BAB 4 Hasil dan Pembahasan

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 4.1.1 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 2011. 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 2012 2031 1106 2239 2 Bulu 2012 1116 580 2663 3 Tawangsari 2012 1669 1497 2554 4 Sukoharjo 2012 2362 2362 2894 5 Nguter 2012 2692 1328 2915 6 Bendosari 2012 2569 1234 3019 7 Polokarto 2012 2576 1127 2252 8 Mojolaban 2012 2234 2234 2004

2 9 Grogol 2012 1007 413 2848 10 Baki 2012 1272 1272 2608 11 Gatak 2012 1266 1266 1839 12 Kartasura 2012 540 540 2131 13 Weru 2013 2070 1128 2351 14 Bulu 2013 1116 580 3122 15 Tawangsari 2013 1678 1506 2781 16 Sukoharjo 2013 2361 2361 3139 17 Nguter 2013 2694 1330 3100 18 Bendosari 2013 2569 1234 3258 19 Polokarto 2013 2576 1127 2357 20 Mojolaban 2013 2234 2234 2043 21 Grogol 2013 1007 413 3161 22 Baki 2013 1269 1269 2814 23 Gatak 2013 1266 1266 1773 24 Kartasura 2013 546 546 2134 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 4.1.2 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 2007 24790 1854 1006 1694 2 Bulu 2007 14100 1117 581 0 3 Tawangsari 2007 25761 1626 1454 1463 4 Sukoharjo 2007 30136 2367 2367 1927 5 Nguter 2007 39136 2680 1316 1900 6 Bendosari 2007 37049 2569 1234 1884 7 Polokarto 2007 40651 2576 1127 1634 8 Mojolaban 2007 42474 2234 2234 1569 9 Grogol 2007 14461 1007 413 2028 10 Baki 2007 18090 1285 1285 1535 11 Gatak 2007 18842 1266 1266 2550 12 Kartasura 2007 8298 515 515 1977 13 Weru 2008 27047 1866 1018 1900 14 Bulu 2008 14315 1117 581 1214 15 Tawangsari 2008 24980 1632 1460 1768 16 Sukoharjo 2008 35962 2364 2364 1888 17 Nguter 2008 35270 2680 1316 2506 18 Bendosari 2008 37114 2569 1234 2322 19 Polokarto 2008 44734 2576 1127 2293 20 Mojolaban 2008 44661 2234 2234 2216 21 Grogol 2008 14132 1007 413 1030 22 Baki 2008 18584 1285 1285 1962 23 Gatak 2008 18169 1266 1266 1921 24 Kartasura 2008 7688 515 515 2208 25 Weru 2009 26043 1866 1018 1901 26 Bulu 2009 15171 1117 581 1591 27 Tawangsari 2009 31038 1651 1479 1766 28 Sukoharjo 2009 40604 2364 2364 1864 29 Nguter 2009 38780 2680 1316 2227

4 30 Bendosari 2009 42015 2569 1234 1911 31 Polokarto 2009 40566 2576 1127 1605 32 Mojolaban 2009 44538 2234 2234 2126 33 Grogol 2009 14737 1007 413 1522 34 Baki 2009 17275 1276 1276 1960 35 Gatak 2009 18247 1266 1266 1735 36 Kartasura 2009 8230 515 515 2114 37 Weru 2010 27473 1989 1082 1648 38 Bulu 2010 16814 1117 581 1441 39 Tawangsari 2010 29387 1656 1484 1731 40 Sukoharjo 2010 46118 2363 2363 2043 41 Nguter 2010 41093 2689 1325 2175 42 Bendosari 2010 39416 2569 1234 2288 43 Polokarto 2010 45437 2576 1127 1697 44 Mojolaban 2010 47226 2234 2234 1294 45 Grogol 2010 16582 1007 413 1688 46 Baki 2010 18329 1276 1276 1888 47 Gatak 2010 20057 1266 1266 1608 48 Kartasura 2010 9593 515 515 2402 49 Weru 2011 27279 1989 1082 2378 50 Bulu 2011 14079 1116 580 2182 51 Tawangsari 2011 27778 1656 1484 2621 52 Sukoharjo 2011 31657 2363 2363 3074 53 Nguter 2011 34919 2689 1325 2991 54 Bendosari 2011 32398 2569 1234 3098 55 Polokarto 2011 39822 2576 1127 2457 56 Mojolaban 2011 29599 2234 2234 2226 57 Grogol 2011 11386 1007 413 3267 58 Baki 2011 16109 1276 1276 2603 59 Gatak 2011 13688 1266 1266 2375 60 Kartasura 2011 4946 546 546 1898 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 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 2011. 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 2011. Berdasarkan plot tersebut, dapat diketahui bahwa titik titik data membentuk pola linier antara luas lahan dan produksi padi.

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 2011. 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 Gambar 4.3 adalah hasil plot dari data tenaga kerja dengan data produksi padi pada tahun 2007 hingga tahun 2011. 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 2007. 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 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 = 0.05. 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 10-16. 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 10-16 lebih kecil dari nilai α sebesar 0.05. 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 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 14.8323%. jika irigasi ditambah dengan asumsi luas lahan dan tenaga kerja tetap, maka produksi padi akan meningkat sebesar 3.5053%. namun apabila jumlah tenaga kerja meningkat sedangkan lluas lahan dan irigasi tetap, maka produksi padi akan menurun sebesar 2.4067%. 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. 4.1.3 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 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 = 0.05. 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 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 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 2012 32864 2031 1106 2239 2 Bulu 2012 20779 1116 580 2663 3 Tawangsari 2012 28599 1669 1497 2554 4 Sukoharjo 2012 40070 2362 2362 2894 5 Nguter 2012 45038 2692 1328 2915 6 Bendosari 2012 43578 2569 1234 3019 7 Polokarto 2012 40993 2576 1127 2252 8 Mojolaban 2012 35051 2234 2234 2004 9 Grogol 2012 19811 1007 413 2848 10 Baki 2012 22900 1272 1272 2608 11 Gatak 2012 20115 1266 1266 1839 12 Kartasura 2012 10371 540 540 2131 13 Weru 2013 33835 2070 1128 2351 14 Bulu 2013 22388 1116 580 3122 15 Tawangsari 2013 29528 1678 1506 2781 16 Sukoharjo 2013 40914 2361 2361 3139 17 Nguter 2013 45716 2694 1330 3100 18 Bendosari 2013 44416 2569 1234 3258 19 Polokarto 2013 41361 2576 1127 2357 20 Mojolaban 2013 35188 2234 2234 2043 21 Grogol 2013 20908 1007 413 3161 22 Baki 2013 23577 1269 1269 2814 23 Gatak 2013 19884 1266 1266 1773 24 Kartasura 2013 10470 546 546 2134 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 4.3 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 2012. Di dalam peta prediksi di atas terdapat range data yang

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 40808.4 45038. 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 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 41271.6 hingga 45716 dan range terendah antara 10470 hingga 21204 yang menunjukkan terjadi kenaikan hasil produksi dadi walau hanya sedikit.