BAB I

PENDAHULUAN

A. Latar Belakang

Tingginya ketergantungan Indonesia terhadap impor beras dunia

merupakan salah satu alasan mengapa upaya peningkatan produksi beras

nasional melalui program intensifikasi dan ekstensifikasi perlu dilakukan. Di

lain sisi, salah satu hambatan program intensifikasi dan ekstensifikasi adalah

adanya alih fungsi (konversi) lahan ke penggunaan non pertanian akibat

pengaruh era globalisasi. Selain adanya konversi lahan pertanian, ketersediaan

gabah atau beras juga dipengaruhi oleh laju pertumbuhan. Upaya peningkatan

produksi padi masih dan akan tetap merupakan kebutuhan bagi bangsa ini

mengingat semakin meningkatnya kebutuhan pangan beras sejalan dengan

meningkatnya penduduk dan kualitas hidup masyarakat.

Kota Makassar merupakan salah satu daerah produsen padi di Sulawesi

Selatan. Luas Kota Makassar tercatat 175,77 kilometer persegi. Kota Makassar

terdiri dari 14 kecamatan dan 143 kelurahan. Jumlah penduduk Kota Makassar

kian tahun kian bertambah, tercatat 1.449.401 per tahun 2015. Luas panen Pada

tahun 2011 : 3.551 hektar; Tahun 2012 : 3.425 hektar; Tahun 2013: 3.203

hektar; Tahun 2014 : 2.961 hektar ; Tahun 2015 : 3.315 hektar. Sedangkan

untuk produksi padi tiap tahunnya adalah pada tahun 2011 sebanyak 20.311,72

1
ton; tahun 2012 sebanyak 19.522,50 ton; tahun 2013 sebanyak 13.993 ; tahun

2014 sebanyak 13.701 ton; dan tahun 2015 sebanyak 12 490 ton. 1

Peran sektor pertanian dalam pelaksanaan pembangunan ekonomi di

Kota Makassar tercermin dari besarnya kontribusi sektor ini terhadap

Pendapatan Domestik Regional Bruto (PDRB) Kota Makassar. Perkembangan

sektor pertanian tanaman pangan di daerah Kota Makassar salah satunya

diprioritaskan pada komoditi padi.

Tidak dapat dipungkiri bahwa tanaman pangan padi merupakan

tanaman sumber makanan utama bagi penduduk Indonesia khususnya di Kota

Makassar. Padi sebagai sumber makanan telah dijelaskan dalam Al-Qur’an.

Sebagaimana firman Allah Swt dalam QS. Yasin: 33 yang berbunyi:

Terjemahnya: “Dan suatu tanda (kekuasaan Allah yang besar) bagi mereka

adalah bumi yang mati. kami hidupkan bumi itu dan kami keluarkan dari

padanya biji-bijian, Maka daripadanya mereka makan”.

Ayat di atas menjelaskan bahwa Allah Swt. Menyediakan lahan atau

tanah kepada makhluknya untuk dimanfaatkan sebagaimana mestinya. Salah

satunya ialah untuk menanam biji-bijian. Biji yang dimaksud disini salah

satunya ialah padi yang merupakan bakal beras sebagai makanan pokok bagi

manusia.2

1
Badan Pusat Statistika, 2016, ”Kota Makassar Dalam Angka 2016” (Makassar:

BPS), h. 117.
2
Nadiah Thayyarah, “Buku Pintar Sains dalam Al-Quran”,(Jakarta: Zaman, 2013),
h. 738.

2
 Berdasarkan data yang diperoleh dari Badan Pusat Statistika Kota

Makassar, produktivitas padi di tiap kecamatan yang ada di Kota Makassar

kian tahun kian menurun. Oleh karena itu dibutuhkan penelitian untuk

mengetahui pemetaan wilayah di Kota Makassar terhadap atribut produksi padi

agar dapat membantu pemerintah untuk menentukan kebijakan sekarang dan

yang akan datang. Salah satu cara yang dapat dilakukan adalah

mengaplikasikan matematika khususnya statistika untuk menganalisis hal

tersebut.

Beberapa penelitian telah dilakukan terkait masalah padi maupun beras

guna membantu pemerintah dalam mencari solusi kebijakan tentang parameter

produksi padi. Penelitian tersebut di antaranya oleh Rohman (2010) yang

menyimpulkan bahwa pulau Jawa memiliki atribut yang semuanya baik,

disusul oleh pulau Bali, dan Papua merupakan pulau terbaik dalam hal

produktivitas padi. Selebihnya yaitu pulau Nusa Tenggara, Maluku, Sumatra,

Sulawesi, dan Kalimantan memiliki atribat yang kurang baik secara

keseluruhan.3

Penelitian selanjutnya oleh Purwandari dan Hidayat yang

menyimpulkan bahwa dengan menggunakan analisis multidimensional scaling

terdapat 22 negara yang memiliki kemiripan dengan Indonesia berdasarkan 3

3
Ahmad Nur Rohman, 2010, “Pemetaan Pulau-Pulau di Indonesia Terhadap Atribut
Produksi Beras dengan Metode Multidimensional Scaling”, Skripsi (Surakarta: FMIPA
Universitas Sebelas Maret).

3
 karakteristik, yaitu atmosfer demokrasi (polity), daya beli beras (restlessness),

dan konsumsi beras (percent rice consumption).4

B. Rumusan Masalah

Berdasarkan uraian latar belakang di atas, maka rumusan masalah pada

penelitian ini yaitu bagaimana pengaruh produksi padi terhadap pendapatan di

24 Kabupaten/Kota di Provinsi Sulawesi Selatan?

C. Tujuan

Tujuan dari penelitian ini adalah untuk mengetahui pengaruh produksi

padi terhadap pendapatan di 24 Kabupaten/Kota di Provinsi Sulawesi Selatan.

D. Manfaat

Manfaat yang dapat diperoleh dari penulisan tugas akhir ini adalah:

1. Bagi Penulis

Manfaat yang dapat diperoleh penulis adalah dapat

mengaplikasikan ilmu yang telah diperoleh dari mata kuliah Analisis

Regresi khususnya Analisis Regresi Berganda dan bagian-bagiannya.

2. Bagi Pembaca

Penulisan ini diharapkan dapat menjadi sumber referensi

khususnya mata kuliah Analisis Regresi Selain itu dapat berguna bagi

pemerintah Kota Makassar.

E. Batasan Masalah

4
Titi Purwandari dan Yuyun Hidayat, 2015, “Identifikasi Negara-Negara yang
Memiliki Kemiripan dengan Indonesia Dalam Konteks Krisis Beras Menggunakan
Multidimensional Scaling”, Laporan Hasil Penelitian (Bandung: Universitas Padjadjaran).

4
 Agar pembahasan pada penulisan berfokus pada masalah yang diujikan,

maka penelitian ini berfokus pada pengaruh produksi padi terhadap

pendapatan. Penelitian ini berfokus di Badan Pusat Statistik (BPS)

Kabupaten/Kota di Provinsi Sulawesi Selatan pada tahun 2015.

5
 BAB II

TINJAUAN PUSTAKA

A. Analisis Regresi

Analisis regresi merupakan salah satu teknik statistik yang digunakan

secara luas dalam ilmu pengetahuan terapan. Di samping digunakan untuk

mengetahui bentuk hubungan antar peubah regresi, analisis regresi juga dapat

dipergunakan untuk peramalan. Analisis regresi merupakan suatu kajian dari

hubungan antara satu variabel, yaitu variabel yang diterangkan (the explained

variabel) dengan satu atau lebih variabel, yaitu variabel yang menerangkan (the

explanatory). Analisis regresi digunakan untuk mempelajari dan mengukur

hubungan statistik yang terjadi antara dua atau lebih variabel. Dalam analisis

regresi, suatu persamaan regresi hendak ditentukan dan digunakan untuk

menggambarkan pola atau fungsi hubungan yang terdapat antar variable.

Regresi linear adalah suatu persamaan regresi dimana hubungan

variabel bebas dan variabel tak bebas berbentuk garis lurus. Variabel bebas

adalah variabel yang mempengaruhi. Variabel terikat adalah variabel yang

dipengaruhi. Regresi linear dapat dibedakan menjadi dua macam, yaitu regresi

linear sederhana dan regresi linear berganda.5

B. Analisis Regresi Linier Sederhana

Regresi Linear Sederhana adalah metode statistik yang berfungsi untuk

menguji sejauh mana hubungan sebab akibat antara variabel faktor penyebab

5
Robert Kurniawan dan Budi Yuniarto, 2016, “Analisis Regresi Dasar dan
Penerapannya dengan R”, (Jakarta:Kencana).

6
(X) terhadap variabel akibatnya. Faktor penyebab pada umumnya

dilambangkan dengan X atau disebut juga dengan predictor, sedangkan

variabel akibat dilambangkan dengan Y atau disebut juga dengan response.

Regresi Linear Sederhana atau sering disingkat dengan SLR (Simple Linear

Regression) juga merupakan salah satu metode statistik yang dipergunakan

dalam produksi untuk melakukan peramalan ataupun prediksi tentang

karakteristik kualitas maupun kuantitas. Regresi Linear Sederhana dapat

diilustrasikan dengan garis lurus seperti gambar berikut :

Ilustrasi Garis regresi Linear

Model Persamaan Regresi Linear Sederhana adalah seperti berikut ini :

Ŷ = a + bX

Y  0  1 X  

Dimana :

Y  Variabel respon (dependen).

X  Variabel Prediktor (independen).

7
0  Kostanta yang merupakan titik potong antara garis regresi dengan sumbu

Y pada koordinat kartesius.

1  Koefisien Arah.

Nilai-nilai konstanta  0 dan 1 dapat ditentukan menggunakan

persamaan, berikut:

( Yi )( X i2 )  ( X i )( X iYi )

0 
n  X i2  ( X i ) 2
n( X iYi )  ( X i )( Yi )
1 
n  X i2  ( X i ) 2

Dimana n adalah jumlah data.6

1. Langkah-langkah Analisis Uji Regresi Linier Sederhana

Adapun langkah-langkah yang dapat dilakukan untuk

melakukan analisis dan uji Regresi Linier Sederhana adalah, sebagai

berikut :

1. Menentukan tujuan dari Analisis Regresi Linear Sederhana

2. Mengidentifikasi variabel predictor dan variabel response

3. Melakukan pengumpulan data dalam bentuk tabel

4. Menghitung X², XY dan total dari masing-masingnya

5. Menghitung a dan b menggunakan rumus yang telah ditentukan

6. Membuat model Persamaan Garis Regresi

6
Wahyudin, 2000,” Analisis Regresi Linier Sederhana”,(CV:Delta Bawean).

8
 7. Melakukan prediksi terhadap variabel predictor atau response

8. Uji signifikansi menggunakan Uji-t dan menentukan Taraf

Signifikan.

2. Uji Signifikansi dan Hipotesis

Pengujian hipotesis dimaksudkan untuk melihat apakah suatu

hipotesis yang diajukan ditolak atau dapat diterima. Hipotesis

merupakan asumsi atau pernyataan yang mungkin benar atau salah

mengenai suatu populasi. Dengan mengamati seluruh populasi, maka

suatu hipotesis akan dapat diketahui apakah suatu penelitian itu benar atau

salah. Untuk keperluan praktis, pengambilan sampel secara acak dari

populasi akan sangat membantu. Dalam pengujian hipotesis terdapat

asumsi/pernyataan istilah hipotesis nol. Hipotesis nol merupakan

hipotesis yang akan diuji, dinyatakan oleh H0 dan penolakan H0

dimaknai dengan penerimaan hipotesis lainnya yang dinyatakan oleh H1.

Jika telah ditentukan Koefisien Determinasi ( r2 ), maka

selanjutnya dilakukan uji signifikan hipotesis yang diajukan. Uji ini dapat

menggunakan Uji-t; Uji-F; Uji-z atau Uji Chi Kuadrat. Dengan uji

signifikansi ini dapat diketahui apakah variable bebas / predictor /

independent (X) berpengaruh secara signifikan terhadap variable tak

bebas / response / dependent (Y). Arti dari signifikan adalah bahwa

pengaruh antar varible berlaku bagi seluruh populasi. Adapun dalam

laporan ini hanya akan membahas uji signifikansi menggunakan uji-t.

a. Uji-t

9
 Langkah-langkah yang perlu dilakukan dalam uji-t pada

regresi linier adalah :

1) Menentukan Hipotesis

H0 : 𝛽 = 0; variabel X tidak berpengaruh signifikan/nyata

terhadap Y

H1 : 𝛽 ≠ 0; variabel X berpengaruh signifikan/nyata terhadap Y

2) Menentukan tingkat signifikansi (𝛼)

Tingkat signifikansi, 𝛼 yang sering digunakan adalah 𝛼 = 5% (𝛼

= 0,05)

3) Menghitung nilai t hitung menggunakan rumus :

r n2
thit 
1 r2

4) Menentukan daerah penolakan H0 (Daerah Kritis)

Bentuk pengujian dua arah, sehingga menggunakan uji-t dua arah

H0 akan ditolak jika thit > ttab atau - (thit) < -(ttab), berarti H1

diterima.

H0 akan diterima jika -(thit) < ttab < thit , berarti H1 ditolak.

5) Menentukan t table

Tabel Uji-t untuk 𝛼 = 5% dan derajat kebebasan (df) = n-k; (n=

jumlah sampel/pengukuran, k adalah jumlah variabel (variabel

bebas + variabel terikat).

6) Kriteria Pengujian nilai t hitung dan t tabel

10
 Bila nilai thit < ttab, maka H0 diterima, H1 ditolak

Bila nilai thit > ttab, maka H0 ditolak, H1 diterima

7) Kesimpulan hasil uji signifikansi.7

C. Analisis Regresi Berganda

Regresi linier merupakan salah satu metode statistik yang digunakan

untuk mengetahui hubungan antara variable terikat dengan salah satu atau lebih

variable bebas. Apabila banyaknya variabelnya bebas hanya ada satu maka di

sebut sebagai regresi linear sederhana, sedangkan apabila terdapat lebih dari

satu variable bebas disebut regresi linier berganda.

Secara umum persamaan regresi linear dengan p variable bebas di

nyatakan dengan:8

Yi   0  1 X 1i   2 X 2i  ...   p X pi  

Dimana: X 1 , X 2 ,..., X pi = Variabel bebas

Yi = Variabel terikat

0 = Intercept

1,  2, ...,  ( p 1) = Kemiringan

7
Danang Sunyanto, “Analisis Regresi dan Uji Hipotesis”, (Yogyakarta:wedpress).
8
Muhammad Arif Tiro, “Analisis korelasi dan regresi Edisi Ketiga”, hal 123.

11
  = Galat

Regresi berganda sering digunakan untuk menyelesaikan permasalahan

dalam kehidupan sehari-hari. Analisis regresi berganda mempunyai tiga

kegunaan adalah untuk menggambarkan fenomena data atau kasus yang sering

diteliti, untuk mengontrol serta memprediksi. Dimana dalam

mendekskripsikan fenomena data melalui bentuknya suatu model hubungan

yang bersifat numerik. Dan juga dapat digunakan untuk melakukan

pengendalian (kontrol) terhadap suatu kasus atau hal-hal yang sedang diamati

malalui penggunaan model regresi yang diperoleh, selain itu, juga bermanfaat

untuk malakukan prediksi pada variable terikat.

Data untuk variable bebas X pada regresi linear, bias merupakan data

pengematan yang tidak ditetapkan sebelumnya oleh peneliti atau data yang

telah ditetapkan (dikontrol) oleh peneliti sebelumnya dengan menggunakan

peneliti fixed data, informasi diperoleh lebih kuat dalam menjelaskan sebab

akibat antara variable X dan Y. sedangkan pada observasi data yang diperoleh

lebih kuat dalam menjalankan hubungan sebab akibat. Untuk Fixed data

memiliki beberapa variable X yang ingin diteliti. Sedangkan pada onservatin

data variable X yang diamati bias beberapa saja, tergantung keadaan lapangan.9

D. Kesalahan Standart Estimasi

9
Muhammad Arif Tiro, “Analisis korelasi dan regresi Edisi Ketiga”, hal 127.

12
 Untuk mengetahui ketepatan persamaan estimasi dapat digunakan

kesalahan standart estimasi (standard error of estimate). Besarnya kesalahan

standar estimasi menunjukkan ketepatan persamaan estimasi untuk

menjelaskan nilai variabel tidak bebas yang sesungguhnya. Semakin kecil nilai

kesalahan standar estimasi, makin tinggi ketepatan persamaan estimasi yang

dihasilkan untuk menjelaskan nilai variable tidak bebas sesungguhnya.

Sebaliknya, semakin besar nilai kesalahan standar estimasi, makin rendah

ketepatan persamaan estimasi yang dihasilkan untuk menjelaskan nilai variable

tidak bebas sesungguhnya. Kesalahan standar estimasi dapat ditentukan dengan

rumus:

∑(𝑦𝑖 −𝑦̂ )2
𝑆𝑦,1,2,… 𝑘 = √ 𝑛−𝑘−1

Dimana:

𝑦𝑖 = nilai data hasil pengamatan

y = nilai hasil regresi

n = ukuran sampel

k = banyak variabel bebas

E. Uji Regresi Linier Berganda

Analisis regresi memiliki model, dan didalam model itu terdapat

koefisien regresi yang merupakan nilai dugaan parameter untuk kondisi

sebenarnya. koefisien didalam model regresi terdapat nilai rata-rata yang

13
memiliki peluang terjadinya variable terikat Dalam analisis regresi berganda

mempelajari tentang uji simutan dan uji parsial.

1. Uji Signifikan Secara Parsial

Dengan statistic uji yang digunakan:

bp
t* 
s (bp )

Dimana nilai b p ini merupakan koefisien dari variable x p dan s{b p } ini

dapat diperoleh dari diagonal ke- p .

Keputusan yang diperoleh dari t-hitng dengan nilai t-tabel t 

(1 ;n  p )
2

atau bisa juga dilihat dengan nilai signifikannya. Kriteria pengambilan

keputusan jika menolak H 0 , yaitu:

t* t  .
(1 ; n  p )
2

2. Uji Signifikan Secara Bersamaan (Simultan)

Uji simultan ini digunakan untuk menguji semua variable bebas

secara keseluruhan dan bersamaan dalam model. Uji ini dilakukan untuk

mengetahui apakah variable independen secara keseluruhan berpengaruh

signifikan terhadap variable dependen, uji simultan dilakukan dengan

menggunakan overall F test. Hipotesis yang digunakan yaitu:

H 0 : 1   2  ...   p  0 dimana p  1,... p  1

H1 minimal ada satu nilai  p  0

14
 Hipotesis nol menunjukkan bahwa seluruh variable bebas tidak

berpengaruh signifikan didalam model. Akan tetapi untuk hipotesis

alternatifnya aka nada satu variable yang menunjukkan pengaruh yang

signifikan. Keputusan yang diambil dengan tingkat kepercayaan 1    %

adalah total H 0 . Dan jika menolak H 0 maka dapat disimpulkan bahw

sekurang-kurangnya ada satu variable yang berpengaruh secara signifikan.

Dan juga utnuk mengetahui variable independen yang mana yang

memberikan pengaruh signifikan sehingga H 0 ditolak dan dilakukan

dengan uji signifikan secara parsial.10

Untuk hipotesa bagi koefisien-koefisien regresi linier berganda dapat

dilakukan secara serentak atau keseluruhan. Pengujian regresi linier perlu

dilakukan untuk mengetahui apakah variabel – variabel bebas secara

bersamaan memiliki pengaruh terhadap variabel tak bebas. Langkah – langkah

pengujiannya sebagai berikut :

1. Menentukan Formulasi Hipotesis

𝐻0 : 𝑏1 = 𝑏2 = 𝑏3 = ⋯ = 𝑏𝑘 = 0(𝑋1 , 𝑋2 , … , 𝑋𝑘 ) tidak mempengaruhi

Y)

𝐻1 : minimal ada satu parameter koefisien regresi yang tidak sama

dengan nol

Robert Kurniawan dan Budi Yuniarto, 2016, “Analisis Regresi

10
Dasar dan

Penerapannya dengan R”, (Jakarta:Kencana). Hal. 97-99.

15
 atau mempengaruhi Y.

2. Menentukan taraf nyata 𝛼 dan nilai Ftabel dengan derajat kebebasan 𝑣1 =

k dan 𝑣2 = n-k-l.

3. Menentukan kriteria pengujian

𝐻0 diterima bila Fhitung ≤ Ftabel

4. Menentukan nilai statistik F dengan rumus

𝐽𝐾𝑟𝑒𝑔/𝑘
𝐹=
𝐽𝐾𝑟𝑒𝑠/(𝑛 − 𝑘 − 1)

Dimana :

JKreg = Jumlah kuadrat regresi

JKres = Jumlah kuadrat residu (sisa)

(n-k-1) = Derajat kebebasan

𝐽𝐾𝑟𝑒𝑔 = 𝑏1 ∑ 𝑦1 𝑥1𝑖 + 𝑏2 ∑ 𝑦2 𝑥2𝑖 + ⋯ + 𝑏𝑘 ∑ 𝑦𝑘 𝑥𝑘𝑖

Dimana :

𝑥1𝑖 = 𝑋1𝑖 − 𝑋1

F. Asumsi-Asumsi Model Regresi Linier Berganda

Menurut Gujarati (2003) asumsi-asumsipada model regresi linier

berganda adalah sebagai berikut:

1. Model regresinya adalah linier dalam parameter.

2. Nilai rata-rata dari error adalah nol.

3. Variansi dari error adalah konstan (homoskedastik).

4. Tidak terjadi auto korelasi pada error.

5. Tidak terjadi multikolinieritas pada variabel bebas.

16
 6. Error berdistribusi normal.11

G. Analisis Determinasi (R2)

Analisis determinasi dalam regresi linear berganda digunakan untuk

mengetahui prosentase sumbangan pengaruh variabel independen (X1,

X2,……Xn) secara serentak terhadap variabel dependen (Y). Koefisien ini

menunjukkan seberapa besar prosentase variasi variabel independen yang

digunakan dalam model mampu menjelaskan variasi variabel dependen. R2

sama dengan 0, maka tidak ada sedikit pun prosentase sumbangan pengaruh

yang diberikan variabel independen terhadap variabel dependen, atau variasi

variabel independen yang digunakan dalam model tidak menjelaskan sedikit

pun variasi variabel dependen. Sebaliknya R2 sama dengan 1, maka prosentase

sumbangan pengaruh yang diberikan variabel independen terhadap variabel

dependen adalah sempurna, atau variasi variabel independen yang digunakan

dalam model menjelaskan 100% variasi variabel dependen.12

H. Pengujian Parameter Model Regresi Linier Berganda

Pengujian parameter ini bertujuan untuk mengetahui ada atau tidaknya

pengaruh. variabel bebas terhadap variabel tidak bebas, baik secara serentak

maupun secara parsial.

1. Normalitas

Uji normalitas yaitu uji dimana untuk melihat apakah nilai gaat itu

berdistrusi normal atau tidak berdistribusi normal, tetapi model regresi

11
Sudjana,2006,”Teknik Analisis Regresi dan Korelasi”,(Bandung: Tarsito).

12
Suliyanto,2011, “Ekonometrika Terapan: Teori dan Aplikasi dengan SPSS. Edisi
1", (Yogyakarta. Andi Publisher).

17
normalitas pada nilai galatnya bukan masing-masing variable penelitian.

Dan yang digunakan pada uji normalitas pada data yaitu dengan

menggunakan uji Kolmogorov-Smirnov. Dengan ketentuan bahwa galat

berdistribusi normal jika nilaia signifikan lebi besar dari alpa ( ) .

Uji normalitas data dilakukan secara non parametric, uji ini dengan

uji Lilliefors. Dimana cara untuk uji Lilliefors ini dilakukan dengan

mengurutkan data yang terkecil hinggankedata yang tebesar kemudian

menghitung proporsi data dan juga menghitung jumlah selidih pada data

dan mengambil nilai yang paling besar.13

Ciri-ciri distribusi/kurva normal adalah:

1) Kurvanya berbentuk garis lengkung yang halus dan berbentuk seperti

peta.

2) Kedua skor/ujungnya semakin mendekati sumbu absisnya tetapi tidak

pernah memotong.

3) Jatak titik belok kutva tersebut dengan sumbu simetrisnya sama

dengan  .

4) Luas daerah dibawah lengkungan kurva disebut dari minus terhingga

sampai terhingga sama dengan 1 atau 100%.

Hipotesis:

H 0 : data yang berdistribusi normal

H1 : data tidak berdistribusi normal

13
Syafaruddin Siregar,2005,”Statistika Terapan”,(Jakarta:Gramedia), hal. 290.

18
 Tolak H0 bila P  value  0, 05 . Artinya urutan data tidak

berdistribusi normal.14

2. Heteroskedastisitas

Uji heteroskedastisitas digunakan untuk melihat apakah terdapat

ketidaksamaan varians dari galat atau pengamatan kepengamatan yang

lain. Model regresi yang memenuhi persyaratan adalah dimana terdapat

kesamaan varians dari galat satu pengamatan lain tetap disebut

homoskedastisitas.

Sedangkan jika variansi semakin besar atau semakin kecil nilainya

dengan meningkatkan nilai Y maka dikatakan heteroskedastiisitas.

Kriteria pengujian:15

H 0 : tidak ada gejala heteroskedastisitas

H1 : ada gejala heteroskedastisitas

Dimana H 0 ditolak apabila thit  ttabel yang berarti terdapat

heteroskedastisitas.

3. Galat Tidak Mengalami Autokorelasi

Persamaan regresi yang baik yaitu persamaan yang tidak

mengalami autokorelasi, karena dengan adanya autokorelasi pada galat

14
Pangestu Subagyo, 2005’”Statistika Induktif edisi 5”, (Yogyakarta:BPFE), hal. 67-

68.

15
Muhammad Arif Tiro dan Baharuddin Ilyas,2002”Statistik Terapan Untuk Ilmu

Ekonomi dan Sosial Edisi Kedua”,(Makassar:Andhira Publisher),hal.430.

19
 maka dapat mengidentifikasi bahwa ada salah satu atau beberapa variable

bebas tidak dimasukkan dalam model regresi yang mempengaruhi variable

terikat. Uji autokorelasi adalah untuk melihat apakah terjadi korelasi

antara suatu periode t dengan periode sebelumnya (t-1). Secara sederhana

adalah bahwa analisis regresi adalah untuk melihat pengaruh antara

variable bebas terhadap variable terikat, jadi tidak boleh korelasi antara

data observasi dengan data observasi sebelumnya.

Salah satu ukuran dalam menentukan ada tidaknya autokorelasi

dengan uji Durbin-Watson (DW),16 sebagai berikut.

a. Terjadi autokorelasi positif jika nilai DW dibawah diantara -2 (DW<-

2).

b. Tidak terjadi autokorelasi jiks nilsi DW berada diantara -2 dan +2 atau

-2<DW<+2.

c. Terjadi autokorelasi negative jika nilai DW diatas +2 atau DW>+2.

4. Multikolinearitas

Uji multikolinearitas digunakan untuk melihat ada atau tidaknya

korelasi yang tinggi antara variable-variabel bebas dalam suatu model

regresi linear berganda. Jika ada korelasi yang tinggi diantara variable-

variabel bebasnya, maka hubungan antara variable bebas terhadap variable

terikatnya menjadi terganggu.

Danang Sunyanto, ”Analisis Regresi dan Uji Hipotesis”,(Yogyakarta:wedpress).

16

20
 Dengan kata lain untuk mengetahui uji multikolinaritas dapat

dilihat melalui uji nilai tolerance. Apabila nilai tolerance lebih besar dari

0,10 maka dapat disimpulkan bahwa terjadi multikolinearitas.17

5. Multikolinearitas

Multikolonearitas yaitu merupakan korelasi linear yang eksak

diantara variable penjelas yang dimasukkan kedalam model. Jika antara

x1 , x2 , x3 dan x4 ada yang memiliki korelasi tinggi maka hal tersebut

menindikasikan adanya problem multikolonearitas. Akibat adanya

multikolonearitas jika antara x1 dan x2 terjadi multikolonearitas secara

sempurna maka nilai 1 dan  2 tidak dapat ditentukan hasilnya karena

dari formula OLS. Dengan demikian hasilnya tidak akan menentu.

Begitupun, dengan standar error akan menjadi sangat besar. Jika

multikolonearitas tidak begitu sempurna tetapi tetap tinggi akibatnya

adalah parameter estimasi 1 yang diperoleh tetap valid.18

Hal-hal utama yang menyebabkan multikolonearitas pada model

regresi adalah:

Lee Alan J dan Seber George, 2003,”Linier Regression Analisis Secon

17

Edition”,(Canada:Published Simultaneuosly), hal. 35.

Tarik Widiharih, 2001, ”Penanganan Multikolonearitas (Kekolinieran Ganda)

18

dengan Analisis Regresi Komponen Utama”,Jurnal Matematika dan computer,vol. 4,No. 2,hal.

71-73.

21
 a. Kesalahan teoritis dalam pembentukan model fungsi regresi yang

dipergunakan.

b. Terlampaui kecilnya jumlah pengamatan yang akan dianalisis dengan

model regresi.

Jika terjadi mutikolonearitas sempurna maka koefisien regresi dari

variable X tidak dapat ditentukan dalam standard errornya tak berhingga.

Jika terjadi multikolonearitas kurang sempurna maka akan timbul akibat

sebagai berikut:19

a. Meskipun koefisien regresi dari variable x dapat dtentukan tetapi nilai

standard errornya akan cenderung membesar sehingga tingkat

kolonearitas antara variable bebas juga terikat.

b. Nilai standard error dari koefisien regresi besar maka interval

keyakinan untuk parameter dari populasi juga cenderung melebar.

c. Tinggi tingkat kolonearitas , probabilitas untuk menerima hipotesisi,

padahal hipotesis itu salah menjadi membesar nilainya.

d. Nilai multikolonearitas tinggi, akan memperoleh nilai R 2 yang tinggi

tetapi tidak ada atau sedikit sekali koefisien regresi yang signifikan

secara statistic.

Dalam model regresi biasanya terdapat korelasi antara variable

bebas sehingga menyebabkan pendugaan parameter regresi yang

19
T. L. Wesilaine, M. W. Talakua, Y. A. Lesnussa, 2014,”Model Regresi Ridge untuk

Mengatasi Model Regresi Linier Berganda yang Mengandung Multikolinearitas” jurnal

Barakeng, Vol. 8, No.1, hal. 2.

22
 mempunyai galat yang terbesar, disalm permodalan Geographycally

Weighted Regression (GWR), untuk menghitung nilai VIF dilakukan

untuk masing-masing variable predictor. Nilai VIF dinyatakan sebagai

berikut.

1
VIF (ai ,bi ) 
1  R 2(ai ,bi )
k

Dimana:

VIF = 1 mengidentifikasikan tidak ada korelasi yang signifikan antara

variable bebas.

VIF > 1 mengidentifikasi bahwa ada korelasi antara variable bebas.

VIF > 5-10 mengidentifikasi bahwa ada salah satu variable predictor

merupakan fungsi dari variable predictor yang lain.20

I. Tanaman Pangan Padi

Padi dalam sistematika tumbuhan diklasifikasikan ke dalam Divisio

Spermatophyta, dengan Subdivisio Angiospermae, termasuk ke dalam kelas

Monocotyledoneae, Ordo adalah Poales, Family adalah Graminae, Genus

adalah Oryza linn, dan Speciesnya adalah Oryza sativa.

Tanaman padi yang mempunyai nama botani Oryza sativa dapat

dibedakan dalam dua tipe, yaitu padi kering yang tumbuh di lahan kering dan

padi sawah yang memerlukan air menggenang untuk pertumbuhan dan

20
Nurul Ainun Abdullah, Amran, Saleh,”Pemodelan Geographically Weighted

Regression Multikolinearitas Menggunakan Regresi Ridge”, hal. 4.

23
perkembangannya. Padi ini termasuk Genus Oryza sativa l. Padi tipe kedua

kurang lebih ada 25 spesies, tersebar di daerah tropik dan sub tropic seperti

Asia, Afrika, Amerika, dan Australia.

Tanaman utama pertanian di Indonesia adalah padi. Padi merupakan

tanaman pangan yang menghasilkan beras sebagai sumber makanan pokok

sebagian besar penduduk Indonesia.

Perannya dalam penyediaan pangan masyarakat dan menjadi basis

pertumbuhan di pedesaan. Potensi pertanian Indonesia yang besar namun pada

kenyataannya sampai saat ini sebagian besar dari petani kita masih banyak

yang termasuk golongan miskin dan tidak mampu. Hal ini mengindikasikan

bahwa pemerintah pada masa lalu bukan saja kurang memberdayakan petani

tetapi juga terhadap sektor pertanian keseluruhan. Pembangunan pertanian

pada masa lalu mempunyai beberapa kelemahan, yakni hanya terfokus pada

usaha tani, lemahnya dukungan kebijakan makro, serta pendekatannya yang

sentralistik.

Akibatnya usaha pertanian di Indonesia sampai saat ini masih banyak

didominasi oleh usaha dengan:

1. modal yang terbatas penggunaan,

2. teknologi yang masih sederhana,

3. sangat dipengaruhi oleh musim,

4. wilayah pasarnya lokal,

24
5. umumnya berusaha dengan tenaga kerja keluarga sehingga menyebabkan

terjadinya involusi pertanian (pengangguran tersembunyi), akses terhadap

kredit, teknologi dan pasar sangat rendah,

6. pasar komoditi pertanian yang sifatnya mono/oligopsoni yang dikuasai

oleh pedagang-pedagang besar sehingga terjadi eksploitasi harga yang

merugikan petani.

Selain itu, ditambah lagi dengan permasalahan-permasalahan yang

menghambat pembangunan pertanian di Indonesia seperti pembaruan agraria

(konversi lahan pertanian menjadi lahan non pertanian) yang semakin tidak

terkendali lagi, kurangnya penyediaan benih bermutu bagi petani, kelangkaan

pupuk pada saat musim tanam datang, swasembada beras yang tidak

meningkatkan kesejahteraan petani dan kasus-kasus pelanggaran Hak Asasi

Petani, menuntut pemerintah untuk dapat lebih serius lagi dalam upaya

penyelesaian masalah pertanian di Indonesia.21

21
Entang Sastraatmadja, 1991, “Ekonomi Pertanian Indonesia: Masalah, Gagasan,

dan Strategi”, (Bandung: Angkasa), h. 13.

25
 BAB III

METODE PENELITIAN

A. Jenis Penelitian

Jenis data yang digunakan dalam penelitian ini adalah jenis data

terapan.

B. Sumber Data

Jenis Data yang digunakan adalah data sekunder, dari Kantor Badan

Pusat Statistik Provensi Sulawesi Selatan, Badan Meteorologi, Klimatologi dan

Geofisika, dan Dinas Ketahanan Pangan, Tanaman Pangan dan Holtikultura

Tahun 2015. Data sekunder adalah suatu data yang diperoleh atau dikumpulkan

peneliti dari data yang telah ada. Data sekunder diperlukan dalam penelitian ini

sebagai pendukung penulisan. Data yang digunakan berupa faktor-faktor yang

mempengaruhi produksi padi untuk seluruh Kabupaten/Kota di Provinsi

Sulawesi Selatan, yang terdiri dari 24 Kabupaten/Kota. Dan data tersebut

sesuai dengan ketersediaan data yang ada.

26
C. Waktu Penelitian

Penelitian ini dilaksanakan pada bulan Agustus-September 2018. Yang

bertempat di Badan Pusat Statistik (BPS) Provinsi Sulawesi Selatan.

D. Variabel dan Defenisi Operasional

Untuk mengetahui faktor yang secara signifikan mempengaruhi

produksi padi. Maka variable yang digunakan dalam penelitian ini disesuaikan

dengan ketersediaan data yaitu produksi padi, luas panen, puso padi, dan curah

hujan.

1. Produksi Padi (Y) yaitu jumlah output atau hasil panen padi dari luas lahan

petani selama satu kali musim tanam dalam bentuk gabah kering panen di

Provinsi Sulawesi Selatan pada tahun 2015 dengan satuan Ton.

2. Luas Panen ( X1 ) yaitu luasan tanaman yang dipungut setelah tanaman

tersebut cukup umur di Provinsi Sulawesi Selatan pada tahun 2015, dengan

satuan Hekter (Ha).

3. Puso Padi ( X 2 ) yaitu tanaman padi yang tidak dapat menghasilkan padi

akibat adanya gangguan pertumbuhan yang ada di Provinsi sulawesi

Selatan pada tahun 2015, dengan satuan Hektar (Ha).

4. Curah Hujan ( X 3 ) yaitu ketinggian air hujan yang terkumpul dalam tempat

yang datar, tidak menguap, tidak meresap dan tidak mengalir karena dapat

mempengaruhi pertumbuhan padi dengan baik di Provinsi Sulawesi Selatan

pada tahun 2015, dengan satuan ( mm3 ).

E. Teknik Analisis Data

27
 Analisis data yang dugunakan dalam penelitian ini adalah Regresi

Linear Berganda. Model ini dipilih untuk mengetahui seberapa besar pengaruh

variabel bebas terhadap variable terikat baik secara parsial maupun bersama-

sama.

1. Pengujian asumsi klasik.

2. Dalam penelitian ini asumsi klasik yang digunakan adalah:

a. Uji Normalitas

Uji normalitas data yang dilakukan untuk mengetahui bahwa suatu data

berdistribusi secara normal dan tidak. Persamaan regresi dikatakan baik

jika mempunyai data variable bebas dan variable terikat berdistribusi

mendekati normal atau normal sama sakali.

b. Uji Multikolinearitas

Uji multikolinearitas dilakukan untuk mengetahu ada tidaknya korelasi

antara variabel. Uji multikolinearitas dilakukan dengan menggunakan

nilai variance inflation factor (VIF). Jika nilai VIF lebih dari 10, maka

variabel tersebut mempunyai permasalahan multikolinearitas dengan

variabel bebas lainnya.

c. Uji Heteroskedastisitas

Uji heteroskedastisitas terjadi apabila tidak adanya kesamaan deviasi

standar nilai variabel dependen pada setiap variabel independen. Bila

terjadi gejala heteroskedastisitas akan menimbulkan akibat varians

koefisien regresi menjadi minimum dan confidence interval melebar

sehingga hasil uji signifikansi statistic tidak valid lagi.

28
3. Koefisien Determinasi ( R 2 )

Koefisien determinasi bertujuan untuk mengetahui presentasi

besarnya pengaruh variabel terikat. Koefisien determinasi dirumuskan:

R = Adjusted R Square x 100%

4. Uji Regresi Linear Berganda

Regresi linear berganda adalah regresi dimana variabel terikatnya

(Y) dihubungkan/dijelaskan lebih dari satu variabel, mungkin dua, tiga dan

seterusnya variabel bebas ( x1 , x2 , x3 ,..., xn ) .

Teknik analisis regresi linear berganda dipilih untuk digunakan pada

penelitian ini karena teknik regresi linear berganda dapat menyimpulkan

secara langsung mengenai pengaruh masing-masing variabel bebas yang

digunakan secara parsial atau secara simultan.

Persamaan regresi linear berganda adalah:

Y  0  1 x1  2 x2  3 x3  

Dimana:

Y : Produksi Padi (Ton)

 0 : Konstanta

1 : Koefisien Luas Panen

 2 : Koefisien Puso Padi

 3 : Koefisien Luas Lahan

X1 : Luas Panen (Ha)

X 2 : Puso Padi (Ha)

29
 X 3 : Curah Hujan (mm3 )

 : Faktor Pengganggu

5. Pengujian Hipotesis

Hipotesis adalah pernyataan yang didefinisikan dengan baik

menganai karakteristik populasi. Pengujian hipotesis yang digunakan

dalam penelitian ini adalah uji t (parsial), uji F (simultan) dan uji

determinasi.

a. Uji Parsial (t-test)

Uji parsial digunakan untuk mengetahui apakah variabel independen

(X) secara individu berpengaruh signifikan terhadap variabel dependen

(Y). langkah-langkah dalam pengujian hipotesis ini adalah menentukan

tingkat signifikan. Tingkat signifikan menggunakan alpa 5% (0,5).

Signifikansi 5% artinya penelitian ini menentukan resiko kesalahan

dalam mengambil keputusan untuk menolak atau menerima hipotesis

yang benar sebanyak-banyaknya 55 dan besar mengambil keputusan

sedikitnya 95% (tingkat kepercayaan).

b. Uji Simultan (F-test)

Uji signifikan simultan atau uji f bertujuan untuk mengetahui pengaruh

variabel-variabel bebas secara keseluruhan terhadap variabel terikat.

Langkah-langkah dalam pengujian hipotesis adalah menetukan tingkat

tingkat signifikan.

 Apabila nilai Probabilitas signifikan >0,5 maka H 0 diterima

dan H1 ditolak

30
  Apabila nilai probabilitas signifikan <0,5 maka H 0 ditolak dan

H1 terima

F. Hasil

Adapun data yang digunakan dalam penelitian ini adalah data tentang

jumlah prodiksi padi yang dipengaruhi oleh luas panen, puso padi, dan curah

hujan.

Produksi Luas Puso Curah

Padi Panen Padi Hujan
Kabupaten/Kota (Ton) (Ha) (Ha) (mm3 )
Kepulauan Selayar 29270 5986 197 1531
Bulukumba 193585 36408 6543 1546
Bantaeng 73722 13997 1051 1599
Jeneponto 103903 21434 2557 1336
Takalar 131447 28263 1455 956
Gowa 300305 61362 420 2968
Sinjai 128777 22734 3333 1370
Maros 351169 64202 33 3167
Pangkep 152564 29948 2416 2759
Barru 111772 19793 243 3254
Bone 812776 171163 13216 1668
Soppeng 226434 38868 9479 883
Wajo 670980 138593 7617 1077
Sidrap 536012 83450 389 922
Pinrang 655016 101534 885 1463
Enrekang 44079 10487 501 1392
Luwu 308380 63023 2895 1486
Tana Toraja 102267 23020 0 2536
Luwu Utara 180062 39358 596 4290
Luwu Timur 209271 37648 642 2641
Toraja Utara 103544 23392 46 2945
Makassar 12490 3315 0 2658

31
 Parepare 5349 954 31 1243
Palopo 28631 5098 130 1904

DAFTAR PUSTAKA

Abdullah Ainun Nurul. Amran. Saleh.”Pemodelan Geographically Weighted

Regression Multikolinearitas Menggunakan Regresi Ridge”. hal. 4.

Badan Pusat Statistika.2016.”Kota Makassar Dalam Angka 2016”.(Makassar:

BPS).h .117.

Hidayat Robert dan Yuniarto Budi.2016.“Analisis Regresi Dasar dan

Penerapannya dengan R”. (Jakarta:Kencana).

J Alan Lee dan George Seber.2003.”Linier Regression Analisis Secon

Edition”.(Canada:Published Simultaneuosly). hal. 35.

Kurniawan Robert dan Yuniarto Budi.2016.“Analisis Regresi Dasar dan

Penerapannya dengan R”.(Jakarta:Kencana). Hal. 97-99.

Purwandari Titi dan Hidayat Yuyun.2015.“Identifikasi Negara-Negara yang

Memiliki Kemiripan dengan Indonesia Dalam Konteks Krisis Beras

32
 Menggunakan Multidimensional Scaling”.Laporan Hasil Penelitian

(Bandung: Universitas Padjadjaran).

Rohman Nur Ahmad.2010.“Pemetaan Pulau-Pulau di Indonesia Terhadap Atribut

Produksi Beras dengan Metode Multidimensional Scaling”.Skripsi

(Surakarta: FMIPA Universitas Sebelas Maret).

Sastraatmadja Entang.1991.“Ekonomi Pertanian Indonesia: Masalah, Gagasan,

dan Strategi”.(Bandung: Angkasa). h. 13.

Subagyo Pangestu.2005.”Statistika Induktif edisi 5”. (Yogyakarta:BPFE).hal. 67-

68.

Sudjana.2006.”Teknik Analisis Regresi dan Korelasi”.(Bandung: Tarsito).

Sunyanto Danang.”Analisis Regresi dan Uji Hipotesis”.(Yogyakarta:wedpress).

Siregar Syafaruddin.200.”Statistika Terapan”.(Jakarta:Gramedia).hal.290.

T. L. Wesilaine, M. W. Talakua, Y. A. Lesnussa.2014.”Model Regresi Ridge untuk

Mengatasi Model Regresi Linier Berganda yang Mengandung

Multikolinearitas” (jurnal Barakeng).Vol. 8. No.1. hal. 2.

Thayyarah Nadiah.2013.“Buku Pintar Sains dalam Al-Quran”.(Jakarta: Zaman). h.

738.

Tiro Arif Muhammad.“Analisis korelasi dan regresi Edisi Ketiga”. hal 123.

Tiro Arif Muhammad dan Ilyas Baharuddin.2002.”Statistik Terapan Untuk Ilmu

Ekonomi dan Sosial Edisi Kedua”.(Makassar:Andhira

Publisher).hal.430.

Wahyudin.2000.” Analisis Regresi Linier Sederhana”.(CV:Delta Bawean)

33
Widiharih Tarik.2001.”Penanganan Multikolonearitas (Kekolinieran Ganda)

dengan Analisis Regresi Komponen Utama”.Jurnal Matematika dan

computer.Vol. 4.No. 2.hal. 71-73.

34