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 (X1), irigasi merupakan

variabel bebas kedua (X2) dan tenaga kerja merupakan variabel

bebas ketiga (X3) 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 Fhitung 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.

(5)

Dimana :

Y : Produksi Padi

X1 : Luas Lahan

X2 : Irigasi

X3 : Tenaga kerja

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.