Tugas Akhir
Oleh
RAMADHANI ELVIS
1207806 / 2012
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
Tugas Akhir ini disusun untuk memenuhi salah satu syarat dalam
sumbangan pemikiran, bimbingan, serta saran dan petunjuk dari berbagai pihak,
1. Ibu Dra. Dewi Murni M.Si, Pembimbing dan Penasehat akademik sekaligus
4. Ibu Dra. Hj. Nonong Amalita, M.Si, Ketua Program Studi Statistika Jurusan
UNP.
ii
iii
6. Bapak dan Ibu dosen, Staf Pengajar dan Karyawan Jurusan Matematika
FMIPA UNP yang telah membimbing dan berbagi ilmu pengetahuan kepada
penelitian.
8. Semuapihak yang telah memberikan bantuan hingga Tugas Akhir ini dapat
terselesaikan.
penulisan Tugas Akhir ini belum sempurna, karena keterbatasan pengetahuan dan
kemampuan yang peneliti miliki. Untuk itu kritik dan saran sangat peneliti
Tugas Akhir ini dapat bermanfaat bagi peneliti dan pembaca umumnya. Amin
Peneliti
iii
iv
DAFTAR ISI
Halaman
ABSTRAK ............................................................................................................... i
A. Jenis Penelitian.................................................................................... 33
iv
v
C. Pembahasan ......................................................................................... 61
A. Kesimpulan ......................................................................................... 64
B. Saran .................................................................................................... 64
LAMPIRAN .......................................................................................................... 68
v
vi
DAFTAR TABEL
Halaman
2009-2013 ................................................................................................ 2
Keluarga................................................................................................. 39
vi
vii
DAFTAR GAMBAR
Halaman
Heteroskedastisitas............................................................................ 24
vii
viii
DAFTAR LAMPIRAN
Halaman
viii
1
BAB 1
PENDAHULUAN
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,
kalsium dan fosfor yang cukup tinggi (Direktorat Bina Produksi Hortikultura).
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
merupakan salah satu komoditas hortikultura yang penting bagi masyarakat baik
1
2
Produksi bawang merah nasional tahun 2011, tercatat 893,124 ton dengan
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
masih sangat rendah, dengan peningkatan produksi bawang merah disetiap sektor
Sumatera Barat.
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
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
pasokan bawang tidak mencukupi harga bawang merah pun ikut melonjak. Oleh
karena itu, peningkatan produksi bawang merah perlu terus didorong untuk
waktu ke waktu.
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
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
ini bisa dilihat dari tabel 2 jumlah penduduk Kabupaten Solok dibawah ini.
1 2011 348.566
2 2012 355.077
3 2013 358.383
buah-buahan, serealia (padi, jagung, dan gandum) dan sayuran (bawang merah,
2013:1).
perekonomian. Pada tahun 2013 bawang merah yang menjadi komoditas unggulan
Kabupaten Solok).
pertanian yang relatif lamban berkembangnya dan daya beli masyarakat juga
pertanian yang relatif baik dan daya beli masyarakat juga reatif tinggi, maka
produksi. Pemilihan model yang cocok diperlukan unutk suatu kasus penelitian
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
untuk mengukur kekuatan hubungan antar variabel respon Y dan prediktor X, dan
model regresi juga digunakan untuk mengetahui pengaruh suatu atau beberapa
Analisis regresi terbagi dua macam yaitu linier dan non linier. Dalam
analisis regresi linier terdapat analisis linier sederhana dan analisis regresi linier
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
Kabupaten Solok merupakan variabel respon (terikat). Oleh karena itu, penelitian
pengaruh antara faktor produksi terhadap produksi bawang merah maka dilakukan
analisis regresi.
B. Pembatasan Masalah
Batasan masalah pada penelitian ini dilihat pengaruh luas lahan, jumlah
bibit,jumlah pupuk, jumlah pestisida, dan jumlah tenaga kerja terhadap produksi
C. Rumusan Masalah
D. Pertanyaan Penelitian
E. Tujuan Penelitian
Kabupaten Solok.
8
F. Manfaat Penelitian
3. Diharapkan dapat menjadi referensi bagi mereka yang tertarik dan akan
BAB II
KAJIAN TEORI
A. Bawang Merah
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
tersebut tumbuh tunas dan akar serabut. Bunganya berkumpul dalam bongkol pada
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.
Padahal, bawang merah dapat ditanam dengan mudah di dataran rendah maupun
Divisio : Spermatophyta
Kelas : Monocotyledonae
9
10
Famili : Lliliales
Genus : Allium
Tanaman bawang merah dapat ditanam dan tumbuh di dataran rendah sampai
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
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
(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
barang dan jasa yang disebut input, diubah menjadi barang dan jasa lain yang
disebut output. Faktor input dalam produksi pertanian adalah segala sesuatu yang
sesuatu yang dihasilkan dalam usaha tani yang diterima petani berupa pendapatan.
antara lain:
b. Faktor sosial ekonomi, seperti biaya produksi, harga, tenaga kerja, tingkat
produksi pertanian:
a) Lahan
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,
b) Benih
Benih padi adalah gabah yang dihasilkan dengan cara dan tujuan khusus
untuk disemaikan menjadi pertanaman. Kualitas benih itu sendiri akan ditentukan
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
lahan, umur tanaman dan ketahanan terhadap lama serta penyakit (AAk, 2006).
c) Pupuk
memerlukan bahan makanan berupa unsur hara, baik unsur hara makro maupun
unsur hara mikro. Jika tanah untuk media tumbuh tidak tersedia cukup unsur hara
tanah. Ketersediaan unsur hara yang dapat diserap oleh tanaman merupakan salah
13
satu faktor yang dapat mempengaruhi peningkatan produksi tanaman, hal ini dapat
hara yang hilang karena pencucian atau erosi dan yang terangkut saat panen.
tanaman padi tidak hanya dipupuk N dan P saja, tetapi perlu dipupuk K, S dan unsur
d) Tenaga Kerja
adalah Penduduk yang berumur 10 tahun atau lebih, yang sudah atau sedang
mencari pekerjaan dan sedang melakukan kegiatan lain seperti bersekolah dan
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 biasanya digunakan standarisasi satuan tenaga kerja yang
biasanya disebut dengan Hari Orang Kerja atau HOK. Namun, tidak selamanya
walaupun jumlah tenaga kerja tidak berubah tetapi kualitas dari tenaga kerja lebih
e). Peptisida
1981 dalam Gohong, 1993). Peptisida adalah bahan-bahan yang dapat membunuh
berupa zat kimia, mikroorganisme, maupun bahan tanaman lainya. Peptida bersifat
Regresi linier berganda adalah regresi yang memuat lebih dari satu variabel
bebas (regresor). Salah satu kegunaan analisis regresi linier berganda untuk
sebagai berikut:
15
Y = 0 + 1 X1 + 2 X2 + ...+ X K + (1)
Dimana:
Y : variabel terpengaruh
0 : konstanta
X : variabel pengaruh
: kesalahan (galat)
Misalkan terdapat data (xi, yi), i = 1,2,n maka persamaan (1) dapat ditulis
menjadi:
Dimana:
b0 : penduga 0
b1,b2,...,bk : penduga 1, 2, , k
= 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 = .
.
.
[ ]
Y = X + (5)
17
penaksirnya, yaitu b0, b1, b2,bk sistem persamaan ini dapat ditulis sebagai
berikut:
n b0 + b1i1 + b2 i2 + ... + bk ik = y1
.........................................................................................................................
menjadi:
Dari persamaan (9) maka dapat ditentukan nilai penaksir sebagai berikut:
Dengan uji F kita dapat menguji atau mengukur hubungan antara variabel pengaruh
signifikansi regresi dapat diperoleh dari tabel ANAVA dengan melihat nilai dari uji
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
H0: 1 = 2 = ..= k = 0
(Artinya tidak terdapat hubungan linier antara variabel bebas dan variabel
terikat)
19
(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)
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
Keterangan:
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
Setelah menduga hubungan kelinieran antara variabel bebas dan terikat, maka
dilakukan uji signifikansi regresi untuk meyakinkan bahwa asumsi kelinieran telah
terdapat hubungan linier antara variabel terikat y dengan sebarang variabel bebas
H0 : j = 0 j = 1,2,...,k
H1 : j 0 j = 1,2,...,k
Menurut Gujarati (1995) dalam Martalena (2010: 29) uji statistik t dapat
= ( ) (12)
Jika | | > ; ( 1) dengan menggunakan tingkat kepercayaan
2
ditolak maka hal ini dapat menunjukan bahwa regressor Xj dapat dihilangkan dari
model.
Menurut Makridarkis (1999: 299) terdapat empat asumsi dasar yang harus
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
Model regresi kuadrat terkecil mengasumsikan sisaan saling bebas atau tidak
berkorelasi dengan sesamanya. Secara tidak langsung hal ini menyatakan bahwa
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
(e i ei 1 ) 2
d i 2
n
(13)
e
2
i
i 1
Dimana:
Dimana:
mengasumsikan ragam sisaan selalu tetap (konstan) atau homogen. Kondisi ini
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
membentuk pola tertentu dibawah dan diatas angka 0 pada sumbu maka dikatakan
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
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
terhadap model dan berhenti jika semua yang memenuhi syarat telah masuk.
satu demi satu sampai semua yang tidak memenuhi patokan keluar dari
model.
gabungan dari metode seleksi maju dan metode penyisihan. Pertama kita
apakah suatu peubah bebas yang telah masuk ke dalam model masih perlu
Drapper and Smith (2006:347) adapun kriteria yang akan digunakan adalah
Ketepatan dari model yang diperoleh dapat dilihat dari kemampuan model
JKR
R2 (14)
JKP
Dimana:
__
R2-disesuaikan ( R 2) dengan rumus sebagai berikut:
27
2 n 1
R 1 (1 R 2 )
n p (15)
R2yang maksimum.
Salah satu patokan yang baik digunakan dalam menilai kecocokan suatu
model dengan data ialah dengan melihat rataan kuadrat sisa (S2), model yang baik
kuadrat sisa (S2) mungkin membesar bila penurunan dalam JK sisa akibat
s 2 JKS /( n p) (16)
Dimana:
n = ukuran sampel
7) Cp Mallows
C p JKS p / s 2 2 p n (17)
Dimana:
n = ukuran sampel
28
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
8) Data Pencilan
Dalam analisis statistika tidak jarang ditemukan satu atau lebih pengamatan
aneh yang berada jauh dari pusat pengamatan secara keseluruhan. Pengamatan
pencilan apabila nilai suatu titik jauh dari pola umum data lainnya.
Meskipun demikian langkah ini bukanlah langkah yang serta merta diterima.
masalah dalam analisis regresi. Namun tidak berarti pula pencilan memberikan
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
ri 2 Var ( y i )
Di (18)
p Var (ei )
(Montgomery, 2006:194)
Terima H0 jika Di 1
9) Multikolinieritas
yang perlu diperhatikan dalam pemilihan model terbaik adalah antara variabel
1
VIF = (19)
1R2
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
Multikolinieritas akan terjadi jika nilai eigenvalues mendekati nol dan conditional
10) Tranformasi
dan kedua ujungnya tidak terlalu tebal. Transformasi akan dilakukan tergantung
persoalan yang dihadapi. Ada dua jenis transformasi yang mungkin akan
ini dikerjakan bersama atau salah satunya, tujuannya mengusahakan agar asumsi
regresi terpenuhi
()1
, 0
= () = (20)
ln , 0
memenuhi anggapan kenormalan, tetapi belum semua peubah bebas x1, x2, , xk
terkait secara linear dengan variabel terikat y. Adapun rumus yang digunakan
, 0
x= (21)
ln , = 0
(Sembiring 1995:199)
untuk mengukur kekuatan hubungan antar variabel bebas dan terikat, dan model
regresi juga digunakan untuk mengetahui pengaruh satu atau beberapa variabel
Perform
residual
analysis
Select models
for further
analysis
d. Uji asumsi
2. Analisis sisaan akan digunakan untuk mengetahui apakah asumsi ada yang
dilanggar.
BAB III
METEDOLOGI PENELITAN
A. Jenis Penelitian
analisis teori dan diikuti dengan pengambilan data dan penerapannya terhadap
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
33
34
terbatas dari unsur-unsur yang terpilih dari suatu populasi. Unsur-unsur tersebut
snowball sampling. Cara ini banyak dipakai ketika peneliti tidak banyak
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
adalah dalam penentuan kelompok bermula ada unsur subjektif, jadi tidak dipilih
secara random atau acak. Bila jumlah sampel melebihi 100 sampel, maka
Sampel dalam penelitian ini adalah 100 petani penggarap yang rutin bertanam
Kabupaten Solok.
1. Variabel
sering pula dikatakan bahwa variabel adalah segala sesuatu yang berperan dalam
peristiwa atau gejala yang diteliti. Jenis variabel yang terdapat dalam penelitian
produksi bawang merah yaitu luas lahan selanjutnya dinamakan X1, jumlah
dinamakan X5.
b) Variabel tidak bebas yaitu variabel yang dipengaruhi oleh variabel lain.
Variabel tidak bebas pada penelitian ini adalah jumlah produksi bawang
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
bawang merah, jumlah pestisida yang dibutuhkan untuk bertanam bawang merah,
jumlah tenaga kerja, dan jumlah produksi bawang merah di Kenagarian Sungai
D. Prosedur Penelitian
1. Tahap persiapan
2. Tahap pelaksanaan
a. Melakukan survei
responden yang menjadi sampel penelitian, dimana kuesioner diantar peneliti dan
3.Tahap akhir
berganda maka teknik analisis data yang dilakukan adalah sebagai berikut :
sebagai berikut:
i. Kebebasan Sisaan
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
the fitted values. Jika sebaran titik pada Residual Versus the fitted values tidak
membentuk pola tertentu dan tersebar acak disekitar angka nol maka asumsi
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
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
8. Memilih model untuk analisis lebih lanjut melalui perbandingan R(adj), S2, Cp
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.
lahan, jumlah bibit, jumlah pupuk, jumlah pestisida, dan jumlah tenaga kerja
BAB IV
HASIL PENELITIAN DAN PEMBAHASAN
A. Deskripsi Data
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
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
39
40
adalah sebesar 6.900 kilogram dan produksi bawang merah terendah adalah
kilogram. Luas lahan yang digunakan oleh petani bawang merah di Kenagarian
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
ini adalah sebagai variabel bebas (X2). Jumlah bibit maksimum yang ditanam
oleh petani bawang merah adalah sebanyak 620 Kilogram dan jumlah bibit
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
Jumlah pupuk yang dihabiskan untuk bertanam bawang merah oleh petani
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
Kg. Banyak pupuk yang digunakan petani disini lebih 50% nya sama dengan
Jumlah pestisida yang digunakan untuk bertanam bawang merah oleh petani
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
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
Jumlah tenaga kerja yang dibutuhkan untuk usaha bertanam bawang merah
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
Kabupaten Solok, jumlah tenaga kerja yang berkisar dari satu sampai tiga orang
adalah tenaga kerja yang berasal dari keluarga petani bawang merah itu sendiri,
B. Hasil Penelitian
Data yang diperoleh dari hasil survei dapat dilihat pada Lampiran 2. Dalam
data yang telah dijelaskan pada bab sebelumnya, maka diperoleh hasil analisis data
sebagai berikut:
plot data menggunakan matrix plot pada minitab 16, dengan memperhatikan
5000
Produksi Bawang Merah 2500
5000
0
500
0
500
0
4000
0
40
0
0 2500 5000 0 250 500 0 2000 4000
terikat dan variabel bebas, serta melihat hubungan dari antar variable bebas yang
dari baris pertama kolom kedua bahwa titik-titik yang ada pada matrix plot diatas
sedikit berantakan tetapi membentuk pola garis linear menanjak naik keatas,
produksi bawang merah dengan luas lahan dengan kata lain model dari data ini
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
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
dilihat dari baris pertama kolom keempat bahwa titik-titik yang ada pada matrix
plot diatas menyebar dengan membentuk garis linear menanjak naik keatas,
bawang merah dengan jumlah pupuk dengan kata lain model dari data ini
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,
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
dilihat dari baris pertama kolom kelima titik-titik yang ada pada matrix plot diatas
sedikit berantakan dan titik yang menyebar tetapi membentuk garis linear
hubungan antara produksi bawang merah dengan jumlah peptisida dengan kata
lain model dari data ini kemungkinan layak digunakan tetapi harus menangani
baris kedua kolom kelima bahwa dari titik-titik yang ada pada matrix plot diatas
sedikit berantakan dan menyebar tetapi membentuk garis linear menanjak naik
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
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.
baris keempat kolom kelima bahwa titik-titik yang ada pada matrix plot diatas
agak menyebar tetapi membentuk garis linear menanjak naik keatas, artinya dapat
jumlah peptisida, artinya ada kemungkinan juga variabel ini saling berkorelasi,
namun untuk membuktikannya akan dilihat pada hasil dari program Minitap16.
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,
produksi bawang merah dengan jumlah peptisida dengan kata lain model dari data
ini kemungkinan layak digunakan tetapi harus menangani pencilan terlebih dahulu
linear antara variabel bebas dan variabel terikat dengan demikian kita asumsikan
dijelaskan pada teknik analisis data, didapatkan model regresi sementara dengan
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.
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
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
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
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
Statistik yang digunakan dalam menguji kelayakan model adalah uji F. Uji F
maka dilakukan uji signifikan regresi (uji F). Dari hasil output minitab pada
Ftabel. Tolak H0 jika Fobs> Ftabel (F(k,n-k-1)). Dalam penelitian ini nilai adalah 5%. k
(8) didapat :
= 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.
Setelah menguji kelinieran, maka perlu dilakukan uji keberartian model guna
Statistik yang digunakan dalam menguji keberartian parameter adalah uji t. Dari
49
hasil output minitab pada lampiran 3 kita dapat melihat nilai tobs. Selanjutnya
(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
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
a. Kenormalan Sisaan
Darling pada persamaan (13) didapat bahwa P-value adalah 0,205 (P-Value >
b. 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
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,
adalah d = 1.94625 maka nilai Durbin Watson (d) besar dari nilai dU. Hal
c. Kehomogenan Ragam
residual versus the fitted values belum menyebar secara acak dan membentuk
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
4 3
memilih transformasi agar semua asumsi regresi dapat terpenuhi.
Setelah dilakukan tranformasi terhadap data pencilan maka semua asumsi telah
52
sebagai berikut:
4 3
=21.0 + 0.0252X1 + 0.509X2 + 0.237X3 + 0.0375X4 - 0.006X5
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.
produksi bawang merah sebesar 0.509 kg selagi luas lahan (X1), jumlah pupuk
(X3), jumlah pestisida (X4), dan jumlah tenaga kerja (X5) masih ada/memberikan
produksi bawang merah sebesar 0.273 kg selagi luas lahan (X1), jumlah bibit
(X2), jumlah pestisida (X4), dan jumlah tenaga kerja (X5) masih ada/memberikan
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
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
Dari hasil output minitab pada lampiran 4yang telah dtranformasi kita dapat
Fobs> Ftabel (F(k,n-k-1)). Dalam penelitian ini nilai adalah 5%. k merupakan
sampel, dalam penelitian ini n=100, dengan menggunakan persamaan (7) didapat :
Fhitung = 586697/373
= 1573.49
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.
Dari hasil output minitab pada lampiran 4 kita dapat melihat nilai tobs.
(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
a. Kenormalan Sisaan
60
50
40
30
20
10
5
0,1
-75 -50 -25 0 25 50
RESI3
Darling pada persamaan (13) didapat bahwa P-value adalah 0,150 (P-Value >
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
residual versus the order of the data tidak membentuk pola tertentu, hal ini
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,
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
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
dan menghilangkan beberapa pencilan, dapat dilihat bahwa sebaran titik pada
residual versus the fitted values telah menyebar secara acak, tidak ada pola yang
Dalam pemilihan model terbaik salah satu cara yang dilakukan adalah
dengan melihat nilai Koefisien Determinasi (R2), Rataan Kuadrat Sisa (S2), dan Cp
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
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
setiap kelompok diambil 1-2 kombinasi yang terbaik. Berdasarkan kriteria dalam
menentukan penentuan model terbaik seperti yang dijelaskan diatas maka dari
model terbaik, maka dapat dilihat bahwa model yang lebih memenuhi kriteria
X1X2X3X4.
multikolinieritas dapat menggunakan nilai VIF. Jika nilai VIF sama atau
mendekati 1 menunjukan tidak ada korelasi antar variabel pengaruh dan asumsi
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:
X2 1.27 1.000 0.973 10.835 0.725 18.654 0.509 68.386 0.509 68.517
X5 - - - - - - - - 0.006 2.800
60
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.
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
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
memilih model terbaik untuk penelitian ini sebaiknya mengambil model yang
61
mengandung variabel pengaruh yang banyak masuk kedalam model, Ini tidak
penelitian ini sesuai dengan tujuan dan permasalahan yang dihadapi adalah model
didapatkan.
model terbaik dari pengaruh faktor pertanian terhadap produksi bawang merah di
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
tinggi. Sedangkan X5 adalah jumlah tenaga kerja tidak masuk kedalam model
karena variabel ini tidak berpengaruh secara signifikan setelah uji parameter.
C. Pembahasan
dapat dilihat bahwa pencaran titik terlihat adanya hubungan kelinieran. Hal
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
dapat disebarkan kapan saja. Di samping itu setiap responden memiliki informasi
yang sama penting dalam penelitian. Plot sisaan juga menunjukkan terpenuhinya
asumsi kenormalan.
yang didapatkan dari pengaruh faktor luas lahan, jumlah bibit, jumlah pupuk,
jumlah pestisida dan jumlah tenaga kerja terhadap produksi bawang merah di
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
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
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
telah diwakili oleh variabel yang ada pada model, bahwasanya semakin banyak
bibit yang digunakan maka pupuk yang digunakan juga semakin banyak.
terhadap produksi bawang merah, dilihat dari petani yang penggarap lahan yang
bekerja tidak selalu yang mempunyai produksi bawang yang besar juga memliliki
tidah dipengaruhi oleh waktu. Sehingga kapan pun petani ingin menggarap hasil
BAB V
PENUTUP
A. Kesimpulan
berikut:
4 3
= 23.6 + 0.0270 1 + 0.725 2 + 0.03764
B. Saran
keseimbangan luas lahan, jumlah bibit, jumlah pupuk, jumlah pestisida dan
bawang merah.
64
65
DAFTAR PUSTAKA
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.
LAMPIRAN
69
Lampiran 1.
(Kuesioner Penelitian)
KUESIONER PENELITIAN
PETUNJUK
Seperangkat pertanyaan ini bertujuan untuk melihat faktor-faktor yang
mempengaruhi produksi bawang merah di Kenagarian Sungai Nanam Kecamatan
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
Nim/BP : 1207806/2012
Jurusan/Prodi : Matematika/Statistika
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
Luas lahan : m2
2. Jumlah Bibit
Jumlah bibit : kg
3. Jumlah Pupuk
Jumlah pupuk : Kg
4. Jumlah Pestisida
untuk usaha bertanam bawang merah dalam satu kali masa tanam?
Berapa orang tenaga kerja yang Bapak/Ibu butuhkan untuk usaha bertanam
Lampiran 2.
(Tabulasi Hasil Penelitian dari Responden)
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
Lampiran 3.
Regression Analysis Y versus X1, X2, X3, X4, X5 (Model Sementara)
Regression Analysis: Produksi Baw versus Luas Lahan, Jumlah Bibit, ...
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
Lampiran 4
(Model Regresi Setelah tranformasi)
Analysis of Variance
Source DF SS MS F P
Regression 5 2933486 586697 1573,49 0,000
Residual Error 94 35049 373
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
Lampiran 5.
(Pemilihan Model Terbaik dari Setiap Variabel)
Analysis of Variance
Source DF SS MS F P
Regression 1 2761036 2761036 1304,01 0,000
Residual Error 98 207499 2117
Total 99 2968536
Analysis of Variance
Source DF SS MS F P
Regression 1 2901347 2901347 4231,83 0,000
Residual Error 98 67189 686
Total 99 2968536
Analysis of Variance
Source DF SS MS F P
Regression 1 2880491 2880491 3206,18 0,000
Residual Error 98 88045 898
Total 99 2968536
Analysis of Variance
Source DF SS MS F P
Regression 1 2729229 2729229 1117,66 0,000
Residual Error 98 239307 2442
Total 99 2968536
Analysis of Variance
Source DF SS MS F P
Regression 1 1816226 1816226 154,46 0,000
Residual Error 98 1152309 11758
Total 99 2968536
Analysis of Variance
Source DF SS MS F P
Regression 2 2917667 1458834 2781,83 0,000
Residual Error 97 50868 524
Total 99 2968536
Analysis of Variance
Source DF SS MS F P
Regression 2 2902857 1451428 2143,59 0,000
79
Analysis of Variance
Source DF SS MS F P
Regression 2 2881359 1440679 1603,02 0,000
Residual Error 97 87177 899
Total 99 2968536
Analysis of Variance
Source DF SS MS F P
Regression 2 2790688 1395344 761,04 0,000
Residual Error 97 177847 1833
Total 99 2968536
Analysis of Variance
Source DF SS MS F P
Regression 2 2905659 1452829 2241,29 0,000
Residual Error 97 62877 648
Total 99 2968536
Analysis of Variance
Source DF SS MS F P
Regression 2 2916786 1458393 2733,62 0,000
Residual Error 97 51750 534
Total 99 2968536
Analysis of Variance
Source DF SS MS F P
Regression 2 2901440 1450720 2097,30 0,000
Residual Error 97 67096 692
Total 99 2968536
Analysis of Variance
Source DF SS MS F P
Regression 2 2916786 1458393 2733,62 0,000
Residual Error 97 51750 534
Total 99 2968536
Analysis of Variance
81
Source DF SS MS F P
Regression 2 2909485 1454743 2389,66 0,000
Residual Error 97 59050 609
Total 99 2968536
Analysis of Variance
Source DF SS MS F P
Regression 2 2880659 1440329 1589,87 0,000
Residual Error 97 87877 906
Total 99 2968536
Analysis of Variance
Source DF SS MS F P
Regression 2 2752756 1376378 618,73 0,000
Residual Error 97 215780 2225
Total 99 2968536
Analysis of Variance
Source DF SS MS F P
Regression 3 2919435 973145 1902,67 0,000
Residual Error 96 49101 511
Total 99 2968536
82
Analysis of Variance
Source DF SS MS F P
Regression 3 2931812 977271 2554,69 0,000
Residual Error 96 36724 383
Total 99 2968536
Analysis of Variance
Source DF SS MS F P
Regression 3 2917916 972639 1844,62 0,000
Residual Error 96 50619 527
Total 99 2968536
Analysis of Variance
Source DF SS MS F P
Regression 3 2926694 975565 2238,29 0,000
Residual Error 96 41842 436
Total 99 2968536
83
Analysis of Variance
Source DF SS MS F P
Regression 3 2902862 967621 1414,46 0,000
Residual Error 96 65673 684
Total 99 2968536
Analysis of Variance
Source DF SS MS F P
Regression 3 2886820 962273 1130,48 0,000
Residual Error 96 81716 851
Total 99 2968536
Analysis of Variance
Source DF SS MS F P
Regression 3 2920820 973607 1958,82 0,000
Residual Error 96 47716 497
Total 99 2968536
84
Analysis of Variance
Source DF SS MS F P
Regression 3 2905683 968561 1479,36 0,000
Residual Error 96 62853 655
Total 99 2968536
Analysis of Variance
Source DF SS MS F P
Regression 3 2916800 972267 1804,12 0,000
Residual Error 96 51736 539
Total 99 2968536
Analysis of Variance
Source DF SS MS F P
Regression 3 2909779 969926 1584,72 0,000
Residual Error 96 58757 612
Total 99 2968536
Analysis of Variance
Source DF SS MS F P
Regression 4 2933486 733372 1987,78 0,000
Residual Error 95 35049 369
Total 99 2968536
Analysis of Variance
Source DF SS MS F P
Regression 4 2919473 729868 1413,24 0,000
Residual Error 95 49063 516
Total 99 2968536
Analysis of Variance
Source DF SS MS F P
Regression 4 2931909 732977 1901,18 0,000
86
Analysis of Variance
Source DF SS MS F P
Regression 4 2926704 731676 1661,66 0,000
Residual Error 95 41831 440
Total 99 2968536
Analysis of Variance
Source DF SS MS F P
Regression 4 2920928 730232 1457,18 0,000
Residual Error 95 47607 501
Total 99 2968536
Analysis of Variance
87
Source DF SS MS F P
Regression 5 2933486 586697 1573,49 0,000
Residual Error 94 35049 373
Total 99 2968536
Lampiran 6.
(Tabel Distribusi F, =5%)
Lampiran 7.
(Tabel Distribusi t)
88
89
Lampiran 8.
(Tabel Durbin - Watson (DW), =5%)