Abstrak—Padi merupakan salah satu makanan pokok Jawa sebesar 829,97 ribu ton. Sementara itu produksi padi
masyarakat Indonesia. Produksi padi pada tahun 2014 sebesar 70,85 di luar Pulau Jawa mengalami peningkatan sebesar 396,73
ton Gabah Kering Giling (GKG) mengalami penurunan sebesar
433,24 ribu ton (0,61 persen) dibandingkan tahun 2013. Provinsi ribu ton. Penurunan produksi terjadi karena adanya
Jawa Timur merupakan provinsi penyumbang produksi padi penurunan luas panen dan produktivitas masing-masing
terbesar di Indonesia. Hal ini yang menuntut Provinsi Jawa Timur 37,95 ribu hektar (0,27 persen) sebesar 0,17 kuintal/hektar
untuk terus meningkatkan produksi padi demi ketercapaian (0,33 persen). Penurunan produksi padi tahun 2014 yang
swasembada pangan khususnya untuk masyarakat Jawa Timur dan
umumnya untuk Indonesia. Penelitian ini akan membahas tentang
relatif besar terdapat di Provinsi Jawa Tengah, Jawa Barat,
faktor-faktor apa saja yang diduga mempengaruhi produksi padi Aceh, Sumatera Utara, dan Nusa Tenggara Barat.
Jawa Timur tahun 2014 menggunakan regresi semiparametrik Indonesia pernah menjadi salah satu penghasil produksi
spline. Hasil dari regresi semiparametrik spline menunjukkan padi terbesar diantara negara-negara lain, namun pada
factor-faktor yang berpengaruh signifikan terhadap produksi padi
yaitu luas panen padi dan curah hujan, sedangkan faktor-faktor
lima tahun terakhir, seperti yang banyak diberitakan oleh
yang tidak berpengaruh signifikan adalah luas puso padi, realisasi banyak media massa kondisinya menjadi berlawanan.
pupuk bersubsidi, dan ketinggian rata-rata dari permukaan laut Pada waktu itu pasokan komoditi tersebut menjadi
dengan nilai koefisien determinasi yang didapatkan adalah sebesar semakin terbatas. Diduga, faktor-faktor yang menjadi
99,17 persen.
penyebab adalah semakin bertambahnya penduduk,
Kata Kunci—Indonesia, Jawa Timur, Produksi Padi, Regresi adanya sikap berjaga-jaga dikalangan tertentu dan adanya
Semiparametrik Spline. dualisme pendapat ditubuh pemerintah, antara pihak yang
menyatakan masih mencukupi dan pihak-pihak yang perlu
I. PENDAHULUAN menjaga stok pangan agar tercukupi pada periode tertentu
[3].
O ryza sativa L atau yang biasa dikenal dengan
tanaman padi merupakan tanaman budidaya yang
sangat penting bagi umat manusia. Tanaman padi menjadi
Jawa Timur merupakan provinsi penyumbang terbesar
produksi padi di Indonesia. Pada Tahun 2014 produksi
padi di Jawa Timur mencapai 12.397.049 juta ton atau
sumber bahan pangan utama hampir dari setengah sebesar 17,5% dari total produksi padi di Indonesia.
penduduk dunia. Tak terkecuali Indonesia, hampir seluruh Produksi padi di Provinsi Jawa Timur pada tahun 2014
penduduk Indonesia memenuhi kebutuhan bahan naik sebesar 347.707 ribu ton dari tahun 2013. Hal ini
pangannya dari tanaman padi. Dengan demikian, tanaman yang menuntut Provinsi Jawa Timur untuk terus
padi merupakan tanaman yang mempunyai nilai spiritual, meningkatkan produksi padi demi ketercapaian
budaya, ekonomi, dan politik yang penting bagi bangsa swasembada pangan khususnya untuk masyarakat Jawa
Indonesia karena memengaruhi hajat hidup orang banyak Timur dan umumnya untuk Indonesia. Untuk mencegah
[1]. produksi padi menurun ataupun menjaga agar produksi
Indonesia tercatat sebagai negara dengan konsumsi padi Jawa Timur tetap stabil bahkan meningkat adalah
tanaman padi tertitinggi di dunia. Untuk level Asia, dengan cara mengetahui faktor-faktor apa saja yang
Indonesia mengalahkan empat negara yang mengonsumsi mempengaruhi produksi padi Jawa Timur, sebagai upaya
tanaman padi tertingi, seperti Korea, Jepang, Malaysia dan dalam mengurangi impor dan mencapai hasil akhir yaitu
Thailand [2]. Keberadaan komoditi tersebut sebagai swasembada pangan. Penelitian ini akan membahas
makanan pokok bagi hampir seluruh bangsa Indonesia tentang faktor-faktor apa saja yang diduga mempengaruhi
harus tetap terjaga sepanjang tahun. Badan Pusat Statistik produksi padi Jawa Timur tahun 2014.
(BPS) memprediksikan angka produksi padi pada tahun Menurut pakar terkait beberapa faktor yang dapat
2015 sebanyak 74,99 juta ton gabah kering giling (GKG) mempengaruhi naik turunnya rata-rata produksi padi per
atau mengalami kenaikan sebanyak 4,15 juta ton (5,85 hektar adalah masalah kesuburan tanah, curah hujan,
persen) dibandingkan tahun 2014. Jika prediksi BPS kelembapan, pemakaian pupuk, pemilihan bibit, cara
benar, maka produksi padi Tahun 2015 merupakan yang bercocok tanam, jasad pengganggu dan sebagainya.
tertinggi dalam 10 tahun terakhir. Menurut publikasi BPS Penelitian sebelumnya mengenai faktor-faktor yang
tentang produksi tanaman pangan 2014 didapatkan mempengaruhi produksi padi adalah [4] variabel jumlah
informasi bahwa produksi padi Indonesia pada tahun 2014 pupuk SP-36, variabel jumlah pupuk Urea, jumlah pupuk
sebesar 70,85 juta ton gabah kering giling (GKG), KCl, jumlah tenaga keja, jumlah benih secara individual
mengalami penurunan sebesar 433,24 ribu ton (0,61 berpengaruh nyata dan jumlah pestisida berpengaruh tidak
persen) dibandingkan tahun 2013. Penurunan produksi nyata terhadap produksi padi. Variabel pestisida dan jam
padi tersebut disebabkan penurunan produksi di Pulau kerja, memberikan pengaruh nyata pada taraf kepercayaan
JURNAL SAINS DAN SENI ITS Vol. 5 No. 2 (2016) 2337-3520 (2301-928X Print) D-421
lima persen terhadap produksi padi [5]. Variabel luas terkecil. Adapun fungsi GCV diberikan dalam persamaan
lahan garapan, variabel jumlah tenaga kerja efektif, 5 berikut.
variabel jumlah pupuk, variabel jumlah pestisida, 𝑀𝑆𝐸(𝐾 ,𝐾 ,..,𝐾𝑟 )
1 2
𝐺𝐶𝑉 (𝐾1 , 𝐾2 , . . , 𝐾𝑟 ) = (𝑛−1 𝑡𝑟[𝐼−𝐴(𝐾 (5)
2
varaiabel jarak lahan garapan dengan rumah petani, dan ,𝐾1 2 ,..,𝐾𝑟 )])
variabel sistem irigasi berpengaruh nyata terhadap Berdasarkan persamaan nilai (𝐾1 , 𝐾2 , . . , 𝐾𝑟 ) merupakan
peningkatan produksi padi. Sedangkan variabel titik knot sedangkan matriks 𝐴(𝐾1 , 𝐾2 , . . , 𝐾𝑟 ) diperoleh dari
pengalaman petani tidak berpengaruh nyata terhadap persamaan 6.
peningkatan produksi padi [6]. 𝐴(𝐾1 , 𝐾2 , . . , 𝐾𝑟 ) = 𝑿(𝑿′ 𝑿)−1 𝑿′ (6)
Nilai dari 𝑀𝑆𝐸(𝐾1 , 𝐾2 , . . , 𝐾𝑟 ) ditunjukkan pada
II. TINJAUAN PUSTAKA persamaan 7 sebagai berikut.
Regresi Nonparametrik 𝑀𝑆𝐸(𝐾1 , 𝐾2 , . . , 𝐾𝑟 ) = 𝑛−1 ∑𝑛𝑖=1(𝑦𝑖 − 𝑦̂𝑖 )2 (7)
dapat digunakan uji Glejser dengan hipotesis sebagai Provinsi Jawa Timur dan Dinas Pertanian Provinsi Jawa
berikut. Timur pada tahun 2014. Kabupaten/Kota di Jawa Timur
𝐻0 ∶ 𝜎12 = 𝜎22 = ⋯ = 𝜎𝑛2 = 𝜎 2 Tahun 2014. Pada penelitian ini menggunakan unit
𝐻1 ∶ minimal terdapat satu pasang 𝜎𝑖2 ≠ 𝜎 2 ; 𝑖 = 1,2, . . , 𝑛 penelitian sebanyak 38 Kabupaten/Kota di Provinsi Jawa
Nilai statistik uji Glejser dapat dirumuskan sebagai Timur tahun 2014.
berikut. Variabel Penelitian
∑𝑛 ̂ 𝑖 |−|𝜀̅𝑖 |2 )/((𝑞+𝑝+𝑟)−1)
𝑖=1(|𝜀
𝐹ℎ𝑖𝑡𝑢𝑛𝑔 = ∑𝑛 ̂ 𝑖 |2 )/(𝑛−(𝑞+𝑝+𝑟))
(8) Variabel penelitian yang diteliti berdasarkan tinjauan
𝑖=1(|𝜀𝑖 |−|𝜀
pustaka mengenai faktor-faktor yang diduga
𝐹𝑡𝑎𝑏𝑒𝑙 = 𝐹𝛼;(𝑞+𝑝+𝑟,𝑛−(𝑞+𝑝+𝑟)−1) (9) mempengaruhinya dari penelitian sebelumnya, beberapa
Penarikan kesimpulan : literatur, dan pakar terkait adalah sebagai berikut.
Jika |𝐹ℎ𝑖𝑡𝑢𝑛𝑔 | ≥ 𝐹𝑡𝑎𝑏𝑒𝑙 atau 𝑃𝑣𝑎𝑙𝑢𝑒 < 𝛼 maka tolak 𝐻0 yang TABEL 2. VARIABEL PENELITIAN
berarti bahwa terdapat indikasi adanya kasus Variabel Keterangan
heteroskedastisitas, begitu juga sebaliknya. y Produksi Padi (Ton)
2) Asumsi Independen 𝑥1 Luas Panen Padi (Ha)
Asumsi independen (otokorelasi) dalam konsep regresi 𝑥2 Realisasi Pupuk Bersubsidi (Ton)
linier berarti komponen residual berkorelasi berdasarkan 𝑡1 Luas Puso Padi (Ha)
urutan waktu (pada data berkala) atau urutan ruang (pada 𝑡2 Curah Hujan (Mm)
data timpang lintang), atau korelasi pada dirinya sendiri 𝑡3 Ketinggian Rata-Rata dari Permukaan Laut (Liter)
[10]. Secara visual, untuk mengetahui apakah tidak terjadi
Berikut ini adalah definisi operasional dari masing-
autokorelasi adalah dengan melihat plot dari
masing variabel penelitian.
Autocorrelation Function (ACF) dari residual.
a. Variabel y menyatakan banyaknya produksi padi di
3) Asumsi Berdistribusi Normal
suatu wilayah atau daerah.
Secara pengujian, untuk mengetahui apakah residual
berdistribusi normal adalah dengan menggunakan uji b. Variabel 𝑥1 menyatakan luas tanaman yang dipungut
Kolmogorov-Smirnov dengan hipotesis sebagai berikut. hasilnya paling sedikit 11 persen dari keadaan normal
yang bertujuan untuk menghasilkan Gabah Kering
𝐻0 ∶ 𝐹0 (𝑥) = 𝐹(𝑥)
Giling (GKG).
𝐻1 ∶ 𝐹0 (𝑥) ≠ 𝐹(𝑥)
c. Variabel 𝑥2 menyatakan banyaknya realisasi pupuk
Nilai statistik uji Kolmogorv-Smirnov dapat dirumuskan
urea yang diterima oleh masing-masing
sebagai berikut.
Kabupaten/Kota dari alokasi yang disubsidikan
𝐷 = 𝑠𝑢𝑝 |𝑆(𝑥) − 𝐹0 (𝑥)| (10)
𝑥 Provinsi Jawa Timur.
dengan, d. Variabel 𝑡1 menyatakan luas tanaman yang mengalami
𝐹0 (𝑥) = fungsi peluang kumulatif atau fungsi distribusi kerusakan yang diakibatkan oleh serangan OPT
yang dihipotesiskan (Organisme Pengganggu Tumbuhan), DFI (Dampak
𝑆(𝑥) = fungsi peluang kumulatif yang dihitung dari data Fenomena Iklim) dan/atau oleh sebab lainnya (gempa
sampel atau proporsi nilai-nilai pengamatan dalam sampel bumi, dll), sedemikian rupa sehingga hasilnya kurang
yang kurang dari atau sama dengan x. dari 11 persen dari keadaan normal.
Penarikan kesimpulan : e. Variabel 𝑡2 menyatakan rata-rata curah hujan selama
Jika |𝐷| ≥ 𝑞(1−𝛼) atau 𝑃𝑣𝑎𝑙𝑢𝑒 < 𝛼 maka tolak 𝐻0 yang satu tahun yang diambil dari stasiun pengamatan di
berarti bahwa residual tidak berdistribusi normal, begitu masing-masing Kabupaten/Kota.
juga sebaliknya. f. Variabel 𝑡3 menyatakan tinggi rata-rata Ibukota atau
Faktor-Faktor yang Mempengaruhi Produksi Padi pusat pemerintahan Kabupaten/Kota dari permukaan
laut.
Menurut Pedoman Pengumpulan Data Tanaman Pangan Setelah dijelaskan lebih rinci mengenai definisi
dan Holtikultura, BPS – Deptan 1993, beberapa faktor operasional dari variabel penelitian yang digunakan,
yang dapat mempengaruhi naik turunnya rata-rata selanjutnya dapat disusun struktur data sebagaimana
produksi padi per hektar adalah masalah kesuburan tanah, tertera pada Tabel 3.
pemakaian pupuk, bibit, cara bercocok tanam, jasad
TABEL 3. STRUKTUR DATA PENELITIAN
pengganggu dan sebagainya. Berdasarkan informasi dari
Variabel Prediktor
pakar terkait aspek anomali seperti kelembapan dan curah
Variabel Komponen Komponen
hujan berpengaruh terhadap produksi padi. Selain itu Respon (y) Parametrik (x) Nonparametrik (t)
penelitian sebelumnya mengenai produksi padi yaitu 𝑥1 𝑥2 𝑡1 𝑡2 𝑡3
menunjukkan variabel jumlah pupuk Urea, jumlah pupuk 𝑦1 𝑥1,1 𝑥1,2 𝑡1,1 𝑡1,2 𝑡1,3
KCl, jumlah tenaga keja, jumlah benih, jumlah pestisida, 𝑦2 𝑥2,1 𝑥2,2 𝑡2,1 𝑡2,2 𝑡2,3
jumlah jam kerja, luas lahan garapan, jarak lahan garapan ⋮ ⋮ ⋮ ⋮ ⋮ ⋮
dengan rumah petani, dan sistem irigasi secara individual 𝑥38,1 𝑥38,2 𝑡38,1 𝑡38,2 𝑡38,3
𝑦38
berpengaruh nyata dan jumlah pestisida berpengaruh
tidak nyata terhadap produksi padi. Langkah Analisis
Langkah-langkah yang akan dilakukan pada penelitian
III. METODOLOGI PENELITIAN tugas akhir ini adalah sebagai berikut.
Sumber Data 1. Melakukan analisis statistika deskriptif untuk
Data yang digunakan pada penelitian ini adalah data mengetahui gambaran umum dari data meliputi.
sekunder yang didapatkan dari Badan Pusat Statistik a. Mendeskripsikan data dengan menggunakan rata-
rata, varians, nilai maksimum dan nilai minimum.
JURNAL SAINS DAN SENI ITS Vol. 5 No. 2 (2016) 2337-3520 (2301-928X Print) D-423
b. Melihat pola hubungan antara dua variabel dengan variabel-variabel tersebut merupakan variabel
menggunakan scatterplot. nonparametrik (𝑡).
2. Menentukan komponen parametrik dan komponen Pemilihan Titik Knot Optimum
nonparametrik.
3. Melakukan pemodelan produksi padi menggunakan Setelah mendapatkan nilai GCV dari pemodelan satu
regresi semiparametrik spline dengan satu, dua, tiga dan knot, dua knot, tiga knot, dan kombinasi knot selanjutnya
kombinasi knot. adalah membandingkan nilai GCV untuk memilih knot
4. Memilih model regresi semiparametrik spline truncated mana yang terbaik. Berikut ini adalah nilai GCV terkecil
terbaik berdasarkan titik knot optimal dengan dari masing-masing knot.
menggunakan karakteristik nilai GCV paling minimum. TABEL 5. NILAI GCV MASING-MASING KNOT
5. Menguji signifikansi parameter dari model GCV Jumlah Knot Jumlah Parameter
semiparametrik spline truncated terbaik. 1062173893 1 9
6. Menguji asumsi residual dari model semiparametrik 64827506842 2 11
spline truncated terbaik. 1018186986 3 15
7. Melakukan interprestasi dan membuat kesimpulan. 1017563053 Kombinasi (2,3,1) 12
0 Sumber
db Sum Square Mean Square F P-value
0 80000 1600000 50000 100000
0 1000 2000 Variasi
C urah H ujan Ketinggian Rata-Rata Dari P ermu
1000000 243595
Regresi 11 2,679551 x 1012 281,234 0,00
538191
750000
8661
Error 26 22520277040
500000 64502
Total 37 2,70207 x 1012
250000
0
Tabel 6 menunjukkan informasi bahwa nilai p-value
0 80 160 0 500 1000 sebesar 0,00 yang kurang dari nilai alpha sebesar 0,05,
Gambar 1. Scatterplot Antara Produksi Padi dan Faktor-Faktor yang sehingga keputusannya tolak 𝐻0 yang artinya minimal
Diduga Mempengaruhi
terdapat satu variabel prediktor yang memberikan
Gambar 1 menunjukkan informasi bahwa secara visual pengaruh signifikan terhadap model. Oleh karena itu,
luas panen padi (𝑥1 ) dan realisasi pupuk bersubsidi (𝑥2 ) pengujian dilanjutkan ke pengujian secara individu yang
membentuk pola linier sehingga variabel-variabel tersebut ditunjukkan pada Tabel.
merupakan variabel parametrik (𝑥). Sedangkan luas lahan TABEL 7. HASIL PENGUJIAN PARAMETER SECARA INDIVIDU
puso padi (𝑡1 ), curah hujan (𝑡2 ), dan ketinggian rata-rata Variabel Parameter Estimator T P-value
dari permukaan laut (𝑡3 ) cenderung acak, sehingga Konstan 𝛽0 3362,85 2,01974 0,05383
D-424 JURNAL SAINS DAN SENI ITS Vol. 5 No. 2 (2016) 2337-3520 (2301-928X Print)
80
𝛾2 -97,91 -1,13345 0,26737 70
Percent
60
𝛾3 -88,12 -1,13345 0,26737 50
40
20
0,6
laut (𝑡3 ) terhadap produksi padi (𝑦) dengan asumsi
0,4 variabel lain dianggap konstan adalah sebagai berikut.
Autocorrelation
-0,8 Jika curah hujan kurang dari 130,61 dan apabila variabel
-1,0
ini naik satu Mm, maka produksi padi cenderung turun
1 2 3 4 5 6 7 8 9 10
Lag sebesar 107,95 Ton. Daerah yang termasuk dalam
Gambar 2. Plot ACF Residual interval ini adalah semua Kota Pasuruan, Maidun,
Gambar menunjukkan informasi bahwa residual tidak Mojokerto, Batu, Probolinggo, Malang, Blitar,
terdapat nilai autokorelasi (ACF) yang signifikan atau Surabaya, Kediri dan Kabupaten Madiun, Ngawi,
keluar dari batas atas dan batas bawah (Confidence Sumenep, Situbondo, Pamekasan, Sampang,
Interval). Sehingga, dapat disimpulkan bahwa asumsi Bangkalan, Banyuwangi, Jombang, Bondowoso,
residual independen terpenuhi dan tidak terjadi Mojokerto, Tuban, Ponorogo, Lumajang, Kediri,
aurokorelasi antar residual. Gresik, Pasuruan, Nganjuk, Magetan, Tulungagung,
Probolinggo, Lamongan, Malang. Jika curah hujan
antara 130,61 sampai 133,88 dan apabila variabel ini
JURNAL SAINS DAN SENI ITS Vol. 5 No. 2 (2016) 2337-3520 (2301-928X Print) D-425
naik satu Mm, maka produksi padi cenderung turun dilakukan mengenai produksi padi di Provinsi Jawa Timur
sebesar 121,62 Ton. Daerah yang termasuk dalam tahun 2014 didapatkan beberapa saran sebagai berikut.
interval ini tidak ada. Jika curah hujan antara 133,88 1. Penelitian selanjutnya diharapkan dapat
sampai 156,73 dan apabila variabel ini naik satu Mm, mengembangkan model regresi semiparamerik spline
maka produksi padi cenderung naik sebesar 11849,84 dengan fungsi yang lain seperti kuadratik maupun kubik
Ton. Daerah yang termasuk dalam interval ini adalah atau estimasi model yang digunakan menggunakan
Kabupaten Bojonegoro, Blitar, Jember, Trenggalek, dan metode fungsi kernel multivariabel dan sebagainya,
Pacitan. Jika curah hujan lebih dari sama dengan sehingga bentuk fungsi yang didapatkan lebih sesuai
156,73dan apabila variabel ini naik satu Mm, maka dngan kasus data yang akan digunakan.
produksi padi cenderung naik sebesar 21442,98 Ton. 2. Model yang terbentuk diharapkan dapat memberikan
Daerah yang termasuk dalam interval ini adalah kontribusi bagi Provinsi Jawa Timur sebagai salah satu
Kabupaten Sidoarjo. pertimbangan dalam penentuan kebijakan mengenai
produksi padi.
IV. PENUTUP
Kesimpulan DAFTAR PUSTAKA
Setelah analisis dan pembahasan dilakukan, ada
beberapa hal yang dapat disimpulkan mengenai produksi [1] Utama, M. Z. (2015). Budidaya Padi pada Lahan Marjinal Kiat
Meningkatkan Produksi Padi. Yogyakarta: CV. Andi Offset.
padi di Provinsi Jawa Timur tahun 2014 dan faktor-faktor
yang diduga mempengaruhinya antara lain sebagai
berikut. [2] Sari, N. I. (2013). KLN Kapanlagi Network. Retrieved from
merdeka.com: http://www.merdeka.com
1. Gambaran umum produksi padi dan faktor-faktor yang
diduga mempengaruhinya adalah luas panen padi dan
[3] Noorjenah. (2015). Produksi Tanaman Pangan 2014. Jakarta:
realisasi pupuk bersubsidi membentuk pola linier Badan Pusat Statistik.
sehingga variabel-variabel tersebut merupakan variabel
parametrik. Sedangkan luas lahan puso padi, curah [4] Makruf, E., Octavia, Y., & Putra, W. E. (2011). Faktor-Faktor
yang Mempengaruhi Produksi Padi Sawah di Kabupaten Seluma
hujan, dan ketinggian rata-rata dari permukaan laut (Bengkulu).
cenderung acak, sehingga variabel-variabel tersebut
merupakan variabel nonparametrik. [5] Harianja, S. S. (2011). Faktor-Faktor yang Mempengaruhi
2. Berdasarkan analisis pemodelan dengan metode regresi Produksi Padi Sawah di Desa Kebonagung, Kecamatan Inogiri,
Kabupaten Bantul. Yogyakarta: Skripsi Sarjana Universitas Atma
semiparametrik spline terbaik yang dihasilkan adalah Jaya Yogyaarta.
spline dengan kombinasi knot (2,3,1). Sehingga model
yang terbentuk adalah sebagai berikut.
[6] Mahananto, Sutrisno, S., & Ananda, C. F. (2009). Faktor-Faktor
𝑦̂ = 3362,85 + 6,49𝑥1 − 0,91𝑥2 + 38,88𝑡1 − 97,91(𝑡1 − yang Mempengaruhi Produksi Padi (studi kasus di Kecamatan
1707,24)1+ − 88,12(𝑡1 − 1751,02)1+ − 107,95𝑡2 − Nogosari, Boyolali, Jawa Tengah). Wacana, 12(1), 179-191.
13,67(𝑡2 − 130,61)1+ + 11971,46(𝑡2 − 133,88)1+ +
9593,14(𝑡2 − 156,73)1+ + 60,18𝑡3 − 2867,02(𝑡3 −
[7] Eubank, R. L. (1999). Nonparametric Regression and Spline
975,71)1+ Smoothing. New York: Marcel Dekker, Inc.
Dapat diketahui bahwa variabel prediktor yang
berpengaruh signifikan adalah variabel luas panen padi
[8] Ruppert, D., Wand, M. P., & Carrol, R. J. (2003). Semiparametric
(Ha) dan variabel yaitu curah hujan (Mm). Pada Regression. New York: Cambridge University Press.
pemodelan variabel yang tidak berpengaruh signifikan
tetap dimasukkan, karena produksi padi tetap dipengaruhi [9] Budiantara, I. N. (2006). Regresi Nonparametrik dalam
oleh variabel tersebut walaupun hanya sedikt. Nilai Statistika. Makalah Pembicara Utama pada Seminar Nasional
koefisien determinasi yang didapatkan adalah sebesar Matematika. Jurusan Matematika. FMIPA. Makasar: Universitas
99,17 persen yang artinya bahwa variabel produksi padi Negeri Makasar (UNM).
di Provinsi Jawa Timur tahun 2014 dapat dijelaskan oleh
kelima variabel prediktor sebesar 99,17 persen sedangkan [10] Gujarati. (2004). Basic Econometrics Fourth Edition. The
sisanya sebesar 0,83 persen dijelaskan oleh variabel- Mcgraw-Hill Companies.
variabel lain yang tidak terdapat didalam model.
Saran
Berdasarkan hasil analisis dan pembahasan yang telah