FAKTOR - FAKTOR YANG MEMPENGARUHI PENDAPATAN PETANI

KARET DI NAGARI TANJUNG PAUH, KECAMATAN PANGKALAN

KOTO BARU, KABUPATEN LIMA PULUH KOTA, SUMATERA BARAT

Arfah Nadira1, Agustinus Mangunsong2, Elviati2

Program Studi Pengelolaan Perkebunan, Jurusan Budidaya Tanaman Perkebunan
Politeknik Pertanian Negeri Payakumbuh, Kode Pos 26271, Payakumbuh
arfahnadira@gmail.com

ABSTRAK
Kabupaten Lima Puluh Kota merupakan salah satu penghasil produksi
karet terbesar di Sumatera Barat. Kecamatan yang menjadi posisi pertama dengan
lahan terluas berada di Kecamatan Pangkalan Koto Baru sedangkan untuk
produksinya berada di posisi kedua. Tujuan penelitian ini adalah untuk mengetahui
pengaruh jumlah pohon karet, biaya produksi, jumlah produksi, tingkat pendidikan,
usia, dan pengalaman kerja terhadap pendapatan petani karet di Nagari Tanjung
Pauh, Kecamatan Pangkalan Koto Baru, Kabupaten Lima Puluh Kota, Sumatera
Barat. Penelitian ini dimulai pada bulan April 2022 sampai dengan bulan Juni 2022.
Variabel yang digunakan dalam penelitian ini adalah jumlah pohon karet, biaya
produksi, jumlah produksi, tingkat pendidikan, usia, dan pengalaman kerja. Untuk
metode pengambilan sampel menggunakan Purposive Sampling dan didapatkan 84
responden. Metode analisis data yang digunakan dalam penelitian ini adalah
analisis regresi linier berganda menggunakan Software Statistic Program for Social
Science (SPSS) versi 26. Hasil penelitian ini menunjukkan variabel biaya produksi
dan usia bernilai negatif dan berpengaruh signifikan terhadap pendapatan petani
karet, sedangkan variabel jumlah produksi bernilai positif dan berpengaruh
signifikan terhadap pendapatan petani karet di Nagari Tanjung Pauh. Untuk
variabel jumlah pohon karet, tingkat pendidikan, dan pengalaman kerja
berpengaruh tidak signifikan terhadap pendapatan petani karet di Nagari Tanjung
Pauh. Hasil uji F menunjukkan bahwa secara keenam variabel independen atau
bebas secara serentak berpengaruh terhadap variabel dependen atau tidak bebas
yaitu pendapatan petani karet di Nagari Tanjung Pauh. Nilai R 2 sebesar 0,875
berarti sebesar 87,5% variasi pendapatan petani karet dapat dijelaskan oleh variabel
jumlah pohon karet, biaya produksi, jumlah produksi, tingkat pendidikan, usia, dan
pengalaman kerja. Sedangkan sisanya 12,5% dipengaruhi oleh variabel lain yang
tidak dimasukkan dalam penelitian ini.
Kata Kunci : Karet, Faktor – Faktor Pendapatan, Pendapatan Usaha Tani

PENDAHULUAN
Karet merupakan komoditas
perkebunan yang sangat penting.
Bermanfaat sebagai sumber lapangan
kerja, sebagai salah satu sumber
devisa non migas, mendorong
pertumbuhan ekonomi di wilayah
pengembangan karet, juga dari
pendapatan hasil penjualan karet ini
sebagai mata pencaharian bagi
keluarga petani karet (Stiawan,
Wahyuningsih, dan Nurjayanti,
2014). Menurut Damanik, Syakir,
Tasma dan Siswanto (2010) karet
merupakan komoditi ekspor yang
mampu memberikan kontribusi di
dalam upaya peningkatan devisa

1). Mahasiswa Jurusan Budidaya Tanaman Perkebunan, Politeknik Pertanian Negeri Payakumbuh
2). Dosen Jurusan Budidaya Tanaman Perkebunan, Politeknik Pertanian Negeri Payakumbuh
1
Indonesia. Karet tidak hanya
diusahkan oleh perkebunan-
perkebunan milik negara, tetapi juga
diusahakan oleh swasta dan rakyat.
Luas areal dan produksi karet di
Sumatera Barat dari tahun 2018-2019
yaitu 130,3 ribu Ha menjadi 130,8
ribu Ha dengan produksinya 152,5
ribu ton menjadi 152 ribu ton. Untuk
luasan lahan yang produktif pada
tahun 2019 yaitu 124,3 ribu Ha atau
sekitar 95 % dari total luas lahan karet
yang berada di Sumatera Barat. Untuk
perkebunan yang berada di Sumatera
Barat hanya dikelola oleh rakyat yang
dikelompokkan dalam usaha kecil
tanaman perkebunan rakyat (Statistik
Karet Indonesia, 2019).
Kabupaten Lima Puluh Kota
merupakan daerah yang mempunyai
potensi cukup tinggi dalam bidang
sektor pertanian termasuk budidaya
pada komoditi karet. Di daerah
Kabupaten Lima Puluh Kota,
kecamatan yang menjadi posisi
pertama dengan lahan terluas berada
di Kecamatan Pangkalan Koto Baru
yaitu 9 ribu Ha sedangkan untuk
produksi karet berada di posisi kedua
dengan produksinya 2,9 ribu ton pada
tahun 2020. Sedangkan untuk lahan
yang produktif hanya 5,2 ribu Ha atau
sekitar 58,4 % dari total luas lahan
karet di Pangkalan Koto Baru pada
tahun 2020 (BPS Kabupaten Lima
Puluh Kota, 2021).
Di Pangkalan Koto Baru 40%
lahan karet perlu dilakukan
peremajaan yang menyebabkan
produksi karet menurun. Menurut
data BPS Kabupaten Lima Puluh
Kota (2021), dari 9 ribu Ha lahan
karet sekitar 3,7 ribu Ha sudah tidak
produksi lagi (rusak). Sehingga perlu
dilakukan peremajaan pada lahan
karet agar produksi yang dihasilkan
bisa optimal.
Nagari Tanjung Pauh memiliki
luas 112,26 Km2 yang terdiri dari 3
jorong yaitu : Pasar Buyuh, Koto
Lamo, dan Pulau Panjang
(Kecamatan Pangkalan Koto Baru,
2021). Nagari ini merupakan daerah
transmigrasi yang dibangun pada
tahun 1992 karena pada saat itu
Nagari Tigo Koto yang lama terkena
pembangunan proyek raksasa danau
buatan. Danau ini dimanfaatkan
sebagai pembangkit listrik,
merupakan kerja sama antara Jepang
dengan Indonesia. Sebagai ganti
ruginya pemerintah Indonesia
memberikan lahan hutan rakyat jenis
karet seluas 2 Ha kepada setiap
Kepala Keluarga. Oleh karena itu tiap
KK memiliki lahan karet seluas 2 Ha
(Oktarita, 2003).
Tujuan penelitian ini adalah
(1) mengetahui tingkat pendapatan
rata – rata petani karet di Nagari
Tanjung Pauh Kabupaten Lima Puluh
Kota Sumatera Barat, (2) mengetahui
faktor – faktor yang mempengaruhi
pendapatan petani karet di Nagari
Tanjung Pauh Kabupaten Lima Puluh
Kota Sumatera Barat.
METODE PENELITIAN
1. Tempat dan Waktu Penelitian
Penelitian ini dilakukan di
Nagari Tanjung Pauh, Kecamatan
Pangkalan Koto Baru, Kabupaten
Lima Puluh Kota. Penelitian ini
dilaksanakan selama 3 bulan yaitu
dari bulan April 2022 sampai dengan
bulan Juni 2022.
2. Metode Pengambilan Sampel
Metode pengambilan sampel
yang digunakan adalah purposive
sampling, dengan pertimbangan
bahwa petani tersebut memiliki kebun
sendiri, sebagai penyadap utama,
membudidayakan karet dengan
sistem monokultur, menjadikannya
sebagai pendapatan utama serta
memiliki minimal populasi tanaman
2
karet 150 pohon/Ha. Purposive TFC = Total Fixed Cost (Total
sampling adalah teknik pengambilan biaya tetap)
sampel dengan menentukan kriteria – TVC = Total Variabel Cost (Total
kriteria tertentu (Sugiyono, 2013). biaya variabel)
Tujuan pengambilan sampel secara 4. Analisis Regresi Linier
purposive sampling untuk Berganda
mendapatkan sampel agar dianggap Supaya data yang dikumpulkan
mewakili populasi. Jumlah sampel memiliki nilai serta dapat dianalisis
ditetapkan sebanyak 84 petani. sesuai dengan tujuan penelitian ini,
Penelitian ini menggunakan maka data yang telah diperoleh dari
data primer yang dikumpulkan penyebaran kuisioner diolah dengan
dengan metode wawancara secara menggunakan Software Statistic
langsung dengan petani sampel serta Program for Social Science (SPSS)
data sekunder yang diperoleh dari versi 26 melalui analisa regresi
BPS dan Kantor Wali Nagari Tanjung berganda, pengujian secara serentak
Pauh. (uji F), uji individual (uji T) dan
3. Analisis Pendapatan Bersih analisis koefisien determinasi (R2).
Usaha Tani Data yang telah dikumpulkan dan
Untuk menghitung pendapatan masukkan ke dalam Software
bersih dapat menggunakan rumus Microsoft Excel 2019 dan melakukan
sebagai berikut: pengkodean baik itu karakteristik
π = TR-TC responden maupun pendapat
Keterangan: responden baik itu karakteristik
π = Pendapatan usaha tani terhadap pernyataan pada setiap
TR = Total Revenue (Total variabel jumlah pohon karet (X1),
penerimaan) biaya produksi (X2), jumlah produksi
TC = Total Cost (Total biaya (X3), tingkat pendidikan (X4), usia
produksi) (X5) dan pengalaman kerja (X6) yang
Berdasarkan rumusnya tinggi dimiliki petani yang dapat dituliskan
atau rendah pendapatan dipengaruhi dalam rumus :
besarnya penerimaan, penerimaan Y = a + βX1 + βX2+ βX3 + βX4+
akan meningkat jika jumlah produksi βX5 + βX6 + e
dan harga jual produk tinggi. Namun Keterangan :
sebaliknya, pendapatan akan Y = Pendapatan
meningkat jika biaya produksi a = Intercept
menurun. X1 = Jumlah pohon karet (batang)
1). Total penerimaan X2 = Biaya produksi (Rp)
TR = P × Q X3 = Jumlah produksi (Kg)
Keterangan : X4 = Tingkat pendidikan (Tahun)
TR = Total Revenue (Total X5 = Usia (Tahun)
penerimaan) X6 = Pengalaman kerja (Tahun)
P = Price (Harga) β1, β2, β3, β4, β5, β6 = Koefisien
Q = Quantity (Jumlah) persamaan regresi
2). Total biaya produksi e = variabel pengganggu
TC = TFC + TVC 5. Pengujian secara Serentak (Uji
Keterangan : F)
TC = Total Cost (Total biaya Uji statistik F pada dasarnya
produksi) menunjukkan apakah semua variabel

3
independen atau bebas yang bahwa penggunaan model tersebut
dimasukkan dalam model dapat dibenarkan.
mempunyai pengaruh secara Koefisien determinasi
bersama-sama terhadap variabel menunjukkan suatu proporsi dari
dependen. Pengujian F dilakukan varian yang dapat diterangkan oleh
dengan membandingkan Fhitung persamaan regresi terhadap varian
dengan Ftabel. Maka kita menerima total.
hipotesis alternatif yang menyatakan Besarnya koefisien determinasi
bahwa semua variabel independen dirumuskan sebagai berikut:
secara serentak dan signifikan R2=β1∑X1Y+β2∑X2Y+β3∑X3Y+…
mempengaruhi variabel dependen. … β6∑X6Y
Ftabel di cari dengan cara melihat df1 Keterangan:
(bagian tabel horizontal) R2 = Determinasi
menggunakan data jumlah variabel β1, β2 , β3...β6 = Koefisian
independent dan df2 (bagian tabel persamaan regresi
vertikal) dengan menggunakan data X1, X2, X3..X6 = Skor variabel
jumlah sampel. Rumus uji F adalah: independen
F hitung = R2/k Y = Skor variabel
(1–R2) / (n-k-1) dependen Y
Keterangan : Nilai R2 di atas menunjukan
Fhitung= Fhitung yang seberapa besar nilai variabel bebas
selanjutnya dibandingkan X1, X2, X3,…X6 mempengaruhi nilai
dengan Ftabel variabel terkait Y. Nilai dari (R2)
k = Jumlah variabel bebas menunjukan presentase besarnya
2 pengaruh faktor-faktor selain X1, X2,
R = Koefisien determinan
n = Ukuran sampel X3… X6 terhadap variabel Y.
6. Analisis koefisien determinasi HASIL
(R2) 1. Karakteristik Responden
Dalam suatu penelitian atau Karakteristik responden dalam
observasi, perlu dilihat seberapa jauh penelitian ini adalah petani yang
model yang terbentuk dalam menjalankan usaha tani karet dan
menerangkan kondisi yang menjadikan usaha tani karet tersebut
sebenarnya. Dalam analisis regresi sebagai penghasilan utama, memiliki
dikenal suatu ukuran yang dapat pohon karet ≥ 150 pohon/Ha di
dipergunakan untuk keperluan Nagari Tanjung Pauh. Jumlah
tersebut, yang dikenal dengan responden yaitu 84 petani karet
koefisien determinasi. Nilai koefisien dengan metode pengambilan sampel
determinasi merupakan suatu ukuran yaitu purposive sampling yang berarti
yang menunjukkan besar sumbangan pengambilan sampel berdasarkan
dari variabel independen terhadap syarat tertentu (Sugiyono, 2013).
variabel dependen, atau dengan kata Pengambilan data penelitian
lain koefisien determinasi menggunakan kuesioner melalui
menunjukkan variasi turunnya Y wawancara langsung ke petani karet.
yang diterangkan oleh pengaruh
linear X. Bila nilai R2 mendekati
angka 1, maka variabel independen
makin mendekati hubungan dengan
variabel dependen sehingga dikatakan

4
1.1. Karakteristik berdasarkan
usia
Berdasarkan hasil penelitian responden berdasarkan usia dapat
yang telah dilakukan pada petani dilihat dalam Tabel 1.
karet di Nagari Tanjung Pauh
diperoleh hasil karakteristik
Tabel 1. Karakteristik Responden Berdasarkan Usia
Rata – Rata Rata – Rata
Interval Usia Jumlah Petani Persentase
Produksi Pendapatan
(tahun) (orang) (%)
(kg/bulan) (bulan)
21 – 30 2 2,4 334 Rp 3.198.750
31 – 40 11 13,1 204 Rp 1.906.361
41 – 50 32 38,1 191 Rp 1.594.076
51 – 60 24 28,6 163 Rp 1.024.896
> 60 15 17,9 165 Rp 1.057.707
JUMLAH 84 100
Sumber : Data Primer yang Sudah Diolah (2022)
Tabel 1, menunjukkan bahwa pendapatan tertinggi di Nagari
karakteristik berdasarkan usia Tanjung Pauh berada pada interval
didominasi oleh responden berusia 41 usia 21 – 30 tahun, dikarenakan
– 50 tahun sebanyak 32 orang dengan bahwa pada interval usia tersebut
persentase 38,1%. Sedangkan jumlah petani memiliki kemampuan dan
responden terkecil pada usia 21 – 30 tenaga yang lebih besar sehingga
tahun dengan persentase 2,4%. Jika mampu menjalani usaha tani karet
dilihat berdasarkan rata – rata tersebut. Hal ini sesuai dengan
produksi dan pendapatannya dalam 1 pendapat Nugraha, Alamsyah, dan
bulan maka produksi dan pendapatan Agustina (2018) bahwa pada umunya
tertinggi pada interval usia 21 – 30 petani karet yang masih berada pada
tahun yaitu 334 kg produksinya usia yang produktif akan mendorong
dengan pendapatannya sebesar Rp petani karet lebih produktif untuk
3.198.750. meningkatkan hasil perkebunan karet.
Maka dapat disimpulkan bahwa
petani karet dengan produksi dan
1.2. Karakteristik responden diperoleh hasil karakteristik
berdasarkan jenis kelamin responden berdasarkan jenis kelamin
Berdasarkan hasil penelitian dapat dilihat dalam Tabel 2.
yang telah dilakukan pada petani
karet di Nagari Tanjung Pauh
Tabel 2. Karakteristik Responden Berdasarkan Jenis Kelamin
Rata – Rata Rata – Rata
Jenis Jumlah Petani Persentase
Produksi Pendapatan
Kelamin (orang) (%)
(kg/bulan) (bulan)
Laki -laki 28 33,3 212 Rp 1.520.381
Perempuan 56 66,7 171 Rp 1.361.970
Jumlah 84 100
Sumber : Data Primer yang Sudah Diolah (2022)
Tabel 2, menunjukkan hasil sebanyak 56 orang dengan persentase
bahwa karakteristik berdasarkan jenis 66,7%. Sedangkan jumlah responden
kelamin didominasi oleh perempuan berjenis kelamin laki-laki berjumlah

5
28 orang dengan persentase 33,3%. merupakan suatu indikator yang dapat
Walaupun responden didominasi oleh menunjukkan produktivitas petani
petani karet yang berjenis kelamin dalam bekerja, rata-rata laki-laki lebih
perempuan tetapi untuk rata-rata kuat dibandingkan perempuan
produksi dan pendapatan dalam 1 dikarenakan kegiatan perempuan
bulan lebih banyak untuk petani karet tidak hanya mengerjakan usaha tani
yang berjenis kelamin laki-laki yaitu saja tetapi juga dibebani mengurus
212 kg produksinya dengan rumah tangga, sehingga pengerjaan
pendapatan sebesar Rp 1.520.381. dalam usaha tani kurang maksimal.
Hal ini disebabkan petani karet yang 1.3. Karakteristik responden
berjenis kelamin perempuan berdasarkan tingkat pendidikan
cenderung kurang maksimal dalam Berdasarkan hasil penelitian
melakukan usaha tani karet, yang telah dilakukan pada petani
dikarenakan tenaga kerja yang karet di Nagari Tanjung Pauh
dihasilkan oleh perempuan lebih diperoleh hasil karakteristik
rendah dibandingkan laki-laki. responden berdasarkan tingkat
Menurut Trisnawati, Barbara pendidikan dapat dilihat dalam Tabel
dan Aggreini (2018) jenis kelamin 3.
Tabel 3. Karakteristik Responden Berdasarkan Tingkat Pendidikan
Rata – Rata Rata – Rata
Jumlah Petani
Tingkat Pendidikan Persentase (%) Produksi Pendapatan
(orang)
(kg/bulan) (bulan)
Tidak tamat SD 13 15,5 143 Rp 985.060
SD 55 66,7 181 Rp 1.426.164
SMP 9 10,7 235 Rp 2.039.244
SMA 6 7,1 232 Rp 1.302.808
Jumlah 84 100
Sumber : Data Primer yang Sudah Diolah (2022)
Tabel 3, menunjukkan bahwa mata pencahariannya dan lebih
karakteristik responden berdasarkan memilih pekerjaan lain.
tingkat pendidikan didominasi oleh Hal ini sesuai dengan pendapat
responden tamatan SD sebanyak 55 Nugraha, dkk (2018) masyarakat
orang dengan persentase 65,5%. yang memiliki tingkat pendidikan
Untuk jumlah responden terkecil yang tinggi tidak menjadikan
yaitu tamatan SMA berjumlah 6 berkebun karet sebagai usaha utama
orang dengan persentase 7,1%. dan lebih memilih pekerjaan lain
Sedangkan untuk rata-rata produksi seperti dari sektor perkantoran.
dan pendapatan tertinggi dalam 1 1.4. Karakteristik responden
bulan pada tingkat pendidikan SMP berdasarkan pengalaman kerja
yaitu 235 kg dengan pendapatannya Berdasarkan hasil penelitian
sebesar Rp 2.039.244. Hal ini yang telah dilakukan pada petani
disebabkan masyarakat di Nagari karet di Nagari Tanjung Pauh
Tanjung Pauh dengan tingkat diperoleh hasil karakteristik
pendidikan yang lebih tinggi tidak responden berdasarkan pengalaman
menjadikan usaha tani karet sebagai kerja dapat dilihat dalam Tabel 4.

6
Tabel 4. Karakteristik Responden Berdasarkan Pengalaman Kerja
Rata – Rata Rata – Rata
Pengalaman Jumlah Petani Persentase
Produksi Pendapatan
Kerja (Tahun) (orang) (%)
(kg/bulan) (bulan)
1 – 10 28 33,3 163 Rp 1.333.827
11 – 20 35 41,7 219 Rp 1.681.993
21 – 30 8 9,5 120 Rp 654.743
31 – 40 6 7,1 158 Rp 1.261.782
41 – 50 5 6 135 Rp 769.537
> 50 2 2,4 150 Rp 1.178.542
Jumlah 84 100
Sumber : Data Primer yang Sudah Diolah (2022)
Tabel 4, menunjukkan yang dikeluarkan untuk usaha tani
bahwa karakteristik responden karet. Untuk melihat penerimaan atau
berdasarkan pengalaman kerja pendapatan kotor dapat menggunakan
didominasi oleh responden yang rumus :
memiliki pengalaman kerja selama 11 TR = P × Q
– 20 tahun pada bidang usaha tani Keterangan :
karet sebanyak 35 orang dengan TR = Total Revenue (Total
persentase 41,7%. Sedangkan jumlah Penerimaan)
responden terkecil yaitu responden P = Price (Harga)
yang memiliki pengalaman kerja Q = Quantity (Jumlah)
lebih dari 50 tahun berjumlah 2 orang Total penerimaan usaha tani
dengan persentase 2,4%. Untuk rata- karet di Nagari Tanjung Pauh dapat
rata produksi dan pendapatan dilihat pada Tabel 5.
tertinggi dalam 1 bulan oleh Tabel 5. Total Penerimaan Usaha
responden dengan pengalaman kerja Tani Karet di Nagari Tanjung Pauh
11 – 20 tahun yaitu 219 kg dengan Keterangan Hasil
pendapatannya sebesar Rp 1.681.993. Rata – rata harga produk
9.000
Walaupun rata-rata (Rp)
pengalaman sebagai petani karet Jumlah produksi(Kg) 17.370
tergolong lama, tetapi cara budidaya Total penerimaan (Rp) 156.330.000
karet yang dilakukan masih Sumber : Data Primer yang Sudah
tradisional. Menurut Nugraha dan Diolah (2022)
Alamsyah (2019) pengalaman kerja Berdasarkan Tabel 5,
yang tergolong lama dalam usaha tani menunjukkan bahwa semakin besar
karet tetapi cara yang dilakukan jumlah produksi yang dihasilkan
masih konvensional sehingga tidak maka semakin tinggi total penerimaan
dapat meningkatkan pendapatan. yang didapat. Berikut adalah cara
2. Analisis pendapatan usaha tani menghitung pendapatan bersih
karet sebagai berikut :
Pendapatan adalah selisih π = TR – TC
antara penerimaan dengan seluruh Keterangan :
biaya yang dikeluarkan selama proses π = Pendapatan usaha tani
produksi karet (Sugi, 2019). Firdaus TR = Total penerimaan
dan Abdullah (2012), penerimaan TC = Total biaya produksi
adalah perkalian antara jumlah Pendapatan bersih usaha tani
produksi dengan harga jual karet, karet di Nagari Tanjung Pauh dapat
sedangkan total biaya adalah biaya dilihat pada Tabel 6.

7
Tabel 6. Pendapatan Bersih Usaha Tani Karet Satu Bulan di Nagari Tanjung Pauh
Keterangan Jumlah
Total penerimaan (Rp) 156.330.000
Total biaya produksi (Rp) 39.648.995
Pendapatan (Rp) 116.681.005
Rata – rata pendapatan responden (Rp) 1.389.060
Sumber : Data Primer yang Sudah Diolah (2022)
Berdasarkan Tabel 6, (UMP) Sumatera Barat 2022 sebesar
menunjukkan bahwa rata – rata Rp 2.512.539/bulan maka pendapatan
pendapatan petani karet di Nagari usaha tani karet di Nagari Tanjung
Tanjung Pauh yaitu Rp 1.389.060 Pauh tergolong rendah dikarenakan
dalam 1 bulan. Jika dibandingkan masih di bawah UMP.
dengan Upah Minimum Provinsi
3. Analisis regresi linier berganda Social Science (SPSS) versi 26 yang
Untuk mengetahui pengaruh akan menampilkan hasil dalam
antara dua variabel atau lebih bentuk persamaan regresi. Dari
(variabel independen dengan analisis regresi linier berganda akan
dependen), maka dilakukan analisis diperoleh koefisien regresi, nilai
regresi linier berganda menggunakan thitung, dan signifikan, yang dapat
Software Statistic Program for dilihat pada Tabel 7.
Tabel 7. Hasil Analisis Regresi Linier Berganda
Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 1297517,686 243240,558 5,334 0,000
Jumlah pohon karet 273,429 234,220 0,053 1,167 0,247
Biaya produksi -1,126 0,208 -0,256 -5,401 0,000
Jumlah produksi 8728,780 473,215 0,922 18,446 0,000
Tingkat pendidikan -106978,268 57925,059 -0,084 -1,847 0,069
Usia -20079,683 4368,638 -0,234 -4,596 0,000
Pengalaman kerja 1667,764 3114,055 0,024 0,536 0,594
a. Dependent Variable: Pendapatan
Sumber : Hasil Pengolahan Data dengan SPSS (2022)
Berdasarkan hasil pada Tabel 7, X3 = Jumlah produksi (Kg)
maka dapat ditulis persamaan regresi X4 = Tingkat Pendidikan (Tahun)
linier berganda dengan rumus sebagai X5 = Usia (Tahun)
berikut : X6 = Pengalaman kerja (Tahun)
Y = α + βX1 + βX2+ βX3 + βX4+ β1 = Koefisien persamaan regresi dari
βX5 + βX6 + e variabel X1 (Jumlah pohon karet)
Y = 1.297.517,686 + 273,429 (X1) - β2 = Koefisien persamaan regresi dari
1,126 (X2) + 8.728,780 (X3) – variabel X2 (Biaya produksi)
106.978,268 (X4) – 20.079,683 β3 = Koefisien persamaan regresi dari
(X5) + 1.667,764 (X6) + e variabel X3 (Jumlah produksi)
Keterangan : β4 = Koefisien persamaan regresi dari
Y = Pendapatan variabel X4 (Tingkat pendidikan)
a = Konstanta dari persamaan regresi β5 = Koefisien persamaan regresi dari
X1 = Jumlah pohon karet (batang) variabel X5 (Usia)
X2 = Biaya produksi (Rp)

8
β6 = Koefisien persamaan regresi dari
variabel X6 (Pengalaman kerja)
e = variabel pengganggu
Hasil dari persamaan analisis
regresi linier berganda dapat
dijelaskan sebagai berikut :
1). Konstanta α = 1.297.517,686
Jika nilai konstanta sebesar
1.297.517,686 menunjukkan bahwa
pendapatan usaha tani karet pada
jumlah pohon karet (X1), biaya
produksi (X2), jumlah produksi
(X3), tingkat pendidikan (X4), usia
(X5), pengalaman kerja (X6)
dianggap sebagai nol (0) maka
pendapatan petani karet sebesar Rp
1.293.890,737.
2). Variabel bebas jumlah pohon
karet = 273,429
Nilai koefisien regresi
sebesar 273,429 menunjukkan
pengaruh jumlah pohon karet
bernilai positif (+). Artinya jika
pohon karet bertambah 1 batang
maka menyebabkan penambahan
pendapatan sebesar Rp 273,429
dengan asumsi biaya produksi (X2),
jumlah produksi (X3), tingkat
pendidikan (X4), usia (X5),
pengalaman kerja (X6) dianggap
konstan.
3). Variabel bebas biaya produksi =
-1,126
Nilai koefisien regresi
sebesar -1,126 menunjukkan biaya
produksi bernilai negatif (-). Artinya
jika biaya produksi bertambah Rp 1
maka menyebabkan penurunan
pendapatan sebesar Rp 1,126
dengan asumsi jumlah pohon karet
(X1), jumlah produksi (X3), tingkat
pendidikan (X4), usia (X5),
pengalaman kerja (X6) dianggap
konstan.
4). Variabel bebas jumlah produksi
= 8.728,780
Nilai koefisien regresi
sebesar 8.728,780 menunjukkan
jumlah produksi bernilai positif (+).
Artinya jika jumlah produksi
bertambah 1 kg maka menyebabkan
penambahan pendapatan sebesar Rp
8.728,780 dengan asumsi jumlah
pohon karet (X1), biaya produksi
(X2), tingkat pendidikan (X4), usia
(X5), pengalaman kerja (X6)
dianggap konstan.
5). Variabel bebas tingkat
pendidikan = -106.978,268
Nilai koefisien regresi
sebesar -106.978,268 menunjukkan
tingkat pendidikan bernilai negatif
(-). Artinya jika pendidikan
bertambah 1 tingkat maka
menyebabkan penurunan
pendapatan sebesar Rp 106.978,268
dengan asumsi jumlah pohon karet
(X1), biaya produksi (X2), jumlah
produksi (X3), usia (X5),
pengalaman kerja (X6) dianggap
konstan.
6). Variabel bebas usia = -
20.079,683
Nilai koefisien regresi
sebesar -20.079,683 menunjukkan
usia bernilai negatif (-). Artinya jika
usia bertambah 1 tahun maka
menyebabkan penurunan
pendapatan sebesar Rp 20.079,683
dengan asumsi jumlah pohon karet
(X1), biaya produksi (X2), jumlah
produksi (X3), tingkat pendidikan
(X4), pengalaman kerja (X6)
dianggap konstan.
7). Variabel bebas pengalaman kerja
= 1.667,764
Nilai koefisien regresi sebesar
1.667,764 menunjukkan pengalaman
kerja bernilai positif (+). Artinya jika
pengalaman kerja bertambah 1 tahun
maka menyebabkan penambahan
pendapatan sebesar Rp 1.667,764
dengan asumsi jumlah pohon karet
(X1), biaya produksi (X2), jumlah
produksi (X3), tingkat pendidikan
(X4), usia (X5) dianggap konstan.
9
4. Pengujian Secara Serentak (Uji bebas. Ftabel yang diperoleh dari df
F) (N1) = k dan df (N2) = n – k, dengan
Uji F dilakukan apakah semua tingkat kepercayaan 95% atau taraf
variabel independen atau bebas yang signifikan sebesar 5%. Hasil
dimasukkan dalam persamaan yang pengujian secara serentak pada
mempunyai pengaruh secara serentak penelitian ini dapat dilihat pada Tabel
terhadap variabel dependen atau tidak 8.
Tabel 8. Hasil Uji F dari Faktor – Faktor yang Mempengaruhi Pendapatan Petani
Karet di Nagari Tanjung Pauh
ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression 64696508097588,600 6 10782751349598,100 98,207 ,000b
Residual 8454336036035,850 77 109796571896,569
Total 73150844133624,500 83
a. Dependent Variable: Pendapatan
b. Predictors: (Constant), Pengalaman kerja, Jumlah pohon karet, Tingkat pendidikan, Biaya
produksi, Jumlah produksi, Usia
Sumber : Hasil Pengolahan Data dengan SPSS (2022)
Berdasarkan Tabel 8, dapat pohon karet (X1), biaya produksi
dilihat bahwa nilai Fhitung yang (X2), jumlah produksi (X3), tingkat
diperoleh pada penelitian ini sebesar pendidikan (X4), usia (X5), dan
98,207 sedangkan nilai Ftabel yang pengalaman kerja (X6) menunjukkan
diperoleh df (N1) = 6 dan df (N2) = 84 bahwa keenam variabel independen
– 6 = 78, Ftabel (6;78) adalah 2,22 atau bebas secara serentak
(Lampiran 3), maka dapat berpengaruh signifikan terhadap
disimpulkan bahwa nilai Fhitung lebih variabel dependen atau tidak bebas
besar dari Ftabel (Fhitung = 98,207 > yaitu pendapatan petani karet di
Ftabel = 2,22), artinya variabel jumlah Nagari Tanjung Pauh (Y).

5. Uji individual (Uji T) kerja (X6) terhadap variabel

Signifikan pengaruh variabel dependen yaitu pendapatan (Y) secara
independen yaitu jumlah pohon karet individu dapat dilihat dengan
(X1), biaya produksi (X2), jumlah melakukan uji T. Hasil individual (Uji
produksi (X3), tingkat pendidikan T) dapat dilihat pada Tabel 9.
(X4), usia (X5), dan pengalaman
Tabel 9. Hasil Uji T dari Faktor – Faktor yang Mempengaruhi Pendapatan Petani
Karet di Nagari Tanjung Pauh
Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
Model B Std. Error Beta T Sig.
1 (Constant) 1297517,686 243240,558 5,334 0,000
Jumlah pohon karet 273,429 234,220 0,053 1,167 0,247
Biaya produksi -1,126 0,208 -0,256 -5,401 0,000
Jumlah produksi 8728,780 473,215 0,922 18,446 0,000
Tingkat pendidikan -106978,268 57925,059 -0,084 -1,847 0,069
Usia -20079,683 4368,638 -0,234 -4,596 0,000
Pengalaman kerja 1667,764 3114,055 0,024 0,536 0,594
a. Dependent Variable: Pendapatan
Sumber : Hasil Pengolahan Data dengan SPSS (2022)

10
 Hipotesis pada penelitian ini
dilakukan dengan tingkat
kepercayaan sebesar 95% atau taraf
signifikan sebesar 5% (0,05). Pada
penelitian dengan enam variabel
independen dan satu variabel
dependen, maka untuk memperoleh
nilai Ttabel perlu diketahui nilai df
dengan menggunakan rumus sebagai
berikut :
df = 84 – 6 = 78
Berdasarkan nilai df maka
dengan melihat daftar ttabel pada
penelitian ini sebesar 1,99085.
Hipotesis akan diterima ketika thitung
lebih besar dari ttabel (thitung >
1,99085), dan ditolak ketika thitung
lebih kecil dari ttabel (thitung < 1,99085).
Berdasarkan Tabel 9, hasil
pengujian hipotesis dapat dijabarkan
sebagai berikut :
1). Jumlah pohon karet berpengaruh
tidak signifikan terhadap
pendapatan petani karet di Nagari
Tanjung Pauh
Berdasarkan Tabel 9 terlihat
bahwa thitung variabel jumlah pohon
karet sebesar 1,167 dengan tingkat
signifikan 0,05. Diketahui bahwa H1
diterima jika thitung > ttabel dan ditolak
jika thitung < ttabel. H1 pada penelitian
ditolak karena nilai thitung sebesar
1,167 < ttabel sebesar 1,99085. Jadi
dapat disimpulkan bahwa variabel
jumlah pohon karet berpengaruh
tidak signifikan terhadap pendapatan
petani karet di Nagari Tanjung Pauh.
2). Biaya produksi berpengaruh
signifikan terhadap pendapatan
petani karet di Nagari Tanjung
Pauh
Berdasarkan Tabel 9 terlihat
bahwa thitung variabel biaya produksi
sebesar -5,401 dengan tingkat
signifikan 0,05. Diketahui bahwa H1
diterima jika thitung > ttabel dan ditolak
jika thitung < ttabel. H1 pada penelitian
diterima karena nilai thitung sebesar
5,401 > ttabel sebesar 1,99085. Jadi
dapat disimpulkan bahwa variabel
biaya produksi berpengaruh
signifikan terhadap pendapatan petani
karet di Nagari Tanjung Pauh. Nilai
thitung bernilai negatif menunjukkan
bahwa semakin tinggi biaya produksi
yang dikeluarkan petani karet maka
pendapatan yang diterima akan
semakin rendah.
3). Jumlah produksi berpengaruh
signifikan terhadap pendapatan
petani karet di Nagari Tanjung
Pauh
Berdasarkan Tabel 9 terlihat
bahwa thitung variabel jumlah produksi
sebesar 18,446 dengan tingkat
signifikan 0,05. Diketahui bahwa H1
diterima jika thitung > ttabel dan ditolak
jika thitung < ttabel. H1 pada penelitian
diterima karena nilai thitung sebesar
18,446 > ttabel sebesar 1,99085. Jadi
dapat disimpulkan bahwa variabel
jumlah produksi berpengaruh
signifikan terhadap pendapatan petani
karet di Nagari Tanjung Pauh. Nilai
thitung bernilai positif menunjukkan
bahwa semakin tinggi jumlah
produksi yang dihasilkan petani karet
maka pendapatan yang diterima akan
semakin tinggi.
4). Tingkat pendidikan berpengaruh
tidak signifikan terhadap
pendapatan petani karet di Nagari
Tanjung Pauh
Berdasarkan Tabel 9 terlihat
bahwa thitung variabel tingkat
pendidikan sebesar -1,847 dengan
tingkat signifikan 0,05. Diketahui
bahwa H1 diterima jika thitung > ttabel
dan ditolak jika thitung < ttabel. H1 pada
penelitian ditolak karena nilai thitung
sebesar 1,847 < ttabel sebesar 1,99085.
Jadi dapat disimpulkan bahwa
variabel tingkat pendidikan
berpengaruh tidak signifikan
terhadap pendapatan petani karet di
Nagari Tanjung Pauh.
11
5). Usia berpengaruh signifikan
terhadap pendapatan petani karet
di Nagari Tanjung Pauh
Berdasarkan Tabel 9 terlihat
bahwa thitung variabel usia sebesar -
4,596 dengan tingkat signifikan 0,05.
Diketahui bahwa H1 diterima jika
thitung > ttabel dan ditolak jika thitung <
ttabel. H1 pada penelitian diterima
karena nilai thitung sebesar 4,596 > ttabel
sebesar 1,99085. Jadi dapat
disimpulkan bahwa variabel usia
berpengaruh signifikan terhadap
pendapatan petani karet di Nagari
Tanjung Pauh. Nilai thitung bernilai
negatif menunjukkan bahwa makin
rendah usia petani karet maka
pendapatan yang diterima akan
semakin tinggi.
6). Pengalaman kerja berpengaruh
tidak signifikan terhadap
pendapatan petani karet di Nagari
Tanjung Pauh
Berdasarkan Tabel 9 terlihat
bahwa thitung variabel pengalaman
kerja sebesar 0,536 dengan tingkat
signifikan 0,05. Diketahui bahwa H1
diterima jika thitung > ttabel dan ditolak
jika thitung < ttabel. H1 pada penelitian
ditolak karena nilai thitung sebesar
0,536 < ttabel sebesar 1,99085. Jadi
dapat disimpulkan bahwa variabel
pengalaman kerja berpengaruh tidak
signifikan terhadap pendapatan
petani karet di Nagari Tanjung Pauh.

6. Analisa koefisien determinasi produksi, tingkat pendidikan, usia,

2
(R ) dan pengalaman kerja secara
Analisis koefisien determinasi bersama-sama atau secara
R2 bertujuan untuk mengetahui keseluruhan terhadap variabel
persentase sumbangan pengaruh dependen yaitu pendapatan. Hasil
variabel independen yaitu jumlah analisis determinasi dalam penelitian
pohon karet, biaya produksi, jumlah ini terlihat pada Tabel 10.
Tabel 10. Hasil Analisis Koefisien Determinasi dari Faktor – Faktor yang
Mempengaruhi Pendapatan Petani Karet di Nagari Tanjung Pauh
Model Summary
Model R R Square Adjusted R Square Std. Error of the Estimate
a
1 ,940 0,884 0,875 331355,658
a. Predictors: (Constant), Pengalaman kerja, Jumlah pohon karet, Tingkat
pendidikan, Biaya produksi, Jumlah produksi, Usia
Sumber : Hasil Pengolahan Data dengan SPSS (2022)
Berdasarkan hasil pada Tabel 12,5% dipengaruhi oleh variabel lain
10, maka terlihat nilai koefisien yang tidak dimasukkan dalam
determinasi yaitu sebesar 0,875 atau penelitian ini.
87,5% artinya pengaruh variabel PEMBAHASAN
independen yaitu variabel jumlah Berdasarkan hasil analisis data
pohon karet, biaya produksi, jumlah yang telah dijelaskan di atas, maka
produksi, tingkat pendidikan, usia, dapat disimpulkan bahwa pengaruh
dan pengalaman kerja terhadap dari setiap variabel independen
variabel dependen yaitu pendapatan terhadap variabel dependen dalam
yang digunakan dalam penelitian ini bentuk uji hipotesis dijelaskan dalam
adalah sebesar 87,5%. Sedangkan Tabel 11.

12
Tabel 11. Hasil Uji Hipotesis dari Faktor – Faktor yang Mempengaruhi Pendapatan
Petani Karet di Nagari Tanjung Pauh
Variabel Variabel
Independen Dependen ttabel thitung Sig. Keterangan
(X) (Y)
Jumlah pohon karet Pendapatan 1,99085 1,167 0,247 Tidak Signifikan
Biaya produksi Pendapatan 1,99085 -5,401 0,000 Signifikan
Jumlah produksi Pendapatan 1,99085 18,446 0,000 Signifikan
Tingkat pendidikan Pendapatan 1,99085 -1,847 0,069 Tidak signifikan
Usia Pendapatan 1,99085 -4,596 0,000 Signifikan
Pengalaman kerja Pendapatan 1,99085 0,536 0,594 Tidak signifikan
Sumber : Hasil Pengolahan Data dengan SPSS (2022)
1. Pengaruh jumlah pohon karet mutu genetis, mutu fisik dan
terhadap pendapatan petani karet fisiologisnya hal ini tentu akan
Variabel X1 : Jumlah pohon berdampak terhadap produksinya.
karet berpengaruh tidak signifikan Menurut Nugraha, dkk (2018) bahwa
terhadap pendapatan petani karet di kualitas dari bibit karet yang unggul
Nagari Tanjung Pauh. disertai dengan pemeliharaan yang
Berdasarkan hasil uji hipotesis rutin akan meningkatkan produksi
pada Tabel 11, menunjukkan bahwa dan pendapatan petani karet.
nilai thitung pada variabel jumlah pohon Dalam penanaman karet pun
karet lebih kecil dibandingkan nilai harus sesuai dengan jarak tanam yang
ttabel (thitung = 1,167 < ttabel = 1,99085), dianjurkan, sebab dalam penentuan
dengan nilai signifikannya 0,247 > jarak tanam ini berdampak terhadap
0,050 artinya H1 ditolak. pertumbuhan dan produksi lateks
Jumlah pohon karet yang dihasilkan. Menurut Cahyo,
berpengaruh tidak signifikan Ardika, Wijaya (2011) bahwa jarak
disebabkan oleh penentuan titik tanam yang rapat persaingan antar
tanamnya, jenis bibit yang digunakan tanaman dalam menyerap hara dan
generatif, jarak tanaman yang cahaya sangat tinggi. Sebab jika hara
digunakan, kesalahan penyadapan, dan cahaya matahari yang diserap
rotasi panen serta minimnya oleh tanaman berkurang akan
pemeliharaan. menyebabkan terhambatnya proses
Sehingga untuk menunjang fotosintesis. Sehingga jarak tanam
produksi karet yang optimum banyak yang terlalu rapat akan mengganggu
faktor yang harus diperhatikan dalam pertumbuhan tanaman dan produksi
budidaya karet, bibit karet sebaiknya lateks yang sedikit akibat persaingan
berasal dari klon – klon unggul, antar tanaman, sedangkan jarak tanam
melakukan pemeliharaan. Hal ini yang terlalu lebar menyebabkan
sesuai menurut Mirasari (2019), produksi lateks kurang maksimal
bahwa dalam pelaksanaan penanaman karena populasi tanaman terlalu
awal maupun peremajaan dianjurkan sedikit. Untuk jarak tanam karet
menggunakan bibit okulasi sebab menurut Setiawan dan Andoko
dapat menghasilkan tanaman karet (2008), jarak tanam optimal tersebut
yang berproduksi lebih baik adalah 3 × 7 m jika ditanam secara
dibandingkan dengan bibit generatif. monokultur, sehingga populasinya
Walaupun dalam penanamannya adalah 476/Ha.
sesuai dengan jarak tanamnya tetap Penyadapan yang dilakukan
asal usul bibitnya tidak jelas, seperti juga harus sesuai dengan norma sadap

13
dan rotasi panen. Untuk norma sadap
yang ditentukan yaitu arah sadap,
kedalaman sadap, dan intensitas
penyadapan. Penyadapan yang
dilakukan di Nagari Tanjung Pauh
sebagian arah sadapan kanan atas
sampai kiri bawah. Hal ini
mengakibatkan tidak semua
pembuluh lateks yang terpotong
sehingga lateks yang keluar sedikit.
Oleh karena itu, dalam melakukan
penyadapan tidak hanya mengiris
kulit sebanyak-banyaknya. Tetapi
juga harus memperhatikan arah
sadapan, kedalaman sadapan. Hal ini
juga sesuai dengan penelitian Ismail
dan Supijatno (2016) bahwa
pengalaman penyadap tidak
menentukan kualitas penyadap, tetapi
arah sadapan dan kedalaman akan
menentukan jumlah lateks yang
keluar. Hal ini juga diperkuat oleh
teori dari Setyamidjaja (1993) bahwa
dalam melakukan penyadapan harus
memperhatikan arah sadapan dan
kedalaman sadapan, tidak hanya
mengiris kulit sedalam-dalamnya.
2. Pengaruh biaya produksi
terhadap pendapatan petani karet
Variabel X2 : Biaya produksi
berpengaruh signifikan terhadap
pendapatan petani karet di Nagari
Tanjung Pauh.
Berdasarkan hasil uji hipotesis
pada Tabel 11, menunjukkan bahwa
nilai thitung pada variabel biaya
produksi lebih besar dibandingkan
nilai ttabel (thitung = -5,401 > ttabel =
1,99085), dengan nilai signifikannya
0,000 < 0,050 artinya H1 diterima.
Nilai thitung yang bernilai negatif
menunjukkan bahwa semakin rendah
biaya produksi yang digunakan oleh
petani karet di Nagari Tanjung Pauh
maka semakin meningkat pendapatan
yang diterima oleh petani karet.
Hal ini sesuai juga dengan
penelitian Aqbari, Jamil, dan
Supristiwendi (2020) bahwa variabel
biaya produksi berpengaruh sangat
nyata (negatif) terhadap pendapatan
petani karet. Dengan kenaikan biaya
produksi menyebabkan penurunan
pendapatan usaha tani karet. Jika
harga karet naik maka petani akan
menggunakan dananya untuk biaya
produksi seperti pupuk, herbisida.
Karena jika pemeliharaan
ditingkatkan secara efektif dan efisien
maka produksi meningkat dan
akhirnya pendapatan meningkat.
3. Pengaruh jumlah produksi
terhadap pendapatan petani karet
Variabel X3 : Jumlah produksi
berpengaruh signifikan terhadap
pendapatan petani karet di Nagari
Tanjung Pauh.
Berdasarkan hasil uji hipotesis
pada Tabel 11, menunjukkan bahwa
nilai thitung pada variabel jumlah
produksi lebih besar dibandingkan
nilai ttabel (thitung = 18,446 > ttabel =
1,99085), dengan nilai signifikannya
0,000 < 0,050 artinya H1 diterima.
Nilai thitung yang bernilai positif
menunjukkan bahwa semakin tinggi
produksi yang didapatkan oleh petani
karet di Nagari Tanjung Pauh maka
semakin meningkat pendapatan yang
diterima oleh petani karet.
Hal ini juga sesuai dengan
penelitian Putri, Maryadi, dan Bidarti
(2021) bahwa variabel jumlah
produksi berpengaruh nyata secara
positif terhadap pendapatan yang
diterima oleh petani. Petani karet
disarankan agar dapat meningkatkan
pengetahuannya mengenai cara
pemeliharaan tanaman karet yang
efektif dan efisien agar produksi bisa
meningkat.
Rata – rata produksi karet di
Nagari Tanjung Pauh yaitu 185
kg/bulan. Jumlah produksi karet ini
dipengaruhi oleh kondisi cuaca,
penyadapan, jenis bibitnya serta
14
pemeliharaannya. Jika terjadi
perubahan cuaca yang ekstrem
sehingga produksi karet mengalami
penurunan. Hal ini sesuai menurut
Damanik, dkk (2010) bahwa jumlah
lateks yang keluar pada musim
kemarau lebih banyak dibandingkan
pada musim hujan yaitu lateks yang
dihasilkan sedikit dan mengandung
lebih banyak air.
Jika dibandingkan produksi
optimal lateks dengan produksi lateks
di Nagari Tanjung Pauh masih
terbilang masih rendah yaitu untuk
produksi optimal lateks mencapai
sebesar 2.500 Kg/Ha, dengan total
produksi selama 1 siklus sebesar
40.000 Kg/Ha, produksi rata-rata
siklus sebesar 1.600 Kg/Ha/Tahun
(Affandi, 2011). Sehingga jumlah
produksi ini dipengaruhi oleh jenis
bibit, penyadapan dan
pemeliharaannya. Hal ini sesuai
menurut Nugraha, dkk (2018) bahwa
kualitas dari bibit karet yang unggul
disertai dengan pemeliharaan yang
rutin akan meningkatkan produksi
dan pendapatan petani karet.
4. Pengaruh tingkat pendidikan
terhadap pendapatan petani karet
Variabel X4 : Tingkat
pendidikan tidak berpengaruh
signifikan terhadap pendapatan petani
karet di Nagari Tanjung Pauh.
Berdasarkan hasil uji hipotesis
pada Tabel 11, menunjukkan bahwa
nilai thitung pada variabel tingkat
pendidikan lebih kecil dibandingkan
nilai Ttabel (thitung = -1.847 < ttabel =
1,99085), dengan nilai signifikannya
0,069 > 0,050 artinya H1 ditolak.
Rata-rata tingkat pendidikan
petani karet di Nagari Tanjung Pauh
adalah tamatan SD dan yang paling
rendah adalah tidak tamat SD.
Sehingga setelah tamat SD
masyarakat tersebut menjadi petani
karet untuk menambah penghasilan.
Sehingga pendidikan berpengaruh
tidak nyata terhadap pendapatan
petani karena keahlian yang
didapatkan dari pengalaman
bertahun-tahun selama menjadi petani
karet. Hal ini juga sesuai dengan
penelitian Pariyanto dan Busyra
(2018) yaitu bahwa harga karet, umur
tanaman dan tingkat pendidikan tidak
berpengaruh secara nyata terhadap
penerimaan petani karet, sedangkan
variabel produksi karet, jenis bibit
dan teknik penyadapan berpengaruh
nyata terhadap penerimaan petani
karet.
5. Pengaruh usia terhadap
pendapatan petani karet
Variabel X5 : Usia berpengaruh
signifikan terhadap pendapatan petani
karet di Nagari Tanjung Pauh.
Berdasarkan hasil uji hipotesis
pada Tabel 11, menunjukkan bahwa
nilai thitung pada variabel usia lebih
besar dibandingkan nilai ttabel (thitung =
-4,596 > ttabel = 1,99085), dengan nilai
signifikannya 0,000 < 0,050 artinya
H1 diterima. Nilai thitung yang bernilai
negatif menunjukkan bahwa semakin
kecil usia petani karet di Nagari
Tanjung Pauh maka akan
meningkatkan pendapatan yang
diterima oleh petani karet.
Rata – rata usia yang menjadi
petani karet di Nagari Tanjung Pauh
adalah 51 tahun. Hasilnya
menunjukkan bahwa semakin muda
usia petani karet (usia produktif)
maka semakin meningkat
pendapatan, karena dengan usia yang
masih muda atau usia yang masih
produktif maka akan mendorong
petani karet lebih produktif untuk
meningkatkan hasil getah karet.
Karena petani karet sudah
diperkenalkan dan ikut terlibat
langsung pada usaha tani karet sejak
remaja. Hal ini sesuai dengan
penelitian Nugraha dan Alamsyah
15
(2019) bahwa variabel usia
berpengaruh nyata terhadap
pendapatan petani karet.
6. Pengaruh pengalaman kerja
terhadap pendapatan petani karet
Variabel X6 : Pengalaman kerja
tidak berpengaruh terhadap
pendapatan petani karet di Nagari
Tanjung Pauh.
Berdasarkan hasil uji hipotesis
pada Tabel 11, menunjukkan bahwa
nilai thitung pada variabel pengalaman
kerja lebih besar dibandingkan nilai
ttabel (thitung = 0,536 < ttabel = 1,99085),
dengan nilai signifikannya 0,594 >
0,050 artinya H1 ditolak.
Berdasarkan kondisi di
lapangan rata – rata pengalaman
sebagai petani karet tergolong lama
yaitu : di atas 15 tahun (59,5%), 5 –
10 tahun sebesar 21,4% dan 11 – 15
tahun sebesar 7,1%. Walaupun rata-
rata pengalaman sebagai petani karet
tergolong lama, tetapi cara budidaya
karet yang dilakukan masih
tradisional. Menurut Nugraha dan
Alamsyah (2019) pengalaman kerja
yang tergolong lama dalam usaha tani
karet tetapi cara yang dilakukan
masih konvensional tidak dapat
meningkatkan pendapatan.
Seharusnya dilakukan inovasi untuk
memperbaiki cara berkebun karet.
Seperti, penggunaan bibit unggul,
pemupukan sesuai dengan kebutuhan
haranya, pengendalian hama dan
penyakit serta teknik penyadapan
yang benar.
Penyadapan yang dilakukan di
Nagari Tanjung Pauh dengan arah
sadapan kanan atas sampai kiri
bawah. Sehingga tidak semua
pembuluh lateks yang terpotong
menyebabkan aliran getah/lateks
sedikit. Oleh karena itu, dalam
melakukan penyadapan tidak hanya
mengiris kulit sebanyak-banyaknya.
Tetapi juga harus memperhatikan
arah sadapan, kedalaman sadapan.
Hal ini juga sesuai dengan penelitian
Ismail dan Supijatno (2016) bahwa
pengalaman penyadap tidak
menentukan kualitas penyadap, tetapi
arah sadapan dan kedalaman akan
menentukan jumlah lateks yang
keluar. Hal ini juga diperkuat oleh
teori dari Setyamidjaja (1993) bahwa
dalam melakukan penyadapan harus
memperhatikan arah sadapan dan
kedalaman sadapan, tidak hanya
mengiris kulit sedalam-dalamnya.
Selain itu, waktu penyadapan
juga mempengaruhi jumlah lateks
yang keluar. Waktu penyadapan yang
dilakukan oleh petani karet di Nagari
Tanjung Pauh yaitu dari jam 05.30 –
11.00 WIB. Hal ini sesuai menurut
Tim PTPN (2014), bahwa waktu
penyadapan yang bagus dilakukan
pada waktu 05.00 – 10.00 WIB.
KESIMPULAN DAN SARAN
1. Kesimpulan
Berdasarkan hasil penelitian
yang telah dilakukan maka dapat
disimpulkan sebagai berikut :
1). Pendapatan rata-rata petani karet
di Nagari Tanjung Pauh
Kecamatan Pangkalan Koto Baru
Kabupaten Lima Puluh Kota yaitu
Rp 1.389.060/bulan.
2). Faktor – faktor yang
mempengaruhi pendapatan petani
karet di Nagari Tanjung Pauh
Kecamatan Pangkalan Koto Baru
Kabupaten Lima Puluh Kota
Sumatera Barat yaitu biaya
produksi, jumlah produksi, dan
usia. Sedangkan jumlah pohon
karet, tingkat pendidikan, dan
pengalaman kerja berpengaruh
tidak nyata terhadap pendapatan
petani karet.
2. Saran
Beberapa saran yang dapat
dikemukakan adalah sebagai berikut
:
16
1). Bagi pemerintah agar dapat
menentukan kebijakan harga
karet sehingga petani karet di
Nagari Tanjung Pauh dapat
meningkatkan produksi serta
kualitas getah karet yang
dihasilkan. Juga diharapkan agar
mendorong perkembangan usaha
tani karet dengan mengadakan
kegiatan penyuluhan tentang
bibit karet, penanaman,
pemeliharaan, serta panen dan
pasca panen, pengadaan subsidi
bibit unggul karet, pupuk,
pestisida agar dapat
meningkatkan produksi dan
kualitas getah karet sehingga
pendapatan petani karet di Nagari
Tanjung Pauh dapat meningkat.
2). Untuk petani karet di Nagari
Tanjung Pauh diharapkan untuk
melakukan pemeliharaan rutin
seperti pemupukan dan
pengendalian hama penyakit
sesuai dengan kebutuhan
tanaman dan dilakukan secara
efektif dan efisien agar
produktivitas meningkat.
Diharapkan juga untuk
menambah populasi karet sesuai
dengan jarak tanamnya dengan
menggunakan bibit unggul yang
bersertifikat agar produksi karet
bisa meningkat.
3). Bagi peneliti selanjutnya,
diharapkan dapat
mengembangkan penelitian yang
saya lakukan seperti menambah
variabel yaitu fluktuasi harga,
jenis bibit yang digunakan dan
ukuran sampel serta harus
mengetahui kondisi perkebunan
karet yang sebenarnya sehingga
dapat memperlihatkan hasil yang
lebih maksimal untuk penelitian
di masa mendatang.
DAFTAR PUSTAKA
Affandi, U. 2011. Analisis Produksi
dan Kelayakan Finansial Usaha
Tani Karet Rakyat di
Kecamatan Wampu Kabupaten
Langkat. Skripsi USU. Medan.
Aqbari, I., M. Jamil, dan
Supristiwendi. 2020. Analisis
Faktor - Faktor yang
Mempengaruhi Pendapatan
Usahatani Karet (Hevea
brasiliensis, Muell Arg) pada
Perkebunan Rakyat di Desa
Jambo Labu Kecamatan Birem
Bayeun Kabupaten Aceh
Timur. Jurnal Penelitian
Agrisamudra. 7 (2) : 103 – 110.
Badan Pusat Statistik. 2019. Statistik
Karet Indonesia 2019. Badan
Pusat Statistik. Jakarta.
Badan Pusat Statistik Kabupaten
Lima Puluh Kota. 2021.
Kabupaten Lima Puluh Kota
Dalam Angka. BPS Kabupaten
Lima Puluh Kota. Payakumbuh.
Badan Pusat Statistik Kecamatan
Pangkalan Koto Baru. 2021.
Kecamatan Pangkalan Koto
Baru Dalam Angka. BPS
Kecamatan Pangkalan Koto
Baru. Payakumbuh.
Cahyo, A.N., R. Ardika, dan T.
Wijaya. 2011. Konsumsi Air
Dan Produksi Karet Pada
Berbagai Sistem Pengaturan
Jarak Tanam Dalam Kaitannya
Dengan Kandungan Air Tanah.
Jurnal Penelitian Karet. 29 (2) :
110 – 117.
Damanik, S., M. Syakir, M. Tasma,
dan Siswanto. 2010. Budidaya
dan Pasca Panen Karet. Pusat
Penelitian dan Pengembangan
Perkebunan.
Firdaus, A., dan W. Abdullah. 2012.
Akuntansi Biaya. Edisi 3.
Salemba Empat.
17
Ismail, M., dan Supijatno (2016).
Penyadapan Tanaman Karet
(Hevea brasiliensis Muell Arg.)
di Kebun Sumber Tengah,
Jember, Jawa Timur. Jurnal Bul
Agrohorti. 4 (3) : 257 – 265.
Mirasari, R. 2019. Pertumbuhan Mata
Tunas Okulasi Tanaman Karet
(Hevea brasiliensis) Pada
Berbagai Konsentrasi ZPT
Atonik. Buletin Poltanesa. 20
(2) : 40 – 44.
Nugraha, I.S., A. Alamsyah, dan D.S.
Agustina. 2018. Analisis
Faktor-Faktor yang
Mempengaruhi Produksi dan
Pendapatan Petani Karet (Studi
Jasus Petani Karet di Wilayah
Operasional Perusahaan Migas
Kabupaten Musi Banyuasin.
Jurnal Penelitian Karet. 36 (2) :
183 – 192.
Nugraha, I.S., dan A. Alamsyah.
2019. Faktor – Faktor yang
Mempengaruhi Tingkat
Pendapatan Petani Karet di
Desa Sako Suban Kecamatan
Batang Hari Leko Sumatera
Selatan. Jurnal Ilmu Pertanian
Indonesia. 24 (2) : 93 – 100.
Oktarita, S. 2003. Kebakaran Hutan
Rakyat Jenis Karet (Hevea
brasiliensis Arg.) dan
Dampaknya Terhadap
Pendapatan Keluarga di Nagari
Tigo Koto Tanjung Pauh
Sumatera Barat. Universitas
IPB.
Pariyanto, R.G., dan Busyra. 2018.
Faktor - Faktor Yang
Mempengaruhi Penerimaan
Petani Karet (Hevea
Brasiliensis) Di Desa Baru
Kecamatan Mestong
Kabupaten Muaro Jambi. Jurnal
Media Agribisnis. 3 (1) : 1 – 11.
Putri, A.R., Maryadi, dan A. Bidarti.
Dampak Fluktuasi harga Karet
Terhadap Pendapatan dan
Tingkat Kesejahteraan Petani
karet di Desa Panca Tunggal
Kecamatan Sungai Lilin
Kabupaten Musi Banyuasin.
Jurnal Dinamika Sosial
Ekonomi. 22 (2) : 164 – 178.
Setiawan, D. H., dan A. Andoko.
2008. Petunjuk Lengkap Budi
Daya Karet. PT. AgroMedia
Pustaka. Jakarta Selatan.
Setyamidjaja, D. 1993. Karet
Budidaya dan Pengolahan.
Kanisius. Yogyakarta.
Stiawan, A., S. Wahyuningsih, dan
E.D. Nurjayanti. 2014. Faktor –
Faktor yang Mempengaruhi
Pendapatan Petani Karet. Jurnal
Ilmu – Ilmu Pertanian. 10 (2) :
69-80.
Sugi, P. 2019. Mengenal pengertian
pendapatan dan jenis-jenis
pendapatan,.
https://cpssoft.co./blog/bisnis/m
engenal-pengertian-pendapatan-
dan-jenis-jenis-pendapatan/
Diakses 20 September 2021.
Sugiyono. 2013. Metode Penelitian
Kuantitatif. Alfabeta. Bandung
Trisnawati, L., B. Barbara, dan T.
Aggreini. Analisis Kontribusi
Pendapatan Petani Padi Sawah
Di Kabupaten Barito Selatan.
Journal Socio Economics
Agricultural. 13 (1) : 37 – 4.
18
19