka
penggunaan tenaga kerja cenderung semakin meningkat. Penilaian terhadap
penggunaan tenaga kerja biasanya digunakan standarisasi satuan tenaga kerja yang
biasanya disebut dengan Hari Orang Kerja atau HOK. Namun, tidak selamanya
penambahan dan pengurangan tenaga kerja mempengaruhi produksi, karena
walaupun jumlah tenaga kerja tidak berubah tetapi kualitas dari tenaga kerja lebih
baik maka dapat mempengaruhi produksi (Soekartawi, 2002).
e). Peptisida
Peptisida pemberantas hamapenyakit juga mempengaruhi tinggkat produksi.
Penggunaan peptisida ini dibutuhkan untuk menjaga produksi tanaman (Hansen,
1981 dalam Gohong, 1993). Peptisida adalah bahan-bahan yang dapat membunuh
organism penggunaan tanaman (hama, penyakit, hulma). Bahan-bahan ini dapat
berupa zat kimia, mikroorganisme, maupun bahan tanaman lainya. Peptida bersifat
menguntungkan bagi pertanian, tetapi bisa juga menimbulkan bahaya bila
pengelolaannya tidak benar dan tidak hait-hati (pahan, 2012).
C. Regresi linier berganda
Regresi linier berganda adalah regresi yang memuat lebih dari satu variabel
bebas (regresor). Salah satu kegunaan analisis regresi linier berganda untuk
memperkirakan ataupun meramalkan keadaan masa yang akan datang dengan
mengukur beberapa variabel bebas / pengaruh (X) beserta pengaruhnya terhadap
variabel tidak bebas / terpengaruh (Y). Persamaan regresi berganda dirumuskan
sebagai berikut:
15
Y = 0 + 1 X1 + 2 X2 + ...+ X K + (1)
Dimana:
Y : variabel terpengaruh
0 : konstanta
1,2,...,k : koefisien variabel X
X : variabel pengaruh
: kesalahan (galat)
k : banyaknya variabel independen
(Sembiring, 1995: 134)
Misalkan terdapat data (xi, yi), i = 1,2,n maka persamaan (1) dapat ditulis
menjadi:
yi = 0 + 1Xi1 + 2Xi2 + ...+ kXik + i i=1,2,n (2)
Dimana:
b0 : penduga 0
b1,b2,...,bk : penduga 1, 2, , k
x1,x2,...,xk : variabel bebas
k : banyaknya variabel bebas.
(Montgomery, 2006: 67)
Jika observasi mengenai Y, X1, X2, , Xk dinyatakan masing-masing
dengan (x1,y1), (x2,y2), , (xn,yn), maka diperoleh persamaan berikut :
= 0 + 1 1 + 2 2 + + + ,
16
= 0 + =1 + ,i = 1,2,3,,n
(3)
Jika disajikan dalam lambang matriks, maka persamaan (3) di atas menjadi:
1 1 1112 1 0
2 1 21 22 2 1
. . . . .
. = . . . . . +
. . . . . .
. . . . . .
[ ] [ 1 1 2 ] [ ]
1
2
.
. (4)
.
.
[ ]
Misalkan:
1 1 11 12 1 0
2 1 21 22 2 1
. . . . . .
Y= . ,X= . . . . ,= .
. . . . . .
. . . . . .
[ ] [ 1 1 2 ] [ ]
1
2
.
,dan = .
.
.
[ ]
Dengan demikian persamaan (4) dapat ditulis menjadi:
Y = X + (5)
17
Untuk mendapatkan nilai penduga dari 0, 1, 2,... ,k dapat diperoleh
dengan meminimumkan bentuk kuadrat terhadap galat sebagai berikut :

2
S = t = =1 2 = =1( 0 =1 ) (6)
Menurut Sembiring (1995: 47) meminimumkan bentuk kuadrat persamaan
(6) dapat dilakukan dengan mencari turunan S terhadap 0, 1,2.., k kemudian
menyamakannya dengan nol, sebagaiberikut:
J/0 = -2(y1 - 0 - 1xi1 2xi2 - ... 1xik) =0
J/1 = -2(y1 - 0 - 1xi1 2xi2 - ... 1xik) xi1 = 0
J/2 = -2(y1 - 0 - 1xi1 2xi2 - ... kxik)xi2 = 0

..
J/k = -2(y1 - 0 - 1xi1 2xi2 - ... kxik)xik= 0 (7)
Setelah disusun kembali dan mengganti semua parameter dengan
penaksirnya, yaitu b0, b1, b2,bk sistem persamaan ini dapat ditulis sebagai
berikut:
n b0 + b1i1 + b2 i2 + ... + bk ik = y1
b0i1 + b1 2i1 + b2 i2xi1 + ... + bk ikxi1 = y1 x11
b0i2 + b1 i1xi2 + b2 2i2+ ... + bk ikxi2 = y1 x12
.........................................................................................................................
b0ik + b1 i1xik+ b2 i2 xik +...+ bk 2ik =y1 x1k (8)
Persamaan (8) jika ditulis dalam lambang matriks maka bentuknya
menjadi:
(Xt X)b = Xt Y (9)

18
Dari persamaan (9) maka dapat ditentukan nilai penaksir sebagai berikut:
b = (Xt X)-1 Xt Y (10)
1) Uji Kelayakan Model
Statistik yang digunakan dalam menguji kelayakan model adalah uji F.
Dengan uji F kita dapat menguji atau mengukur hubungan antara variabel pengaruh
dengan variabel terpengaruh dari persamaan regresi secara menyeluruh.Uji
signifikansi regresi dapat diperoleh dari tabel ANAVA dengan melihat nilai dari uji
F (Montgomery, 2006: 81) dibawah ini:
Tabel 3. Tabel ANAVA
Derajat
Sumber Jumlah Kuadrat Rataan
Kebebasan F
variasi (JK) Kuadrat (RK)
(dk)
/
bt X tY i1n
m
( Yi ) 2
Regresi k JKR/k
/( 1)

Sisa Y tY bt X t y n-k-1 JKS/n-k-1 =

n
( Yi ) 2
Total n-1
Y tY i 1
n
Adapun hipotesis yang akan diuji adalah:
H0: 1 = 2 = ..= k = 0
(Artinya tidak terdapat hubungan linier antara variabel bebas dan variabel
terikat)
19
H1: minimal ada satu j 0 j = 1,2,,k
(Artinya terdapat minimal satu hubungan linier antara variabel bebas dan
variabel terikat)
(Montgomery, 2006:80)
Statistik uji yang akan digunakan adalah uji F dengan rumus sebagai berikut:
/
= = (11)
/(1)
Dalam hal ini:
JKS Y tY bt X t y
n
( Yi ) 2
JKT Y tY i 1
n
JKR b t X tY i1n
m
( Yi ) 2
n = jumlah data (pengamatan)
k = banyaknya variabel bebas (regresor)
Keterangan:
JKR = Jumlah Kuadrat Regresi
JKS = Jumlah Kuadrat Sisa
JKT = Jumlah Kuadrat Tota
Pengambilan keputusan dilakukan dengan membandingkan nilai statistik Fobs
dengan Ftabel dengan menggunakan tingkat kepercayaan sebesar (1-). Jika Fobs>
Ftabel (F(k, n-k-1)) maka H0 ditolak, artinya minimal ada satu variabel pengaruh yang
mempunyai pengaruh signifikan terhadap variabel terpengaruh.

20
Pemeriksaan kelinieran dapat dideteksi melalui plot data pada scatterplotdan
matrixplot.Jika pola sebaran data mengikuti garis lurus memberikan petunjuk
awalbahwamodel telah linier.
Melalui scatterplot dapat diduga hubungan kelinieran dengan

memperhatikan gambar berikut:
Gambar 1. Plot Sebaran Data yang Menunjukan Dua Variabel

Memiliki Hubungan yang Linier dan Tidak Linier
Setelah menduga hubungan kelinieran antara variabel bebas dan terikat, maka
dilakukan uji signifikansi regresi untuk meyakinkan bahwa asumsi kelinieran telah
terpenuhi. Uji signifikansi regresi merupakan uji untuk menentukan apakah
terdapat hubungan linier antara variabel terikat y dengan sebarang variabel bebas
x1, x2, ,xk (Makridakis, 1999:299).
2) Uji Keberartian Parameter.
Statistik yang digunakan dalam menguji keberartian parameter adalah uji t.
Dengan hipotesis sebagai berikut:
H0 : j = 0 j = 1,2,...,k
(Artinya tidak ada pengaruh j terhadap variabel terpengaruh)
H1 : j 0 j = 1,2,...,k
(Artinya terdapat pengaruh j terhadap variabel terpengaruh)

21
Menurut Gujarati (1995) dalam Martalena (2010: 29) uji statistik t dapat
dinyatakan dalam rumus berikut:

= ( ) (12)

Jika | | > ; ( 1) dengan menggunakan tingkat kepercayaan
2
sebesar (1-) maka H0 ditolak yang berarti bahwa pengaruh masing-masing
variabel pengaruh terhadap variabel terpengaruh cukup signifikan. Demikian pula
sebaliknya, jika maka H0 diterima yang berarti bahwa pengaruh masing-masing
variabel pengaruh terhadap variabel terpengaruh tidak signifikan. Jika H0 tidak
ditolak maka hal ini dapat menunjukan bahwa regressor Xj dapat dihilangkan dari
model.
3) Asumsi Regresi Linier Berganda
Menurut Makridarkis (1999: 299) terdapat empat asumsi dasar yang harus
dipenuhi dalam analisis regresi linier berganda, yaitu 1) kelinieran, 2) kebebasan
nilai sisa, 3) kehomogenan ragam sisaan, dan 4) kenormalan nilai sisa. Model
regresi yang akan diuji hipotesisnya harus dilakukan uji asumsi klasiknya terlebih
dahulu sehingga model regresi yang digunakan dalam penelitian dapat dijadikan
sebagai alat pengambilan keputusan.
1. Kebebasan sisaan (independence of residual)
Model regresi kuadrat terkecil mengasumsikan sisaan saling bebas atau tidak
berkorelasi dengan sesamanya. Secara tidak langsung hal ini menyatakan bahwa
nilai pengamatan tidak dipengaruhi oleh pengamatan lainnya. Kondisi sebaliknya
diistilahkan sebagai autokorelasi (autocorrelation), yaitu kondisi ketika nilai suatu

22
pengamatan dipengaruhi oleh pengamatan lainnya. Data yang dikumpulkan
berdasarkan urutan waktu biasanya menjadi penyebab adanya autokorelasi
(Saefudin, 2010: 254).
Kebebasan sisaan dapat dilihat pada residual versus the order of the data.
Jika sebaran plot sisaan pada residual versus the order of the data membentuk
pola tertentu maka menandakan ada autokorelasi. Berikut gambar plot pencaran
data yang bersifat non autokorelasi dan autokorelasi.
Gambar 2. Plot Pencaran Data yang Bersifat

Non Autokorelasidan Autokorelasi
Cara lain untuk mendeteksi autokorelasi adalah dengan menggunakan
Statistik d Durbin Watson.
(e i ei 1 ) 2
d i 2
n
(13)
e
2
i
i 1
Dimana:
ei = sisaan pada pengamatan ke-i
ei-1 = sisaan pada pengamatan sebelum kei
Kriteria pengujian Durbin Watson (d) adalah:
Jika d <dL , berarti terdapat autokorelasi positif

23
Jika d >(4-dL) , berarti terdapat autokorelasi negatif
Jika d > dU dan 4-d > dU , berarti tidak terdapat autokorelasi
Dimana:
d = nilai Durbin Watson
dL = nilai kritis Lower (bawah) dari tabel Durbin Watson
dU = nilai kritis Upper (atas) dari tabel Durbin Watson

(Sembiring, 1995:289)
2. Kehomogenan ragam sisaan (homoskedasticity), Var (i) = 2, i=1,2,..,n
Pendugaan parameter regresi dengan metode kuadrat terkecil
mengasumsikan ragam sisaan selalu tetap (konstan) atau homogen. Kondisi ini
disebut sebagai homoskedastisitas (homoskedasticity). Asumsi kehomogenan
ragam berimplikasi bahwa setiap pengamatan memiliki informasi yang sama
penting pada variabel pengaruh (Saefudin, 2010: 268).
Asumsi kehomogenan ragam dapat diperiksa dengan plot pencaran antara
sisaan dengan dugaan respon, dimana sumbu X adalah nilai dugaan respon dan
sumbu Y adalah sisaannya. Apabila noktah (titik) dalam grafik membentuk pola
menyebar lalu menyempit atau sebaliknya disekitar garis diagonal maka bisa
dikatakan terjadi heteroskedastisitas. Jika titik-titik menyebar dengan tidak
membentuk pola tertentu dibawah dan diatas angka 0 pada sumbu maka dikatakan
terjadi homoskedastisitas. Berikut gambar plot sebaran titik yang bersifat
homoskedastisitas dan heteroskedastistas:

24
Gambar 3. Plot Sebaran Data yang Bersifat

Homoskedastisitas dan Heteroskedastisitas
3. Kenormalan sisaan (normality of residual)
Kenormalan sisaan memiliki tingkat kepercayaan yang lebih rendah
dibandingkan dengan asumsi lainnya. Asumsi kenormalan sisaan hanya
diperlukan saat pengujian hipotesis dan penyusunan selang kepercayaan, namun
tidak terlalu penting dalam pendugaan parameter (Saefudin, 2010: 262).
Menurut Drapper dan Smith (1992:62) kenormalan yaitu kesalahan
pengganggu atau error mengikuti distribusi normal dengan rata-rata nol dan
varians 2. Apabila variabel tak bebas dan variabel bebas mengikuti distribusi
normal, maka errornya juga akan berdistribusi normal. Kenormalan sisaan diuji
dengan uji Anderson Darling.
Adapun kriteria pengujiannya adalah:
Terima H0 jika P-value > 0.05
Tolak H0 jika P-value 0.05
Selain itu, kriteria pengujiannya adalah:

25
Terima H0jika nilai A nilai kritis yang telah ditentukan
Tolak H0 jika nilai A > nilai kritis yang telah ditentukan
4) Pemilihan Model Terbaik
Pemilihan model terbaik berguna untuk memilih model mana yang sesuai
dengan tujuan pemodelan dari beberapa kombinasi peubah yang ada (Yenni: 140).
Dalam melakukan pemilihan model terbaik ada beberapa cara yang dapat dilakukan
yaitu:
a. Metode seleksi maju (forward selection method), menurut metode ini peubah
bebas dimasukkan satu demi satu menurut urutan besar pengaruhnya
terhadap model dan berhenti jika semua yang memenuhi syarat telah masuk.
b. Metode penyisihan (backward elimination method), menurut metode ini
peubah bebas dimasukkan seluruhnya ke dalam model kemudian disisihkan
satu demi satu sampai semua yang tidak memenuhi patokan keluar dari
model.
c. Metode bertahap (stepwise regression method), metode ini merupakan
gabungan dari metode seleksi maju dan metode penyisihan. Pertama kita
melakukan metode seleksi maju terlebih dahulu, kemudian kita akan
menggunakan metode penyisihan pada setiap tahap untuk mempertanyakan
apakah suatu peubah bebas yang telah masuk ke dalam model masih perlu
dipertahankan atau sebaliknya ke luar.
d. Metode semua kombinasi yang mungkin, metode ini mengharuskan kita
memeriksa semua kombinasi peubah yang dapat dibuat.

26
Pada penelitian ini, metode yang digunakan adalah metode bertahap
(stepwise regression method), metode ini merupakan gabungan dari metode
seleksi maju dan metode penyisihan. Banyaknya kombinasi yang mungkin
dinyatakan dalam rumus:2 1, dengan k = banyaknya variabel bebas. Menurut
Drapper and Smith (2006:347) adapun kriteria yang akan digunakan adalah
dengan melihat R(adj) terbesar,S2terkecil, Cp Mallows mendekati p dan penentuan
akhir pemilihan model terbaik adalah dengan melihat nilai VIF.
5) Koefisien Determinasi (R2)
Ketepatan dari model yang diperoleh dapat dilihat dari kemampuan model
menerangkan data,yang disebut dengan koefisien determinasi (R2)yangbesarnya:
JKR
R2 (14)
JKP
Dimana:
JKR = Jumlah kuadrat regresi
JKT = Jumlah kuadrat total

Salah satu kelemahan R2 ialah bahwa besar nilainya dipengaruhi oleh
banyaknya variabel pengaruh dalam model, R2membesar bersama k, sehingga sulit
menyatakan barapa R2 yang optimum karena R2 tidak memperhitungkan derajat
bebas. Suatu cara mengatasi kelemahan R2 ialah dengan menggunakan
__
R2-disesuaikan ( R 2) dengan rumus sebagai berikut:
27
2 n 1
R 1 (1 R 2 )
n p (15)
(Sembiring 1995: 235)
Menurut Montgomery (2006:349) dalam pemilihanmodelterbaik dipilih
R2yang maksimum.
6) Rataan Kuadrat Sisa (S2)
Salah satu patokan yang baik digunakan dalam menilai kecocokan suatu
model dengan data ialah dengan melihat rataan kuadrat sisa (S2), model yang baik
memberikan nilai S2 yang terkecil. Ukuran ini memperhitungkan banyaknya
parameter dalam model melalui pembagian dengan derajat kebebasannya. Rataan
kuadrat sisa (S2) mungkin membesar bila penurunan dalam JK sisa akibat
pemasukan suatu peubah tambahan kedalam model tidak dapat mengimbangi
penurunan dalam derajat kebebasannya:
s 2 JKS /( n p) (16)
Dimana:
JKS = jumlah kuadrat sisa
n = ukuran sampel
7) Cp Mallows
C p JKS p / s 2 2 p n (17)
Dimana:
JKSp = jumlah kuadrat sisa dengan p parameter
n = ukuran sampel
28
s2 = rataan kuadrat sisa
Statistik Cp dapat dipakai untuk menilai model yang saling bersaing. Model
yang baik akan menghasilkan nilai Cp yang paling mendekati ke p, dimana p adalah
banyaknya variabel pengaruh ditambah satu.
8) Data Pencilan
Dalam analisis statistika tidak jarang ditemukan satu atau lebih pengamatan
aneh yang berada jauh dari pusat pengamatan secara keseluruhan. Pengamatan
seperti ini dinamakan dengan pencilan (outlier). Suatu pengamatan dinamakan
pencilan apabila nilai suatu titik jauh dari pola umum data lainnya.
Pemeriksaan terhadap pencilan merupakan salah satu hal penting dalam
analisis statistika. Menyisihkan data yang dianggap pencilan untuk kemudian
dilakukan analisis sisanya merupakan suatu prosedur yang umum dilakukan.
Meskipun demikian langkah ini bukanlah langkah yang serta merta diterima.
Keberadaan pencilan dalam sekumpulan data menjadi pertanda munculnya
masalah dalam analisis regresi. Namun tidak berarti pula pencilan memberikan
pengaruh yang besar pada model regresi.
Hanya pencilan yang berpotensi menjadi data berpengaruh yang patut
dicermati. Secara umum semakin jauh data dari pola umum data lainnya, semakin
besar pula pengaruhnya terhadap hasil analisis. Jika prosedur mengubah persamaan
regresi dan kesimpulan maka dapat dipastikan bahwa data yang disisihkan
merupakan data berpengaruh. Pemeriksaan terhadap pencilan dapat dilakukan
dengan Statistik D Cook (Cooks Distance).

29
Suatu pengamatan dikatakan berpengaruh apabila:
ri 2 Var ( y i )
Di (18)
p Var (ei )
(Montgomery, 2006:194)
Hipotesis dari Cook distance adalah:
H0 : Data pada sampel bukan data berpengaruh
H1 : Data pada sampel merupakan data berpengaruh
Adapun kriteria pengujiannya adalah:
Terima H0 jika Di 1
Tolak H0 jika Di > 1
9) Multikolinieritas
Selain pemeriksaan terhadap R(adj), S2 dan Cp Mallows salah satu analisis
yang perlu diperhatikan dalam pemilihan model terbaik adalah antara variabel
pengaruh harus saling bebas (non multikolinieritas). Pendekatan yang paling
sederhana dalam memeriksa adanya multikolinearitas adalah dengan menghitung
nilai VIF (Variance Inflation Factor) yang mempunyai persamaan:
1
VIF = (19)
1R2
Dimana: R2 = koefisien determinasi
(montgomery, 2006: 327)
Model yang baik adalah model yang memiliki nilai VIF mendekati atau
sama dengan 1. Sedangkan apabila nilai VIF > 1, berarti ada korelasi antar
variabel prediktor sehingga ada ketidaksesuaian model. Statistik lain yang juga
30
dapat digunakan untuk memeriksa multikolinieritas adalah akar ciri (eigenvalues),
indeks kondisional (conditional index) dan nilai toleransi (tolerance).
Multikolinieritas akan terjadi jika nilai eigenvalues mendekati nol dan conditional
index melebihi 15(Saefudin, 2010: 264).
10) Tranformasi
Tujuan dilakukannya transformasi adalah agar sisaan berbentuk setangkup
dan kedua ujungnya tidak terlalu tebal. Transformasi akan dilakukan tergantung
persoalan yang dihadapi. Ada dua jenis transformasi yang mungkin akan
dilakukan, yaitu transformasi y dan transformasi x. Terkadang kedua tranformasi
ini dikerjakan bersama atau salah satunya, tujuannya mengusahakan agar asumsi
regresi terpenuhi
Transformasi y dilakukan apabila suku galat (sisaan) dianggap belum
memenuhi anggapan kenormalan. Box dan Cox (1964) mengusulkan penggunaan
tranformasi sebagai berikut:
()1
, 0

= () = (20)
ln , 0
(Sembiring 1995 :195)
Jika = , transformasi z =, yaitu mengambil akar dari semua data y; bila =
-1, transformasi z = 1/y untuk semua data y.
Transformasi x dilakukan apabila suku galat (sisaan) dianggap telah
memenuhi anggapan kenormalan, tetapi belum semua peubah bebas x1, x2, , xk
terkait secara linear dengan variabel terikat y. Adapun rumus yang digunakan
dalam mentransformasikan y adalah :

31
, 0
x= (21)
ln , = 0
(Sembiring 1995:199)
11) Pembentukan Model
Nur Irawan (2006:199) mengatakan bahwa model regresi dapat digunakan
untuk mengukur kekuatan hubungan antar variabel bebas dan terikat, dan model
regresi juga digunakan untuk mengetahui pengaruh satu atau beberapa variabel
bebas terhadap variabel terikat.
Menurut Montgomery (2006: 283) proses dalam menyeleksi variabel dan
Fit the full

model
Perform
residual
analysis
Do we need a yes Transform

transformation? data
Select models
for further
analysis
Perform all possible

regression
pembentukan model regresi linier berganda adalah:
Gambar 4. Diagram Flowchart dari Proses Pembentukan Model
Berdasarkan diagram di atas (gambar 4), langkah-langkah dalam
pembentukan model regresi linier berganda adalah:
1. Langkah awal yang dilakukan adalah :

32
a. Bentuk matrix plot
b. Bentuk model dengan seluruh variabel
c. Uji Kelayakan Model dan Keberartian Parameter.
d. Uji asumsi
Uji asumsi yang akan dilakukan ada empat yaitu:
(i) Uji kebebasan sisaan (uji autokorelasi)
(ii) Uji kehomogenan ragam sisa (uji homoskedasitas)
(iii) Uji kenormalan sisaan
2. Analisis sisaan akan digunakan untuk mengetahui apakah asumsi ada yang
dilanggar.
3. Jika ada yang dilanggar, lakukan transformasi dan kembali kelangkah 1.
4. Gunakan teknik untuk pemilihan model terbaik diantaranya :
a. Metode seleksi maju (forward selection method)
b. Metode penyisihan (backward elimination method)
c. Metode bertahap (stepwise regression method)
d. Metode semua kombinasi yang mungkin
5. Rekomendasi Model Terbaik.
6. Interpretasi Model Terbaik.

33
BAB III
METEDOLOGI PENELITAN
A. Jenis Penelitian
Jenis penelitian ini digolongkan dalam penelitian terapan. Penelitian
terapan merupakan penelitian yang bertujuan untuk memecahkan atau
memberikan solusi atas suatu permasalahan. Penelitian terapan diawali dengan
analisis teori dan diikuti dengan pengambilan data dan penerapannya terhadap
data. (Maryati 2003:103)
B. Populasi dan Sampel
Menurut Lufri (2000:72) populasi adalah himpunan yang lengkap dari
satuan-satuan atau individu-individu yang karakteristiknya ingin kita ketahui.
Banyaknya individu atau elemen yang merupakan anggota populasi disebut
ukuran populasi, biasanya disimbolkan dengan N. Dalam penelitian ini yang
menjadi populasi penelitian adalah petani penggarap yang ada di Kenagarian
Sungai Nanam Kecamatan Lembah Gumanti Kabupaten Solok. Menurut
Witrianto (2014) Petani penggarap terdiri atas petani penggarap lahan milik
sendiri dan petani penggarap lahan milik orang lain. Data yang diperoleh dari
hasil wawancara dengan petani bawang merah yang menyebutkan bahwa selama
satu tahun terkadang tiap musim tanam, petani mengganti tanaman sayuran yang
ditanam. Atas dasar kondisi tersebut, maka diasumsikan ukuran populasi petani
penggarap tidak diketahui.
Untuk memilih unsur-unsur dalam populasi yang memiliki karakteristik
yang sesuai dengan yang diteliti maka peneliti menentukan sampel.
33
34
Yusuf(2005:187) mengemukakan bahwa sampel adalah suatu jumlah yang
terbatas dari unsur-unsur yang terpilih dari suatu populasi. Unsur-unsur tersebut
hendaklah mewakili populasi.
Teknik pengambilan sampel yang digunakan dalam penelitian ini adalah
snowball sampling. Cara ini banyak dipakai ketika peneliti tidak banyak
mengetahui tentang populasi penelitiannya, hanya mengetahui satu atau dua
orang berdasarkan penilaiannya bisa dijadikan sampel. Karena dengan dua orang
ini belum merasa lengkap terhadap data yang diberikan, maka peneliti mencari
orang lain yang dipandang lebih tahu dan dapat melengkapi data yang diberikan
oleh dua orang sebelumnya. Begitu seterusnya, sehingga jumlah sampel semakin
banyak (Sugiyono, 2012:125). Kelemahan dalam teknik snowball sampling ini
adalah dalam penentuan kelompok bermula ada unsur subjektif, jadi tidak dipilih
secara random atau acak. Bila jumlah sampel melebihi 100 sampel, maka
penanganannya sudah sukar sekali dikendalikan (Nasution, 2011:100). Jadi
Sampel dalam penelitian ini adalah 100 petani penggarap yang rutin bertanam
Kabupaten Solok.
C. Variabel dan Data
1. Variabel
Variabel adalah sesuatu yang menjadi objek pengamatan penelitian dan
sering pula dikatakan bahwa variabel adalah segala sesuatu yang berperan dalam
peristiwa atau gejala yang diteliti. Jenis variabel yang terdapat dalam penelitian
ini terdiri dari dua variabel yaitu :

35
a) Variabel bebas yaitu variabel yang mempengaruhi variabel lain.
Variabelbebas pada penelitian ini adalah faktor yang mempengaruhi
produksi bawang merah yaitu luas lahan selanjutnya dinamakan X1, jumlah
bibit selanjutnya dinamakan X2,jumlah pupuk selanjutnya dinamakan X3,
jumlah pestisida selanjutnya dinamakan X4, jumlah tenaga kerja selanjutnya
dinamakan X5.
b) Variabel tidak bebas yaitu variabel yang dipengaruhi oleh variabel lain.
Variabel tidak bebas pada penelitian ini adalah jumlah produksi bawang
merah di Kenagarian Sungai Nanam Kecamatan Lembah Gumanti
Kabupaten Solok yang selanjutnya dinamakan Y.
2. Data
Jenis data yang digunakan dalam penelitian ini adalah data primer yaitu
data yang langsung diambil dari sampel yang diteliti. Data primer dalam
penelitian ini adalah data luas lahan untuk bertanam bawang merah, jumlah bibit
untuk bertanam bawang merah,jumlah pupuk yang dibutuhkan untuk bertanam
bawang merah, jumlah pestisida yang dibutuhkan untuk bertanam bawang merah,
jumlah tenaga kerja, dan jumlah produksi bawang merah di Kenagarian Sungai
Nanam Kecamatan Lembah Gumanti Kabupaten Solok dimana data primer
tersebut diperoleh melalui survei menggunakan kuesioner.
D. Prosedur Penelitian
Pelaksanaan penelitian ini melalui 3 tahap, yaitu :
1. Tahap persiapan
a. Menetapkan populasi dan sampel

36
2. Tahap pelaksanaan
a. Melakukan survei
Pengumpulan data dilakukan dengan membagikan kuesioner pada
responden yang menjadi sampel penelitian, dimana kuesioner diantar peneliti dan
diisi langsung oleh responden atau dibantu oleh peneliti.
b. Mengolah data yang diperoleh
c. Menarik kesimpulan dari hasil yang diperoleh
3.Tahap akhir
Tahap akhir dari penelitian yaitu penulisan laporan penelitian, berupa
penulisan laporan tugas akhir ini.
E. Teknik Analisis Data
Sesuai dengan tujuan penelitian yaitu pembentukan model regresi linear
berganda maka teknik analisis data yang dilakukan adalah sebagai berikut :
1. Matrixplot untuk melihat hubungan antar variabel.
2. Bentuk model dengan seluruh variabel dengan menggunakan persamaan (2).
Pembentukan model dapat dilakukan dengan bantuan Minitab 16.
3. Uji Kelayakan Model dengan menggunakan persamaan (11).
4. Uji Keberartian Parameter dengan menggunakan persaman (12).
5. Pemeriksaan asumsi regresi linier berganda, dengan pemeriksaan nilai sisaan
sebagai berikut:
i. Kebebasan Sisaan
Uji asumsi kebebasan sisaan menggunakan persamaan (12). Jika nilai
statistk d Durbin Watson d >dUdan d <4-dU maka asumsi kebebasan sisaan

37
terpenuhi. Selain itu, asumsi kebebasan sisaan dapat dideteksi pada Residual
Versus the Order of the Data dari plot sisaan, jika sebaran titik pada Residual
Versus the Order of the Data tidak membentuk pola tertentu dan tersebar secara
acak maka asumsi kebebasan sisaan terpenuhi.
ii. Kehomogenan Ragam Sisaan
Uji asumsi kehomogenan ragam sisaan menggunakan plot residual versus
the fitted values. Jika sebaran titik pada Residual Versus the fitted values tidak
membentuk pola tertentu dan tersebar acak disekitar angka nol maka asumsi
kehomogenan ragam sisaan terpenuhi.
iii.Kenormalan Sisaan
Uji kenormalan sisaan dapat dideteksi melalui Normal probability plot of the
residual dan Histogram of the residual. Jika titik pada Normal probalitity plot of
the residual tersebar mengikuti garis normal dan Histogram of the residual
membentuk kurva normal maka asumsi kenormalan sisaan terpenuhi. Selain itu,
asumsi kenormalan dapat juga diperiksa dengan uji Anderson Darling, jika nilai
P-value besar dari (0,05) maka asumsi kenormalan sisaan terpenuhi.
6. Jika ada asumsi yang dilanggar, maka dilakukan transformasi dan kembali ke
langkah-pertama.
7. Gunakan teknik untuk pemilihan model terbaik. Dalam penelitian ini teknik
yang digunakan adalah metode bertahap (stepwise regressionmethod).
8. Memilih model untuk analisis lebih lanjut melalui perbandingan R(adj), S2, Cp
Mallows dan VIF.
9. Rekomendasikan model yang akan digunakan.

38
Tahap akhir dari teknik analisis ini adalah merekomendasikan model yang
akan digunakan. Dalam memilih model mana yang cocok untuk direkomendasikan
perlu dipertimbangkan tujuan penelitian dan untuk apa model tersebut digunakan.
Dalam penelitian model digunakan untuk memprediksikan pengaruh faktor luas
lahan, jumlah bibit, jumlah pupuk, jumlah pestisida, dan jumlah tenaga kerja
terhadap produksi bawang merah di Kenagarian Sungai Nanam Kecamatan
Lembah Gumanti Kabupaten Solok.

39
BAB IV
HASIL PENELITIAN DAN PEMBAHASAN
A. Deskripsi Data
Penelitian yang dilakukan untuk melihat 39 able 39 -faktor yang
Lembah Gumanti Kabupaten Solok, dilaksanakan dengan penyebaran kuesioner
penelitian yang dibagikan kepada 100 petani bawang merah di Kenagarian Sungai
Nanam Kecamatan Lembah Gumanti Kabupaten Solok yang terdiri dari 12 petani
bawang merah penggarap bukan lahan sendiri dan 78 petani bawang merah
penggarap dengan lahan sendiri. Dari hasil penelitian yang diperoleh dapat dilihat
data tentang maksimum, minimum, dan rata-rata dari masing-masing 39able39le
bebas (X) yaitu luas lahan (X1), jumlah bibit (X2), jumlah pupuk (X3), jumlah
pestisida (X4), dan jumlah tenaga kerja (X5), serta produksi bawang merah yang
dalam penelitian ini adalah sebagai 39 able 39 le terikat (Y). Data tentang
maksimum, minimum, dan rata-rata dari masing-masing 39able39le bebas (X) dan
39able39le terikat (Y) disajikan pada 39able 4 sebagai berikut;
Tabel 4. Deskripsi Data Nilai Maksimum, Minimum, dan Rata-rata dari

Masing-masing Variabel Bebas (X) dan Variabel Terikat (Y) per Keluarga.
Produksi Luas Jumlah Jumlah Jumlah Jumlah

Variabel
bawang Lahan Bibit Pupuk pestisida Tenaga
merah (m2) (Kg) (Kg) (liter) Kerja
(Kg) (orang)
Nilai
(Y) (X1) (X2) (X3) (X4) X5)
Maksimum 6.900 6.600 620 620 4.600 50
Minimum 200 300 40 40 560 1
Rata-rata 2.914,6 2.722 225,5 236,6 2.428,55 18
Sumber: Data Kuesioner
39
40
Berdasarkan Tabel 4 dapat dilihat bahwa produksi bawang merah tertinggi
adalah sebesar 6.900 kilogram dan produksi bawang merah terendah adalah
sebesar 200 kilogram. Rata-rata produksi bawang merah di Kenagarian Sungai
Nanam Kecamatan Lembah Gumanti Kabupaten Solok adalah sebesar 2.914,6
kilogram. Luas lahan yang digunakan oleh petani bawang merah di Kenagarian
Sungai Nanam Kecamatan Lembah Gumanti Kabupaten Solok dalam penelitian
ini adalah sebagai variabel bebas (X1). Luas lahan terbesar adalah seluas 6.600
m2 dan luas lahan terkecil adalah seluas 300 m2. Rata-rata luas lahan di
Kenagarian Sungai Nanam Kecamatan Lembah Gumanti Kabupaten Solok
adalah seluas 2.722 m2.
Jumlah bibit yang digunakan oleh petani bawang merah di Kenagarian
Sungai Nanam Kecamatan Lembah Gumanti Kabupaten Solok dalam penelitian
ini adalah sebagai variabel bebas (X2). Jumlah bibit maksimum yang ditanam
oleh petani bawang merah adalah sebanyak 620 Kilogram dan jumlah bibit
minimum sebanyak 40 Kilogram. Rata-rata jumlah bibit yang ditanam oleh
petani bawang merah di Kenagarian Sungai Nanam Kecamatan Lembah Gumanti
Kabupaten Solok adalah sebanyak 225.5 Kilogram. Bibit atau yang biasanya
disebut petani disini dengan tampang, jumlah yang digunakan dalam satu kali
masa tanam diukur dengan kilogram. Bibit bawang merah yang telah ada dibagi
2-4 biji dalam satu lubang tanaman bawang merah.
Jumlah pupuk yang dihabiskan untuk bertanam bawang merah oleh petani
di Kenagarian Sungai Nanam Kecamatan Lembah Gumanti Kabupaten Solok
dalam penelitian ini adalah sebagai variabel bebas (X3). Jumlah pupuk
41
maksimum yang dihabiskan untuk menanam bawang merah oleh petani adalah
sebanyak 620 Kg dan jumlah pupuk minimum yang dihabiskan untuk menanam
bawang merah oleh petani adalah sebanyak 40 Kg. Rata-rata jumlah pupuk yang
dihabiskan untuk menanam bawang merah oleh petani di Kenagarian Sungai
Nanam Kecamatan Lembah Gumanti Kabupaten Solok adalah sebanyak 236.6
Kg. Banyak pupuk yang digunakan petani disini lebih 50% nya sama dengan
jumlah bibit yang digunakan dalam satu kali masa tanam.
Jumlah pestisida yang digunakan untuk bertanam bawang merah oleh petani
di Kenagarian Sungai Nanam Kecamatan Lembah Gumanti Kabupaten Solok
dalam penelitian ini adalah sebagai variabel bebas (X4). Jumlah pestisida
maksimum yang digunakan untuk bertanam bawang merah oleh petani adalah
sebanyak 4600 liter dan jumlah pestisida minimum yang digunakan untuk
bertanam bawang merah oleh petani adalah sebanyak 560 liter. Rata-rata jumlah
pestisida yang digunakan untuk bertanam bawang merah oleh petani di
Kenagarian Sungai Nanam Kecamatan Lembah Gumanti Kabupaten Solok adalah
sebanyak 2.428,55 liter. Peptisida yang digunakan petani adalah campuran dari
beberapa obat tanaman bawang merah dan air. Jumlah peptisida yang digunakan
petani dalam satu tangki penyiraman berbeda-beda, ada dengan tangki 15 liter,
tangki 20 liter dan tangki 25 liter. Penyiraman tanaman bawang merah dengan
peptisida dalam satu kali masa tanam berbede-beda juga tergantung cuaca dan
pengamatan terhadap tanam dari petani itu.
Jumlah tenaga kerja yang dibutuhkan untuk usaha bertanam bawang merah
oleh petani di Kenagarian Sungai Nanam Kecamatan Lembah Gumanti Kabupaten

42
Solok dalam penelitian ini adalah sebagai variabel bebas (X5). Jumlah tenaga kerja
maksimum yang dibutuhkan untuk usaha bertanam bawang merah oleh petani
adalah sebanyak 50 orang dan jumlah tenaga kerja minimum yang dibutuhkan
untuk usaha bertanam bawang merah oleh petani adalah sebanyak 1 orang.
Rata-rata jumlah tenaga kerja yang dibutuhkan untuk usaha bertanam bawang
merah oleh petani di Kenagarian Sungai Nanam Kecamatan Lembah Gumanti
Kabupaten Solok adalah sebanyak 18 orang. Berdasarkan wawancara dengan
petani bawang merah di Kenagarian Sungai Nanam Kecamatan Lembah Gumanti
Kabupaten Solok, jumlah tenaga kerja yang berkisar dari satu sampai tiga orang
adalah tenaga kerja yang berasal dari keluarga petani bawang merah itu sendiri,
seperti ayah, ibu, dan anak-anaknya.
B. Hasil Penelitian
Data yang diperoleh dari hasil survei dapat dilihat pada Lampiran 2. Dalam
melakukan pengolahan data, digunakan analisis regresi linier berganda dan
perhitungannya menggunakan software minitab 16. Berdasarkan teknik analisis
data yang telah dijelaskan pada bab sebelumnya, maka diperoleh hasil analisis data
sebagai berikut:
1. Matrixplot untuk melihat hubungan antar variabel.
Matrixplot digunakan untuk menentukan apakah terdapat suatu hubungan
linear antara variabel terikat dan variabel bebas X1,X2,...,X5.
Sebelummenggunakan analisis regresi linear berganda, dapat dideteksi melalui
plot data menggunakan matrix plot pada minitab 16, dengan memperhatikan
Gambar 5 sebagai berikut:

43
Matrix Plot of Produksi Baw; Luas Lahan; Jumlah Bibit; ...

0 2500 5000 0 250 500 0 20 40
5000
Produksi Bawang Merah 2500
5000
2500 Luas Lahan
0
500
Jumlah Bibit 250
0
500
250 Jumlah Pupuk
0
4000
Jumlah Peptisida 2000
0
40
20 Jumlah Tenaga Kerja
0
0 2500 5000 0 250 500 0 2000 4000
Gambar 5. Matrixplot Y, X1,X2,X3,X4,X5
Matrixplot digunakan untuk melihat pola hubungan kelinearan variabel
terikat dan variabel bebas, serta melihat hubungan dari antar variable bebas yang
digunakan dalam penelitian. Berikut deskipsi mengenai grafik pada gambar 5:
Variabel Y (Produksi Bawang Merah) dengan X1(Luas Lahan), dapat dilihat
dari baris pertama kolom kedua bahwa titik-titik yang ada pada matrix plot diatas
sedikit berantakan tetapi membentuk pola garis linear menanjak naik keatas,
artinya dapat disimpulkan bahwa kemungkinan ada hubungan antara besar
produksi bawang merah dengan luas lahan dengan kata lain model dari data ini
kemungkinan layak digunakan tetapi harus menangani pencilan terlebih dahulu
agar model dapat digunakan.
Variabel Y (Produksi Bawang Merah) dengan X2 (Jumlah Bibit), dapat
dilihat dari baris pertama kolom ketiga bahwa titik-titik yang ada pada matrix plot
diatasmembentuk pola garis linear menanjak naik keatas dengan beberapa titik
yang menjauh dari titik yang dianggap linear, artinya dapat disimpulkan bahwa
44
kemungkinan ada hubungan antara produksi bawang merah dengan jumlah bibit
dengan kata lain model dari data ini kemungkinan layak digunakan tetapi harus
menangani pencilan terlebih dahulu agar model dapat digunakan.
Variabel X1(Luas Lahan) dengan X2(Jumlah Bibit), dapat dilihat dari baris
kedua dan kolom ketiga bahwa titik-titik yang ada pada matrix plot diatas
berantakan tetapi terlihat membentuk garis linear menanjak naik keatas dengan
beberapa titik yang menjauh dari titik yang linear, artinya dapat disimpulkan
bahwa kemungkinan ada hubungan antara luas lahan dengan jumlah bibit, artinya
ada kemungkinan juga variabel ini saling berkorelasi, namun untuk
membuktikannya akan dilihat pada hasil dari program Minitap16.
Variabel Y (Produksi Bawang Merah) dengan X3 (Jumlah Pupuk), dapat
dilihat dari baris pertama kolom keempat bahwa titik-titik yang ada pada matrix
plot diatas menyebar dengan membentuk garis linear menanjak naik keatas,
artinya dapat disimpulkan bahwa kemungkinan ada hubungan antara produksi
bawang merah dengan jumlah pupuk dengan kata lain model dari data ini
kemungkinan layak digunakan tetapi harus menangani pencilan terlebih dahulu
Variabel X1(Luas Lahan) dengan X3 (Jumlah Pupuk), dapat dilihat dari baris
kedua kolom keempat bahwa titik-titik yang ada pada matrix plot diatas sedikit
berantakan dan menyebar tetapi membentuk garis linear menanjak naik keatas,
artinya dapat disimpulkan bahwa kemungkinan ada hubungan pengaruh antara
luas lahan dengan jumlah pupuk, artinya ada kemungkinan juga variabel ini saling
45
berkorelasi, namun untuk membuktikannya akan dilihat pada hasil dari program
Minitap16.
Variabel X2(Jumah Bibit) dengan X3 (Jumlah Pupuk), dapat dilihat dari baris
ketiga kolom keempat bahwa titik-titik yang ada pada matrix plot diatas
membentuk garis linear menanjak naik keatas, artinya dapat disimpulkan bahwa
kemungkinan ada hubungan besar pengaruh antara jumlah bibit dengan jumlah
pupuk, artinya ada kemungkinan juga variabel ini saling berkorelasi, namun untuk
membuktikannya akan dilihat pada hasil dari program Minitap16.
Variabel Y (Produksi Bawang Merah) dengan X4 (Jumlah Peptisida), dapat
dilihat dari baris pertama kolom kelima titik-titik yang ada pada matrix plot diatas
sedikit berantakan dan titik yang menyebar tetapi membentuk garis linear
menanjak naik keatas, artinya dapat disimpulkan bahwa kemungkinan ada
hubungan antara produksi bawang merah dengan jumlah peptisida dengan kata
lain model dari data ini kemungkinan layak digunakan tetapi harus menangani
pencilan terlebih dahulu agar model dapat digunakan.
Variabel X1(Luas Lahan) dengan X4 (Jumlah Peptisida), dapat dilihat dari
baris kedua kolom kelima bahwa dari titik-titik yang ada pada matrix plot diatas
sedikit berantakan dan menyebar tetapi membentuk garis linear menanjak naik
keatas, artinya dapat disimpulkan bahwa kemungkinan ada hubungan pengaruh
antara luas lahan dengan jumlah peptisida, artinya ada kemungkinan juga variabel
ini saling berkorelasi, namun untuk membuktikannya akan dilihat pada hasil dari
program Minitap16.
46
Variabel X2(Jumlah Bibit) dengan X4 (Jumlah Peptisida), dapat dilihat dari
baris ketiga kolom kelima bahwa dari titik-titik yang ada pada matrix plot diatas
sedikit menyebar tetapi membentuk garis linear menanjak naik keatas, artinya
dapat disimpulkan bahwa kemungkinan ada hubungan antara jumlah bibit dengan
jumlah peptisida, artinya ada kemungkinan juga variabel ini saling berkorelasi,
namun untuk membuktikannya akan dilihat pada hasil dari program Minitap16.
Variabel X3(Jumlah Pupuk) dengan X4 (Jumlah Peptisida), dapat dilihat dari
baris keempat kolom kelima bahwa titik-titik yang ada pada matrix plot diatas
agak menyebar tetapi membentuk garis linear menanjak naik keatas, artinya dapat
disimpulkan bahwa kemungkinan ada hubungan antara jumlah bibit dengan
jumlah peptisida, artinya ada kemungkinan juga variabel ini saling berkorelasi,
namun untuk membuktikannya akan dilihat pada hasil dari program Minitap16.
Variabel Y (Produksi Bawang Merah) dengan X5 (Jumlah Tenaga Kerja),
dapat dilihat dari baris pertama kolom keenam bahwa titik-titik yang ada pada
matrix plot diatas sedikit berantakan dan titik yang menyebar dan melebar keatas
dengan beberapa pencilan tetapi membentuk garis linear menanjak naik keatas,
artinya dapat disimpulkan bahwa kemungkinan ada hubungan pengaruh antara
produksi bawang merah dengan jumlah peptisida dengan kata lain model dari data
ini kemungkinan layak digunakan tetapi harus menangani pencilan terlebih dahulu
Berdasarkan gambar 5 diatas dilihat bahwa terdapat ada hubungan yang
linear antara variabel bebas dan variabel terikat dengan demikian kita asumsikan
dapat menggunakan analisis regresi linear berganda.

47
2. Membentuk model analisis regresi linear berganda
Dalam pembentukan model dengan kombinasi seluruh variabel seperti yang
dijelaskan pada teknik analisis data, didapatkan model regresi sementara dengan
kombinasi seluruh variabel adalah sebagai berikut:
Y = - 390 + 0.249X1 + 6.56X2 + 2.07X3 + 0.157X4 - 1.48X5
Dari model di atas dapat diinterpretasikan kesimpulan sementara bahwa
konstanta (0) memberikan pengurangan sebesar 390 pada model. Setiap
penambahan 1 m2 luas lahan (X1) akan meningkatkan produksi bawang merah
sebesar 0.249 kg selagi jumlah bibit (X2), jumlah pupuk (X3), jumlah pestisida
(X4), dan jumlah tenaga kerja (X5) masih ada/memberikan pengaruh pada model.
Untuk setiap penambahan 1 kg jumlah bibit (X2) akan meningkatkan
produksi bawang merah sebesar 6.56 kg selagi luas lahan (X1), jumlah pupuk
(X3), jumlah pestisida (X4), dan jumlah tenaga kerja (X5) masih ada/memberikan
pengaruh pada model.
Untuk setiap penambahan 1 kg jumlah pupuk (X3) akan meningkatkan
produksi bawang merah sebesar 2.07 kg selagi luas lahan (X1), jumlah bibit (X2),
jumlah pestisida (X4), dan jumlah tenaga kerja (X5) masih ada/memberikan
Untuk setiap penambahan 1 liter jumlah pestisida (X4) akan meningkatkan
produksi bawang merah sebesar 0.157 kg selagi luas lahan (X1), jumlah bibit (X2)
jumlah pupuk (X3), dan jumlah tenaga kerja (X5) masih ada/memberikan

48
Untuk setiap penambahan satu orang jumlah tenaga kerja (X5) akan
mengurangi produksi bawang merah sebesar 1.48 kg selagi luas lahan (X1),
jumlah bibit (X2), jumlah pupuk (X3), jumlah pestisida (X4) masih
ada/memberikan pengaruh pada model.
3. Uji kelayakan model
Statistik yang digunakan dalam menguji kelayakan model adalah uji F. Uji F
juga di digunakan untuk memperkuat bahwa asumsi kelinieran memang terpenuhi,
maka dilakukan uji signifikan regresi (uji F). Dari hasil output minitab pada
lampiran 3 kita dapat melihat nilai Fobs. Selanjutnya membandingkannya dengan
Ftabel. Tolak H0 jika Fobs> Ftabel (F(k,n-k-1)). Dalam penelitian ini nilai adalah 5%. k
merupakan banyaknya variabel, dalam penelitian ini k=5, sementara n merupakan
banyaknya sampel, dalam penelitian ini n=100, dengan menggunakan persamaan
(8) didapat :
Fhitung = 54319782/ 37527
= 1447.47.
Nilai Fhitung adalah 1447.47 dan nilai F0.05(5,94) dalam tabel F lampiran
8adalah 2,31 maka Fhitung > F0.05(5,94) sehingga tolak H0, hal ini berarti bahwa
minimal terdapat satu hubungan linier antara variabel bebas dan variabel terikat.
Ini berarti bahwa asumsi kelinieran telah terpenuhi secara pasti.
4. Uji keberartian parameter
Setelah menguji kelinieran, maka perlu dilakukan uji keberartian model guna
mendapatkan variabel bebas yang memang mempengaruhi variabel terikat.
Statistik yang digunakan dalam menguji keberartian parameter adalah uji t. Dari
49
hasil output minitab pada lampiran 3 kita dapat melihat nilai tobs. Selanjutnya
membandingkannya dengan ttabel. Tolak H0 jika | | > ;(1) . Dalam

2
penelitian ini nilai adalah 5%, k=5 dan n=100.
Melalui output regression seperti pada lampiran 3 menggunakan persamaan
(8) dapat dilihat bahwa nilai untuk masing-masing variabel X1, X2, X3, X4, X5, dan
X6 secara berturut-turut adalah 5,72, 5,481,79, 2,56, -0,47 sementara t(0,025;94) pada
tabel t seperti pada Lampiran 9 adalah 1,98552. Dapat dilihat bahwa untuk
variabel X1, X2 dan X4>ttabel maka tolak H0 sehingga dapat disimpulkan bahwa
variabel X1, X2dan X4 berpengaruh secara signifikan terhadap variabel terikat
sehingga tidak dapat dihilangkan dari model. Sementara untuk variabel X3 dan X5
<ttabel , maka terima H0 sehingga dapat disimpulkan bahwa variabelX3 dan X5,
tidak begitu berpengaruh dalam model apabila jumlah pupuk, dan jumlah tenaga
kerja ada dalam model.
5. Pemeriksaan Asumsi Liniear Berganda (Pemeriksaan Sisaan)
a. Kenormalan Sisaan
Gambar 6. Normalitiy Plot Residual Y

50
Pada Gambar 6 di atas terlihat bahwasebaran titik mengikuti pita
kenormalan dan terdapat beberapa pencilan dengan menggunakan uji Anderson
Darling pada persamaan (13) didapat bahwa P-value adalah 0,205 (P-Value >
0.05) maka dapat dikatakan bahwa kenormalan sisaan telah terpenuhi.
b. Kebebasan Sisaan
Gambar 7. Kebebasan Sisaan
Pada Gambar 7 di atas dapat dilihat bahwa sebaran titik pada residual
versus the order of the data tidak membentuk pola tertentu, hal ini menunjukkan
bahwa waktu tidak mempengaruhi pengambilan data sehingga asumsi kebebasan
sisaan telah terpenuhi.
Cara lain untuk mendeteksi asumsi kebebasan sisaan adalah dengan
menggunakan statistic Durbin Watson, dimana jika nilai d > dU dan 4 d > dU,
maka tidak terdapat autokorelasi baik positif maupun negatif. Pada Lampiran 10
terlihat bahwa nilai dU dengan k=5 dan n=100 adalah dL= 1.57 dan dU = 1.78,
nilai statistic Durbin Watson pada Lampiran 3 menggunakan persamaan (12)
adalah d = 1.94625 maka nilai Durbin Watson (d) besar dari nilai dU. Hal
iniberarti bahwa tidak terdapat autokorelasi.

51
c. Kehomogenan Ragam
Gambar 8. Kehomogenan Ragam
Berdasarkan Gambar 8 di atas dapat dilihat bahwa sebaran titik pada
residual versus the fitted values belum menyebar secara acak dan membentuk
sebuah pola tertentu, artinya asumsi kehomogenan ragam belum terpenuhi.
Karena kehomogenan membentuk suatu pola maka dilakukan tranformasi yang
memungkinkan terhadap model.
Dari keempat asumsi regresi linier berganda terdapat asumsi yang belum
terpenuhi yaitu asumsi kehomogenan ragam sisaan. Sebaran titik pada residual
versus the fitted values belum menyebar secara acak dan membentuk sebuah pola
tertentu. Setelah peneliti melakukan peninjauan kembali terhadap data, peneliti
melakukan tranformasi terhadap Y yang sesuai dalam permasalahan ini. Dilihat
pada Lampiran 5 dengan menggunakan Box-Cox transformation, dari hasil
Rounded Value yaitu0.50 maka dilakukan tranformasi akar terhadap Y. Peneliti
4 3
memilih transformasi agar semua asumsi regresi dapat terpenuhi.
Setelah dilakukan tranformasi terhadap data pencilan maka semua asumsi telah
52
terpenuhi, kemudian dilakukan kembali pembentukan model dan penguji asumsi
sebagai berikut:
1. Membentuk model setelah transformasi.
Setelah dilakukan tranformasi dan eliminasi terhadap data pencilan didapat
model regresi sebagai berikut:
4 3
=21.0 + 0.0252X1 + 0.509X2 + 0.237X3 + 0.0375X4 - 0.006X5
Dari model di atas dapat diinterpretasikan kesimpulan sementara bahwa
konstanta (0) memberikan penambahan sebesar 21.0 pada model. Setiap
penambahan 1 m2 luas lahan (X1) akan meningkatkan produksi bawang merah
sebesar 0.0252 kg selagi jumlah bibit (X2), jumlah pupuk (X3), jumlah pestisida
(X4), dan jumlah tenaga kerja (X5) masih ada/memberikan pengaruh pada model.
Untuk setiap penambahan 1 kg jumlah bibit (X2) akan meningkatkan
produksi bawang merah sebesar 0.509 kg selagi luas lahan (X1), jumlah pupuk
Untuk setiap penambahan 1 kg jumlah pupuk (X3) akan meningkatkan
produksi bawang merah sebesar 0.273 kg selagi luas lahan (X1), jumlah bibit
Untuk setiap penambahan 1 liter jumlah pestisida (X4) akan meningkatkan
produksi bawang merah sebesar 0.0375 kg selagi luas lahan (X1), jumlah bibit
(X2) jumlah pupuk (X3), dan jumlah tenaga kerja (X5) masih ada/memberikan

53
Untuk setiap penambahan satu orang jumlah tenaga kerja (X5) akan
mengurangi produksi bawang merah sebesar 0.006 kg selagi luas lahan (X1),
jumlah bibit (X2), jumlah pupuk (X3), jumlah pestisida (X4) masih
ada/memberikan pengaruh pada model.
2. Uji F ( Uji Kelayakan Model)
Dari hasil output minitab pada lampiran 4yang telah dtranformasi kita dapat
melihat nilai Fobs. Selanjutnya membandingkannya dengan Ftabel. Tolak H0 jika
Fobs> Ftabel (F(k,n-k-1)). Dalam penelitian ini nilai adalah 5%. k merupakan
banyaknya variabel, dalam penelitian ini k=5, sementara n merupakan banyaknya
sampel, dalam penelitian ini n=100, dengan menggunakan persamaan (7) didapat :
Fhitung = 586697/373
= 1573.49
Nilai Fhitung adalah 1573.49dan nilai F0.05(5,100-5-1) dalam tabel F lampiran
8adalah 2,31 maka Fhitung > F0.05(5,94) sehingga tolak H0, hal ini berarti bahwa
minimal terdapat satu hubungan linier antara variabel pengaruh dan variabel
terpengaruh. Ini berarti bahwa asumsi kelinieran telah terpenuhi secara pasti.
3. Uji keberartian parameter
Dari hasil output minitab pada lampiran 4 kita dapat melihat nilai tobs.
Selanjutnya membandingkannya dengan ttabel. Tolak H0 jika | | > ;(1) .

2
Dalam penelitian ini nilai adalah 5%, k=5 dan n=100.
Melalui output regression seperti pada lampiran4menggunakan persamaan
(8) dapat dilihat bahwa nilai untuk masing-masing variabel X1, X2, X3, X4, X5, dan
X6 secara berturut-turut adalah 5.80, 4.26, 2.06, 6.13, 0.02 sementara t(0,025;94) pada
54
tabel t seperti pada Lampiran 9 adalah 1,98552. Dapat dilihat bahwa untuk
variabel X1, X2, X3 dan X4>ttabel maka tolak H0 sehingga dapat disimpulkan bahwa
variabel X1, X2, X3dan X4berpengaruh secara signifikan terhadap variabel terikat
sehingga tidak dapat dihilangkan dari model. Sementara untuk variabel X5 <ttabel
pada alfa 5%, maka terima H0 sehingga dapat disimpulkan bahwa variabelX5,
tidak begitu berpengaruh dalam model apabila jumlah pupuk, dan jumlah tenaga
kerja ada dalam model.
4. Pemeriksaan Asumsi Regresi Berganda(Setelah ditranformasi Y)
a. Kenormalan Sisaan
Probability Plot of RESI3

Normal
99,9
Mean 1,904255E-14
StDev 18,82
99 N 100
AD 0,554
95 P-Value 0,150
90
80
70
Percent
60
50
40
30
20
10
5
0,1
-75 -50 -25 0 25 50
RESI3
Gambar 9. Normalitiy Plot Residual Y
Berdasarkan Gambar 9 di atas terlihat bahwasebaran titik mengikuti pita
kenormalan dan terdapat beberapa pencilan dengan menggunakan uji Anderson
Darling pada persamaan (13) didapat bahwa P-value adalah 0,150 (P-Value >
0.05) maka dapat dikatakan bahwa kenormalan sisaan telah terpenuhi.

55
b. Kebebasan Sisaan
Versus Order
(response is y^(3/4))
50
25
Residual
-25
-50
-75
1 10 20 30 40 50 60 70 80 90 100
Observation Order
Gambar 10. Kebasaan Sisaan
Berdasarkan Gambar 10 di atas dapat dilihat bahwa sebaran titik pada
residual versus the order of the data tidak membentuk pola tertentu, hal ini
menunjukkan bahwa waktu tidak mempengaruhi pengambilan data sehingga
asumsi kebebasan sisaan telah terpenuhi.
Cara lain untuk mendeteksi asumsi kebebasan sisaan adalah dengan
menggunakan statistic Durbin Watson, dimana jika nilai d > dU dan d<4 dL,
maka tidak terdapat autokorelasi baik positif maupun negatif. Pada Lampiran 3
terlihat bahwa nilai dU dengan k=5 dan n=100 adalah dL= 1.57 dan dU = 1.78,
nilai statistic Durbin Watson pada Lampiran 10 menggunakan persamaan (12)
adalah d = 1.86204 maka nilai Durbin Watson (d) besar dari 1.7781dan (d) <4
1.57. Hal ini berarti bahwa tidak terdapat autokorelasi positif maupun negatif
sehingga kebebasan sisaan terpenuhi secara pasti.

56
c. Kehomogenan Ragam
Versus Fits
(response is y^(3/4))
50
25
Residual
-25
-50
-75
0 100 200 300 400 500 600 700 800 900
Fitted Value
Gambar 11. Kehomogenan Ragam
Berdasarkan Gambar 11 di atas setelah dilakukan tranformasi terhadap Y
dan menghilangkan beberapa pencilan, dapat dilihat bahwa sebaran titik pada
residual versus the fitted values telah menyebar secara acak, tidak ada pola yang
sistematis serta titik-titik menyebar disekitar angka nol,maka dapat dinyatakan
asumsi kehomogenan ragam sisaan terpenuhi.
5. Pemilihan model terbaikmelalui metode semua kombinasi yang mungkin
yaitu melalui perbandingan R-Sq(), S2, Cp Mallows, dan nilai VIF.
Dalam pemilihan model terbaik salah satu cara yang dilakukan adalah
dengan melihat nilai Koefisien Determinasi (R2), Rataan Kuadrat Sisa (S2), dan Cp
Mallows dari masing-masing variabel pengaruh dan kombinasinya terhadap
variabel terpengaruh. Penentuan R2, S2, Cp Mallows dan dapat dilihat dari hasil
output statistic regressions pada minitab 16 seperti yang terlihat pada Lampiran 5.
Model yang baik adalah model dengan nilai R2terbesar, nilai S2 terkecil dari
57
masing-masing variabel dan kombinasinya, nilai Cp Mallows yang mendekati
parameter. Nilai dari R2 dan S2 dapat dilihat pada Tabel berikut:
Tabel 5. Nilai R-Sq(adj) dan S2dari Masing-masing Model
Kelompok Kombinasi Peubah R-Sq(adj) S2
1 1 92,9 46,0145
A 2 2 97.7 26,1840
3 3 97.0 29.9736
4 4 91.9 49.4157
5 5 60.8 108.436
1 1 , 2 98.4 22.9001
2 1 , 3 97.7 26.0211
3 1 , 4 97.0 29.9788
B
4 1 , 5 93.9 42.8191
5 2 , 3 97.8 25.4600
6 2 , 4 98.2 23.0977
7 2 , 5 97.7 26.3004
8 3 , 4 98.0 24.6732
9 3 , 5 97.0 30.0989
10 4 , 5 92.6 47.1650
1 1 , 2 , 3 98.3 22.6156
2 1 , 2 , 4 98.7 19.5586
3 1 , 2 , 5 98.2 22.9627
4 1 , 3 , 4 98.5 20.8771
C
5 1 , 3 , 5 97.7 26.1552
6 1 , 4 , 5 97.2 29.1755
7 2 , 3 , 4 98.3 22.2943
8 2 , 3 , 5 97.8 25.5874
9 2 , 4 , 5 98.2 23.2145
10 3 , 4 , 5 98.0 24.7396
1 1 , 2 , 3 , 4 98.8 19.2078
2 1 , 2 , 3 , 5 98.3 22.7256
D3 1 , 2 , 4 , 5 98.7 19.6351
4 1 , 3 , 4 , 5 98.5 20.9840
5 2 , 3 , 4 , 5 98.3 22.3859
E 1 1 , 2 , 3 , 4 , 5 98.8 19.3097
58
Berdasarkan Tabel 5 di atas dapat dilihat variabel pengaruh dan
kombinasinya sebanyak 31 buah yang dikelompokan dalam 5 kelompok. Dalam
setiap kelompok diambil 1-2 kombinasi yang terbaik. Berdasarkan kriteria dalam
menentukan penentuan model terbaik seperti yang dijelaskan diatas maka dari
masing-masing kelompok dapat dipilih calon persamaan terbaik yang menjadi
wakil dari masing-masing kelompok disertai persamaan model regresi dari
masing-masing variabel pengaruh dan kombinasinya pada Lampiran 5. Calon dari
persamaan terbaik masing-masing kelompok dapat dilihat pada Tabel 6 berikut:
Tabel 6. Calon Persamaan Terbaik

Kombinasi
Kelompok R-Sq CP
variabel Persamaan regresi S2
model (adj) Mallows
Pengaruh
4 3
2 = 64.8 + 97.7 26,1840 74.8
1.27 2
A 4 3
4 = 58.0 + 91.9 49.4157 56.9
0.0.169 4
4 3
= 55.9 +
1 , 2 0.0281 1 + 98.4 22.9001 57.9
0.9732
B 3
4
= 30.8 +
2 , 4 1.00 2 + 98.2 23.0977 22.9
0.03924
4 3
= 23.6 +
C 1 , 2 , 4 0.0270 1 + 98.7 19.5586 5.2
0.725 2 +
0.03764
4 3
= 21.0 +
1 , 2 , 0.0252 1 +
D 3 , 4 0.509 2 + 98.8 19.2078 4.5
0.238 3 +
0.03754
4 3
= 21.0 +
0.0252 1 +
1 , 2 , 0.509 2 +
E 3 , 4 , 5 98.8 19.3097 6.0
0.237 3 +
0.03754 +
0.0065
59
Berdasarkan Tabel 6 dilakukan pemeriksaan terhadap R(adj) terbesar,
S2terkecil dan Cp Mallows mendekati p. Berdasarkan kriteria dalam pemilihan
model terbaik, maka dapat dilihat bahwa model yang lebih memenuhi kriteria
pemilihan model terbaik adalah kombinasi variabel pengaruh padakelompok
model C yaitu kombinasi X1X2X4dan kelompok model D yaitu kombinasi
X1X2X3X4.
Selain pemeriksaan terhadap R(adj), S2 dan Cp Mallows, selanjutnya kita perlu
melihat korelasi antar variabel pengaruh. Untuk mendeteksi adanya
multikolinieritas dapat menggunakan nilai VIF. Jika nilai VIF sama atau
mendekati 1 menunjukan tidak ada korelasi antar variabel pengaruh dan asumsi
non multikolinieritas terpenuhi. Dari output Regression Analysis menggunakan
minitab 16 seperti yang terlampir pada Lampiran 4 kita dapat melihat nilai VIF
dari variabel pengaruh pada masing-masing calon persamaan terbaik diatas pada
table berikut:
Tabel 7. Nilai VIF Masing-Masing Variabel Pengaruh

Pada Calon Persamaan Terbaik
Variabel Model A Model B Model C Model D Model E

Pengaruh
VIF VIF VIF VIF VIF
X1 - - 0.028 10.835 0.027 10.854 0.025 11.263 0.025 11.367
X2 1.27 1.000 0.973 10.835 0.725 18.654 0.509 68.386 0.509 68.517
X3 - - - - - - 0.238 60.155 0.237 63.613
X4 - - - - 0.037 9.586 0.037 9.586 0.037 9.609
X5 - - - - - - - - 0.006 2.800
60
6. Rekomendasi model yang akan digunakan
Dalam penetapan persamaan/model terbaik kita perlu memperhatikan tujuan
dari penelitian yang kita lakukan. Menurut Sembiring (1995: 243) bahwa model
yang terbaik sering tidak ada, tapi ada beberapa model yang baik. Suatu model
mungkin baik untuk suatu tujuan tapi model lain mungkin lebih baik untuk tujuan
yang lain. Model yang mana yang kemudian sebaiknya digunakan tergantung pada
pemahaman kita tentang permasalahan yang dihadapi dan untuk apa model itu
digunakan.
Berdasarkan pendapat dari sembiring tersebut, model terbaik dalam
penelitian ini adalah model yang mengadung variabel pengaruh terbanyak dari
calon persamaan model terbaik dalam hal ini adalah kombinasi antara variabel
X1X2X3X4X5. Namun setelah dilakukan uji non multikolinieritas, dari uji non
multikolieritas seperti yang dilihat pada Tabel 7 diatas bahwa penambahan
beberapa variabel pada model dapat menyebabkan korelasi antar variabel
pengaruh meningkat.
Menurut Saefudin (2010: 265) mengatakan bahwa hal lain yang dapat
ditimbulkan oleh adanya multikolinieritas dalam model regresi adalah nilai dugaan
bagi parameter regresi yang didapat tidak valid, sehingga dapat menimbulkan
kesalahan dalam interpretasi dan penarikan kesimpulan. Salah satu solusi bagi
masalah multikolinieritas adalah dengan mengeluarkan peubah bebas dari model.
Berdasarkan tujuan dan penjelasan di atas dapat disimpulkan bahwa dalam
memilih model terbaik untuk penelitian ini sebaiknya mengambil model yang
61
mengandung variabel pengaruh yang banyak masuk kedalam model, Ini tidak
berarti bahwa sebaiknya semua peubah masuk dalam model.
Dari kesimpulan di atas ditetapkan bahwa model persamaan terbaik untuk
penelitian ini sesuai dengan tujuan dan permasalahan yang dihadapi adalah model
persamaan dengan kombinasi1 , 2 , 4.
7. Interpretasi variabel yang berpengaruh secara langsung dari model yang
didapatkan.
Berdasarkan analisis data menggunakan regresi linier berganda diperoleh
model terbaik dari pengaruh faktor pertanian terhadap produksi bawang merah di
Kenagarian Sungai Nanam Kecamatan Lembah Gumanti Kabupaten Solok yaitu:
4 3
= 23.6 + 0.0270 1 + 0.725 2 + 0.03764
Dari model dapat dilihat bahwa variabel yang berpengaruh secara langsung
adalahX1, X2, dan X4. DimanaX1adalah luas lahan, X2 adalah bibit bawang merah
dan X4 adalah jumlah peptisida. Sementara variabel yang tidak dimasukan
kemodel yaitu X3 adalah pupuk, dikarenakan variable ini berkorelasi sangat
tinggi. Sedangkan X5 adalah jumlah tenaga kerja tidak masuk kedalam model
karena variabel ini tidak berpengaruh secara signifikan setelah uji parameter.
C. Pembahasan
Berdasarkan analisis menggunakan regresi linier berganda, dari plot data
dapat dilihat bahwa pencaran titik terlihat adanya hubungan kelinieran. Hal
tersebut berarti bahwa keragaman variabel terikat semata-mata akibat dari
pengaruh penambahan variabel bebas. Selanjutnya dari plot sisaan dapat dilihat
bahwa sebaran titik tidak membentuk pola yang sistematis dan menyebar secara
62
acak, hal ini berarti bahwa sisaan saling bebas dan homogen. Ini menunjukkan
bahwa nilai pengamatan tidak dipengaruhi oleh pengamatan lainnya dan waktu
tidak mempengaruhi data dan setiap pengamatan memiliki informasi yang sama
penting dalam setiap variabel. Hal ini sesuai dengan cara dalam pengumpulan data
bahwa waktu tidak mempengaruhi dalam pengambilan data sehingga kuesioner
dapat disebarkan kapan saja. Di samping itu setiap responden memiliki informasi
yang sama penting dalam penelitian. Plot sisaan juga menunjukkan terpenuhinya
asumsi kenormalan.
Berdasarkan metode pemilihan model terbaik dengan milihat R(adj) terbesar ,
S2terkecil dan Cp Mallows mendekati parameter, model regresi linier berganda
yang didapatkan dari pengaruh faktor luas lahan, jumlah bibit, jumlah pupuk,
jumlah pestisida dan jumlah tenaga kerja terhadap produksi bawang merah di
Kenagarian Sungai Nanam Kecamatan Lembah Gumanti Kabupaten Solok adalah:
4 3
= 23.6 + 0.0270 1 + 0.725 2 + 0.03764
Dari model dapat dilihat bahwa variabel terikat dipengaruhi oleh X1,X2 dan
X4. Hal ini menyatakan bahwa produksi bawang merah di Kenagarian sungai
Nanam Kecamatan Lembah Gumanti Kabupaten Solok dipengaruhi oleh luas
lahan, jumlah bibit dan jumlah peptisida. Dilihat dari uji keberartian parameter
variabel ini berpengaruh nyata terhadap variabel terikat. Semakin besar luas lahan
yang dimiliki dan semakin banyak bibit yang digunakan dan penambahan
peptisida yang sesuai akan membuat jumlah produksi bawang merah akan
meningkat. Sementara variabel X3 tidak masuk dalam model, dilihat dari uji
keberartian parameter variabel iniberpengaruh secara nyata, namun diasumsikan

63
bahwa faktor jumlah bibit telah diwakili oleh faktor yang ada dalam model karena
memiliki korelasi yang tinggi dengan faktor yang ada pada model, oleh karena itu
peneliti memutuskan tidak memasukan variabel ini kedalam model,hal ini bukan
berarti bahwa jumlah pupuk tidak mempengaruhi produksi bawang merah di
Kenagarian Sungai Nanam Kecamatan Lembah Gumanti Kabupaten Solok namun
telah diwakili oleh variabel yang ada pada model, bahwasanya semakin banyak
bibit yang digunakan maka pupuk yang digunakan juga semakin banyak.
Sementara variabel X5 tidak berpengaruh secara nyata setelah dilakukan uji
keberartian parameter, bahwasanya tenaga kerja tidak terlalu berpengaruh
terhadap produksi bawang merah, dilihat dari petani yang penggarap lahan yang
bekerja tidak selalu yang mempunyai produksi bawang yang besar juga memliliki
pekerja yang banyak, dikarenakan penanaman dan penggarapan bawang merah
tidah dipengaruhi oleh waktu. Sehingga kapan pun petani ingin menggarap hasil
panen akan menghasil produksi yang sama.

64
BAB V
PENUTUP
A. Kesimpulan
Berdasarkan hasil penelitian dan pembahasan diperoleh kesimpulan sebagai
berikut:
1. Bentuk model regresi linier berganda untuk mendeskripsikan pengaruh
faktorfaktor yang mempengaruhi produksi bawang merah di Kenagarian
Sungai Nanam Kecamatan Lembah Gumanti Kabupaten Solok adalah:
4 3
= 23.6 + 0.0270 1 + 0.725 2 + 0.03764
2. Faktor yang berpengaruh terhadap produksi bawang merah di Kenagarian
Sungai Nanam Kecamatan Lembah Gumanti Kabupaten Solok adalah luas
lahan(X1), jumlah bibit (X2) dan jumlah peptisida (X4).
B. Saran
Adapun saran-saran yang dapat di sampaikan adalah sebagai berikut:
1. Bagi petani bawang merah di Kenagarian Sungai Nanam Kecamatan
Lembah Gumanti Kabupaten Solok agar lebih memperhatikan
keseimbangan luas lahan, jumlah bibit, jumlah pupuk, jumlah pestisida dan
terkhususnya jumlah tenaga kerja agar dapat meningkatkan hasil produksi
bawang merah.
2. Dalam menyebar kuesioner sebaiknya disebar pada waktu yang tepat
sehingga semua objek yang menjadi pengamatan dalam penelitian dapat
dijadikan sebagai responden dan responden penelitian bisa mengisi
kuesioner dengan baik sehingga data yang didapatkan lebih akurat.
64
65
3. Bagi peneliti selanjutnya untuk memasukkan variabel-variabel lain yang
diperkirakan dapat menjelaskan penentu faktor-faktor yang mempengaruhi
produksi bawang merah di Kenagarian Sungai Nanam Kecamatan Lembah
Gumanti Kabupaten Solok.

66
DAFTAR PUSTAKA
Arikunto, Suharsimi. 2006. Prosedur Penelitian Suatu Pendekatan Praktik.

Jakarta: Rineka Cipta.
Badan Pusat Statistik Provinsi Sumatera Barat. 2014. Sumatera Barat Dalam
Angka 2014. Padang.
Badan Pusat Data dan Sistem Informasi Pertanian. 2013. Buletin Konsumsi
Pangan Vol. 4 No. 3 Tahun 2013. Jakarta Selatan.
Daniel, Mochtar. 2002. Pengantar Ekonomi Pertanian. Jakarta: Bumi Akasara.
Djojosumarto, Panut. 2008. Pestisida dan Aplikasinya. Jakarta: Agromedia
Pustaka.
Draper, Norman R and Smith, Hary. 1998. Applied Regression Analysis. Acid-Free
Paper. Canada.
Draper, Norman R and Smith, Hary. 1992. Analisi Regresi Terapan Edisi Ke Dua
(terjemahan Ir. Bambang Sumantri). PT. Gramedia. Jakarta
Gujarati, D (2003). Ekonometrika Dasar (terjemahan: Dr. Sumarno
Zein,SE,Akt,MBA). Erlangga, Jakarta.
Harpanes, Asep dan R. Dermawan. 2010. Budidaya Cabai Unggul. Jakarta:
Penebar Swadaya.
Iriawan, Nur. 2006. Mengolah Data Statistik dengan Mudah Menggunakan
Minitab 14. Yogyakarta: Andi.
Lingga, Pinus dan Marsono. 2008. Petunjuk Penggunaan Pupuk. Jakarta: Penebar
Swadaya.
Lufri. 2000. Kiat Memahami Metodologi dan Melakukan Penelitian. Padang: UNP
Press.
Maryati, Kun. 2003. Sosiologi: Jilid 3. Jakarta: ESIS
Montgomery, Douglas C. Elizabeth A. Peok, & G. Geoffery Vining. 2006.
Introduction to Linear Regression Analysis. Canada: Wiley-Interscience.
Myers, Raymond H. 1990. Classical and Modern RegressionWith Applications.
United States Of America: PWS-KENT Publishing Company
Nasution, S. 2011. Metode Research: Penelitian Ilmiah Ed. 1 Cet. 12. Jakarta:
Bumi Aksara
67
Nugraha, Fandi. 2013. Faktor-faktor yang Mempengaruhi Produksi Kubis di

Nagari Kampung Dalam Kecamatan Danau Kembar Kabupaten Solok
dengan Menggunakan Regresi Linier Berganda.FMIPA: UNP.
Pracaya. 2007. Bertanam Sayuran Organik di Kebun, Pot, dan Polibag. Jakarta:
Penebar Swadaya.
Saefudin, Asep. 2010. Pengenalan Umum Analisis Statistika dengan SAS 9.2 Seri
2: Analisis Statistik Sederhana. Bogor: IPB
Sembiring, R.K. 1995. Analisis Regresi. Bandung: ITB
Setiadi. 2006. Bertanam Cabai. Jakarta: Penebar Swadaya.

Sinaga, Nora. 2012. Faktor-faktor yang mempengaruhi Produksi Kelapa Sawit di
Desa Pinang Merah Kabupaten Merangin Provinsi Jambi dengan
menggunakan regresi linier berganda. FMIPA: UNP.
Soekartawi. 1984. Ilmu Usaha Tani dan Penelitian Untuk Pembangunan Petani
Kecil. Jakarta: LP FE-UI.
. 1989. Prinsip Dasar Ekonomi Pertanian. Jakarta: Rajawali.
. 1994. Teori Ekonomi Produksi: Analisis Fungsi Cobb Douglass. Jakarta: Raja
Grafindo Persada.
Sudarmo, Subiyakto. 1991. Pestisida. Yogyakarta: Kanisius.
Sudjana. 2002. Metode Statistika. Bandung: Tarsito
Sugiyono. 2012. Metode Penelitian Pendidikan: Pendekatan Kuantitatif,

Kualitatif, dan R&D. Bandung: Alfabeta.
Sukirno, Sadono. 2000. Mikro Ekonomi. Jakarta: PT. Raja Grafindo Persada.
Syafitri, Intan Permata. 2014. Faktor-faktor yang mempengaruhi Produksi Usaha
Ternak Ayam Ras Pedaging di Kota Padang dengan menggunakan regresi
linier berganda. FMIPA: UNP.
Tarigan, S. dan Wahyu Wiryanto. 2003. Bertanam Cabai Hibrida Intensif. Jakarta:
Agromedia pustaka.
Yuliani, Nola. 2014. Faktor-faktor yang memoengaruhi produksi bawang merah di
kenagarian Alahan Panjang Kecamatan Lembah Gumanti Kabupaten Solok.
FMIPA: UNP.
Yusuf, A. Muri. 2005. Metodologi Penelitian. Padang: UNP Press.
Walpole, Ronald E. 1992. Pengantar Statistika. Jakarta: PT Gramedia Pustaka

Utama.
68
LAMPIRAN
69
Lampiran 1.
(Kuesioner Penelitian)
KUESIONER PENELITIAN
ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI PRODUKSI

BAWANG MERAH MENGGUNAKAN ANALISIS REGRESIBERGANDA
DI KENAGARIAN SUNGAI NANAM KECAMATAN LEMBAH
GUMANTI KABUPATEN SOLOK
PETUNJUK
Seperangkat pertanyaan ini bertujuan untuk melihat faktor-faktor yang
Lembah Gumanti Kabupaten Solok. Penulis mohon bantuan bapak/ibuk mengisi
dan menjawab pertanyaan dengan jujur dan sesuai dengan keadaan yang
sebenarnya.
Untuk menyakinkan Bapak/Ibu dalam mengisi dan membantu penelitian
ini, diinformasikan bahwa data yang peneliti peroleh dari kuesioner ini hanya
untuk penyelesaian Tugas Akhir studi saya. Identitas dan jawaban
responden(Bapak/Ibu) akan dirahasiakan.
Identitas Peneliti
Nama : Ramadhani Elvis
Nim/BP : 1207806/2012
Jurusan/Prodi : Matematika/Statistika
Universitas : Universitas Negeri Padang
Alamat : Jalan Komplek Parupuak Raya,Blok C No.18 Kelurahan

Koto Tangah, Padang
Identitas Responden
Nama :
Jenis kelamin :
Umur :
Status Lahan : 1. Milik Sendiri 2. Bukan Milik Sendiri
70
1. Luas Lahan
Berapa luas lahan yang Bapak/Ibu gunakan untuk bertanam bawang merah
dalam satu kali masa tanam?
Luas lahan : m2
2. Jumlah Bibit
Berapa batang bibit yang Bapak/Ibu butuhkan untuk usaha bertanam
bawang merah dalam satu kali masa tanam?
Jumlah bibit : kg
3. Jumlah Pupuk
Berapa kilogram biasanya pupuk yang Bapak/Ibu habiskan untuk usaha
bertanam bawang merah dalam satu kali masa tanam?
Jumlah pupuk : Kg
4. Jumlah Pestisida
Berapa banyak biasanya penggunaan pestisida yang Bapak/Ibu gunakan
untuk usaha bertanam bawang merah dalam satu kali masa tanam?
Jumlah pestisida : Liter
5. Jumlah Tenaga Kerja
Berapa orang tenaga kerja yang Bapak/Ibu butuhkan untuk usaha bertanam
bawang merah dalam satu kali masa tanam?
Jumlah tenaga kerja : Orang

71
6. Produksi bawang merah
Berapa kilogram biasanya produksi bawang merah yang Bapak/Ibu
hasilkan dalam satu kali masa tanam?
Produksi bawang merah : Kg
Atas perhatian dan kerjasama Bapak/Ibu,saya ucapkan terima kasih.

72
Lampiran 2.
(Tabulasi Hasil Penelitian dari Responden)
Luas Jumlah Jumlah Jumlah Jumlah Produksi

No Nama Responden
Lahan Bibit Pupuk Peptisida Tenaga Bawang
Kerja Merah
1 2 3 4 5 6 7 8
1 HUSNI 1500 70 100 960 8 800
2 WIWID RAMDANI 1650 150 150 2000 15 1500
3 YETI DELVITA 1000 100 100 1400 10 1000
4 REMON 1700 180 180 2250 10 2000
5 SUKANDA 1850 150 150 1920 18 1500
6 EVA 1550 110 120 1920 8 1250
7 MAWARTI 3210 300 300 3000 25 3100
8 SHEPTIADI 3800 330 350 3200 22 4000
9 JULIS 4500 420 420 3200 25 5000
10 AHMAD 2650 200 230 2400 25 2500
11 SYAHRUL 4650 400 400 3200 17 5000
12 IJUS 2300 250 270 2100 18 2600
13 UPIK 1500 100 120 1600 10 1250
14 ZAL 6500 600 600 4600 35 6800
15 MARTINIS 600 45 60 560 2 530
16 ROSMAWATI 1850 150 200 2100 23 1800
17 AGUS 5000 450 480 4000 50 5500
18 ANTON 4800 400 400 3840 15 5500
19 RAHMAD 1200 50 70 960 2 650
20 MIRA 4800 400 400 4000 25 5000
21 SAR 2000 150 150 2400 10 1800
22 FEBRI ERIZON 2150 200 250 2200 16 2000
23 IRWAN 1900 150 150 1900 10 1500
24 ENGKI 1800 120 180 1680 10 1500
25 SAP 6600 620 620 4600 40 6900
26 SAMSI 2100 100 100 1800 8 1200
27 ARRAHMAN 1100 70 70 840 12 750
28 HENDRA 1800 170 200 2400 22 1800
29 JON 1500 150 150 2600 12 1600
30 RIZAL 1300 100 110 2000 9 1200
31 JIMAN 5200 350 350 3400 18 4200
32 GINA 5000 280 300 3000 12 3500
33 MAWI 2450 200 200 2600 12 2300
34 ATEP 2100 130 100 1800 15 1500
35 ARIWAL 1700 190 200 1900 20 2000
36 JULI 4550 350 370 3200 21 4000
73
1 2 3 4 5 6 7 8
37 M. SYAHRIR 2900 240 260 2600 15 2800
38 RATNAWATI 2500 250 250 2750 30 2700
39 AKMAL 1950 100 150 1800 12 1400
40 MUS 2100 180 200 2100 12 2000
41 SUPRIONO 2500 100 100 1800 10 1200
42 DINAHAR 300 50 50 840 2 250
43 ALFI 2000 110 110 1800 8 1400
44 JUMAN 3210 300 300 2600 15 3000
45 YOKY 2100 110 150 2100 15 1500
46 ANI 350 50 50 960 4 300
47 MISWARN 1000 80 80 960 11 850
48 SEH 850 50 70 840 3 650
49 RULI 4500 400 430 3600 28 4500
50 AMBRIZAL 2600 250 250 3200 15 2800
51 SUMARNI 2100 250 250 3200 17 2500
52 ZULMAHENDRI 900 55 70 960 4 580
53 MARFILINDA 4800 400 450 3800 13 5000
54 RIJANI 2000 90 120 1100 10 950
55 ABRIANTO 1500 90 90 960 8 1000
56 HAYATUL 3000 275 300 2800 20 3200
57 ZUL 1200 90 90 1200 10 900
58 YATMA S.T 960 100 100 1600 8 1100
59 ERA 720 50 70 700 5 600
60 AJO 300 40 40 840 1 200
61 YUN 2100 150 180 1800 15 1500
62 SARINA 2100 150 200 2100 25 1800
63 TINA 5800 500 550 4000 50 6200
64 KAMILA 4600 420 420 3600 21 4700
65 AKMAL 2100 225 225 2400 12 2350
66 FAUZAN 1000 100 100 1800 13 1100
67 MUSDAWATI 2750 250 250 2800 20 3000
68 AKIFAH 4600 450 450 3800 40 5500
69 BARIZAH 4250 300 300 2800 40 3500
70 HAJRUL 1600 120 150 1920 18 1300
71 FADRIA ZUKRI 2000 60 75 960 9 700
72 NURMALA 3700 320 320 2650 20 3500
73 IWEL 950 90 100 1200 10 900
74 BAHRIZAL 3050 250 280 2800 20 3000
75 IMUN 2850 200 220 1800 28 2000
76 SOPIAN SORI 1650 150 150 2100 7 1800
77 SAFRIZAL 2500 220 200 2400 23 2300
78 KHAIDIR 2800 250 250 2400 12 2600
79 AZIZ 2800 300 300 2800 35 3200
80 SAPRIALDI 3000 250 250 3000 24 2800
74
1 2 3 4 5 6 7 8
81 DAHLAN 4000 370 350 3400 35 4500
82 JUPRIANDI 1800 150 150 2200 5 1500
83 ZUL 2500 210 200 2400 20 2100
84 DONA 4750 400 400 4200 23 5000
85 NASRI JULIAR 1200 100 120 1600 10 1200
86 MASNYAH
HENDRHI 4200 300 300 3200 12 3800
87 YANDO 2450 230 250 2100 15 2500
88 AGUSTIRA 2400 240 250 2800 20 2500
89 WAHYU 4800 350 350 3200 15 4500
90 SITI 5000 350 360 3000 20 4500
91 NAWADIR 1350 180 200 2800 13 2000
92 LESTARI 5000 400 410 3860 40 5200
93 EDI SAPANGAT 2100 170 200 2100 20 2000
94 WIBOWO 5200 400 450 4000 40 5500
95 AJI 3000 300 300 2800 17 3500
96 FERRY 3100 230 250 2625 18 2500
97 INDRA 5500 500 500 4200 30 6200
98 M.RAIS 4000 370 400 3400 28 4300
99 MATIUS 5100 450 420 4200 35 5500
100 FEBRIAN AKMAL 2350 200 200 3000 15 2500
Maksimum 6600 620 620 4600 50 6900

Minimum 300 40 40 560 1 200
Rata-rata 2722 225.5 236.6 2428.55 17.59 2614.6
75
Lampiran 3.
Regression Analysis Y versus X1, X2, X3, X4, X5 (Model Sementara)
Regression Analysis: Produksi Baw versus Luas Lahan, Jumlah Bibit, ...
The regression equation is

Produksi Bawang Merah = - 390 + 0.249 Luas Lahan + 6.56 Jumlah Bibit
+ 2.07 Jumlah Pupuk + 0.157 Jumlah Peptisida
- 1.48 Jumlah Tenaga Kerja
Predictor Coef SE Coef T P

Constant -390.44 67.73 -5.76 0.000
Luas Lahan 0.24936 0.04361 5.72 0.000
Jumlah Bibit 6.562 1.198 5.48 0.000
Jumlah Pupuk 2.075 1.158 1.79 0.076
Jumlah Peptisida 0.15715 0.06132 2.56 0.012
Jumlah Tenaga Kerja -1.480 3.120 -0.47 0.636
S = 193.720 R-Sq = 98.7% R-Sq(adj) = 98.6%
Analysis of Variance
Source DF SS MS F P
Regression 5 271598911 54319782 1447.47 0.000
Residual Error 94 3527573 37527
Total 99 275126484
Source DF Seq SS
Luas Lahan 1 256656338
Jumlah Bibit 1 14576135
Jumlah Pupuk 1 115355
Jumlah Peptisida 1 242644
Jumlah Tenaga Kerja 1 8439
Unusual Observations
Produksi
Luas Bawang
Obs Lahan Merah Fit SE Fit Residual St Resid
18 4800 5500.0 4842.5 53.7 657.5 3.53R
25 6600 6900.0 7273.9 70.6 -373.9 -2.07R
44 3210 3000.0 3387.5 39.4 -387.5 -2.04R
94 5200 5500.0 5034.2 67.5 465.8 2.57R
R denotes an observation with a large standardized residual.
Durbin-Watson statistic = 1.94625

76
Lampiran 4
(Model Regresi Setelah tranformasi)
Regression Analysis: y^(3/4) versus Luas Lahan; Jumlah Bibit; ...

y^(3/4) = 21,0 + 0,0252 Luas Lahan + 0,509 Jumlah Bibit + 0,237 Jumlah
Pupuk + 0,0375 Jumlah Peptisida + 0,006 Jumlah Tenaga Kerja
Predictor Coef SE Coef T P VIF

Constant 20,956 6,751 3,10 0,003
Luas Lahan 0,025228 0,004347 5,80 0,000 11,367
Jumlah Bibit 0,5092 0,1194 4,26 0,000 68,517
Jumlah Pupuk 0,2373 0,1154 2,06 0,043 63,613
Jumlah Peptisida 0,037471 0,006112 6,13 0,000 9,609
Jumlah Tenaga Kerja 0,0057 0,3110 0,02 0,985 2,800
S = 19,3097 R-Sq = 98,8% R-Sq(adj) = 98,8%
Source DF SS MS F P
Regression 5 2933486 586697 1573,49 0,000
Total 99 2968536
Source DF Seq SS
Luas Lahan 1 2761036
Jumlah Bibit 1 156631
Jumlah Pupuk 1 1768
Jumlah Peptisida 1 14051
Jumlah Tenaga Kerja 1 0
Durbin-Watson statistic = 1,86204

77
Lampiran 5.
(Pemilihan Model Terbaik dari Setiap Variabel)
Regression Analysis: y^(3/4) versus Luas Lahan

y^(3/4) = 49,7 + 0,111 Luas Lahan

Constant 49,684 9,546 5,20 0,000
Luas Lahan 0,110955 0,003073 36,11 0,000 1,000
S = 46,0145 R-Sq = 93,0% R-Sq(adj) = 92,9%
Source DF SS MS F P
Regression 1 2761036 2761036 1304,01 0,000
Total 99 2968536
Regression Analysis: y^(3/4) versus Jumlah Bibit

y^(3/4) = 64,8 + 1,27 Jumlah Bibit

Constant 64,802 5,129 12,63 0,000
Jumlah Bibit 1,27229 0,01956 65,05 0,000 1,000
S = 26,1840 R-Sq = 97,7% R-Sq(adj) = 97,7%
Source DF SS MS F P
Regression 1 2901347 2901347 4231,83 0,000
Total 99 2968536
Regression Analysis: y^(3/4) versus Jumlah Pupuk

y^(3/4) = 50,8 + 1,27 Jumlah Pupuk

Constant 50,781 6,101 8,32 0,000
Jumlah Pupuk 1,27186 0,02246 56,62 0,000 1,000
S = 29,9736 R-Sq = 97,0% R-Sq(adj) = 97,0%
Source DF SS MS F P
Regression 1 2880491 2880491 3206,18 0,000
Total 99 2968536
Regression Analysis: y^(3/4) versus Jumlah Peptisida

y^(3/4) = - 58,0 + 0,169 Jumlah Peptisida

Constant -57,98 13,21 -4,39 0,000
78
S = 49,4157 R-Sq = 91,9% R-Sq(adj) = 91,9%
Source DF SS MS F P
Regression 1 2729229 2729229 1117,66 0,000
Total 99 2968536
Regression Analysis: y^(3/4) versus Jumlah Tenaga Kerja

y^(3/4) = 123 + 13,0 Jumlah Tenaga Kerja

Constant 123,49 21,32 5,79 0,000
S = 108,436 R-Sq = 61,2% R-Sq(adj) = 60,8%
Source DF SS MS F P
Regression 1 1816226 1816226 154,46 0,000
Total 99 2968536
Regression Analysis: y^(3/4) versus Luas Lahan; Jumlah Bibit

y^(3/4) = 55,9 + 0,0281 Luas Lahan + 0,973 Jumlah Bibit

Constant 55,851 4,764 11,72 0,000
Luas Lahan 0,028079 0,005033 5,58 0,000 10,835
Jumlah Bibit 0,97304 0,05630 17,28 0,000 10,835
S = 22,9001 R-Sq = 98,3% R-Sq(adj) = 98,3%
Source DF SS MS F P
Regression 2 2917667 1458834 2781,83 0,000
Total 99 2968536
Regression Analysis: y^(3/4) versus Luas Lahan; Jumlah Pupuk

y^(3/4) = 44,4 + 0,0327 Luas Lahan + 0,923 Jumlah Pupuk

Constant 44,449 5,410 8,22 0,000
Luas Lahan 0,032658 0,005682 5,75 0,000 10,695
Jumlah Pupuk 0,92291 0,06377 14,47 0,000 10,695
S = 26,0211 R-Sq = 97,8% R-Sq(adj) = 97,7%
Source DF SS MS F P
Regression 2 2902857 1451428 2143,59 0,000
79

Total 99 2968536
Regression Analysis: y^(3/4) versus Luas Lahan; Jumlah Peptisida

y^(3/4) = - 18,5 + 0,0615 Luas Lahan + 0,0836 Jumlah Peptisida

Constant -18,539 8,570 -2,16 0,033
Luas Lahan 0,061453 0,004723 13,01 0,000 5,567
S = 29,9788 R-Sq = 97,1% R-Sq(adj) = 97,0%
Source DF SS MS F P
Regression 2 2881359 1440679 1603,02 0,000
Total 99 2968536
Regression Analysis: y^(3/4) versus Luas Lahan; Jumlah Tenaga Kerja

y^(3/4) = 40,8 + 0,0982 Luas Lahan + 2,47 Jumlah Tenaga Kerja

Constant 40,815 9,153 4,46 0,000
Luas Lahan 0,098246 0,004262 23,05 0,000 2,222
S = 42,8191 R-Sq = 94,0% R-Sq(adj) = 93,9%
Source DF SS MS F P
Regression 2 2790688 1395344 761,04 0,000
Total 99 2968536
Regression Analysis: y^(3/4) versus Jumlah Bibit; Jumlah Pupuk

y^(3/4) = 59,6 + 0,902 Jumlah Bibit + 0,375 Jumlah Pupuk

Constant 59,638 5,374 11,10 0,000
Jumlah Bibit 0,9021 0,1448 6,23 0,000 57,956
Jumlah Pupuk 0,3746 0,1452 2,58 0,011 57,956
S = 25,4600 R-Sq = 97,9% R-Sq(adj) = 97,8%
Source DF SS MS F P
Regression 2 2905659 1452829 2241,29 0,000
Total 99 2968536
Regression Analysis: y^(3/4) versus Jumlah Bibit; Jumlah Peptisida

y^(3/4) = 30,8 + 1,00 Jumlah Bibit + 0,0392 Jumlah Peptisida

80
Constant 30,751 7,780 3,95 0,000

Jumlah Bibit 1,00062 0,05337 18,75 0,000 9,568
S = 23,0977 R-Sq = 98,3% R-Sq(adj) = 98,2%
Source DF SS MS F P
Regression 2 2916786 1458393 2733,62 0,000
Total 99 2968536
Regression Analysis: y^(3/4) versus Jumlah Bibit; Jumlah Tenaga Kerja

y^(3/4) = 64,2 + 1,26 Jumlah Bibit + 0,151 Jumlah Tenaga Kerja

Constant 64,228 5,384 11,93 0,000
Jumlah Bibit 1,26307 0,03189 39,61 0,000 2,635
S = 26,3004 R-Sq = 97,7% R-Sq(adj) = 97,7%
Source DF SS MS F P
Regression 2 2901440 1450720 2097,30 0,000
Total 99 2968536
Regression Analysis: y^(3/4) versus Jumlah Bibit; Jumlah Peptisida


Constant 30,751 7,780 3,95 0,000
Jumlah Bibit 1,00062 0,05337 18,75 0,000 9,568
S = 23,0977 R-Sq = 98,3% R-Sq(adj) = 98,2%
Source DF SS MS F P
Regression 2 2916786 1458393 2733,62 0,000
Total 99 2968536
Regression Analysis: y^(3/4) versus Jumlah Pupuk; Jumlah Peptisida

y^(3/4) = 10,5 + 0,924 Jumlah Pupuk + 0,0505 Jumlah Peptisida

Constant 10,469 7,704 1,36 0,177
Jumlah Pupuk 0,92396 0,05369 17,21 0,000 8,433
S = 24,6732 R-Sq = 98,0% R-Sq(adj) = 98,0%
81
Source DF SS MS F P
Regression 2 2909485 1454743 2389,66 0,000
Total 99 2968536
Regression Analysis: y^(3/4) versus Jumlah Pupuk; Jumlah Tenaga Kerja

y^(3/4) = 51,4 + 1,28 Jumlah Pupuk - 0,208 Jumlah Tenaga Kerja

Constant 51,379 6,282 8,18 0,000
Jumlah Pupuk 1,28476 0,03748 34,28 0,000 2,761
Jumlah Tenaga Kerja -0,2075 0,4815 -0,43 0,667 2,761
S = 30,0989 R-Sq = 97,0% R-Sq(adj) = 97,0%
Source DF SS MS F P
Regression 2 2880659 1440329 1589,87 0,000
Total 99 2968536
Regression Analysis: y^(3/4) versus Jumlah Peptisida; Jumlah Tenaga Ke

y^(3/4) = - 53,8 + 0,151 Jumlah Peptisida + 2,25 Jumlah Tenaga Kerja

Constant -53,80 12,68 -4,24 0,000
S = 47,1650 R-Sq = 92,7% R-Sq(adj) = 92,6%
Source DF SS MS F P
Regression 2 2752756 1376378 618,73 0,000
Total 99 2968536

Pupuk

Constant 53,056 4,939 10,74 0,000
Luas Lahan 0,026281 0,005064 5,19 0,000 11,245
Jumlah Bibit 0,7507 0,1319 5,69 0,000 60,937
Jumlah Pupuk 0,2444 0,1314 1,86 0,066 60,149
S = 22,6156 R-Sq = 98,3% R-Sq(adj) = 98,3%
Source DF SS MS F P
Regression 3 2919435 973145 1902,67 0,000
Total 99 2968536
82

+ 0,0376 Jumlah Peptisida

Constant 23,584 6,687 3,53 0,001
Luas Lahan 0,026967 0,004303 6,27 0,000 10,854
Jumlah Bibit 0,72463 0,06310 11,48 0,000 18,654
S = 19,5586 R-Sq = 98,8% R-Sq(adj) = 98,7%
Source DF SS MS F P
Regression 3 2931812 977271 2554,69 0,000
Total 99 2968536

+ 0,247 Jumlah Tenaga Kerja

Constant 54,858 4,991 10,99 0,000
Luas Lahan 0,028245 0,005053 5,59 0,000 10,859
Jumlah Bibit 0,95618 0,06156 15,53 0,000 12,880
S = 22,9627 R-Sq = 98,3% R-Sq(adj) = 98,2%
Source DF SS MS F P
Regression 3 2917916 972639 1844,62 0,000
Total 99 2968536
Regression Analysis: y^(3/4) versus Luas Lahan; Jumlah Pupuk; ...


Constant 8,405 6,527 1,29 0,201
Luas Lahan 0,028830 0,004588 6,28 0,000 10,832
Jumlah Pupuk 0,64634 0,06337 10,20 0,000 16,409
S = 20,8771 R-Sq = 98,6% R-Sq(adj) = 98,5%
Source DF SS MS F P
Regression 3 2926694 975565 2238,29 0,000
Total 99 2968536
83


Constant 44,328 5,597 7,92 0,000
Luas Lahan 0,032712 0,005742 5,70 0,000 10,808
Jumlah Pupuk 0,91995 0,07184 12,81 0,000 13,435
S = 26,1552 R-Sq = 97,8% R-Sq(adj) = 97,7%
Source DF SS MS F P
Regression 3 2902862 967621 1414,46 0,000
Total 99 2968536
Regression Analysis: y^(3/4) versus Luas Lahan; Jumlah Peptisida; ...

y^(3/4) = - 18,1 + 0,0590 Luas Lahan + 0,0781 Jumlah Peptisida

Constant -18,070 8,342 -2,17 0,033
Luas Lahan 0,058978 0,004700 12,55 0,000 5,819
S = 29,1755 R-Sq = 97,2% R-Sq(adj) = 97,2%
Source DF SS MS F P
Regression 3 2886820 962273 1130,48 0,000
Total 99 2968536
Regression Analysis: y^(3/4) versus Jumlah Bibit; Jumlah Pupuk; ...


Constant 26,059 7,688 3,39 0,001
Jumlah Bibit 0,6449 0,1351 4,78 0,000 65,774
Jumlah Pupuk 0,3624 0,1272 2,85 0,005 57,973
S = 22,2943 R-Sq = 98,4% R-Sq(adj) = 98,3%
Source DF SS MS F P
Regression 3 2920820 973607 1958,82 0,000
Total 99 2968536
84

- 0,078 Jumlah Tenaga Kerja

Constant 59,850 5,513 10,86 0,000
Jumlah Bibit 0,9007 0,1457 6,18 0,000 58,106
Jumlah Pupuk 0,3809 0,1496 2,55 0,012 60,893
S = 25,5874 R-Sq = 97,9% R-Sq(adj) = 97,8%
Source DF SS MS F P
Regression 3 2905683 968561 1479,36 0,000
Total 99 2968536
Regression Analysis: y^(3/4) versus Jumlah Bibit; Jumlah Peptisida; ...


Constant 30,577 7,894 3,87 0,000
Jumlah Bibit 0,99742 0,05717 17,45 0,000 10,870
S = 23,2145 R-Sq = 98,3% R-Sq(adj) = 98,2%
Source DF SS MS F P
Regression 3 2916800 972267 1804,12 0,000
Total 99 2968536
Regression Analysis: y^(3/4) versus Jumlah Pupuk; Jumlah Peptisida; ...

y^(3/4) = 11,2 + 0,940 Jumlah Pupuk + 0,0506 Jumlah Peptisida
- 0,274 Jumlah Tenaga Kerja

Constant 11,160 7,788 1,43 0,155
Jumlah Pupuk 0,94015 0,05870 16,02 0,000 10,023
S = 24,7396 R-Sq = 98,0% R-Sq(adj) = 98,0%
Source DF SS MS F P
Regression 3 2909779 969926 1584,72 0,000
Total 99 2968536

85

Pupuk + 0,0375 Jumlah Peptisida

Constant 20,969 6,681 3,14 0,002
Luas Lahan 0,025220 0,004304 5,86 0,000 11,263
Jumlah Bibit 0,5091 0,1186 4,29 0,000 68,386
Jumlah Pupuk 0,2378 0,1116 2,13 0,036 60,155
S = 19,2078 R-Sq = 98,8% R-Sq(adj) = 98,8%
Source DF SS MS F P
Regression 4 2933486 733372 1987,78 0,000
Total 99 2968536

Pupuk+ 0,099 Jumlah Tenaga Kerja

Constant 52,757 5,085 10,37 0,000
Luas Lahan 0,026411 0,005111 5,17 0,000 11,344
Jumlah Bibit 0,7518 0,1326 5,67 0,000 60,988
Jumlah Pupuk 0,2358 0,1358 1,74 0,086 63,613
S = 22,7256 R-Sq = 98,3% R-Sq(adj) = 98,3%
Source DF SS MS F P
Regression 4 2919473 729868 1413,24 0,000
Total 99 2968536

y^(3/4) = 23,1 + 0,0271 Luas Lahan + 0,715 Jumlah Bibit+ 0,0374 Jumlah
Peptisida + 0,155 Jumlah Tenaga Kerja

Constant 23,095 6,783 3,40 0,001
Luas Lahan 0,027076 0,004325 6,26 0,000 10,881
Jumlah Bibit 0,71508 0,06612 10,81 0,000 20,326
S = 19,6351 R-Sq = 98,8% R-Sq(adj) = 98,7%
Source DF SS MS F P
Regression 4 2931909 732977 1901,18 0,000
86

Total 99 2968536

+ 0,0461 Jumlah Peptisida - 0,052 Jumlah Tenaga Kerja

Constant 8,542 6,620 1,29 0,200
Luas Lahan 0,028754 0,004638 6,20 0,000 10,956
Jumlah Pupuk 0,65015 0,06831 9,52 0,000 18,872
S = 20,9840 R-Sq = 98,6% R-Sq(adj) = 98,5%
Source DF SS MS F P
Regression 4 2926704 731676 1661,66 0,000
Total 99 2968536

+ 0,0390 Jumlah Peptisida - 0,167 Jumlah Tenaga Kerja

Constant 26,383 7,751 3,40 0,001
Jumlah Bibit 0,6409 0,1359 4,72 0,000 66,039
Jumlah Pupuk 0,3758 0,1309 2,87 0,005 60,896
S = 22,3859 R-Sq = 98,4% R-Sq(adj) = 98,3%
Source DF SS MS F P
Regression 4 2920928 730232 1457,18 0,000
Total 99 2968536

Pupuk+ 0,0375 Jumlah Peptisida + 0,006 Jumlah Tenaga Kerja

Constant 20,956 6,751 3,10 0,003
Luas Lahan 0,025228 0,004347 5,80 0,000 11,367
Jumlah Bibit 0,5092 0,1194 4,26 0,000 68,517
Jumlah Pupuk 0,2373 0,1154 2,06 0,043 63,613
S = 19,3097 R-Sq = 98,8% R-Sq(adj) = 98,8%
87
Source DF SS MS F P
Regression 5 2933486 586697 1573,49 0,000
Total 99 2968536
Lampiran 6.
(Tabel Distribusi F, =5%)
Lampiran 7.
(Tabel Distribusi t)
88
89
Lampiran 8.
(Tabel Durbin - Watson (DW), =5%)

REGRESI] Faktor-faktor yang Mempengaruhi Produksi Bawang Merah Menggunakan Analisis Regresi Linear Berganda di Kenagarian Sungai Nanam Kecamatan Lembah Gumanti Kabupaten Solok

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

REGRESI] Faktor-faktor yang Mempengaruhi Produksi Bawang Merah Menggunakan Analisis Regresi Linear Berganda di Kenagarian Sungai Nanam Kecamatan Lembah Gumanti Kabupaten Solok

Diunggah oleh

Hak Cipta:

Format Tersedia

FAKTOR-FAKTOR YANG MEMPENGARUHI PRODUKSI BAWANG

MERAH MENGGUNAKAN ANALISIS REGRESI LINEAR BERGANDA

untuk memenuhi sebagian persyaratan memperoleh gelar Ahli Madya

PROGRAM STUDI STATISTIKA

Puji syukur Alhamdulillah kehadirat Allah SWT yang telah memberikan

rahmat dan karunia-Nya kepada peneliti, sehingga peneliti dapat menyelesaikan

Tugas Akhir yang berjudul Faktor-faktor yang Mempengaruhi Produksi

Bawang Merah Menggunakan Analisis Regresi Linear Bergandadi

Kenagarian Sungai Nanam Kecamatan Lembah Gumanti Kabupaten Solok.

menyelesaikan pendidikan pada program D3 Statistika Jurusan Matematika

Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Negeri Padang.

Dalam menyelesaikan Tugas Akhir ini, peneliti banyak mendapat

untuk itu peneliti mengucapkan terima kasih kepada:

Sekretaris Jurusan Matematika FMIPA UNP yang telah banyak memberikan

bimbingan, saran dan arahan demi selesainya Tugas Akhir ini.

2. Ibu Dra. Hj. Helma, M.Si, Penguji Tugas Akhir.

3. Bapak Drs. Atus Amadi Putra, M.Si, Penguji Tugas Akhir

Matematika FMIPA UNP.

5. Bapak Muhammad Subhan, S.Si, M.Si, Ketua Jurusan Matematika FMIPA

peneliti selama duduk di bangku perkuliahan.

7. Bapak dan IbuPetani bawang merah yang bersedia sebagai responden

Semoga semua bimbingan, bantuan dan kerjasamanya dapat dibalas oleh

Allah SWT sebagai amal ibadah.

Dalam penyusunan Tugas Akhir ini peneliti telah berusaha semaksimal

mungkin untuk memberikan yang terbaik, namun peneliti menyadari bahwa

harapkan demi kesempurnaan penyusunan Tugas Akhir berikutnya. Semoga

Padang, Januari 2016

KATA PENGANTAR ............................................................................................ii

DAFTAR ISI .......................................................................................................... iv

DAFTAR TABEL ................................................................................................. vi

DAFTAR GAMBAR ............................................................................................vii

DAFTAR LAMPIRAN .......................................................................................viii

BAB 1PENDAHULUAN ....................................................................................... 1

A. Latar Belakang Masalah........................................................................ 1

B. Pembatasan Masalah ............................................................................. 7

C. Rumusan Masalah ................................................................................. 7

D. Pertanyaan Penelitian ............................................................................ 7

BAB IIKAJIAN TEORI ........................................................................................ 9

A. Bawang Merah ...................................................................................... 9

B. Produksi dan Faktor Produksi ............................................................. 11

C. Regresi linier berganda........................................................................ 14

BAB IIIMETEDOLOGI PENELITAN ............................................................. 33

B. Populasi dan Sampel ........................................................................... 33

C. Variabel dan Data ................................................................................ 34

D. Prosedur Penelitian ............................................................................. 35

BAB IVHASIL PENELITIAN DAN PEMBAHASAN ..................................... 39

A. Deskripsi Data ..................................................................................... 39

B. Hasil Penelitian ................................................................................... 42

BAB VPENUTUP ................................................................................................. 64

DAFTAR PUSTAKA ........................................................................................... 66

Tabel 1. Luas Panen, dan Produksi bawang merah2Sumatera Barat Tahun

Tabel 2. Jumlah Penduduk Kabupaten Solok (jiwa) ................................................ 4

Tabel 3. Tabel ANAVA ......................................................................................... 18

Tabel 4. Deskripsi Data Nilai Maksimum, Minimum, dan Rata-rata dari

Masing-masing Variabel Bebas (X) dan Variabel Terikat (Y) per

Tabel 5. Nilai R-Sq(adj) dan S2 dari Masing-masing Model ................................. 57

Tabel 6. Calon Persamaan Terbaik ........................................................................ 58

Gambar 1. Plot Sebaran Data yang Menunjukan Dua Variabel Memiliki

Hubungan yang Linier dan Tidak Linier .......................................... 20

Gambar 2. Plot Pencaran Data yang Bersifat Non Autokorelasi

dan Autokorelasi ............................................................................... 22

Gambar 3. Plot Sebaran Data yang Bersifat Homoskedastisitas dan

Gambar 4. Diagram Flowchart dari Proses Pembentukan Model .......................... 31