BAB 4 Hasil dan Pembahasan

Transkripsi

1 BAB 4 Hasil dan Pembahasan Bab ini membahas tentang implementasi pemodelan prediksi produksi panen komoditas padi menggunakan metode regresi linier yang diolah menggunakan R Studio. 4.1 Pengolahan Data Pengelolaan Data Luas Lahan, Irigasi dan Tenaga kerja Pada penelitian ini data awal yang akan diolah adalah data luas lahan, irigasi dan tenaga kerja Kabupaten Sukoharjo yang terdiri dari 12 kecamatan pada tahun 2007 hingga Data awal tersebut diolah untuk mencari prediksi data luas lahan, irigasi dan tenaga kerja pada tahun 2012 dan 2013 menggunakan regresi linier sederhana. Data inilah yang nantinya digunakan untuk masukan proses prediksi produksi padi tahun 2012 dan 2013 di Kabupaten Sukoharjo. Hasil perediksi data luas lahan, irigasi dan tenaga kerja pada tahun 2012 dan 2013 Kabupaten Sukoharjo disajikan pada Tabel 4.1. Tabel 4.1 Perediksi Data Luas Lahan, Irigai dan Tenaga kerja Id Kecamatan tahun lahan irigasi ch 1 Weru Bulu Tawangsari Sukoharjo Nguter Bendosari Polokarto Mojolaban

2 2 9 Grogol Baki Gatak Kartasura Weru Bulu Tawangsari Sukoharjo Nguter Bendosari Polokarto Mojolaban Grogol Baki Gatak Kartasura Tabel 4.1 merupakan hasil perediksi data luas lahan, irgasi dan tenaga kerja tahun 2012 dan 2013 yang nantinya akan digunakan sebagai masukan proses perediksi produksi padi. Seperti yang telah dijelaskan pada bab sebelumnya, pada penelitian ini luas lahan merupakan variabel bebas pertama (X 1 ), irigasi merupakan variabel bebas kedua (X 2 ) dan tenaga kerja merupakan variabel bebas ketiga (X 3 ) yang digunakan untuk menentukan variabel terikat (Y) berupa produksi padi. Sebelum digunakan untuk prediksi produksi padi di Kabupaten Sukoharjo, metode regresi linier berganda harus melewati beberapa tahapan. Tahap-tahap tersebut adalah persiapan data yang terdiri dari data produksi padi, luas lahan, irigasi dan tenaga kerja Kabupaten Sukoharjo pada tahun 2007 hingga 2011, uji kelinieran data, pembentukan model regresi, uji asumsi klasik, perediksi produksi padi tahun 2012 dan 2013.

3 Pembentukan Model Regresi Linier Berganda Data yang digunakan dalam perhitungan ini adalah data produksi padi, luas lahan, irigasi dan tenaga kerja Kabupaten Sukoharjo pada tahun 2007 hingga 2011 yang tersaji pada Tabel 4.2. Tabel 4.2 Data Produksi Padi, Luas Lahan, Irigai dan Tenaga kerja Id Kecamatan tahun panen lahan irigasi ch 1 Weru Bulu Tawangsari Sukoharjo Nguter Bendosari Polokarto Mojolaban Grogol Baki Gatak Kartasura Weru Bulu Tawangsari Sukoharjo Nguter Bendosari Polokarto Mojolaban Grogol Baki Gatak Kartasura Weru Bulu Tawangsari Sukoharjo Nguter

4 4 30 Bendosari Polokarto Mojolaban Grogol Baki Gatak Kartasura Weru Bulu Tawangsari Sukoharjo Nguter Bendosari Polokarto Mojolaban Grogol Baki Gatak Kartasura Weru Bulu Tawangsari Sukoharjo Nguter Bendosari Polokarto Mojolaban Grogol Baki Gatak Kartasura Tabel 4.2 adalah tabel data produksi padi, luas lahan, irigasi dan tenaga kerja Kabupaten Sukoharjo yang akan digunakan dalam proses perhitungan regresi linier berganda untuk memperoleh persamaan regresi linier. Persamaan ini sebagai persamaan untuk

5 5 menghitung perediksi produksi padi tahun 2012 dan 2013 Kabupaten Sukoharjo. Sebelum melakukan proses perhitungan regresi linier berganda, terlebih dahulu dilakukan uji kelinieran data dengan membentuk plot antara variabel terikat (Y) dengan masing-masing varabel bebas (X). Hal ini bertujuan untuk pendeteksian awal apakah regresi linier cocok diterapkan. Gambar 4.1 Hubungan Kelinieran Luas Lahan dan Produksi Padi Gambar 4.1 merupakan hasil plot dari data luas lahan dan produksi padi pada tahun 2007 hingga Luas lahan berada pada sumbu X dan produksi padi berada pada sumbu Y. Bulatan bulatan kecil yang terdapat dalam plot adalah titik titik data yang tersebar berdasarkan hubungan antara besaran luas lahan dan produksi padi pada tahun 2007 hingga Berdasarkan plot tersebut, dapat diketahui bahwa titik titik data membentuk pola linier antara luas lahan dan produksi padi.

6 6 Gambar 4. 2 Hubungan Kelinieran Irigasi dan Produksi Padi Gambar 4.2 adalah hasil plot dari data irigasi dengan data produksi padi pada tahun 2007 hingga tahun Irigasi berada pada sumbu X dan produksi padi berada pada sumbu Y. Plot tersebut menggambarkan tentang hubungan kelinieran antara data irigasi dan produksi padi tahun 2007 hingga 2011yang diwakili dengan titik titik data. Berdasarkan gambar tersebut dapat terlihat bahwa data membentuk pola linier yang dapat diwakili dengan suatu garis lurus. Gambar 4. 3 Hubungan Kelinieran Tenaga kerja dan Produksi Padi

7 7 Gambar 4.3 adalah hasil plot dari data tenaga kerja dengan data produksi padi pada tahun 2007 hingga tahun Tenaga kerja berada pada sumbu X dan produksi padi berada pada sumbu Y. Sama dengan Gambar 4.1 dan Gambar 4.2, plot yang terbentuk adalah plot yang menggambarkan hubungan kelinieran antara data tenaga kerja dan produksi padi tahun Terlihat bahwa data membentuk pola linier yang dapat diwakili dengan suatu garis lurus. Berdasarkan pada ketiga gambar plot regresi linier tersebut dapat terlihat bahwa regresi linier cocok untuk diterapkan karena hubungan antara variabel luas lahan, irigasi dan tenaga kerja dengan produksi padi adalah linier. Langkah selanjutnya adalah membentuk model regresi dari data yang telah tersedia. Pada penelitian ini pembentukkan model regresi memakai bantuan software statistik R Studio. Hasil analisis regresi disajikan pada Gambar 4.4 dibawah ini. Gambar 4. 4 Hasil Analisis Regresi Linier

8 8 Gambar 4.4 merupakan hasil analisis regresi linier menggunakan software statistik R Studio. Nilai intercept, lahan (luas lahan), irigasi dan ch (tenaga kerja) yang terdapat pada kolom estimate atau estimasi adalah nilai koefisien regresi yang merupakan nilai duga parameter dalam model regresi untuk kondisi yang sebenarnya. Nilai intercept merupakan nilai rata rata variabel Y apabila nilai pada variabel X bernilai 0. Sedangkan nilai lahan, irigasi dan tenaga kerja merupakan koefisiensi regresi untuk variabel X. Nilai p-value dari koefisien regresi untuk variabel lahan, irigasi dan ch dapat dilihat pada kolom Pr(> t ), dimana nilai p-value yang diperoleh lebih kecil dibanding dengan nilai α = Hal ini mempunyai arti ketiga koefisian tersebut signifikasn secara statistik. Pada Gambar 4.4 terlihat pula nilai p-value model regresi linier berganda yang diperoleh sebesar 2.2 x Berdasarkan hasil tersebut dapat ditarik kesimpulan bahwa model regresi yang diperoleh dapat diterima. Hal ini dibuktikan dengan nilai p-value dari F hitung sebesar 2.2 x lebih kecil dari nilai α sebesar Berdasarkan hasil analisis di atas, diperoleh juga persamaan yang digunakan untuk melakukan peramalan produksi padi berdasarkan luas lahan, irigasi dan tenaga kerja yang disajikan pada persamaan lima di bawah ini. Dimana : Y : Produksi Padi X 1 X 2 X 3 : Luas Lahan : Irigasi : Tenaga kerja (5)

9 9 Analisis hubungan antara variabel luas lahan, irigasi dan tenaga kerja dapat dilihat pada persamaan regresi linier berganda yang terbentuk. Jika luas lahan ditambah 1 Ha dengan asusmsi irigasi dan tenaga kerja tetap, maka produksi padi akan meningkat %. jika irigasi ditambah dengan asumsi luas lahan dan tenaga kerja tetap, maka produksi padi akan meningkat sebesar %. namun apabila jumlah tenaga kerja meningkat sedangkan lluas lahan dan irigasi tetap, maka produksi padi akan menurun sebesar %. Sebelum benar-benar menerima hasil analisis regresi linier ini, diperlukan uji asumsi klasik regresi linier yang bertujuan untuk mengetahui apakah model regresi yang telah terbentuk bebas dari pelanggaran asumsi klasik Uji Asumsi Klasik Regresi Linier Seperti yang telah dijelaskan pada bab sebelumnya, uji asumsi klasik adalah persyaratan statistik yang harus dipenuhi pada analisis regresi liner berganda dengan berbasis Ordinary Least Square (OLS). Pada penelitian ini uji asumsi klasik yang digunakan adalah uji normalitas. Uji normalitas dipakai untuk melihat apakah nilai residual terdistribusi secara normal atau tidak. Model regresi yang baik adalah model regresi yang memiliki nilai residual yang terdistrbusi secara normal. Uji statistik Kolmogorov-Smirnov normality test digunakan untuk menguji normalitas karena dianggap paling baik karena Kolmogorov-Smirnov normality test bekerja dengan membandingkan dua distribusi atau sebaran data. Data yang digunakan dalam uji normalitas adalah data atau nilai residu. Hasil

10 10 uji Kolmogorov-Smirnov normality test atau ks.test yang diolah melalui software R studio disajikan pada Gambar 4.5. Gambar 4. 5 Hasil Uji Kolmogorov-Smirnov normality test Pada Gambar 4.5 terlihat bahwa uji Kolmogorov-Smirnov normality test menghasilkan nilai p-value sebesar 1, dimana bernilai lebih besar dari α = Berdasarkan hal tersebut, dapat dikatakan bahwa asumsi kenormalan error tidak dilanggar. Selain menggunakan uji Kolmogorov-Smirnov normality test, uji normalitas dapat dilihat menggunakan fungsi QQ Plot yang tersaji pada Gambar 4.6 dibawah ini. Gambar 4. 6 Hasil Uji QQ Plot Gambar 4.6 merupakan hasil plot data residu yang dihasilkan dari model regresi linier berganda yang terbentuk. Berdasarkan Gambar 4.6 dapat titik titik data residu menyebar disekitar garis

11 11 lurus yang terbentuk. Hal ini dapat disimpulkan bahwa data menyebar normal, sehingga asumsi kenormalan error tidak dilanggar. Ciri ciri data yang menyebar normal adalah bila diplotkan dengan QQ Plot, titik titik data tersebar di sekitar garis lurus (Kurniawan, 2008). 4.2 Perediksi Produksi Padi Setelah dilakukan proses perhitungan regresi linier yang menghasilkan persamaan 5 dan model regresi linier diangap sesuai dengan kasus yang diangkat, maka tahap selanjutnya adalah prediksi hasil produksi padi pada tahun 2012 dan 2013 menggunakan persamaan 5 yang telah dijabarkan di atas. Data yang digunakan dalam tahap ini adalah hasil prediksi data luas lahan, irigasi dan tenaga kerja tahun 2012 dan 2013 yang disajikan pada Tabel 4.1. Hasil perhitungan perediksi produksi padi pada tahun 2012 dan 2013 di Kabupaten Sukoharjo dapat dilihat pada Gambar 4.7 di bawah ini. Gambar 4.7Hasil Perediksi Produksi Padi Tahun 2012 dan 2013 Gambar 4.10 merupakan hasil perediksi produksi padi tahun 2012 dan 2013 menggunakan persamaan 5. Data hasil perediksi

12 12 produksi padi tahun 2012 dan 2013 di Kabupaten Sukoharjo disajikan pada Tabel 4.3 di bawah ini. Tabel 4.3 Hasil Perediksi Produksi Padi Tahun 2012 dan 2013 id Kecamatan tahun panen lahan irigasi ch 1 Weru Bulu Tawangsari Sukoharjo Nguter Bendosari Polokarto Mojolaban Grogol Baki Gatak Kartasura Weru Bulu Tawangsari Sukoharjo Nguter Bendosari Polokarto Mojolaban Grogol Baki Gatak Kartasura Berdasarkan Tabel 4.3, produksi padi pada tahun 2012 dan 2013 akan terjadi kenaikan dibanding dengan tahun tahun sebelumnya. Setelah diperoleh hasil peramalan, langkah selanjutnya adalah memvisualisasikan dalam bentuk peta.

13 Pemetaan Produksi Padi Tahun 2012 dan 2013 Setelah diperoleh hasil perediksi produksi panen komoditas padi tahun 2012 dan 2013 Kabupaten Sukoharjo, langkah selanjutnya adalah melakukan pemetaan. Pemetaan digunakan untuk memvisualisasi hasil perediksi, sehingga memudahkan user dalam menganalisis hasil keluaran. Peta peramalan produksi panen komoditas padi Kabupaten Sukoharjo pada tahun 2012 diolah menggunakan bantuan tools R Studio. Data yang digunakan adalah data hasil peramalan produksi padi pada tahun 2012 dan 2013 Pemetaan hasil prediksi produksi padi disajikan pada Gambar 4.8. Gambar 4.8 Peta Perediksi Produksi Padi Tahun 2012 Gambar 4.8 adalah gambar peta perediksi produksi padi tahun Di dalam peta prediksi di atas terdapat range data yang

14 14 terletak di sebelah kiri peta, range tersebut berguna untuk mengetahui berapa banyak produksi padi yang dihasilkan dalam setiap daerah yang ditandai dengan warna. Berdasarkan peta prediksi produksi padi tersebut dapat diketahui Kecamatan Polokarto, Bendosari dan Nguter memiliki produksi padi yang tinggi ditunjukkan dengan warna biru tua. Besarnya produksi padi di Kecamatan Polokarto, Bendosari dan nguter memiliki range antara Kecamatan Mojolaban dan Sukoharjo berada di urutan kedua yang ditunjukkan warna biru laut. Pada tahun ini daerah yang memiliki hasil produksi padi paling sedikit adalah Kecamatan Kartasura, Gatak dan Grogol yang ditunjukkan dengan warna biru muda. Peta prediksi peramalan produksi padi Kabupaten Sukoharjo pada tahun 2013 disajikan pada Gambar 4.9 di bawah ini.

15 15 Gambar 4.9 Peta Perediksi Produksi Padi Tahun 2013 Gambar 4.9 adalah gambar peta perediksi produksi padi tahun 2013 yang memiliki kesamaan pada peta perediksi produksi padi tahun 2012, dimana Kecamatan Polokarto, Bendosari dan Nguter memiliki produksi padi yang tinggi ditunjukkan dengan warna biru tua. Kecamatan Mojolaban dan Sukoharjo berada di urutan kedua yang ditunjukkan warna biru laut dan seterusnya. Perbedaanya adalah range yang terbentuk, dimana range hasil produksi padi tertinggi dimulai dari hingga dan range terendah antara hingga yang menunjukkan terjadi kenaikan hasil produksi dadi walau hanya sedikit.