APLIKASI ANALISIS PATH DAN REGRESI DALAM PENENTUAN

PENGARUH UNSUR PRODUKSI TANAMAN DAN IKLIM TERHADAP

PRODUKSI PADI DI KABUPATEN MERAUKE
APPLICATION OF PATH AND REGRESSION ANALYSIS IN DETERMINING THE
INFLUENCE OF PLANT PRODUCTION ELEMENTS AND CLIMATE ON RICE
PRODUCTION IN MERAUKE REGENCY

Sitti Raodah Garuda 1*, Sri Wahyuni Manwan 2, Martina Sri Lestari1 dan Arifuddin Kasim2
1
Balai Pengkajian Teknologi Pertanian Pap, Jalan Yahim No. 49, Sentani, 99352
2
Badan Riset dan Inovasi Nasional, Jalan Pajjaiang No.13, Makassar, 90242
*E-mail: garudasittiraodah@gmail.com

Naskah masuk: Naskah diperbaiki: Naskah diterima: (diisi oleh redaksi)

ABSTRAK

Kabupaten Merauke sebagai salah satu penghasil padi terbesar menjadi lumbung pangan untuk daerah – daerah
lain di Provinsi Papua. Budidaya padi tidak luput dari pengaruh faktor lingkungan seperti iklim yang seringkali
menjadi faktor penghambat dalam pertumbuhan tanaman. Selain itu, faktor eksternal seperti intensifikasi dan
ekstensifikasi lahan turut serta mempengaruhi jumlah produksi padi berflutuasi dari tahun ke tahun di Kabupaten
Merauke. Tujuan dari tulisan ini untuk mengetahui pengaruh unsur iklim, luas tanam dan luas panen terhadap
produksi padi di Kabupaten Merauke. Penelitian ini menggunakan pendekatan kuantitatif dengan menggunakan
analisis jalur (Path Analysis) dengan menguji koefisien jalur. Sedangkan data luas tanam dan luas panen
dianalisis menggunakan analisis regresi berganda, dan untuk mengetahui kesesuaian model dan hipotesis
dilakukan uji F dan uji t. Data yang digunakan adalah data sekunder dari BPS Kabupaten Merauke dan BPS
Provinsi Papua 21 tahun terakhir mulai tahun 2001 sampai 2021 yang meliputi unsur iklim (suhu, curah hujan,
jumlah hari hujan, kelembaban, tekanan udara dan lama penyinaran), luas tanam, luas panen dan produksi padi.
Variabel penelitian yang digunakan adalah unsur iklim, luas tanam, luas panen dan produksi padi. Dari hasil
analisis menunjukkan bahwa unsur iklim memberi pengaruh terhadap produksi padi di kabupaten Merauke
sebesar 58,9% dan 41,1% dipengaruhi oleh faktor lain. Luas tanam dan luas panen berkorelasi sangat kuat
sebesar 97,4% terhadap produksi padi di Kabupaten Merauke dan sisanya 2,6% dipengaruhi oleh faktor lain
yang tidak diteliti dalam penelitian ini

Kata kunci: iklim, luas tanam, luas panen, produksi padi, analisis path

ABSTRACT

Merauke Regency as one of the largest rice producers has become a food barn for other regions in Papua
Province. Rice cultivation does not escape the influence of environmental factors such as climate which is often
an inhibiting factor in plant growth. In addition, external factors such as land intensification and extensification
also affect the amount of rice production that fluctuates from year to year in Merauke Regency. The purpose of
this paper is to determine the effect of climate elements, planted area and harvested area on rice production in
Merauke Regency. This study uses a quantitative approach using path analysis by testing the path coefficients.
Meanwhile, data on planted area and harvested area were analyzed using multiple regression analysis, and to
determine the suitability of the model and hypothesis, F test and t test were performed. The data used is
secondary data from BPS Merauke Regency and BPS Papua Province for the last 21 years from 2001 to 2021
which includes climate elements (temperature, rainfall, number of rainy days, humidity, air pressure and
duration of irradiation), planting area, harvested area. and rice production. The research variables used were
climate elements, planted area, harvested area and rice production. The results of the analysis show that the
climate element has an effect on rice production in Merauke district by 58.9% and 41.1% is influenced by other
factors. Planted area and harvested area are very strongly correlated with 97.4% of rice production in Merauke
Regency and the remaining 2.6% is influenced by other factors not examined in this study.

Keywords: climate, planted area, harvested area, rice production, path analysis
1. Pendahuluan
Padi merupakan komoditas pangan strategis yang
ditanam di berbagai daerah sebagai sumber bahan
pangan utama masyarakat Indonesia yang terus
meningkat seiring dengan pertumbuhan jumlah
penduduk. Pengembangan usaha pertanian yang
tangguh dan berkelanjutan harus mampu
memberikan pendapatan dan kesejahteraan yang
layak bagi para petani [1]. Namun, dalam
pengembangan usahatani tidak terlepas dari adanya
pengaruh faktor eksternal yang berdampak pada
jumlah produksi. Produksi suatu tanaman
dipengaruhi oleh faktor biotik dan abiotik, serta
keterbatasan keterampilan petani dalam pengelolaan
tanah, air dan tanaman menjadi faktor penyebab
utama.
Faktor yang berperan kuat dalam mempengaruhi
jumlah produksi adalah varibilitas iklim, sehingga
seringkali faktor iklim dianggap sebagai faktor
pembatas dalam produksi tanaman. Unsur-unsur
iklim ini terdiri dari curah hujan, radiasi surya, suhu
udara, kelembaban udara, awan, presipitasi,
evaporasi, tekanan udara dan angin [2]. Curah hujan
sangat berperan dalam pemenuhan ketersediaan air
tanah untuk pertumbuhan tanaman, volume air yang
kurang ataupun berlebih dapat menyebabkan
pertumbuhan terganggu dan berdampak pada
produktivitas hasil. Selain itu, unsur iklim lainnya
juga memengaruhi metabolisme dan tahapan-
tahapan perkembangan tanaman, seperti fotosintesis,
respirasi, transpirasi, pertumbuhan, penyerbukan,
pembungaan serta pembuahan [3]. Pola curah hujan
sangat mempengaruhi ketersediaan air tanah, lama
masa tanam, awal tanam, dan pola tanam serta
pemilihan komoditi tanaman pangan lahan tadah
hujan atau lahan kering [4]. Curah hujan dan suhu
udara berkorelasi positif antara tanaman terhadap
pertumbuhan dan hasil panen padi [5] . Perubahan
suhu 0,5 oC dan konsentrasi CO2 537 ppm masih
meningkatkan produksi 2,2 hingga 502,5 kg/ha di
Jakenan, Kabupaten Pati, Jawa [6]. Penurunan suhu
0,20C di Kabupaten Malang mempengaruhi
produksi jagung sebesar 68% [3].
Kabupaten Merauke didukung dengan sumberdaya
alam yang sangat sesuai untuk pertumbuhan padi
menjadikan kabupaten ini ssalah satu sentra
produksi padi terbesar di Provinsi Papua yang
mensuplay kebutuhan beras ke wilayah-wilayah lain
di Papua dan negara tetangga Papua Nugini. Pada
tahun 2021 luas panen sebanyak 50.823 (ha), luas
tanam 51.617 (ha), terjadi penurunan luas panen
sebanyak 17,47% dari tahun sebelumnya yang
berdampak pada penurunan produksi padi
Kabupaten Merauke sebesar 24%. Pertambahan
jumlah penduduk dan meningkatnya kebutuhan akan
lahan untuk berbagai sektor membuat konversi lahan
sawah cenderung mengalami peningkatan, di lain
pihak pencetakan lahan sawah baru (ekstensifikasi)
mengalami perlambatan. Peralihan lahan produktif
ke lahan tidur juga memicu terjadinya penurun
produksi padi, Jika variabel luas lahan dan luas
tanam ditingkatkan maka akan diikuti dengan
meningkatnya produksi dan pendapatan usahatani
padi [7,8]. Berbeda halnya dengan pendapat [9] yang
menyatakan bahwa luas panen dan luas tanam tidak
selalu mempengaruhi, namun intensitas tanam dapat
mempengaruhi produksi).
Analisis regresi linier berganda telah digunakan
dalam estimasi produktivitas padi di Kabupaten
Demak oleh [10]. Selain itu, pendugaan
produktivitas padi dengan analisis regresi linier
berganda juga telah dilakukan oleh [11] berdasarkan
curah hujan di Kabupaten Malang.
Penelitian bertujuan untuk mengetahui pengaruh
unsur produksi dan iklim, terhadap produksi padi di
Kabupaten Merauke menggunakan analisis jalur
(path analysis) dan regresi.
2. Metodologi
Landasan Teori
Konsep analisis yang digunakan dalam penelitian ini
mengacu kepada Analisis Jalur (Path Analysis) dan
analisis regresi berganda. Analisis path bertujuan
untuk mengkaji hubungan antar variabel dalam
produksi padi dan menjelaskan hubungan langsung
dan tidak langsung antar peubah baik itu independen
maupun dependen variabel (gambar 1). Path
Analysis dapat dilakukan melalui regresi berganda
maupun structural equation model (SEM). Analisis
regresi dilakukan dengan cara menghitung
standarized partial regression coefficient [12]. [13]
menyatakan bahwa Path Analysis ialah suatu teknik
untuk menganalisis hubungan sebab akibat yang
terjadi pada regresi berganda jika variabel bebasnya
mempengaruhi variabel tergantung tidak hanya
secara langsung tetapi juga secara tidak langsung.
Analisis jalur juga digunakan untuk melihat dan
menentukan variabel apa saja atau jalur mana saja
yang dihipotesiskan memiliki unit satuan yang
berbeda-beda sehingga perlu dilakukan standardisasi
untuk menjadikan semua unit satuan dari variabel
yang akan hilang dan skala tiap variabel akan
seragam. Analisis jalur dibuat untuk
mempresentasikan hubungan kausal antar variabel
[14].
Diagram jalur adalah bentuk grafik dari keseluruhan
hubungan yang ada dalam konstruksi model.
Diagram jalur disusun berdasarkan pengetahuan
secara umum (teoritis) dengan mempertimbangkan
dasar hubungan kausal antar variabel dan
berdasarkan pertimbangan-pertimbangan dari
penelitian sebelumnya atau berdasarkan perkiraan-
perkiraan dasar untuk mempermudah analisis jalur.
Variabel bebas merupakan semua variabel yang
dalam diagram tidak ada anak-anak panah yang
menuju ke arahnya. Variabel ini berfungsi sebagai
variabel bebas atau penyebab (Contoh: variabel X1,
X2, X3, X4, X5 dan X6 terhadap Y). Variabel tak
bebas merupakan variabel yang mempunyai anak
panah yang menuju ke arahnya (Y), variabel yang
termasuk di dalamnya ialah mencakup semua
variabel perantara dan tak bebas.
Gambar 1. Model diagram jalur
Analisis regresi berganda digunkan untuk
menjelaskan hubungan langsung antara independen
variabel terhadap dependennya. Jenis hubungannya
yaitu langsung dan searah. Langsung berarti masing
masing variabel independen berkorelasi dengan
dependen tanpa melihat adanya hubungan antar
variabel independen. atau secara bebas, variabel X
(karena sering kali digambarkan dalam grafik
sebagai absis, atau sumbu X). Variabel terkena
akibat dikenal sebagai variabel yang dipengaruhi,
variabel dependen, variabel terikat, atau variabel Y.
Kedua variabel ini dapat merupakan variabel acak
(random), namun variabel yang dipengaruhi harus
selalu variabel acak [15]. Rancangan (model) juga
digunakan untuk melihat perbedaan besar kecilnya
pengaruh variabel X (X1, X2, X3) tehadap variabel
Y. Bentuk umum persamaan regresi berganda
adalah:
Y = β0 + β1X1 + β1X2
Analisis regresi menurut [16] adalah analisis yang
berkenaan dengan studi ketergantungan satu variabel
yaitu variabel tidak bebas (dependent variabels)
pada satu atau lebih variabel. variabel yang
menjelaskan (independent variabels) dengan tujuan
menaksir atau meramalkan nilai rata-rata dari
variabel tidak bebas apabila nilai variabel yang
menerangkan sudah diketahui. Variabel yang
menerangkan sering disebut variabel bebas
(independent variabel). Apabila dalam persamaan
regresi tercakup dua variabel atau lebih (termasuk
variabel tak bebas Y), maka regresi ini disebut
regresi linier berganda (multiple linear regression)
[14].
Metode Penelitian
Data yang digunakan adalah data sekunder dari BPS
Kabupaten Merauke dan BPS Provinsi Papua 21
tahun terakhir mulai tahun 2001 sampai 2021.
Variabel penelitian yang digunakan adalah unsur
iklim (suhu, curah hujan, jumlah hari hujan,
kelembaban, tekanan udara dan lama penyinaran),
luas tanam, luas panen dan produksi padi Kabupaten
Merauke. Untuk mengetahui pengaruh langsung dan
tidak langsung unsur iklim yang meliputi suhu,
curah hujan, jumlah hari hujan, kelembaban, tekanan
udara dan lama penyinaran terhadap produksi padi
dianalisis menggunakan analisis jalur (Path
Analysis) dengan menguji koefisien jalur.
Sedangkan data luas tanam dan luas panen dianalisis
menggunakan analisis regresi berganda, dan untuk
mengetahui kesesuaian model dan hipotesis
dilakukan uji F dan uji t. Langkah-langkah analisis
data menggunakan bantuan program Microsoft
Excel 2010. Adapun rumus umum kedua uji tersebut
adalah sebagai berikut:
Uji Hipotesis (Uji t)
Dimana:
k = jumlah variabel
n = jumlah data
3. Hasil dan Pembahasan
Pengaruh Unsur Iklim Terhadap Produksi Padi
Tabel sidik lintas terhadap produktivitas disajikan
pada tabel 1. Unsur iklim dengan pengaruh langsung
positif terhadap produksi adalah suhu, (0,143), curah
hujan (0,575), jumlah hari hujan (0,139),
kelembaban (0,081), tekanan udara (0,182) dan lama
penyinaran (0,264). Dan unsur iklim tersebut
cenderung berpengaruh nyata terhadap produksi padi
dengan menunjukkan nilai pengaruh langsung
posistif terhadap produksi padi, sehingga secara
keseluruhan pegaruh unsur iklim terhadap produksi
padi di kabupaten Merauke sebesar 58,9%.
Tabel 1. Sidik Lintas Unsur Iklim Terhadap Produksi
Padi Di Kabupaten Merauke 2001-2021
Unsur
Iklim
Pengaruh
Langsung Suhu CH
Pengaruh Tidak Langsung
JHH Kel TU LP
Pengaruh
Total
Suhu 0,143 -0093 0,018 - - - -0,048
0,008 0,071 0,008
CH 0,575 - - - 0,012 - 0,307
 0,093 0,143 0,096
JHH 0,139 0,018 - 0,064 - 0,064
0,143 0,010
Kel 0,081 - 0,052 - 0,019
0,038 0,002
TU 0,182 - 0,012 -0,10 - -
0,071 0,017
LP 0,264 0,008 - 0,064 - -
0,096 0,085 0,085
Total Pengaruh Unsur Iklim
Keterangan: curah hujan (CH), jumlah hari hujan (JHH),
kelembaban (Kel), tekanan udara (TU), lama
penyinaran (LP)
Pengaruh total suhu sebesar -0,048 (-4,81%)
menandakan bahwa tanaman padi memiliki nilai
toleransi dan daya adaptasi yang tinggi terhadap
suhu rendah maupun suhu tinggi, hal ini sesuai
pendapat [17] bahwa padi cenderung toleran
terhadap suhu tinggi pada fase vegetatif, namun
sensitif pada fase generatif. [18] menyatakan bahwa
suhu tinggi menyebabkan anakan yang dihasilkan
menjadi lebih banyak sebagai mekanisme adaptasi
untuk menurunkan suhu udara di sekitar tanaman.
Data rata-rata suhu di Kabupaten Merauke selama
21tahun terakhir adalah 26,8oC, suhu yang tidak
terlalu tinggi dapat memaksimalkan proses
pertumbuhan tanaman padi karena dapat
menghambat proses laju respirasi. Hal ini sesuai
dengan pendapat [19] bahwa Faktor suhu dapat
memengaruhi proses pertumbuhan tanaman apabila
suhu yang dihasilkan tinggi dan dapat
mengakibatkan penurunan ketersediaan air pada
tanaman dan di dalam tanah untuk memenuhi
kebutuhan air pada proses pertumbuhan.
Pengaruh total curah hujan sebesar 0,307 (30,7%)
merupakan unsur iklim yang memberi pengaruh
terbesar terhadap produksi padi di kabupaten
Merauke. Padi merupakan tanaman yang
memerlukan air dalam jumlah yang cukup besar
dibandingkan tanaman pangan lainnya, sehingga
dengan curah hujan yang cukup maka produksi
tanaman padi dapat terjaga dan cenderung
meningkat. [6] bahwa salah satu unsur iklim yang
sangat berperan terhadap ketersediaan air bagi
tanaman adalah curah hujan. Tinggi rendahnya
produksi padi tidak bisa dipisahkan dengan
ketersediaan air bagi tanaman, artinya curah hujan
merupakan indikator yang cukup kuat untuk
mengetahui fluktuasi produksi padi. Rata-rata curah
hujan di kabupaten Merauke sebesar 1.800,1 mm per
tahun, rata-rata per bulan sebesar 150 mm per bulan
dapat dikategorikan cukup bagi tanaman padi untuk
tumbuh dan produksi. Tanaman padi membutuhkan
600–1200 mm air selama 90–120 hari dari tanam
hingga panen [20].
Hubungan antara jumlah hari hujan dengan produksi
padi tergolong rendah karena hanya memberi
pengaruh total sebesar 0,066 (6,6%) dengan rata-rata
157,9 hari per tahun atau 13,15 hari per bulan.
Pertanaman padi di kabupaten Merauke adalah padi
sawah tadah hujan sehingga pola tanam mengikuti
musim. Jumlah hari hujan yang sedikit pada bulan-
bulan tertentu saja akan ditanami tanaman yang
0,096
0,066 tidak memerlukan air seperti jagung dan kedelai
- 0,095 maupun ubi jalar. Hal ini sejalan dengan penelitian
0,017
0,047 [21] bahwa pengaruh hari hujan terhadap produksi
0,085
0,121 tanaman padi di Sumatera Utara sebesar 6.50 % dan
0,589 sisanya 93.50% dipengaruhi oleh faktor lain seperti
pupuk, penggunaan benih unggul yang tidak diteliti
dalam penelitian ini.
Hubungan antara kelembaban dengan produksi padi
tergolong sedang dengan kontribusi pengaruh total
sebesar 0,095 (9,5%). Kelembaban udara merupakan
salah satu faktor penting dalam proses metabolisme
pada tanaman. Semakin tinggi tingkat kelembaban
maka semakin cepat laju proses fotosintesis. Hal ini
sesuai dengan pendapat [22] menyatakan bahwa
kelembaban udara merupakan salah satu faktor
penentu laju proses fotosintesis selain konsentrasi
karbondioksida.
Hubungan antara tekanan udara dengan produksi
padi tergolong rendah karena hanya memberi
pengaruh total sebesar 0,047 (4,7%). Tekanan udara
pada dasarnya memiliki pengaruh langsung terhadap
makhluk hidup termasuk tanaman sangat kecil,
karena tekanan udara di bumi variasinya sangat
kecil. Secara tidak langsung pengaruh tekanan udara
terhadap makhluk hidup melalui gerakan udara
(angin), angin inilah yang penting sebagai
pengendali iklim. Perubahan tekanan udara
menyebabkan perubahan kecapatan dan arah angin.
Menurut [23] tidak terdapat pengaruh yang
signifikan antara tekanan udara dan suhu udara
terhadap tingkat curah hujan, begitu pula dengan
korelasi yang terbentuk antara tekanan udara dengan
tingkat curah hujan di kota Semarang adalah sebesar
29,91% dengan tingkat hubungan rendah.
Pengaruh total lama penyinaran sebesar 0,121
(12,1%) memiliki pengaruh yang cukup besar
terhadap produksi padi di kabupaten Merauke,
dimana secara fisiologi tanaman padi merupakan
kategori tanaman C4 yang memerlukan cahaya
penuh untuk menunjang pertumbuhannya. Data lama
penyinaran rata-rata sebesar yaitu 75.5%
menunjukkan cahaya yang diterima oleh tanaman
sangat optimal sehingga tanaman dapat
memaksimalkan proses metabolismenya untuk
menghasilkan karbohidrat. [24] menjelaskan bahwa
lama penyinaran dalam proses fotosintesis
berpengaruh pada pertumbuhan di fase vegetatif dan
perkembangan di fase generatif tanaman di daerah
tropis, karena dengan penyinaran matahari yang
cukup akan membantu tanaman padi dalam
berfotosintesis. Menurut [25] bahwa intensitas
cahaya yang tinggi akan mempercepat laju
fotosintesis karena dengan semakin banyaknya
energi yang diberikan ke daun artinya semakin
banyak energi yang tersedia untuk mensintesis
karbohidrat.
Uji Ketepatan Model (Uji F) dan Uji Hipotesis Pengaruh Luas Tanam dan Luas Panen
(Uji t) Terhadap Produksi Padi

Penggunaan analisis path untuk mengetahui Berdasarkan hasil olah data menggunakan program
pengaruh langsung dan tidak langsung unsur cuaca excel diperoleh data luaran berupa nilai korelasi,
terhadap produksi padi di kabupaten Merauke sangat sidik ragam, dan nilai koefisien regresi.
sesuai dan memberi informasi yang sangat penting.
Tabel 4. Koefisien korelasi dan determinasi antara luas
Tabel 2. Hasil uji F Ketepatan Model tanam, luas panen terhadap produksi padi di
Kabupaten Maerauke
F hit F tabel Sig Keterangan
3,819 2,85 * Nyata = Model sesuai Regression Statistics
Keterangan: * berpengaruh nyata pada taraf 5% Multiple R Adjusted Standard Observ
R Square R Square Error ations
Nilai F hitung lebih besar dari Nilai F table berarti 0,988 0,977 0,974 15116,015 21
model persamaan dapat digunakan untuk Sumber: Data sekunder diolah 2001-2021
memprediksi produksi padi di kabupaten Merauke
atau dengan kata lain variabel bebas secara simultan Tabel 5. Interpretasi Koefisien Korelasi
memprediksi variabel terikat.
Tingkat Hubungan Interval Koefisien
Tabel 3. Uji hipotesis unsur iklim terhadap produksi Sangat Kuat 0,80 – 1,00
padi di kabupaten Merauke Kuat 0,60 – 0,79
Cukup Kuat 0,40 – 0,59
Rendah 0,20 – 0,39
Unsur Iklim t hit t tabel Sig
Sangat Rendah 0,00 – 0,19
Suhu 1,054 1,76 tn
C. Hujan -1,930 -1,76 * Sumber: Helmi, 2010 [26].
Jum. Hari Hujan 0,858 1,76 tn
Kelembaban 0,534 1,76 tn Pada tabel 4, nilai korelasi antara luas tanam, luas
Tekanan Udara 1,141 1,76 tn panen, dan produksi padi adalah 0,988 termasuk
Lama Penyinaran -1,798 -1,76 * dalam kategori sangat kuat berdasarkan
Keterangan: * : berpengaruh nyata pada taraf 5%, tn: pengkategorian pada tabel 5. Sehingga luas tanam
tidak berpengaruh nyata dan luas panen berkorelasi sangat kuat terhadap
produksi padi di Kabupaten Merauke. Nilai
Hasil uji hipotesis unsur iklim terhadap produksi koefisien korelasi (R) menunjukkan seberapa erat
padi di kabupaten Merauke memberi hasil bahwa hubungan antara variabel bebas (variable luas tanam
suhu, jumlah hari hujan, kelembaban dan tekanan (X1) dan luas panen (X2)) dengan variabel terikat
udara tidak memberi pengaruh nyata atau (produksi padi), besarnya nilai koefisien korelasi
pengaruhnya kecil terhadap produksi padi. adalah 0,988. Nilai tersebut menunjukkan bahwa
Sedangkan curah hujan dan lama penyinaran hubungan variabel luas tanam (X1) dan luas panen
memberikan pengaruh yang nyata terhadap produksi (X2) dengan variabel produksi padi adalah erat atau
padi. kuat yaitu sebesar 98,8%.

Sedangkan nilai koefisien determinasi atau R2

digunakan untuk mengukur seberapa jauh
kemampuan model dalam menerangkan variasi
variabel tak bebas atau variable terikat (Y) yaitu
variabel produksi padi. Hasil dari perhitungan
Program Excel nilai koefisien determinasi sebesar
0,974 atau 97,4% yang berarti luas tanam dan luas
panen mempengaruhi produksi padi di Kabupaten
Merauke sebesar 97,4% dan 2,6% dipengaruhi oleh
faktor lain yang dapat berupa teknologi budidaya,
luas lahan, maupun tenaga kerja. Hasil penelitian ini
sejalan dengan hasil penelitian [27] bahwa dengan
besarnya koefisien determinan (R2) = 0,750, artinya
besarnya pengaruh nilai faktor produksi utama satu,
faktor produksi utama dua, faktor produksi
pendukung satu, dan faktor produksi pendukung dua
Gambar 2. Model diagram jalur unsur iklim terhadap produksi padi sawah sebesar 75%
terhadap produksi padi di sedangkan sisanya 25% dipengaruhi oleh faktor lain
Kabupaten Merauke di luar model. Penelitian [28] bahwa nilai koefisien
determinasi adalah 80,46%, artinya sebesar 80,46%
faktor-faktor produktivitas padi dapat dijelaskan
oleh produksi, luas panen, luas tanam, transformasi
curah hujan, dan transformasi hari hujan. Sedangkan
sisanya 19,54% dapat dijelaskan oleh faktor-faktor
lain yang tidak diteliti dalam penelitian ini.
Koefisien determinasi (R2) pada intinya mengukur
seberapa jauh kemampuan model dalam
menerangkan variasi variabel terikat. Koefisien
determinasi (R2) dimaksudkan untuk mengetahui
tingkat ketepatan paling baik dalam analisa regresi
dimana hal yang ditunjukan oleh besarnya koefisien
determinasi (R2) antara 0 (nol) dan 1 (satu).
Koefisien determinasi (R2) nol variabel independen
sama sekali tidak berpengaruh terhadap variabel
dependen. Apabila koefisien determinasi semakin
mendekati satu, maka dapat dikatakan bahwa
variabel independen berpengaruh terhadap variabel
dependen [29].
Tabel 6. Sidik Ragam luas tanam, luas panen terhadap
produksi padi di Kabupaten Merauke
df SS MS F Signific
Regression 2 174469174434,5 87234587217 381,781*
Residual 18 4112890197,2 228493899,8
Total 20 178582064631,7
Keterangan: * : berpengaruh nyata pada taraf 5%
Tabel 6 memperlihatkan bahwa ketepatan model
regresi dengan nilai significance F 0,000 lebih kecil
dari alpa 0,05 sehingga model regresi dinyatakan
layak dipakai karena memenuhi asumsi normalitas.
Menurut [30] bahwa dari hasil uji F pada penelitian,
didapatkan nilai F hitung sebesar 85,075 dengan
angka signifikansi sebesar 0,000. Dengan tingkat
signifikansi 95%. Angka signifikansi sebesar 0,000
< 0,005. Atas dasar perbandingan tersebut, maka
ditolak atau berarti variabel jumlah produksi buah
kelapa, biaya, jumlah pohon kelapa, luas lahan, dan
jumlah anggota keluarga mempunyai pengaruh yang
signifikansi secara bersama-sama terhadap variabel
pendapatan petani kelapa
Tabel 7. Nilai Koefisien Regresi Luas Tanam, Luas
Panen Terhadap Produksi Padi Di
Kabupaten Merauke
Coeffici Standar T Stat
ents d Error
Intercept -31035,447 7548,069 -4,111
Luas Tanam -0.423 1,524 -0,277
Luas Panen 6,162 1,537 4,009
Keterangan: *: berpengaruh nyata pada taraf 5%
Pada tabel 7 menjelaskan luas panen sangat
berpengaruh terhadap produksi padi di Kabupaten
Merauke. Dari tabel ini dapat dibuat persamaan
regresi luas tanam, luas panen terhadap produksi
padi di Kabupaten Maerauke. Y = -31035,447 –
0,423X1 + 6,162X2 dimana X1 adalah luas tanam,
X2 adalah luas panen, dan Y adalah produksi padi.
Nilai koefisien untuk variabel luas tanam bernilai
negatif sebesar -0,423. Hal ini menunjukkan bahwa
dengan mengasumsikan diabaikannya variabel bebas
lainnya, jika variabel luas tanam meningkat sebesar
1% maka dapat mempengaruhi penurunan jumlah
produksi sebesar 0,423. Nilai koefisien untuk
variabel luas panen bernilai positif sebesar 6,162.
Hal ini menunjukkan bahwa dengan mengasumsikan
diabaikannya variabel bebas lainnya, jika variabel
luas panen meningkat sebesar 1% maka dapat
mempengaruhi peningkatan jumlah produksi sebesar
6,162.
Dalam budidaya tanaman ada 3 faktor yang
memegang peran utama yaitu iklim, tanah dan
tanaman. Ketiga faktor ini secara bersinergi
menentukan tingkat produksi tanaman. Ketimpangan
pada salah satu faktor akan mempengaruhi hasil
akhirnya. Ketika kondisi tanah dan tanaman dalam
kondisi optimal, maka iklim yang memegang peran
yang lebih besar, namun kondisinya tidak bisa
dikendalikan oleh manusia. Iklim sangat dinamis
dan kompleks sehingga hal yang bisa dilakukan
adalah menyesuaikan dengan iklim setempat. Selain
ance F
0,000 sifatnya yang sangat dinamis dan kompleks, iklim
dalam jangka panjang juga telah mengalami
perubahan.
4. Kesimpulan
Unsur iklim memberi pengaruh terhadap produksi
padi di kabupaten Merauke sebesar 58,9% dan
41,1% dipengaruhi oleh faktor lain yang tidak
diteliti dalam penelitian ini. Luas tanam dan luas
panen berkorelasi sangat kuat sebesar 97,4%
terhadap produksi padi di Kabupaten Merauke dan
sisanya 2,6% dipengaruhi oleh faktor lain yang
dapat berupa tenaga kerja, teknologi budidaya
seperti penggunaan pupuk, jarak tanam dan
penggunaan benih bersertifikat. Variabel-variabel
yang mempengaruhi peningkatan jumlah produksi
padi yaitu variabel curah hujan, lama penyinaran,
dan luas panen. sedangkan variabel yang
mempengaruhi penurunan jumlah produksi yaitu
suhu, jumlah hari hujan, kelembaban, tekanan udara
dan, luas tanam.
P-value Ucapan Terima Kasih
0,00065
0,78458 Penulis menyampaikan banyak terima kasih
0,00082*
kepada BPS Kabupaten Merauke Provinsi
Papua yang telah membantu dalam
penyediaan data sehingga makalah ini dapat
diselesaikan.
Daftar Pustaka
[1] Suwardana, et al. 2013. Analisis Produksi dan
 Pendapatan Usahatani Padi Sawah dengan Pola
Jajar Legowo di Desa Laantula Jaya
Kecamatan Witaponda Kabupaten Morowali.
e-J Agrotekbis 1 1(5), pp. 477–484.
[2] Yulianto and Sudibyakto 2012. Kajian Dampak
Viabilitas Curah Hujan Terhadap Produktivitas
Padi Sawah Tadah Hujan di Kabupaten
Magelang. Jurnal Bumi Indonesia.
[3] Herlina, N. and Prasetyorini, A. 2020. Effect of
Climate Change on Planting Season and
Productivity of Maize (Zea mays L.) in Malang
Regency. Jurnal Ilmu Pertanian Indonesia
25(1), pp. 118–128. doi:
10.18343/jipi.25.1.118.
[4] Ruminta and Nurmala, T. 2016. Dampak
Perubahan Pola Curahan Hujan Terhadap
Tanaman Pangan di Lahan Tadah Hujan di
Jawa Barat. Agrin 20(2), pp. 155–168.
Available at:
https://jurnalagrin.net/index.php/agrin/article/vi
ew/323/247.
[5] Cahyaningtyas, A., Azizah, N. and Herlina, N.
2019. Evaluasi Dampak Perubahan Iklim
terhadap Produktivitas Padi (Oryza sativa L.)
di Kabupaten Gresik. Jurnal Produksi Tanaman
6(9), pp. 2030–2037.
[6] Estiningtyas, W. dan Muhammad Syakir. 2017.
Pengaruh perubahan iklim terhadap produksi
padi di lahan tadah hujan. J. Meteorologi dan
Geofisika. 18(2):83-93
[7] Andrias, A.A., Darusman, Y. and Rahman, M.
2017. Pengaruh Luas Lahan Terhadap Produksi
Dan Pendapatan Usahatani Padi Sawah. Jurnal
Ilmiah Mahasiswa Agroinfo Galuh 4(1), pp.
521–529.
[8] Defriyanti, W.T. 2019. Pengaruh Luas Lahan
Sawah Dan Luas Tanam Terhadap Produksi
Padi Di Sumatera Selatan Melalui Analisis
Regresi. Publikasi Penelitian Terapan dan
Kebijakan 2(2), pp. 122–125.
[9] Maswadi 2017. Analisis Hubungan Antara
Luas Panen Produksi Tenaga Kerja Pertanian
Terhadap Pdrb Di Kota Pontianak. Jurnal
Social Economic of Agriculture 6(2), pp. 9–15.
[10] Aziz, K.W., Prasetyo, Y., dan Sukmono, D.
2018. Analisis regresi linier terhadap pola
histogram spektral algoritma ndvi, evi, dan lswi
untuk mengestimasi tingkat produktivitas padi
(studi kasus: kabupaten Demak, Jawa Tengah).
J. Geodesi Undip. 7(1):172-181.
[11] Kurnianto, M. I., Ariffin, dan Azizah, N. 2018.
Pendugaan produktivitas padi (Oryza sativa)
berdasarkan curah hujan di kabupaten Malang.
J. Produksi Tanaman, 6(8):1859-1867.
[12] Narimawati, U. dan J. Sarwono. 2007.
Structural Equation Model (SEM) dalam Riset
Ekonomi menggunakan LISREL. Yogyakarta:
Gaya Media, 32 hal.
[13] Land, K. C. (1969). Principles of path analysis.
Sociological Methodology. 1:3–37.
[14] Caraka, R. E. dan Sugiarto. 2017. Path analysis
terhadap faktor-faktor yang mempengaruhi
prestasi siswa. J. Akuntabilitas Manajemen
Pendidikan 5(2):212-219
[15] Lindley, D.V. (1987). Regression and
correlation analysis. New Palgrave: A
Dictionary of Economics, v.4, p. 120–23.
[16] Bates, D. M., & Watts, D. G. (1988). Review
of linear regression. Nonlinear Regression
Analysis and Its Applications, 1–31.
[17] Tenorio, F.A., C. Ye, E. Redoña, S. Sierra, M.
Laza, M.A. Argayoso. 2013. Screening rice
genetic resources for heat tolerance. SABRAO
J. Breeding Gen. 45:371-381.
[18] Aghamolki, M.T.K., M.K. Yusop, F.C. Oad, H.
Zakikhani, Z.H. Jaafar, S.M.S. Kharidah, M.M.
Hanafi. 2014. Response of yield and
morphological characteristic of rice cultivars to
heat stress at different growth stages. Waset
8:98-100.
[19] Ninuk, H dan Amelia. 2020. Pengaruh
perubahan iklim pada musim tanam dan
produktivitas jagung (Zea mays L.) di
Kabupaten Malang. Institut Pertanian Bogor.
JIPI 25(1):118-128.
[20] De Datta, S. K. 1981. Principles and Practices
of Rice Production. John Wiley & Sons, New
York.
[21] Tampubolon, K., Yustina, S. S., Ikhlas, H.,
Melina, V. dan Debora. 2017. Kontribusi curah
hujan dan hari hujan terhadap produksi
tanaman pangan di sumatera utara. J.
Teknologi 2:65-80
[22] Sabaruddin, L. 2012. Agroklimatologi Aspek-
aspek Klimatik untuk Sistem Budidaya
Tanaman. Alfabeta. Bandung
[23] Prakoso, D. 2018. Analisis pengaruh tekanan
udara, kelembaban udara dan suhu udara
terhadap tingkat curah hujan di kota
Semarang.UNS, Semarang. 53 hal.
[24] Alridiwirsah, Hamidah, H. dan Muchtar, Y.
2015. Uji toleransi beberapa varietas padi
(Oryza sativa L.) terhadap naungan. Jurnal
Pertanian Tropik. 2(2):94-96
[25] Hafidha, AA dan E. Suharyanto. 2017.
Pengaruh Perbedaan Intensitas Cahaya Dan
Penyiraman Pada Pertumbuhan Jagung (Zea
mays L.) ‘Sweet Boy-02’. Fakultas Biologi,
Universitas Gadjah Mada. Yogyakarta. J. Sains
Dasar 2017 6(1):8–16.
[26] Helmi, S. 2010. Analisis Data. Universitas
Sumatera Utara Press.
[27] Fallo, Y.M., I Made, N., T., dan I dewa G. A.
2018. Faktor-faktor yang mempengaruhi
produksi padi sawah di kecamatan Biboki
Moenleu kbupaten Timor Tengah Utara
provinsi Nusa Tenggara Timur. J. Agrimor
3(4):64-66
[28] Padilah, T. N. dan Riza, I. A. 2019. Analisis
regresi linier berganda dalam estimasi
 produktivitas tanaman padi di kabupaten
Karawang. J. Pendidikan Matematika dan
Matematika. 5(2):117-128
[29] Hendri dan R. Setiawan. 2017. Pengaruh
motivasi kerja dan kompensasi terhadap kinerja
karyawan di pt. Samudra Bahari Utama. J.
Agora 5(1):1-8
[30] Mona, M. G., John, S. K., dan Jantje, D. P.
2015. Penggunaan regresi linear berganda
untuk menganalisis pendapatan petani kelapa.
Studi kasus: Petani kelapa di desa Beo,
kecamatan Beo kabupaten Talaud. JdC
4(2):196-203