Pendeteksian Outlier
Pendeteksian Outlier
pendeteksian terhadap pencilan karena OLS sensitif terhadap pencilan. Dari hasil pengujian
yang dilakukan dengan menggunakan leverage value, didapatkan 28 observasi variabel bebas
Studentized Deleted Residual (SDR). Didapatkan bahwa terdapat 11 observasi yang nilai
variabel tak bebasnya menyimpang. Dikatakan nilai observasi adalah sebuah pencilan jika
nilai Studentized Deleted Residual (SDR) > t (0,05 ; (n− p−1 )), dimana t (0,05 ; (n− p−1 ))=1,9673.
Frekuensi Persen
(1) (2) (3)
Bukan outlier 303 91,54
Outlier 28 8,46
Frekuensi Persen
(1) (2) (3)
Bukan outlier 320 96,68
Outlier 11 3,32
Untuk mendeteksi apakah sebuah observasi merupakan suatu amatan observasi berpengaruh
atau bukan, maka digunakan nilai DFFITS dan DFBETAS. DFFITS digunakan untuk
mengetahui pengaruh suatu amatan ke-i terhadap model regresi yang ditinjau dari nilai fit-
nya. Jika suatu pengamatan ke-i memiliki nilai |DFFITS| > (2 √ p /n=0,3298),maka
pengamatan ke-i berpengaruh terhadap nilai fit-nya. Sedangkan DFBETAS digunakan untuk
mengetahui pengaruh suatu pengamatan ke-i terhadap koefisien ke-j, apabila pengamatan
Tabel X. Outlier pada variabel bebas (X) dan variabel tak bebas (Y) yang
mempunyai pengaruh terhadap model regresinya
Outlier X Outlier Y
(1) (2) (3)
Inf_DFFITS 10 6
Persen 35,71% 54,55%
Berdasarkan hasil pendeteksian influence dari 28 amatan yang merupakan pencilan dari
variabel bebas (X) didapatkan bahwa 10 amatan tersebut adalah amatan yang berpengaruh
terhadap persamaan fit. Selain itu, 6 amatan dari 11 amatan yang menjadi pencilan variabel
9 2
Jumlah Bibit
(34,14%) (18,18%)
10 2
Jumlah Pupuk
(35,71%) (18,18%)
8 6
Jumlah Pestisida
(28,57) (54,54%)
6 4
Jumlah Tenaga Kerja
(21,43%) (36,36%)
3 3
Umur Petani
(10,71%) (27,27%)
6 1
Tingkat Pendidikan
(21,43%) (9,09%)
5 2
Keikutsertaan Penyuluhan
(17,86%) (18,18%)
Hasil pada tabel X menunjukkan bahwa dari 28 amatan yang nilai variabel bebasnya (X)
menyimpang dan 11 amatan yang nilai variabel tak bebasnya (Y) menyimpang, sebagian
amatan memiliki pengaruh terhadap seluruh koefisien regresi. Amatan yang merupakan
outlier, paling banyak memiliki pengaruh terhadap intercept, luas lahan, jumlah bibit, jumlah
pupuk, jumlah pestisida, jumlah tenaga kerja, umur petani, tingkat pendidikan, dan
(X) dan variabel tak bebasnya (Y) yang memiliki pengaruh terhadap model regresi, maka
peneliti tidak membuang begitu saja amatan-amatan yang terdeteksi sebagai outlier.
1. Uji Normalitas
normal atau tidak. Pendetektsian kenormalan nilai residual dilakukan dengan uji
Kolmogorov-Smirnov. Dari hasil yang diperoleh bahwa hasil p-value yaitu sebesar 0,000
< 0,05 sehingga kesimpulannya bahwa residual tidak berdistribusi normal (terdapat di
Lampiran ).
2. Uji Heteroskedastisitas
Nilai Signifikansi Variabel Independen yang digunakan lebih dari 0.05 maka
Pendeteksian gejala multikolinearitas dapat dilihat dari nilai VIF dan Tolerance.
Dari hasil pengujian Non Multikolinearitas pada Lampiran dapat dilihat bahwa VIF dari
semua variabel bebas dalam penelitian ini kurang dari 10 dan nilai Tolerance lebih besar
dari 0,1. Sehingga dapat disimpulkan bahwa semua variabel bebas tidak saling
Regresi OLS
^
ln Produksii =3,845+0,712 ln Lahan+ 0,03 LNBibit−0,043 LNPupuk + 0,186 LNPestisida+ 0,134 LNTngKerja
Koefisien regresi OLS tidak akan memiliki varian yang minimum dikarenakan mengandung
pencilan. Adapun pencilan yang berpengaruh yang tidak bisa dihapus/dihilangkan sehingga
teknik analisis yang sesuai digunakan adalah robust regression. Berikut hasil dari analisis
regresi robust.
Regresi Robust
Std.
Variabel Coefficient z-Statistic P-value Keputusan
Error
(1) (2) (3) (4) (5) (6)
Constant 5,5049 0,7216 7,6293 0,000 Tolak H 0
LN_LuasLahan 0,6126 0,0924 6,6277 0,000 Tolak H 0
LN_JumBibit 0,1857 0,0928 2,0006 0,045 Tolak H 0
LN_JumPupuk 0,0573 0,0487 1,1774 0,239 Gagal Tolak H 0
LN_JumPestisida 0,1511 0,0232 6,5161 0,000 Tolak H 0
LN_JumTngKerja -0,0645 0,0908 -0,7120 0,477 Gagal Tolak H 0
LN_UmurPetani -0,1511 0,1675 -0,9047 0,367 Gagal Tolak H 0
LN_Pendidikan -0,1313 0,1320 -0,9947 0,320 Gagal Tolak H 0
LN_Penyuluhan 0,0857 0,1053 0,8144 0,415 Gagal Tolak H 0
Adj R-Squared 0,7362
Rn-Squared Statistic 877,5298 (P-value =0,000)
^
ln Produksii =5,505+0,613 LNLahan+0,186 LNBibit+ 0,057 LNPupuk +0,1 51 LNPestisida−0 , 065 LNTngKe
Jika dibandingkan standar error antara regresi OLS (regresi linear berganda) dan regresi
robust, maka nilai standar error regresi robust lebih kecil dibandingkan dengan regresi OLS
(regresi linear berganda). Hal ini menandakan bahwa penggunaan regresi robust lebih baik
Berdasarkan tabel X. diketahui pada tingkat signifikansi lima persen dalam uji simultan
didapatkan bahwa semua variabel bebas (X) yaitu luas lahan ( X 1 ¿, jumlah bibit ( X 2 ¿, jumlah
signifikan terhadap produksi usahatani cabai rawit di Provinsi Jawa Tengah. Adapun hasil uji
parsial, diketahui bahwa variabel luas lahan ( X 1 ¿, jumlah bibit ( X 2 ¿, dan jumlah pestisida (
Tengah. Sedangkan variabel jumlah pupuk ( X 3 ¿, jumlah tenaga kerja ( X 5 ¿, umur petani ( X 6 ¿
terhadap produksi usahatani cabai rawit di Provinsi Jawa Tengah. Selain itu, hasil Adjusted
R-Squared dari metode regresi robust diperoleh sebesar 0,7362 berarti variabel-variabel
bebas yang terdapat didalam model dapat menjelaskan sebesar 73,62 persen. Sedangkan
26,38 persen lainnya dijelaskan oleh variabel-variabel yang tidak terdapat didalam model.
1. Luas Lahan
Statistik uji parsial untuk variabel luas lahan adalah sebesar 0,613 dengan p-value
sebesar 0,000 ¿ 0,05. Oleh karena itu, dengan tingkat kepercayaan 95 persen dapat
dinyatakan bahwa terdapat cukup bukti untuk menyatakan bahwa variabel luas lahan
berpengaruh signifikan secara parsial terhadap produksi cabai rawit di Provinsi Jawa
Tengah tahun 2018. Adapun koefisien regresi yang diperoleh dari model tersebut sebesar
0,613 memiliki arti bahwa saat luas lahan pertanian bertambah 1 meter, maka jumlah
produksi cabai rawit akan bertambah 0,613 gram dengan asumsi variabel lainnya tetap.
Hal ini sejalan dengan Penelitian yang dilakukan oleh Dewi Setyo Utari, Farida
Syakir, dan Bambang Siswadi (2019) yang menyatakan adanya pengaruh positif luas lahan
terhadap produksi cabai rawit merah di Desa Bocek Kecamatan Karangploso Kabupaten
Malang. Didukung oleh penelitian Ara Anggar Andrias, Yus Darusman, dan Mochamad
Ramdan (2018) dengan judul penelitian Pengaruh Luas Lahan Terhadap Produksi dan
Pendapatan Usahatani Padi Sawah di Desa Jelat Kecamatan Baregbeg Kabupaten Ciamis
yang menyatakan bahwa hasil uji t untuk variabel luas lahan diperoleh t hitung =26,831
dengan probabilitas 0,000. Artinya ada pengaruh positif dan signifikan antara pendapatan
petani (Y) dengan luas lahan usaha tani padi di Desa Jelat.
Menurut Mubyarto (1989:42) bahwa salah satu faktor produksi adalah luas lahan,
tempat yang dihasilkannya produk pertanian yang memiliki sumbangan cukup besar
terhadap usaha tani karena banyak sedikitnya hasil produksi pertanian sangat dipengaruhi
oleh luas sempitnya luas lahan yang digunakan. Selain itu, menurut Ambarita dan Kartika
(2015) bahwa semakin besar luas lahan maka semakin besar produktivitas yang
dihasilkan.
2. Jumlah Bibit
Statistik uji parsial untuk variabel jumlah bibit adalah sebesar 0,186 dengan p-
value sebesar 0,045¿ 0,05. Oleh karena itu, dengan tingkat kepercayaan 95 persen dapat
dinyatakan bahwa terdapat cukup bukti untuk menyatakan bahwa variabel jumlah bibit
berpengaruh signifikan secara parsial terhadap produksi cabai rawit di Provinsi Jawa
Tengah tahun 2018. Adapun koefisien regresi yang diperoleh dari model tersebut sebesar
0,186 memiliki arti bahwa saat jumlah bibit yang digunakan bertambah 1 satuan/pohon,
maka jumlah produksi cabai rawit akan bertambah 0,816 gram dengan asumsi variabel
lainnya tetap.
Dari hasil koefisien regresi didapatkan bahwa variabel jumlah bibit memiliki
hubungan positif terhadap produksi cabai rawit di Provinsi Jawa Tengah tahun 2018. Hal
ini sejalan dengan teori Yuniarto (2008) bahwa bibit yaitu tanaman muda yang sudah
Adapun penelitian yang dilakukan oleh oleh Dewi Setyo Utari, Farida Syakir, dan
Merah dengan Cabai Rawit Hibrida di Desa Bocek Kecamatan Karangploso Kabupaten
Malang”. Dalam penelitian ini menyatakan bahwa variabel benih berpengaruh sangat
nyata dan positif terhadap produksi cabai. Selain itu, penelitian yang dilakukan oleh Alvio
diperoleh bahwa benih atau bibit mempengaruhi produksi padi dengan taraf signifikan
sebesar 1 persen dan nilai koefisien untuk variabel benih atau bibit sebesar 0,9331.
3. Jumlah Pupuk
Statistik uji parsial untuk variabel jumlah pupuk adalah sebesar 0,057 dengan p-
value sebesar 0,000 ≥ 0,05. Oleh karena itu, dengan tingkat kepercayaan 95 persen dapat
dinyatakan bahwa tidak terdapat cukup bukti untuk menyatakan bahwa variabel jumlah
pupuk berpengaruh signifikan secara parsial terhadap produksi cabai rawit di Provinsi
Jawa Tengah tahun 2018. Adapun koefisien regresi yang diperoleh dari model tersebut
sebesar 0,057 memiliki arti bahwa saat jumlah pupuk yang digunakan bertambah 1
kilogram pupuk, maka jumlah produksi cabai rawit akan bertambah 0,057 gram dengan
Hal ini tidak sesuai dengan Penelitian yang dilakukan oleh Umaruddin Usman dan
Juliyani (2018) tentang “Pengaruh Luas Lahan, Pupuk, dan Jumlah Tenaga Kerja terhadap
Produksi Padi Gampong Matang Baloi. Hasil penelitian ini bahwa hasil uji parsial atau uji
t untuk koefisien regresi diperoleh sebesar 0,603 atau p-value sebesar 0,0126. Hal ini
menyatakan bahwa terdapat pengaruh yang signifikan dan positif antara variabel pupuk
Menurut Direktorat Pupuk dan Pestisida (2004) bahwa penggunaan pupuk yang
30-40% pendapatan petani. Selain itu, Kassie et al. (2009) menyatakan bahwa faktor
kesuburan tanah menentukan terhadap jumlah pupuk yang digunakan oleh petani.
4. Jumlah Pestisida
Statistik uji parsial untuk variabel jumlah pestisida adalah sebesar 0. 1511 dengan
p-value sebesar 0,000 < 0,05. Oleh karena itu, dengan tingkat kepercayaan 95 persen dapat
dinyatakan bahwa terdapat cukup bukti untuk menyatakan bahwa variabel jumlah
pestisida yang digunakan berpengaruh signifikan secara parsial terhadap produksi cabai
rawit di Provinsi Jawa Tengah tahun 2018. Adapun koefisien regresi yang diperoleh dari
model tersebut sebesar 0,1511 memiliki arti bahwa saat jumlah pestisida yang digunakan
bertambah 1 kilogram pestisida, maka jumlah produksi cabai rawit akan bertambah 0,1511
Hal ini sejalan dengan penelitian yang dilakukan oleh Jerry Paska Ambarita dan I
Nengah Kartika (2015) dengan judul penelitian “Luas Lahan, Penggunaan Pestisida,
Tenaga Kerja, dan Pupuk terhadap Produksi Kopi di Kecamatan Pekutatan Kabupaten
Jembrana. Hasil penelitian ini bahwa variabel bebas penggunaan pestisida berpengaruh
penelitian lainnya yaitu penelitian Dewi Sahara dan Idris (2005) tentang “Efisiensi
Produksi Sistem Usahatani Padi Pada Lahan Sawah Irigasi Teknis” menyatakan bahwa
pestisida berpengaruh positif terhadap efisiensi produksi sistem usahatani padi pada lahan
produktivitas hasil pertanian, penggunaan pestisida untuk membasmi hama tanaman sering
Statistik uji parsial untuk variabel tenaga kerja adalah sebesar -0,065 dengan p-
value sebesar 0,477≥ 0,05. Oleh karena itu, dengan tingkat kepercayaan 95 persen dapat
dinyatakan bahwa tidak terdapat cukup bukti untuk menyatakan bahwa variabel jumlah
tenaga kerja yang digunakan berpengaruh signifikan secara parsial terhadap produksi
cabai rawit di Provinsi Jawa Tengah tahun 2018. Adapun koefisien regresi yang diperoleh
dari model tersebut sebesar -0,065 memiliki arti bahwa saat jumlah tenaga kerja yang
digunakan bertambah satu orang atau satuan, maka jumlah produksi cabai rawit akan
Hal ini tidak sejalan dengan Penelitian yang dilakukan oleh Katarina Bete dan
Usahatani Cabai Rawit di Desa Tapenpah Kecamatan Insana Kabupaten Timor Tengah
Utara” yang menyatakan adanya pengaruh negatif tenaga kerja terhadap produksi
usahatani cabai rawit merah di Desa Tapenpah Kecamatan Insana Kabupaten Timor
Tengah Utara. Didukung penelitian yang dilakukan oleh Umaruddin Usman dan Juliyani
(2018) tentang “Pengaruh Luas Lahan, Pupuk, dan Jumlah Tenaga Kerja terhadap
Produksi Padi Gampong Matang Baloi. Hasil penelitian ini bahwa hasil uji parsial atau uji
t untuk koefisien regresi diperoleh sebesar -30,8255 atau p-value sebesar 0,0355. Hal ini
menyatakan bahwa terdapat pengaruh yang signifikan dan negatif antara variabel jumlah
Adapun teori yang menjelaskan variabel tenaga kerja yaitu jumlah tenaga kerja
yang diperlukan ini memang masih banyak dipengaruhi dan dikaitkan dengan kualitas
tenaga kerja, jenis kelamin, musim, dan upah tenaga kerja. Tentunya tenaga kerja laki-laki
memiliki spesialisasi dalam bidang pekerjaan tertentu seperti mengolah tanah, sedangkan
perempuan tugasnya menanam (Soekartawi, 1990). Selain itu, menurut Hernanto (1996 :
71-72) bahwa tenaga kerja dihitung berdasarkan jumlah tenaga kerja yang digunakan
dalam proses produksi sampai penjualan produk. Banyak atau sedikitnya tenaga kerja
6. Umur Petani
Statistik uji parsial untuk variabel umur petani adalah sebesar -0,151 dengan p-
value sebesar 0,367 ≥ 0,05. Oleh karena itu, dengan tingkat kepercayaan 95 persen dapat
dinyatakan bahwa terdapat cukup bukti untuk menyatakan bahwa variabel umur petani
berpengaruh signifikan secara parsial terhadap produksi cabai rawit di Provinsi Jawa
Tengah tahun 2018. Adapun koefisien regresi yang diperoleh dari model tersebut sebesar
-0,151 memiliki arti bahwa saat umur petani bertambah satu tahun, maka jumlah produksi
cabai rawit akan berkurang 0,151 gram dengan asumsi variabel lainnya tetap.
Hal ini tidak sesuai dengan penelitian yang dilakukan oleh Arlis (2016) mengenai
“Hubungan Karakteristik Petani dengan Produksi Padi Sawah di Desa Rambah Tengah
Barat Kecamatan Rambah Kabupaten Rokan Hulu”. Dari penelitian ini didapatkan bahwa
adanya hubungan negatif dan signifikan antara umur petani dengan produksi padi sawah di
Desa Rambah Tengah Barat Kecamatan Rambah Kabupaten Rokan Hulu. Adapun
penelitian lainnya yaitu penelitian yang dilakukan oleh Indra Nofita dan Syamsul Hadi
(2015) tentang analisis produktivitas usahatani cabai merah besar di Desa Andongsari
Kecamatan Ambulu Kabupaten Jember. Kesimpulan penelitian ini bahwa umur petani
Hal ini tidak sejalan dengan teori Baking dan Manning (dalam 13 Hermaya Rukka,
2006:21) mengemukakan bahwa usia produktif untuk bekerja adalah 15-55 tahun. Pada
usia produktif, motivasi dalam bekerja cenderung lebih tinggi, begitu juga kemampuan
dan keterampilannya dalam bekerjapun masih baik. Kemampuan kerja penduduk usia
produktif akan terus menurun seiring dengan semakin bertambahnya usia petani. Begitu
pun menurut Aprilyanti (2017) bahwa usia yang masih dalam masa produktif biasanya
mempunyai tingkat produktivitas yang tinggi dibandingkan dengan tenaga kerja yang
berusia tua.
7. Tingkat Pendidikan
Statistik uji parsial untuk variabel tingkat pendidikan adalah sebesar -0,131 dengan
p-value sebesar 0,032 ≥ 0,05. Oleh karena itu, dengan tingkat kepercayaan 95 persen dapat
dinyatakan bahwa terdapat tidak cukup bukti untuk menyatakan bahwa variabel tingkat
pendidikan berpengaruh signifikan secara parsial terhadap produksi cabai rawit di Provinsi
Jawa Tengah tahun 2018. Adapun koefisien regresi yang diperoleh dari model tersebut
sebesar -0,131 memiliki arti bahwa saat tingkat pendidikan akhir petani adalah maksimal
SMP, maka jumlah produksi cabai rawit akan menurun 0,131 gram dengan asumsi
Penelitian yang dilakukan oleh Hijri Juliansyah dan Agung Riyono (2018) dengan
judul “ Pengaruh Produksi, Luas Lahan, dan Tingkat Pendidikan Terhadap Pendapatan
Petani Karet di Desa Bukit Hagu Kecamatan Lhoksukon Kabupaten Aceh Utara”. Dalam
penelitian ini didapatkan nilai koefisien regresi dari uji parsial sebesar 35229,86 dan nilai
p-value sebesar 0,0608 sehingga dapat disimpulkan bahwa variabel tingkat pendidikan
tidak berpengaruh terhadap pendapatan petani karet di Desa Bukit Hagu Kecamatan
Teori yang mendukung variabel ini adalah menurut Menurut UU SISDIKNAS NO.
20 Tahun 2003, indikator tingkat pendidikan terdiri atas jenjang pendidikan dan
kesesuaian jurusan. terdiri dari : pendidikan dasar, pendidikan menengah, dan pendidikan
tinggi. Dan kewajiban untuk wajib belajar 9 tahun artinya pendidikan harus diselesaikan
minimal tamat SMP/Sederajat. Sehingga hal ini yang menyebabkan peneliti melakukan
pengkategorian pada variabel ini. Selain itu, menurut Yulianti (2015) mengemukakan
8. Keikutsertaan Penyuluhan
Statistik uji parsial untuk variabel keikutsertaan penyuluhan adalah sebesar 0,086
dengan p-value sebesar 0,415 ≥ 0,05. Oleh karena itu, dengan tingkat kepercayaan 95
persen dapat dinyatakan bahwa tidak terdapat cukup bukti untuk menyatakan bahwa
cabai rawit di Provinsi Jawa Tengah tahun 2018. Adapun koefisien regresi yang diperoleh
dari model tersebut sebesar 0,086 memiliki arti bahwa saat petani pernah mengikuti
penyuluhan, maka jumlah produksi cabai rawit akan bertambah 0,086 gram dengan asumsi
Hal ini tidak sejalan dengan penelitian yang dilakukan oleh Katarina Bete dan
Produksi Usahatani Cabai Rawit Merah di Desa Tapenpah Kecamatan Insana Kabupaten
Timor Tengah Utara”. Didapatkan hasil uji parsial atau uji t dengan koefisien regresi
sebesar 0,022 dan p-value sebesar 0,004 sehingga dapat disimpulkan bahwa adanya
pengaruh positif pengalaman (penyuluhan) terhadap produksi cabai rawit merah di Desa
Menurut Miranda, dkk (2015:521) lamanya masa bekerja atau pengalaman kerja
sebagai petani merupakan lamanya waktu atau pengalaman memiliki pekerjaan sebagai
petani. Pada umumnya hasil dari pekerjaan yang baik sangat didasari dengan adanya
pengalaman kerja yang bagus. Jadi pengalaman kerja dapat menentukan keberhasilan yang
akan dicapai dari melakukan suatu pekerjaan dan pengalaman bekerja disini contohnya