IDENTIFIKASI ASOSIASI ANTARA VARIABEL TANAH DAN PRODUKSI

MENGGUNAKAN MODEL REGRESI GANDA LINEAR

Hari Dahal PhD*1 dan JK Routray PhD2
ABSTRAK
Di bidang pertanian, variabel tanah dikenal sebagai faktor penting yang menentukan tingkat
produktivitas tanaman dalam situasi tertentu. Untuk menilai variabel tanah mana yang
penting untuk produksi tanaman, sampel tanah diuji dan data uji berkorelasi dengan hasil
panen. Sebanyak enam variabel tanah - reaksi tanah, bahan organik, nitrogen total, fosfor
yang tersedia, kalium dan tekstur tanah dimasukkan ke dalam korelasi Pearson dengan data
hasil panen. Beberapa variabel tanah ditemukan sangat berkorelasi. Untuk mengevaluasi
kekuatan nyata dari hubungan dan untuk menjelaskan variasi pada hasil panen variabel
dependen) beberapa model regresi dikembangkan. Kesimpulannya, ditemukan bahwa
variabel yang paling penting menjelaskan variasi dalam hasil padi adalah total nitrogen,
bahan organik dan fosfor.
Kata kunci: korelasi, hasil panen, regresi linier berganda, faktor tanah
PENDAHULUAN
Dalam arti luas, produksi biologis adalah produk dari genotipe tanaman dan lingkungan fisik.
Karena itu ia merupakan produk terintegrasi dari energi, air, gas, dan rezim biologis terkait,
yang pada gilirannya adalah fungsi waktu. Hubungan ini dapat ditunjukkan sebagai (Nix,
1969);
Y = Biological hasil dari waktu ke waktu t Δg = Tingkat perubahan Y hasil biologis yang
merupakan fungsi dari energi, air, nutrisi, gas, dan rezim biotik yang lagi fungsi waktu, Δ t.
Dalam ekosistem agro, di samping rezim-rezim ini satu faktor lagi memainkan peran penting,
faktor ini adalah rezim manajemen. Jika genotipe tanaman dan semua rezim abiotik diambil
sebagai faktor, maka hasil panen dapat dinyatakan oleh;
Y = f (E, M) Di mana,
E = Faktor lingkungan
M = Faktor manajemen Faktor
lingkungan secara luas dipahami sebagai faktor iklim dan tanah sehingga;
Y = f {(C + S)}M Di mana,
Y = Hasil panen,
C = Iklim,
S = Tanah,
M = Manajemen
Karena kondisi iklim di daerah kecil kurang lebih tetap seragam, hasil panen hampir
tergantung pada tanah dan pengelolaan praktik;
Y = f (S, M)

Pada bagian ini dilakukan upaya untuk menguji hubungan antara hasil panen dan faktor tanah
menjaga faktor manajemen konstan. Model indeks produktivitas (PIM) yang menghubungkan
produksi tanaman dengan lima atribut tanah dinyatakan secara numerik sebagaimana
digunakan oleh Pierce dan rekannya, 1983 (dikutip dalam Younis dan Dragun, 1993; NAP,
1993) dalam bentuk berikut:
AWc = kecukupan air yang tersedia kapasitas penyimpanan
AE = aerasi tanah
BD = kerapatan curah
S pH = pH tanah
E cv = konduktivitas listrik
WF = faktor bobot
n = jumlah cakrawala dalam distribusi akar tanaman
i = peningkatan kedalaman tanah
Indeks produktivitas dinormalisasi untuk mengambil nilai antara 0,0 dan 1.0. Untuk
menerapkan persamaan ini dalam kondisi lapangan sangat rumit terutama ketika informasi
yang memadai tentang bagaimana produktivitas dipengaruhi oleh masing-masing faktor ini
secara individual tidak tersedia. Keterbatasan lain tampaknya dalam fokusnya yang lebih
besar pada fisika tanah daripada pada faktor nutrisi. Oleh karena itu, upaya dilakukan di sini
untuk melihat secara sederhana bagaimana beberapa atribut unsur hara secara linier terkait
dengan hasil panen untuk tanaman lapangan utama di wilayah studi. Meskipun sejumlah
variabel tanah sangat terkait dengan penentuan status kesuburan suatu tanah dan dengan
demikian produktivitas tanaman untuk tujuan ini, hanya enam variabel tanah yang
diasumsikan secara fungsional terkait dengan hasil panen;
Y = f (N, OM, PO, KO, pH, T, N) t 2 5 2 xs δ Di mana,
N = Total Nitrogen dalam Tanah
OM = Bahan Organik
P2O5 = Fosfor yang Tersedia
K2O = Tersedia Kalium
pH = pH tanah (ukuran reaksi tanah)
Tx = Kelas Tekstur
Ns = Variabel non-tanah, dan semua faktor ini juga fungsi waktu seperti yang ditunjukkan
oleh∂ t.
BAHAN DAN METODE
Sebanyak 43 sampel tanah komposit dipilih secara acak dari Babiyabirta VDC kabupaten
Morang. Untuk memastikan keterwakilan wilayah dan tanah yang tepat, prosedur berikut ini
diadopsi:
1. Setidaknya lima sub-sampel dikumpulkan dari masing-masing unit lapangan untuk
membuat sampel komposit.
2. Sampel tanah diambil pada kedalaman vertikal lapisan bajak (20-25 cm) dengan sekop dan
auger.
3. Ukuran sampel komposit dikurangi dengan quartering berturut-turut menjadi sekitar
setengah kilogram.
4. Sejarah tanaman dan pupuk beserta nama dan alamat petani dilabeli pada kantong sampel
masing-masing dan dikirim ke laboratorium tanah - Stasiun Penelitian Pertanian Regional,
Tarhara, kabupaten Sunsari.

 Persentase nitrogen dan bahan organik diperkirakan sebagai ukuran kandungan karbon
melalui metode titrasi cepat Walkley-Black. Kandungan fosfor kilogram per hektar dianalisis
dengan metode natrium bikarbonat Olsen; kadar kalium kg per hektar ditentukan dengan
metode metrik keruh kalium dan reaksi tanah dengan pH meter (rasio tanah-air 1: 1). Proporsi
pasir, lanau dan tanah liat diestimasi dengan metode hidrometri analisis tekstur. Data uji
tanah diberikan dalam tabel 1 lampiran.

Hasil panen dan informasi lainnya dinilai melalui survei rumah tangga di mana ukuran
sampel 187 dihitung dengan menggunakan rumus berikut;
N = total populasi (rumah tangga), p = tingkat kejadian yang diharapkan, q = 1-p, z = 1,96
pada tingkat kepercayaan 95%, d = tingkat kesalahan yang dapat diterima dan n = ukuran
sampel. Rumah tangga dipilih secara acak dan informasi dikumpulkan melalui wawancara
menggunakan kuesioner yang terstruktur dengan baik yang diberikan kepada masing-masing
responden.

HASIL DAN PEMBAHASAN

TINDAKAN HUBUNGAN ANTARA VARIABEL TERPILIH
Untuk memeriksa pola hubungan antara variabel, koefisien korelasi momen produk Pearson
(r) digunakan. Karena ukuran sampel lebih dari 30, dipilih secara acak dan berada dalam
tingkat interval-rasio pengukuran, Pearson dianggap sebagai alat yang tepat untuk mengukur
hubungan antara variabel tanah dan antara variabel input dan hasil panen.
Meskipun banyak variabel yang diteliti mungkin memiliki hubungan linier, beberapa variabel
tidak menunjukkan linearitas tersebut. Hasil panen dan unsur hara pupuk tambahan adalah
contoh hubungan non linier di mana dari titik maksimum mulai berkurang, menunjukkan
hubungan lengkung. Aspek hubungan ini tidak dibahas dalam tulisan ini. Namun, pada
bagian ini, kita akan melihat bentuk sederhana korelasi antara dua variabel selama
linearitas berlaku untuk data yang diteliti. Koefisien korelasi momen produk Pearson (r)
memberikan kekuatan dan arah hubungan linier dan dinyatakan oleh:
r = Koefisien korelasi momen-produk Pearson, adalah ukuran hubungan linear antara dua
variabel seperti x dan y.
n = jumlah pengamatan
Korelasi linear sempurna dicapai ketika r = ± 1, dan r = 0 menyiratkan bahwa x dan y
cenderung tidak memiliki hubungan linear.
Koefisien korelasi menunjukkan seberapa baik satu variabel X terkait dengan variasi dalam
variabel Y lainnya. Ada beberapa cara koefisien korelasi dapat ditafsirkan. Salah satu metode
interpretasi kasar didasarkan pada skala peringkat di mana hingga 0,20 dianggap dapat
diabaikan, dari 0,20 menjadi 0,40 rendah, 0,40 hingga 0,60 berarti sedang, 0,6 hingga 0,80
substansial dan dari 0,80 hingga 1,0 dianggap tinggi hingga sangat tinggi ( Best and Kahn,
2003).
Interpretasi korelasi menjadi lebih mudah ketika dijelaskan oleh kuadrat dari koefisien
korelasi, r2 yang lebih dikenal dengan koefisien determinasi. Koefisien determinasi
mengukur proporsi variasi dalam salah satu variabel seperti yang dijelaskan oleh variasi
dalam variabel lain. Sebagai contoh, jika r = .65, maka r2 = .42
sebagai r = r 2 . Ini berarti bahwa 42 persen dari total variasi dalam hasil padi (Y1) dapat
dijelaskan oleh variasi dalam kandungan nitrogen total (X4) di tanah (Tabel 1). Variasi 58
persen sisanya dalam hasil padi tidak dapat dijelaskan oleh variasi kandungan nitrogen tanah
yang berarti, 58 persen variasi hasil dapat disebabkan oleh variabel-variabel selain kandungan
nitrogen tanah. Namun penting untuk dicatat ketika menafsirkan bahwa koefisien korelasi
tidak boleh dianggap sebagai hubungan sebab dan akibat.

MENGUJI HIPOTESIS NULL

Untuk melihat apakah beberapa variabel tanah relevan dalam produksi tanaman di wilayah
studi, hipotesis nol (H0: μ) - tidak ada hubungan antara variabel tanah dan hasil panen
adalah diuji. Hipotesis ini diuji menggunakan korelasi (Tabel 1) dan model regresi berganda
(bagian 3.5).
Koefisien korelasi (Tabel 1) menunjukkan hubungan linear antara hasil panen dan sembilan
variabel tanah termasuk intensitas tanam variabel non-tanah (X1). Di antara delapan variabel
tanah penjelas hanya tiga variabel (bahan organik, nitrogen dan tanah liat) yang secara
signifikan terkait dengan hasil panen sedangkan tidak ada variabel yang memiliki hubungan
signifikan dengan hasil jagung. Hasil padi monsun (Y1) ditemukan berkorelasi signifikan
dengan total nitrogen (X4), bahan organik (X3), dan kandungan tanah liat (X8) di tanah. Hal
ini perlu untuk menyebutkan bahwa variabel tersebut adalah positif dan koefisien korelasi
untuk X3, dan X4 berada di signifikan pada 0,001 tingkat probabilitas dan untuk X8 di 0,05
tingkat signifikansi. Ini berarti variabel-variabel ini penting dan peningkatan dalam variabel-
variabel ini di tanah dapat meningkatkan produktivitas padi sedangkan pH tanah (X2), pasir
(X7),K2kandunganO (X6) dan konten P2O5 ( X5) tidak signifikan dan berbanding terbalik
dengan hasil. Hubungan positif yang lemah juga diamati antara lanau (X9) dan hasil padi
tetapi tidak ada hubungan linear terlihat antara intensitas tanam dan hasil kecuali untuk rami
di mana intensitas tanam (X1 ) berhubungan terbalik.

Tidak ada hubungan yang signifikan terlihat antara variabel tanah dan hasil jagung namun
hubungan positif yang lemah dapat diamati antara bahan organik (X3), nitrogen (X4), dan
lanau (X9) dan hasil jagung sedangkan hubungan negatif terlihat dengan pH ( X2), pasir
(X7), dan tanah liat (X8). Jelas bahwa persentase tanah liat dan pasir yang lebih tinggi dapat
menghambat hasil jagung dan hubungan terbalik dengan pH berarti lebih sedikit toleransi
jagung dengan tanah yang lebih basa.
Tabel 1: Koefisien korelasi antara hasil panen dan variabel tanah penjelas yang dipilih (2
ekor)

Ada hubungan signifikan yang diamati pada tingkat signifikansi 0,05 bahan organik (X3) dan
nitrogen total (X4), dengan hasil gandum (Y3). Kalium tanah (X6) juga ditemukan
berhubungan positif dengan hasil gandum sedangkan tanah liat, pasir, dan pH berbanding
terbalik. Hasil rami secara signifikan berkorelasi dengan bahan organik (X3) dan nitrogen
total (X4) dan kurang terkait erat dengan pasir (X7), dan pH (X2). Hasil juga berkorelasi kuat
tetapi negatif dengan intensitas tanam (X1), lanau (X9) juga ditemukan berkorelasi negatif
dengan hasil goni. Hasil sawi juga ditemukan berkorelasi signifikan dengan kandungan bahan
organik (X3) dan nitrogen total (X4). PH tanah (X2), P2O5 (X5), K2O (X6) dan lana (X9)
berkorelasi terbalik dengan hasil sedangkan faktor-faktor lain terlihat tidak linier terkait
dengan hasil tanaman sawi.

Secara umum, Tabel 1 menunjukkan koefisien korelasi bahan organik dan nitrogen total
dengan hasil semua tanaman kecuali jagung signifikan pada atau di bawah level 0,05 (nilai-p)
yang menunjukkan variabel-variabel ini relevan dengan hasil tanaman utama. Persamaan
regresi berganda untuk beras terutama empat persamaan terakhir, pH tanah, bahan organik,
nitrogen total, fosfor dan kandungan tanah liat ditemukan signifikan dalam menjelaskan
variasi hasil sehingga hipotesis nol bahwa variabel tanah tidak relevan dengan hasil tanaman
utama adalah ditolak.

 Tabel 2: Matriks Korelasi antara Tanah Varian yang dipilih.

KORELASI DI ANTARA VARIABEL PENJELASAN

Matriks korelasi yang dihasilkan antara variabel tanah ditunjukkan pada Tabel 2. Matriks ini
menunjukkan tingkat korelasi positif yang tinggi antara total nitrogen (X4) dan bahan organik
(X3)), dan tingkat tinggi hubungan terbalik antara pasir (X7), dan lanau (X9). Korelasi
negatif yang kuat juga diamati antara pasir (X7) dan tanah liat (X8). Hubungan positif yang
erat terlihat antara X5 (fosfor) dan X2 ((pH); X6 (kalium) dan X5 (fosfor) sedangkan
hubungan terbalik diamati antara X8 (tanah liat) dan X5 (fosfor) dan antara X8 (lempung)
dan X2 (pH) .Korelasi linier antara variabel-variabel lain jauh lebih lemah.Analisis
REGRESI GANDA Analisis korelasi pada bagian sebelumnya mengungkapkan bahwa
beberapa variabel tanah sangat saling terkait tetapi tidak diketahui seberapa penting ini
variabel dalam menjelaskan variasi dalam hasil panen.Untuk mengevaluasi kekuatan nyata
dari hubungan dan untuk menilai faktor-faktor utama sebagai penentu hasil panen, model
regresi linier berganda dikembangkan menggunakan hasil panen terhadap variabel tanah. di
sini adalah perpanjangan dari persamaan regresi sederhana seperti yang diberikan di bawah
ini,
Y = a + bx Di mana, bles
Y = variabel dependen
a = y-intersep, nilainya ditentukan ketika x = 0
b = slo pe dari garis regresi atau jumlah perubahan yang dihasilkan dalam Y oleh unit
perubahan x
x = variabel independen
Bentuk umum dari model regresi berganda di mana lebih dari satu variabel independen
disertakan diberikan oleh,
Y bbxbxbxe okk = + + + ....+ + 1 1 2 2
Variabel dependen Y sekarang dianggap sebagai fungsi dari k variabel bebas x1, x2, hingga
xk. Koefisien b1 hingga bk disebut sebagai koefisien regresi parsial yang pada kenyataannya
menentukan kontribusi variabel independen dalam persamaan dan bo adalah intersep-y.
Istilah kesalahan acak (e) yang merupakan variabel acak diasumsikan terdistribusi secara
normal dan independen antara rata-rata nol dan standar deviasi σ yang ditambahkan untuk
membuat model probabilistik.

 Untuk menentukan kegunaan dari seluruh model regresi seperti seberapa baik model linier
cocok dengan set data, koefisien determinasi berganda (R2) digunakan.
 
Dimana, SSR = jumlah regresi kuadrat atau variabilitas yang dijelaskan
SST = jumlah total kuadrat atau total variabilitas
Untuk mengetahui apakah regresi secara keseluruhan signifikan atau hanya karena kebetulan,
uji-F digunakan. 
Dimana, MSR = mean square karena regresi
MSE = mean square karena kesalahan
Dengan distribusi F memiliki k pembilang derajat kebebasan (k = jumlah variabel
independen) dan derajat kebebasan penyebut nk-1, uji F digunakan dalam hipotesis Tes untuk
menentukan apakah ada hubungan yang signifikan antara variabel dependen Y dan semua
variabel independen yang terlibat dalam persamaan. Hipotesis yang akan diuji
adalah
: ..... 0 0 1 2 = = = = k H β β β (variabel X tidak berguna untuk memprediksi hasil panen, Y)
1 H : Setidaknya satu 0 1 β ≠ ( setidaknya satu variabel X berguna untuk memprediksi hasil
panen, Y)
Saat melakukan uji hipotesis jika hipotesis nol (H0) ditemukan benar, persamaan regresi
tidak dapat digunakan untuk prediksi Y. Jika hipotesis nol ditolak, jelas bahwa satu atau lebih
koefisien regresi parsial memiliki nilai yang berbeda dari nol. Untuk mengetahui koefisien
mana yang bukan nol dan alat t-test tambahan digunakan. Sementara uji F mengatakan
apakah ada hubungan yang signifikan antara variabel independen dan dependen tanpa
menentukan variabel mana yang signifikan, uji-t berguna untuk melakukan tes signifikansi
pada setiap variabel independen individu (Hair et al, 2003; Hoshmand, 1988).
Di mana, t = pada distribusi dengan nk-1 derajat kebebasan
bi = koefisien regresi sampel
βi = nilai hipotesis populasi slope untuk variabel i
Sbi = kesalahan standar dari koefisien regresi bi
Karena nilai hipotesis : 0 0 H β = , kita dapat gunakan rumus t berikut sebagai statistik uji,
Cara lain untuk melihat pentingnya variabel individu dalam analisis adalah melalui koefisien
standar (β) atau beta. Ini adalah koefisien yang diperoleh dengan membakukan variabel
sebelum menjalankan regresi. Menempatkan semua variabel pada skala yang sama berarti
membuat perbandingan lebih mudah untuk melihat variabel mana yang lebih berpengaruh
pada variabel dependen. Beta yang lebih besar dikaitkan dengan rasio t yang lebih besar dan
nilai p yang lebih rendah.
Model regresi berganda yang digunakan untuk melihat hubungan antara sembilan variabel
independen (x1 hingga x9) dan satu variabel dependen Y (hasil padi) diberikan di bawah ini:
Y = bo + b1X1 + b2X2 + b3X3 + b4X4 + b5X5 + b6X6 + b7X7 + b8X8 + b9X9 + e Di
mana,
Y = Crop Yield (kg ha-1) X5= P2O5 kg ha-1
bo= Nilai intersepsi X6= K2O kg ha-1
X1= Intensitas Tanam (%) X7= Pasir (%)
X2= nilai pH (dalam skala pH) X8= Tanah Liat (%)
X3= Konten Materi Organik (%) X9= Lumpur (%)
X4= Total Konten Nitrogen (%) e = Istilah kesalahan
b1... b9= Koefisien yang sesuai dari X1 hingga X9.

MODEL BERAS Model

regresi menghasilkan persamaan berikut sambil mundur ke sembilan variabel penjelas
terhadap hasil padi;
YR1 = 487.88 + 0.693X1 + 6.24X2 + 144.15X3 + 1084.15X4 - 0.163X5 - 0.138X6 +
41.68X7 + 3.25X8 (0.51) (0,05) (0,05) (0,032) (1,16) (- 0,31) (-0,49) (1,13) (0,34)
R2 = 0,4788
F = 3,90 (0,0023)
Meskipun rasio F (angka dalam kurung menunjukkan tingkat signifikansi) adalah signifikan
yang menunjukkan kekuatan penjelas keseluruhan persamaan ini dan garis regresi yang
menjelaskan sekitar 47,88 persen (R2 = 0,4788) variasi dalam hasil padi oleh variabel
independen yang diambil bersama tidak ada koefisien yang signifikan (nilai-t dalam kurung).
Nilai-t yang rendah menunjukkan dampak variabel-variabel prediktor ini terhadap hasil padi
tidak berbeda secara signifikan dari nol. Ini berarti model tidak memiliki kemampuan
prediktif yang memuaskan karena dimasukkannya beberapa variabel penjelas yang tidak
penting atau berlebihan dalam persamaan. Untuk menyaring variabel-variabel tersebut dalam
persamaan dan untuk meningkatkan model, digunakan analisis regresi bertahap yang pada
iterasi menghasilkan persamaan berikut;
YR2 = 1112.95 + 14242.69X4 (5.56)
R2 = 0.4298= 30.91
F(0.0000)
Dalam model ini nilai F dan t meningkat secara signifikan dibandingkan model sebelumnya,
yang menyebabkan dinyatakan bahwa total nitrogen (X4) saja menyumbang sekitar 42,98%
variasi dalam hasil padi. Hubungan positif yang signifikan menunjukkan peningkatan jumlah
nitrogen dalam tanah juga meningkatkan hasil padi, beberapa variasi 57% dalam hasil
dibiarkan tidak dijelaskan oleh model ini yang dikaitkan dengan faktor-faktor lain yang tidak
dapat diukur atau dimasukkan.
Dari Tabel 2 jelas bahwa variabel X3 (bahan organik) dan X4 (total nitrogen) sangat
berkorelasi (r = 0,95), sama halnya dengan tingkat korelasi negatif yang tinggi (r = -0,96)
diamati antara X9 ( lanau dan X7 (pasir). Masalah multikolinieritas dapat ditemui ketika dua
atau lebih variabel penjelas sangat berkorelasi satu sama lain menyiratkan model regresi tidak
dapat mengidentifikasi pengaruh masing-masing variabel individu pada variabel kriteria.
Meskipun R2 jauh lebih kecil dari r, nilai t signifikan dan kesalahan standar persamaan YR2
relatif kecil namun multikolinieritas tidak dapat sepenuhnya diabaikan. Lebih penting lagi
kekuatan penjelas keseluruhan (R2= 0,4298) tidak untuk harapan itu karena dipilih untuk
mengembangkan sejumlah model regresi dengan memanipulasi (adding1 dan menjatuhkan)
beberapa X-variabel untuk memahami pentingnyakoefisien individu menjelaskan variasi pada
variabel kriteria Y.
YR3 = -474.14 + 41.1X2 + 1350.52X4 - 0.148X5 + 8.475X8 + 2.075X10
(4.08) (3.81) (-2.67) (3.86) (15.60)
R2 = 0,9866
F = 74,02 (0,0001)

Ketika mengeluarkan dua variabel X3 (bahan organik) dan X7 (pasir) yang masing-masing
sangat berkorelasi dengan dua variabel penjelas lainnya dan menambahkan satu lagi variabel
X10 (total kepemilikan lahan) dalam model asli lima variabel muncul dalam persamaan
(YR3) menjelaskan sekitar 99% variasi dalam hasil rata-rata beras. Di antara koefisien,
penguasaan lahan (X10) tampaknya menjadi variabel yang paling penting diikuti oleh nilai
pH (X2). Penjelasan untuk hal ini mungkin bahwa hasil secara linier terkait dengan ukuran
kepemilikan lahan (X10) menyiratkan lebih besar ukuran lahan lebih tinggi dari total
produksi (tetapi tidak harus menghasilkan per unit lahan). Variabel penting kedua X2 (pH)
berhubungan positif yang berarti semakin besar nilainya (lebih banyak tanah basa) semakin
tinggi produksi yang sebenarnya tidak relevan dengan tanaman padi karena alasan teoritis.
Oleh karena itu, tanda untuk variabel X2 (pH) tidak terduga dalam persamaan. Total nitrogen
(X4), dan tanah liat (X8) positif menyiratkan variabel-variabel ini relevan dengan tanaman
padi, kandungan nitrogen yang lebih tinggi memberikan kontribusi positif terhadap hasil, dan
tanah liat (X8) memiliki dampak positif pada produksi beras dengan meningkatkan kapasitas
penyimpanan air dari tanah. KarenaP2O5 kandungandi tanah dalam kebanyakan kasus tinggi,
tanda negatif untuk variabel X5 tidak tidak relevan dalam persamaan. Ketika mengeluarkan

X1 (intensitas tanam) dalam persamaan YR3 menghasilkan model berikut:

YR4 = -89,01 + 1016.1X4 + 1,90X10
(3,39) (14,27)
R2 = 0,8442
F = 108,44 (0,0000)

Ini Persamaan lagi menunjukkan pentingnya variabel Xpenguasaan10 (totallahan) dan X4

(total nitrogen) yang keduanya bersama-sama menjelaskan tentang variasi hasil 84% (sedikit
lebih rendah dari pada YR3). Beberapa model regresi yang dikembangkan melalui berbagai
kombinasi variabel penjelas adalah:
YR5 = -68,3 - 0,515X1 + 916,96X4 + 3,35X9 + 0,26X11 + 2,24X13
(-2,06) (1,99) (1,99) (2,29) (5.11) (4.01)
R2 = 0.7347
F = 16.06 (0.0000)
YR6 = -5297.14 + 9.41X1 + 41641.95X4 + 75.73X10
(1.69) (3.55) (14.45)
R2 = 0.8549
F = 76.62 ( 0,0000)

YR7 = -17473,47 + 1685.23X2 + 2207.02X3 - 13.0X5 + 237.19X8 + 95.7X10

(5.05) (4.66) (-5.86) (2.76) (19.5)
R2 = 0.9902
F = 101.5 (0.0001)

YR8 = -87.25 + 1169.28X4 - 0.318X5 + 1.88X10 + 0.952X13

(3.68) (-3.22) (10.29) (2.12)
R2 = 0.8693
F = 49.88 (0.0000)

YR9 = -89.39 + 59.73X3 - 0.36X5 + 1.88X10 + 0.952X13

(4.08) (-3.7) (10.71) (2.52)
R2 = 0.8779
F = 53.93 (0.0000)

YR10 = -87.25 + 1169.28X4 - 0.318X5 + 1.86X10 + 0.824X13

(3.68) (-3.22) (10.28) (2.12)
R2 = 0.8693
F = 49.88 (0.0000)

Dalam persamaan YR5 sembilan variabel (tidak termasuk X3 (bahan organik) dan X7 (pasir)
dan menambahkan X13 (area di bawah tanaman kacang-kacangan) mengalami kemunduran
memberikan ri se ke lima variabel menjelaskan sekitar 73% variasi dalam hasil. Semua
variabel berhubungan positif dengan hasil kecuali variabel X1 (intensitas tanam) yang
memiliki tanda negatif berarti semakin tinggi intensitas tanam semakin rendah. produktivitas
(kecuali input nutrisi tambahan ditambahkan). Hubungan ini tampaknya berhasil untuk semua
tanaman di bawah sistem tanam input rendah. Defisit nitrogen nutrisi (X4), dan lanau (X9)
muncul dalam persamaan tetapi mereka tampaknya kurang penting daripada variabel non-
tanah X11 (total pupuk yang digunakan) dan X13 (area legum).
Dalam YR6 dua variabel non-tanah (X11, dan X13) termasuk dalam persamaan YR5
dijatuhkan dan satu variabel non-tanah X10, dan dua variabel yang sebelumnya dijatuhkan
X3 dan X7 dimasukkan sehingga menghasilkan tiga variabel X1, X4 dan X10 menjelaskan
sekitar 85% variasi hasil. Dalam persamaan total nitrogen (X4) muncul sebagai variabel
penting di sebelah total kepemilikan lahan (X10).
Dalam YR7 dan YR8 model itu mencolok untuk dicatat bahwa variabel X10 tampil sangat
penting memiliki terbesar t-nilai diikuti oleh X positif2,variabel X5 tetap penting dan negatif.
Semua variabel lain adalah positif dan penting, semuanya menjelaskan sekitar 99% dan
variasi 87% dalam hasil di kedua persamaan YR7 dan YR8 masing-masing. YR9 dan YR10
memiliki pola yang sama yang memiliki fosfor (X5), penguasaan lahan (X10) dan area
tanaman legum (X13) sebagai variabel penting.
TEMUAN DAN KESIMPULAN
Dalam menyimpulkan, menganalisis persamaan dapat dikatakan bahwa variabel tanah kritis
yang menjelaskan variasi paling banyak dalam hasil padi adalah total nitrogen (X4) dan
bahan organik (X3). Fosfor (X5), pH tanah (X2) dan tanah liat (X8) juga ternyata menjadi
variabel penting dalam beberapa persamaan. Semua variabel ini kecuali satu fosfor (X5)
positif. P205 (X5) berbanding terbalik dengan hasil di hampir semua persamaan yang
muncul. Dalam kebanyakan persamaan, intersep (bo) kurang berarti ketika X = 0.

Analisis tanah telah mengungkapkan bahwa status kesuburan tanah di wilayah studi rendah
ketika dianggap tingkat dua variabel tanah yang paling kritis - total nitrogen dan kandungan
bahan organik . Informasi ini penting terutama ketika nilai-nilai uji tanah dikalibrasi untuk
merekomendasikan tingkat optimal pupuk (nutrisi) dalam sistem pertanian lokal. Distribusi
kandungan fosfor dalam tanah pada umumnya dari tingkat rendah ke sangat tinggi (tabel 1,
simpangan baku sangat tinggi) dengan rata-rata tinggi. Alasan di balik hubungan terbalik
fosfor dengan hasil mungkin karena memiliki kadar konten fosfor yang tinggi hingga sangat
tinggi di tanah yang mungkin mempengaruhi hasil negatif.
Mengingat temuan dan kesimpulan, disarankan agar kebijakan dan opsi teknologi yang
ditingkatkan harus tersedia bagi petani untuk melestarikan dan meningkatkan kandungan
bahan organik dan total nitrogen di tanah. Penyebaran informasi yang lebih luas tentang
metode penggunaan pupuk kimia secara seimbang juga diperlukan untuk menjaga kesuburan
tanah dan meningkatkan produksi tanaman di wilayah studi.

UCAPAN TERIMA KASIH

Penulis mengakui komentar dan saran pada naskah dan ingin mengucapkan terima kasih
kepada pengulas anonim. Para penulis juga mengambil kesempatan ini untuk berterima kasih
kepada tim manajemen editorial untuk meninjau dan merumuskan artikel.
REFERENSI
Tugas Ekonometrika :

Judul DENTIFIKASI ASOSIASI ANTARA VARIABEL TANAH DAN

PRODUKSI MENGGUNAKAN MODEL REGRESI GANDA
LINEAR

Jurnal The Journal of Agriculture and Environment

Volume & Halaman Vol. 12, Hal. 27-37
Tahun Juni 2011
Penulis Hari Dahal PhD dan JK Routray PhD2
Reviewer Okta Arisa Karlindo
NPM E1D017076
Kelas B
Waktu & Tanggal Kamis, 5 September 2019

Tujuan Penelitian Untuk menilai variabel tanah mana yang penting untuk produksi
tanaman, sampel tanah diuji dan data uji berkorelasi dengan hasil
panen.
Subjek Penelitian Variabel tanah
Metode Penelitian Melalui analisis dengan metode natrium bikarbonat Olsen; kadar
kalium kg per hektar ditentukan dengan metode metrik keruh kalium
dan reaksi tanah dengan pH meter (rasio tanah-air 1: 1) untuk
mengetahui kandungan fosfor kilogram per hektar.

Melalui metode titrasi cepat Walkley-Black untuk mengetahui

persentase nitrogen dan bahan organik diperkirakan sebagai ukuran
kandungan karbon.

Melalui metode wawancara menggunakan kuesioner yang terstruktur

dengan baik yang diberikan kepada masing-masing responden.
Hasil Penelitian Koefisien korelasi menunjukkan seberapa baik satu variabel X
terkait dengan variasi dalam variabel Y lainnya. Tidak ada hubungan
yang signifikan terlihat antara variabel tanah dan hasil jagung namun
hubungan positif yang lemah dapat diamati antara bahan organik
(X3), nitrogen (X4), dan lanau (X9) dan hasil jagung sedangkan
hubungan negatif terlihat dengan pH ( X2), pasir (X7), dan tanah liat
(X8). Jelas bahwa persentase tanah liat dan pasir yang lebih tinggi
dapat menghambat hasil jagung dan hubungan terbalik dengan pH
berarti lebih sedikit toleransi jagung dengan tanah yang lebih basa.
Semua variabel lain adalah positif dan penting, semuanya
menjelaskan sekitar 99% dan variasi 87% dalam hasil di kedua
persamaan YR7 dan YR8 masing-masing. Kelemahan dari variabel
yang diteliti yaitu semua variabel berhubungan positif dengan hasil
kecuali variabel X1 (intensitas tanam) yang memiliki tanda negatif
berarti semakin tinggi intensitas tanam semakin rendah.
Analisis tanah telah mengungkapkan bahwa status kesuburan tanah
 di wilayah studi rendah ketika dianggap tingkat dua variabel tanah
yang paling kritis - total nitrogen dan kandungan bahan organic
Kesimpulan Dalam menyimpulkan, menganalisis persamaan dapat dikatakan
bahwa variabel tanah kritis yang menjelaskan variasi paling banyak
dalam hasil padi adalah total nitrogen (X4) dan bahan organik (X3).
Fosfor (X5), pH tanah (X2) dan tanah liat (X8) juga ternyata
menjadi variabel penting dalam beberapa persamaan. Semua variabel
ini kecuali satu fosfor (X5) positif
Kelebihan Kekuatan penelitian ini adalah alat yang digunakan dalam penelitian
berupa kuesioner cukup mudah digunakan oleh subjek penelitian
sehingga dalam pengambilan datanya tidak dibutuhkan waktu yang
lama seperti pada metode kuantitatif.
Kelemahan Kelemahan dalam penelitian ini adalah data yang digunakan dalam
analisis merupakan data yang banyak menampilkan variabel,
sehingga susah untuk dipahami.