MARSS LKTIN Rina Wahyuningsih UII Optimalisasi Produksi Padi
MARSS LKTIN Rina Wahyuningsih UII Optimalisasi Produksi Padi
Diusulkan Oleh :
(Rina Wahyuningsih/14611079/2014)
(Ahmad Husain Abdullah/14611251/2014)
(Tri Atmaja Huda/14611213/2014)
i
ii
iii
KATA PENGANTAR
Puja dan Puji syukur kami panjatkan kehadirat Tuhan Yang Maha Esa,
karena dengan limpahan rahmat dan pertolonganNya penulis dapat menyelesaikan
karya ilmiah yang berjudul “Optimalisasi Produksi Padi dalam Negeri Guna
Meningkatkan Daya Saing Indonesia di Era MEA”. Meskipun banyak rintangan
dan hambatan yang penulis alami dalam proses pembuatan karya ilmiah ini,
namun penulis dapat menyelesaikannya dengan baik.
Tak lupa penulis mengucapkan terimakasih kepada dosen pembimbing
yang telah membantu dalam pembuatan karya ilmiah ini. Penulis juga
mengucapkan terimakasih kepada semua pihak yang telah berkontribusi baik
langsung maupun tidak langsung dalam pembuatan karya ilmiah ini.
Penulis menyadari bahwa masih ada kekurangan dalam pembuatan karya
ilmiah ini, oleh karena itu penulis sangat mengharapkan kritik dan saran dari
pembaca. Akhir kata penulis berharap semoga karya ilmiah ini dapat bermanfaat
bagi kita bersama.
Tim Penyusun
iv
DAFTAR ISI
Halaman Sampul....................................................................................................i
Halaman Pengesahan............................................................................................ii
Lembar Pernyataan..............................................................................................iii
Kata Pengantar.....................................................................................................iv
Daftar Isi...............................................................................................................v
Ringkasan..........................................................................................................viii
BAB I PENDAHULUAN................................................................................1
1.1. Latar Belakang..............................................................................1
1.2. Perumusan Masalah......................................................................3
1.3. Tujuan dan Manfaat......................................................................3
BAB II TINJAUAN PUSTAKA.......................................................................4
2.1. Masyarakat Ekonomi ASEAN (MEA).........................................4
2.2. Peran Sektor Pertanian pada MEA...............................................4
2.3. Padi...............................................................................................4
2.3.1. Produksi Padi.......................................................................5
2.3.2. Produktivitas Padi................................................................5
2.4. Luas Lahan....................................................................................5
2.5. Nilai Tukar Petani.........................................................................5
2.6. Tingkat Pendidikan.......................................................................6
2.7. Angkatan Kerja Sektor Pertanian..................................................6
2.8. Penelitian Terdahulu.....................................................................6
BAB III METODE PENELITIAN.....................................................................8
3.1. Populasi dan Sampel.....................................................................8
3.2. Metode Pengumpulan Data...........................................................8
3.3. Definisi Operasional.....................................................................8
3.4. Batasan Masalah...........................................................................9
3.5. Metode Analisis Data....................................................................9
3.5.1. Analisis Deskriptif dengan Pemetaan..................................9
3.5.2. Regresi Data Panel.............................................................10
v
3.5.2.1. Model Regresi Data Panel.....................................10
3.5.2.2. Pemilihan Model Estimasi Data Pnel....................11
3.5.2.3. Pemeriksaan Persamaan Regresi............................12
BAB IV PEMBAHASAN.................................................................................14
4.1. Peta Distribusi Rata-Rata Produksi Padi Tahun 2010-2012.......14
4.2. Pemilihan Model (Teknik Estimasi) Regresi Data Panel...........17
4.3. Interpretasi Model Persamaan.....................................................18
4.3.1 Koefisien Determinasi.......................................................18
4.3.2 Uji Parsial..........................................................................19
4.3.3 Variabel Luas Lahan (Ha)..................................................19
4.3.4 Variabel Produktivitas Padi...............................................20
4.3.5 Variabel Angkatan Kerja...................................................21
4.3.6 Variabel Tenaga Kerja Berpendidikan Rendah.................21
4.4. Penyelesaian Masalah Sebagai Upaya Peningkatan Produksi Padi
untuk Menghadapi MEA.............................................................22
BAB V PENUTUP..........................................................................................24
5.1. Kesimpulan.................................................................................24
5.2. Saran...........................................................................................24
DAFTAR PUSTAKA.........................................................................................26
DAFTAR RIWAYAT HIDUP...........................................................................28
LAMPIRAN........................................................................................................34
vi
DAFTAR GAMBAR
vii
RINGKASAN
Kata kunci : Pertanian, Produksi padi, Regresi Data Panel, fixed effect, MEA
viii
1
BAB I
PENDAHULUAN
oleh BULOG mempengaruhi daya jual petani, sehingga petani lebih memilih
menjual gabah kepada tengkulak. (sumber: www.tempo.com) Sebagai
gambaran, berdasarkan Inpres no 5 tahun 2015 tentang pengadaan gabah dan
beras, harga gabah di tingkat petani yaitu minimal Rp. 3.600, namun
kenyataanya harga beli gabah masih dibawah harga standar.
Produksi padi juga dipengaruhi oleh faktor-faktor lain yaitu penurunan
jumlah tenaga kerja yang bekerja disektor pertanian. Badan Pusat Statistik
(BPS) mencatat jumlah tenaga kerja di sektor pertanian dalam tiga tahun
terakhir terus mengalami penurunan. Penurunan jumlah tenaga kerja yang
bekerja disektor pertanian juga disebabkan salah satunya karena faktor tingkat
pendidikan. Tenaga kerja yang berpendidikan menengah hingga tinggi
umumnya kurang minat bekerja di sektor pertanian karena paradigma
pemikiran masyarakat bahwa bekerja disektor pertanian umumnya untuk
orang-orang berpendidikan menengah kebawah. Pengembangan di sektor
pertanian jelas sekali membutuhkan tenaga kerja yang mempunyai keahlian
dan berpendidikan minimal sekolah menengah . Namun petani di Indonesia
rata-rata hanya lulusan Sekolah Dasar (SD) sehingga kurang mempunyai
pengetahuan dalam memanajemen hasil pertanian ataupun pengetahuan
dalam mengembangkan sektor pertanian.
Dengan produktivitas padi yang terus menurun, pemerintah tetap
berusaha menstabilkan harga serta ketersediaannya dengan cara membuka
kran impor dari negara-negara tetangga. Disatu sisi kran impor dibuka dapat
membantu menstabilkan harga, namun disisi lain dengan dibukanya keran
impor maka terjadi penurunan harga jual gabah ditingkat petani sehingga
dapat merugikan petani dan menyebabkan ketergantungan terhadap pangan
luar negeri.
Dengan adanya faktor-faktor yang telah diuraikan diatas, maka
penulis tertarik untuk melakukan analisis tentang faktor penyebab penurunan
produksi padi di Indonesia berdasarkan data Badan Pusat Statistik (BPS) dan
Kementerian Pertanian tahun 2010-2012 untuk setiap Provinsi di Indonesia
sehingga dapat ditarik sebuah kesimpulan yang dapat digunakan untuk
pengembangan dibidang pertanian guna meningkatkan hasil pertanian.
3
Karena tahun 2016 ini sudah memasuki era MEA maka Indonesia dituntut
untuk dapat bersaing dengan negara-negara di lingkup ASEAN salah satunya
dalam hal ketahanan pangan oleh karena itu pemerintah harus bekerja keras
untuk meningkatkan kualitas serta kuantitas hasil pertanian serta
meningkatkan sumber daya manusia yang bekerja disektor pertanian demi
terciptanya ketahanan pangan nasional serta tercapainya program
swasembada beras.
BAB II
TINJAUAN PUSTAKA
2.3 Padi
Tanaman padi (Oryza sativa L.) merupakan tanaman semusim dengan
morfologi berbatang bulat dan berongga yang disebut jerami. Daunnya
memanjang dengan ruas searah batang daun. Pada batang utama dan anakan
membentuk rumpun pada fase vegetatif dan membentuk malai pada fase
generatif. Gabah adalah bulir padi yang telah dipisahkan dari tangkainya (jerami)
dengan cara perontokan menggunakan mesin perontok padi.
5
BAB III
METODE PENELITIAN
a. Uji Chow
Uji ini digunakan untuk memilih salah satu model pada regresi data
panel, yaitu antara model efek tetap (fixed effect model) dengan model
koefisien tetap (common effect model). Jika F hitung > F (n−1 , nT−n−k) atau
p−value<α (taraf signifikansi/alpha), maka tolak hipotesis awal ( H 0)
sehingga model yang terpilih adalah model efek tetap.
b. Uji Hausman
Uji ini digunakan untuk memilih model efek acak (random
effect model) dengan model efek tetap (fixed effect model). Uji ini
bekerja dengan menguji apakah terdapat hubungan antara galat pada
model (galat komposit) dengan satu atau lebih variabel penjelas
(independen) dalam model. Hipotesis awalnya adalah tidak terdapat
hubungan antara galat model dengan satu atau lebih variabel penjelas.
(Baltagi, 2008: 310). Jika W > X 2(a , k ) atau nilai p−valuekurang dari
taraf signifikansi yang dientukan, maka tolak hipotesis awal ( H 0)
sehingga model yang terpilih adalah model efek tetap.
c. Koefisien Determinasi ¿ ¿)
Menurut Nachrowi & Usman yang dituliskan oleh Pangestika
(2015), Koefisien Determinasi (Goodness of Fit), yang dinotasikan
dengan ¿ ¿), merupakan suatu ukuran yang penting dalam regresi,
karena dapat menginformasikan baik atau tidaknya model regresi yang
terestimasi. Dengan kata lain, angka tersebut dapat mengukur seberapa
dekatkah garis regresi yang terestimasi dengan data sesungguhnya.
Nilai Koefisien Determinasi ¿ ¿), ini mencerminkan seberapa
besar variasi dari variabel terikat Y dapat diterangkan oleh variabel
bebasX . Bila nilai Koefisien Determinasi sama dengan 0 % ¿), artinya
variasi Y dari tidak dapat diterangkan oleh X sama sekali. Sementara
bila ( R2=100 % ) , artinya variasi secara keseluruhan dapat diterangkan
oleh X . Dengan kata lain, maka semua pengamatan berada tepat pada
garis regresi. Dengan demikian baik atau buruknya suatu persamaan
regresi ditentukan oleh R2-nya yang mempunyai nilai antara nol hingga
100 %.
14
BAB IV
PEMBAHASAN
Pada Gambar 4.1 dapat diketahui bahwa daerah dengan indeks warna
gelap memiliki nilai produksi yang tinggi, daerah dengan indeks warna
sedang memiliki nilai produksi sedang, dan daerah yang berwarna putih
memiliki nilai produksi yang rendah. Provinsi yang memiliki tingkat produksi
besar pada tahun 2010-2012 adalah Provinsi Jawa Barat, Jawa Tengah, dan
Jawa Timur. Kemudian daerah yang tingkat produksinya sedang adalah
Provinsi Aceh, Sumatera Utara, Sumatera Barat, Sumatera Selatan, Lampung,
Banten, Kalimantan Selatan, Sulawesi Selatan, dan Nusa Tenggara Barat.
Sedangkan Provinsi yang lain dengan tingkat Produksi yang rendah.
16
Keterangan :
Yi : Produksi padi tiap provinsi (ton)
αi : nilai intercept masing-masing provinsi.
X2 : luas lahan (Ha)
X4 : jumlah lulusan berpendidikan rendah (tidak sekolah sampai tamat
sekolah menengah pertama) yang bekerja di sektor pertanian.
X6 : Tingkat produktivitas (kuintal/ha)
X1 : Jumlah angkatan kerja di atas 15 tahun yang bekerja di sektor pertanian.
e : error
Model persamaan tersebut merupakan model regresi fixed effect (efek
tetap). Pemilihan model berdasarkan hasil keputusan beberapa perlakuan uji
(test) antara lain uji F dan Uji Hausman. Pada Uji F (Chow test) dilakukan
perbandingan antara model estimasi common effect dan fixed effect dimana
pada hasil pengujian nilai probabilitas < 0,10 (tingkat signifikansi) sehingga
keputusannya model fixed effect lebih baik dibandingkan model common
effect pada kasus penelitian ini. Tahap selanjutnya, melakukan uji Hausman
yang dimana merupakan uji untuk menentukan manakah model estimasi yang
19
terbaik diantara fixed effect model dengan random effect model. Setelah
dilakukan, output menunjukkan bahwa nilai probabilitas < 0,10 sehingga
model fixed effect lebih baik jika dibandingkan dengan model random effect
pada kasus penelitian ini. Pada model fixed effect diasumsikan bahwa efek
setiap individu (provinsi) yang tercermin dalam parameter α memiliki nilai
tertentu yang tetap untuk setiap provinsi namun setiap provinsi memiliki
parameter slope (ß) yang tetap. Setiap αi adalah parameter yang akan
diestimasikan secara unik untuk setiap provinsi. Berikut merupakan contoh
model persamaan pada provinsi D.I Yogyakarta :
Provinsi Tahun Produktivitas (kuintal/ha) Produksi (ton) Luas Lahan Sawah (ha)
Gambar 4.4 Peringkat Teratas Sebaran Luas Lahan Sawah dan Tingkat
Produktivitas per Provinsi
penyebaran potensi air tanah di Pulau Jawa 24,9% dari total penyebaran air
tanah di Indonesia.
Pada gambar 4.3 dapat dilihat luas lahan sawah pada tahun 2012
cenderung menurun dari tahun sebelumnya. Seperti contohnya pada provinsi
Jawa Timur yang diindikasi terjadi pengalihan fungsi lahan sawah. Alih
fungsi lahan sawah atau lazimnya disebut sebagai konversi lahan sawah
adalah perubahan fungsi sebagian atau seluruh kawasan lahan sawah dari
fungsinya semula menjadi fungsi lain yang membawa dampak negatif
terhadap lingkungan dan potensi lahan itu sendiri. Alih fungsi lahan pertanian
merupakan bentuk konsekuensi adanya pertumbuhan dan perubahan struktur
sosial ekonomi masyarakat yang sedang berkembang (Hidayat 2009).
Semakin banyak lahan sawah yang dialih fungsikan untuk dijadikan daerah
perindustrian maupun perumahan maka akan mengakibatkan jumlah produksi
padi menurun. Namun, faktanya jumlah penduduk Indonesia semakin
meningkat setiap tahunnya tanpa diimbangi dengan penambahan luas lahan
pertanian, sehingga kegiatan konversi lahan pertanian ke sektor non pertanian
tidak dapat dihindari guna menunjang pertambahan penduduk Indonesia.
BAB V
PENUTUP
5.1 Kesimpulan
25
5.2 Saran
Dari hasil kesimpulan yang telah diuraikan, maka penulis membuat beberapa
saran antara lain:
1. Pemerintah harus lebih gencar melakukan sosialisasi, pendampingan dan
penyuluhan terhadap petani-petani sehingga kualitas sumber daya
manusia di bidang pertanian bisa meningkat yang akan berpengaruh
terhadap cara mengolah pertanian dan juga memanajemen hasil
pertanian.
2. Pemerintah melalui Badan Urusan Logistik (BULOG) harus lebih gencar
melakukan pendekatan dan penyuluhan terhadap petani agar menjual
26
DAFTAR PUSTAKA
27
Badan Pusat Statistik. (2015). Produksi Padi Menurut Provinsi (ton) 1993-2015.
[Online]. Tersedia: www.bps.go.id [15 Maret 2016 : 19.30].
Badan Pusat Statistik. (2015). Luas Lahan Sawah Menurut Provinsi (ha) 2003-
2013. [Online]. Tersedia: www.bps.go.id [15 Maret 2016 : 19.45]
Badan Pusat Statistik. (2015). Nilai Tukar Petani (NTP) Menurut Provinsi 2008-
2014. [Online]. Tersedia: www.bps.go.id [15 Maret 2016 : 19.59].
Sasmita, Ronny P. (2016). MEA, Siap Tidak Siap Harus Siap. [Online]. Tersedia:
http://news.metrotvnews.com/read/2016/01/06/467535/mea-siap-tidak-
siap-harus-siap [8 April 2016 : 18.26]
28
LAMPIRAN
Lampiran 1
Tabel model persamaan regresi berdasarkan nilai intercept yang unik di setiap provinsi
Model
Provinsi
α (intercept) y (Produksi padi)
Aceh -1137900 y= αi + 4,5977X2 + 1,2855X4 + 45457X6 – 1,6686X1 + e
Sumatra Utara 2069791 y= αi + 4,5977X2 + 1,2855X4 + 45457X6 – 1,6686X1 + e
Sumatra Barat -134214.5 y= αi + 4,5977X2 + 1,2855X4 + 45457X6 – 1,6686X1 + e
Riau 13557.75 y= αi + 4,5977X2 + 1,2855X4 + 45457X6 – 1,6686X1 + e
Jambi -578506.1 y= αi + 4,5977X2 + 1,2855X4 + 45457X6 – 1,6686X1 + e
Sumatera Selatan 1036658 y= αi + 4,5977X2 + 1,2855X4 + 45457X6 – 1,6686X1 + e
Bengkulu -998558.8 y= αi + 4,5977X2 + 1,2855X4 + 45457X6 – 1,6686X1 + e
Lampung 1041713 y= αi + 4,5977X2 + 1,2855X4 + 45457X6 – 1,6686X1 + e
Kep. Bangka Belitung -944252.4 y= αi + 4,5977X2 + 1,2855X4 + 45457X6 – 1,6686X1 + e
Kep. Riau -1306720 y= αi + 4,5977X2 + 1,2855X4 + 45457X6 – 1,6686X1 + e
DKI Jakarta -2541605 y= αi + 4,5977X2 + 1,2855X4 + 45457X6 – 1,6686X1 + e
Jawa Barat 7266343 y= αi + 4,5977X2 + 1,2855X4 + 45457X6 – 1,6686X1 + e
Jawa Tengah 6908260 y= αi + 4,5977X2 + 1,2855X4 + 45457X6 – 1,6686X1 + e
DI Yogyakarta -1628004 y= αi + 4,5977X2 + 1,2855X4 + 45457X6 – 1,6686X1 + e
Jawa Timur 10355936 y= αi + 4,5977X2 + 1,2855X4 + 45457X6 – 1,6686X1 + e
Banten -794547.6 y= αi + 4,5977X2 + 1,2855X4 + 45457X6 – 1,6686X1 + e
Bali -1300935 y= αi + 4,5977X2 + 1,2855X4 + 45457X6 – 1,6686X1 + e
Nusa Tenggara Barat -710749.5 y= αi + 4,5977X2 + 1,2855X4 + 45457X6 – 1,6686X1 + e
Nusa Tenggara Timur -811263.6 y= αi + 4,5977X2 + 1,2855X4 + 45457X6 – 1,6686X1 + e
Kalimantan Barat 105366.6 y= αi + 4,5977X2 + 1,2855X4 + 45457X6 – 1,6686X1 + e
kalimantan Tengah -808434.6 y= αi + 4,5977X2 + 1,2855X4 + 45457X6 – 1,6686X1 + e
Kaliantan Selatan -1220847 y= αi + 4,5977X2 + 1,2855X4 + 45457X6 – 1,6686X1 + e
Kalimantan Timur -1205293 y= αi + 4,5977X2 + 1,2855X4 + 45457X6 – 1,6686X1 + e
Sulawesi Utara -1525269 y= αi + 4,5977X2 + 1,2855X4 + 45457X6 – 1,6686X1 + e
Sulawesi Tengah -1033028 y= αi + 4,5977X2 + 1,2855X4 + 45457X6 – 1,6686X1 + e
Sulawesi Selatan 588383 y= αi + 4,5977X2 + 1,2855X4 + 45457X6 – 1,6686X1 + e
Sulawesi Tenggara -1343250 y= αi + 4,5977X2 + 1,2855X4 + 45457X6 – 1,6686X1 + e
Gorontalo -2044131 y= αi + 4,5977X2 + 1,2855X4 + 45457X6 – 1,6686X1 + e
Sulawesi Barat -1656030 y= αi + 4,5977X2 + 1,2855X4 + 45457X6 – 1,6686X1 + e
Maluku -1627841 y= αi + 4,5977X2 + 1,2855X4 + 45457X6 – 1,6686X1 + e
Maluku Utara -1236688 y= αi + 4,5977X2 + 1,2855X4 + 45457X6 – 1,6686X1 + e
Papua Barat -1501635 y= αi + 4,5977X2 + 1,2855X4 + 45457X6 – 1,6686X1 + e
Papua -1296309 y= αi + 4,5977X2 + 1,2855X4 + 45457X6 – 1,6686X1 + e
Lampiran 2