Sumber: Agriculture, 2014
JUMLAH PRODUKSI, KONSUMSI DAN IMPORGULA NASIONAL (2007/2008 – 2012/2013)
2 2.05 1.91 1.77 1.83 1.97
4.4 4.54.7
5 5.05 5.13
2.422.19
3.2 3.08 3.02
3.57
2007/2008 2008/2009 2009/2010 2010/2011 2011/2012 2012/2013
Produksi (Juta Ton) Permintaan (Juta Ton) Impor (Juta Ton)
PRODUKSI
KONSUMSI
TAHUNBPP
(RP/KG)HPP
(RP/KG)HARGA LELANG
(RP/KG)
2008 4900 5000 5255
2009 5100 5350 70562010 6250 6350 77232011 6900 7000 81422012 7900 8100 10982
Bappenas, 2013
HARGA LELANG NAIK21%PER TAHUN
BPPNAIK15,8%PER TAHUN
Penelitian oleh Pasaribu (2013), judul penelitian Pengaruh Faktor-faktorProduksi Terhadap Pendapatan Petani Tebu di Desa Kwala Begumit. Input yangdigunakan adalah Produksi Lahan, Tenaga Kerja dan Modal. Berdasarkan hasilanalisis seluruh input berpengaruh signifikan baik diuji secara serentak dan parsial.
PERUMUSAN MASALAH
1. Faktor-faktor apa saja yang dapat mempengaruhipendapatan tebu per hektar?
2. Bagaimana Benefit Cost Ratio dari total penerimaandangan BPP tebu per hektar?
TUJUAN
1. Menganalisis Faktor-faktor yang dapat mempengaruhipendapatan tebu per hektar.
2. Mengetahui Benefit Cost Ratio dari total penerimaandangan BPP tebu per hektar?
ANALISIS KORELASI
Analisis korelasi digunakan untuk mengukur hubungan atau keterkaitan antara dua buahvariabel.
2
11
22
11
2
1 11
n
i
i
n
i
i
n
i
i
n
i
i
n
i
n
i
i
n
i
iii
xy
yynxxn
yxyxn
r
H0: 𝜌 = 0H1: 𝜌 ≠ 0
Statistik Uji:
)1()1(ln
23
r
rnz
Hipotesis. Daerah Kritis.
Daerah penolak H0, apabilanilai z < -1,96 atau z > 1,96.
Estimasi parameter ini bertujuan untuk mendapatkan model regresi linier yang akandigunakan dalam analisis.
ESTIMASI PARAMETER
pp XXXY ...22110
Model regresi dengan p buah variabel penjelas:
YXXX ''ˆ 1
Menurut Gujarati (2009), koefisien determinasi R2 atau Goodness of Fitmerupakan ukuran untuk mengetahui seberapa baik ketepatan garis regresisampel sesuai dengan data observasi.
KOEFISIEN DETERMINASI R2
total
regresi
n
i
i
n
i
i
JK
JK
YY
YY
R
2
1
1
2
2
ˆ
UJI SIGNIFIKANSI PARAMETER
SERENTAK
Menurut Draper dan Smith (1992), uji serentak merupakan pengujian parameter model regresisecara bersamaan.• Hipotesis.H0: 𝛽1 = 𝛽2 = 𝛽3 = ⋯ = 𝛽𝑗 = 0
H1: Minimal terdapat satu 𝛽𝑗 ≠ 0 ; j = 1, 2, 3, 4, . . ., p
p
n–(p+1)
n-1
2Re '' YnyXbJK
gresi
p
JKRRK
gresiRe
yXbyyJKsidual
'''Re )1(Re
Re
pn
sJKRK
sidual
2' ynyyJKtotal
• Statistik Uji
• Daerah Kritis
sidual
gresi
hitungRK
RKF
Re
Re
Tolak H0, jika F-hitung > F(α (v1,v2))
atau P-value < α
UJI SIGNIFIKANSI PARAMETER
PARSIAL
Menurut Gujarati (2009) uji parsial merupakan pendekatan pengujiansignifikansi dari masing-masing variabel prediktor terhadap variabel respon.Statistik uji yang dipakai untuk melakukan uji parsial ini adalah statistik uji t.
• HipotesisH0: 𝛽𝑗 = 0
H1: 𝛽𝑗 ≠ 0 ; j = 1, 2, 3, 4, . . ., p
• Statistik Uji
)ˆ(
ˆ
j
j
hitungSE
t
Daerah penolakan H0 jika nilai |thitung| > t(α / 2),(n – p)
• Daerah Kritis
UJI ASUMSI RESIDUAL
Kata lain dari uji identik adalah homogenitas varians residual. Pelanggaran terhadapasumsi ini biasa disebut dengan heteroskedastisitas yaitu keadaan dimana variansi residualtidak homogen. Salah satu metode pengujian identik residual yaitu uji Glejser.
iii VXe 10
STATISTIK UJI
UJI ASUMSI RESIDUAL
HIPOTESISH0: HomoskedastisitasH1: Heteroskedastisitas
STATISTIK UJI
DAERAH KRITISTolak H0, apabila nilai F-hitung > Fα (v1,v2) atau P-value < α
1/ˆ
/ˆ
1
2
1
2
pnee
pee
Fn
i
i
n
i
i
hitung
UJI ASUMSI RESIDUAL
Menurut Gujarati (2009), Pengujian independensi residual atau yang biasa disebutautokorelasi adalah korelasi yang terjadi antara residual dari satu pengamatan dengan residualpengamatan lain yang dapat dinotasikan E(ui,uj) ≠ 0, i ≠ j.
HIPOTESISH0: 𝜌𝑠 = 0H1: 𝜌𝑠 ≠ 0
Hipotesis Nol (H0) Keputusan Daerah Kritis
Ada Autokorelasi Positif Tolak H0 0 < d < dL
Tidak Ada Autokorelasi Positif Tidak ada keputusan dL ≤ d ≤ dU
Ada Autokorelasi Negatif Tolak H0 4 – dL < d < 4
Tidak Ada Autokorelasi Negatif Tidak ada keputusan 4 – dU ≤ d ≤ 4 – dL
Tidak Ada Autokorelasi, Baik
Positif Atau NegatifGagal tolak H0 dU < d < 4 – dU
STATISTIK UJI
n
i
t
n
i
tt
e
ee
d
1
2
1
21
UJI ASUMSI RESIDUAL
Pengujian distribusi normal juga dapat dilakukan dengan metode Uji Kolmogorov-Smirnov yang juga dikenal dengan uji kesesuaian model (Goodness of Fit Test). Hipotesisyang digunakan adalah sebagai berikut.
)()(0 xSxFmaksD N
Multikolinieritas adalah terdapat hubungan atara satu variabel prediktordengan satu atau lebih variabel prediktor lain pada model regresi.
UJI MULTIKOLINIERITAS
211
jRVIF
FUNGSI PRODUKSI
Teori produksi menggambarkan tentang keterkaitan diantara faktor-faktorproduksi dengan tingkat produksi yang diciptakan. Faktor-faktor produksi dikenalpula dengan istilah input dan jumlah produksi disebut output (Sukirno, 2000).
),...,,( 21 nXXXfY
FUNGSI PRODUKSI
Fungsi Produksi Linier
Fungsi Produksi Cobb Douglas
eXY 10 eXXXY p
p...2210 1
Model produksi yang berbentuk linier dapat diartikan bahwa fungsi berupa garis lurus.Model ekonometrika dari fungsi produksi linier adalah berikut.
110 XY pp XXXY ...22110
Fungsi produksi yang berbentuk tidak linier berarti bahwa fungsi tidak berupa garislurus. Tetapi, dengan mentransformasi ln, model dapat menjadi linier. Model fungsi CobbDouglas sebagai berikut.
Analisis manfaat biaya (benefit cost analysis) adalah analisis yang digunakan untukmengevaluasi proyek pemerintah dan untuk menaksir kemanfaatan proyek. Analisis manfaat-biayadilakukan dengan melihat rasio antara manfaat dari suatu proyek terhadap ongkos-ongkos yangdikeluarkan (Pujawan, 2009).
ANALISIS MANFAAT BIAYA
(BENEFIT COST RATIO)
EkuivalenOngkos
EkuivalenManfaatCB /
Nilai B/C Ratio :
< 1 Usaha belum layak dilanjutkan (Pengeluaran lebih besar dari Penerimaan)
= 1 Penerimaan suatu usaha sama besarnya dengan Penegeluaran.
> 1 Usaha masih layak dilanjutkan (Penerimaan lebih besar dari Pengeluaran)
Biaya Pokok Produksi (BPP) besarnyanilai uang yang digunakan untukmemeproduksi setiap satu kilogramgula. Dalam prakteknya, BPP adalahhasil bagi antara biaya produksi guladitingkat petani dengan hasil gulabagian petani.
Besaran HPP mempertimbangkanefisiensi produksi, aspek inflasi, dankepentingan konsumen. PerhitunganHPP dilakukan dengan menggunakanpendekatan hasil kajian Biaya PokokProduksi (BPP). Tujuann HPP adalahuntuk meningkatkan pendapatan dankesejahteraan petani
Harga Lelang adalah harga yang terbentuk pada saat lelang gula, yangdilaksanakan oleh pabrik gula BUMN sekali per satu minggu atau per duaminggu tergantung pada jumlah produksi gula, dengan peserta lelangadalah pedagang besar.
Variabel Pendapatan Tebu Jenis Lahan PC Variabel Pendapatan Tebu Jenis Lahan RC
Mulai
Spesifikasi Model
Uji Signifikansi Parameter
Selesai
Kesimpulan
Tidak Signifikan
Signifikan
Uji Asumsi Residual IIDN
Ya
Tidak
Normalitas, Transformasi Ln
Estimasi Parameter Setelah Asusmsi Diatasi
Variabel Y X1 X2 X3 X4
Y1,000
0,000
0,275
0,216
0,480
0,024
0,613
0,002
0,007
0,976
X1
1,000
0,000
0,188
0,402
-0,013
0,954
-0,196
0,382
X2
1,000
0,000
0,364
0,096
0,255
0,314
X3
1,000
0,000
0,103
0,649
X4
1,000
0,000
H0: 𝜌 = 0H1: 𝜌 ≠ 0
Hipotesis.
4321 005,0522,0208,0466,090,1ˆ LnXLnXLnXLnXYLn
UJI SIGNIFIKANSI PARAMETERSERENTAK
• Hipotesis.H0: 𝛽1 = 𝛽2 = 𝛽3 = 𝛽4 = 0H1: Minimal terdapat satu 𝛽𝑗 ≠ 0 ; j = 1, 2, 3, 4
Sumber Variasi df JK KT F-hitung P-value
Regresi 4 0,4826 0,1206 3,43 0,031
Residual 17 0,5976 0,0351
Total 21 1,0803
Keputusan.P-value (0,031) < α (0,10) atau F-Hitung > Ftabel
(2,31), maka Tolak H0.
Kesimpulan.Minimal terdapat satu variabel prediktor yang
berpengaruh signifikan terhadap produktivitas tebujenis lahan Sawah PC.
R2 = 44,7 %
4321 005,0522,0208,0466,090,1ˆ LnXLnXLnXLnXYLn
UJI SIGNIFIKANSI PARAMETERPARSIAL
• HipotesisH0: 𝛽𝑗 = 0
H1: 𝛽𝑗 ≠ 0 ; j = 1, 2, 3, 4
Prediktor Koefisien SE Koefisien t-hitung P-value
Konstanta -1,90 0,7790 2,44 0,026
Biaya
Garap0,466 0,312 1,49 0,154
Biaya Bibit 0,208 0,226 0,92 0,371
Biaya
Bahan0,522 0,1934 2,70 0,015
Biaya Lain 0,005 0,101 0,05 0,961
R2 = 44,7 %
UJI ASUMSI KLASIK IIDN
HIPOTESISH0: 𝜌𝑠 = 0H1: 𝜌𝑠 ≠ 0
HIPOTESISH0: HomoskedastisitasH1: Heteroskedastisitas
HIPOTESISH0: 𝐹0(𝑥) = 𝐹(𝑥)H1: 𝐹0(𝑥) ≠ 𝐹(𝑥)
910,1596,1293035,2471
1
2
1
21
n
i
t
n
i
tt
e
ee
d
0.40.30.20.10.0-0.1-0.2-0.3-0.4
99
95
90
80
70
60
50
40
30
20
10
5
1
RESI4
Pe
rce
nt
Mean -9.08364E-16
StDev 0.1687
N 22
KS 0.149
P-Value >0.150
Probability Plot of RESI4Normal
086,217/05,3154/65,154
1/ˆ
/ˆ
1
2
1
2
pnee
pee
Fn
i
i
n
i
i
hitung
Variabel Prediktor VIF Keterangan
Biaya Garap 1,043 Bebas Multikolinieritas
Biaya Bibit 1,206 Bebas Multikolinieritas
Biaya Bahan 1,200 Bebas Multikolinieritas
Biaya Lain 1,086 Bebas Multikolinieritas
H0: 𝜌 = 0H1: 𝜌 ≠ 0
Hipotesis.
Variabel Y X1 X2 X3
Y1,000
0,000
0,455
0,025
0,498
0,013
0,130
0,545
X1
1,000
0,000
0,504
0,012
0,117
0,587
X2
1,000
0,000
0,092
0,670
X3
1,000
0,000
321 164,057,424,27,10ˆ XXXY
UJI SIGNIFIKANSI PARAMETERSERENTAK
• Hipotesis.H0: 𝛽1 = 𝛽2 = 𝛽3 = 𝛽4 = 0H1: Minimal terdapat satu 𝛽𝑗 ≠ 0 ; j = 1, 2, 3, 4
Sumber Variasi df JK KT F-hitung P-value
Regresi 3 608,18 202,73 2,97 0,057
Residual 20 1366,74 68,34
Total 23 1974,92
Keputusan.P-value (0,057) < α (0,10)
Kesimpulan.Minimal terdapat satu variabel prediktor yang
berpengaruh signifikan terhadap produktivitas tebujenis lahan Sawah RC.
R2 = 30,8 %
UJI SIGNIFIKANSI PARAMETERPARSIAL
• HipotesisH0: 𝛽𝑗 = 0
H1: 𝛽𝑗 ≠ 0 ; j = 1, 2, 3
Prediktor Koefisien SE Koefisien t-hitung P-value
Konstanta 10,66 11,25 0,95 0,355Biaya
Garap2,235 1,805 1,24 0,230
Biaya
Bahan4,574 2,763 1,66 0,113
Biaya
Lain0,1640 0,4652 0,35 0,728
R2 = 30,8 %
321 164,057,424,27,10ˆ XXXY
UJI ASUMSI KLASIK IIDN
HIPOTESISH0: 𝜌𝑠 = 0H1: 𝜌𝑠 ≠ 0
HIPOTESISH0: HomoskedastisitasH1: Heteroskedastisitas
HIPOTESISH0: 𝐹0(𝑥) = 𝐹(𝑥)H1: 𝐹0(𝑥) ≠ 𝐹(𝑥)
712,173,136696,2339
1
2
1
21
n
i
t
n
i
tt
e
ee
d
611,120/39,4133/89,99
1/ˆ
/ˆ
1
2
1
2
pnee
pee
Fn
i
i
n
i
i
hitung
20100-10-20
99
95
90
80
70
60
50
40
30
20
10
5
1
RESI
Pe
rce
nt
Mean -3.71555E-14
StDev 7.709
N 24
KS 0.099
P-Value >0.150
Normal
Variabel Prediktor VIF Keterangan
Biaya Garap 1,349 Bebas Multikolinieritas
Biaya Bahan 1,342 Bebas Multikolinieritas
Biaya Lain 1,015 Bebas Multikolinieritas
Variabel Y X1 X2 X3 X4
Y1,0000,000
0,2240,219
0,4280,015
0,1160,528
-0,0920,615
X1
1,000
0,000
0,453
0,009
-0,253
0,163
-0,260
0,150
X2
1,000
0,000
-0,227
0,211
-0,077
0,677
X3
1,000
0,000
-0,040
0,830
X4
1,000
0,000
H0: 𝜌 = 0H1: 𝜌 ≠ 0
Hipotesis.
4321 009,0178,0338,0113,058,2ˆ LnXLnXLnXLnXYLn
UJI SIGNIFIKANSI PARAMETERSERENTAK
• Hipotesis.H0: 𝛽1 = 𝛽2 = 𝛽3 = 𝛽4 = 0H1: Minimal terdapat satu 𝛽𝑗 ≠ 0 ; j = 1, 2, 3, 4
Sumber Variasi df JK KT F-hitung P-value
Regresi 4 0,4698 0,1174 2,25 0,090
Residual 27 1,4109 0,0522
Total 31 1,8808
Keputusan.P-value (0,090) < α (0,10)
Kesimpulan.Minimal terdapat satu variabel prediktor yang
berpengaruh signifikan terhadap produktivitas tebujenis lahan Tegalan PC.
R2 = 25 %
UJI SIGNIFIKANSI PARAMETERPARSIAL
• HipotesisH0: 𝛽𝑗 = 0
H1: 𝛽𝑗 ≠ 0 ; j = 1, 2, 3, 4
Prediktor Koefisien SE Koefisien t-hitung P-value
Konstanta 2,57 0,4708 5,48 0,000Biaya
Garap0,113 0,1901 0,60 0,556
Biaya Bibit 0,337 0,1429 2,36 0,026
Biaya
Bahan0,177 0,1186 1,50 0,145
Biaya Lain -0,009 0,0833 -0,11 0,912
R2 = 25 %
4321 009,0178,0338,0113,058,2ˆ LnXLnXLnXLnXYLn
UJI ASUMSI KLASIK IIDN
HIPOTESISH0: 𝜌𝑠 = 0H1: 𝜌𝑠 ≠ 0
HIPOTESISH0: HomoskedastisitasH1: Heteroskedastisitas
HIPOTESISH0: 𝐹0(𝑥) = 𝐹(𝑥)H1: 𝐹0(𝑥) ≠ 𝐹(𝑥)
117,221,183902,3894
1
2
1
21
n
i
t
n
i
tt
e
ee
d
0.500.250.00-0.25-0.50
99
95
90
80
70
60
50
40
30
20
10
5
1
RESI2
Pe
rce
nt
Mean 3.608225E-16
StDev 0.2133
N 32
KS 0.097
P-Value >0.150
Probability Plot of RESI2Normal
351,227/27,5644/35,223
1/ˆ
/ˆ
1
2
1
2
pnee
pee
Fn
i
i
n
i
i
hitung
Variabel Prediktor VIF Keterangan
Biaya Garap 1,349 Bebas Multikolinieritas
Biaya Bibit 1,256 Bebas Multikolinieritas
Biaya Bahan 1,117 Bebas Multikolinieritas
Biaya Lain 1,109 Bebas Multikolinieritas
H0: 𝜌 = 0H1: 𝜌 ≠ 0
Hipotesis.
Variabel Y X1 X2 X3
Y1,0000,000
0,3800,032
0,1440,431
0,0090,963
X1
1,000
0,000
0,073
0,693
-0,351
0,049
X2
1,000
0,000
-0,383
0,030
X3
1,000
0,000
321 369,026,118,21,14ˆ XXXY
UJI SIGNIFIKANSI PARAMETERSERENTAK
• Hipotesis.H0: 𝛽1 = 𝛽2 = 𝛽3 = 𝛽4 = 0H1: Minimal terdapat satu 𝛽𝑗 ≠ 0 ; j = 1, 2, 3
Sumber Variasi df JK KT F-hitung P-value
Regresi 3 381,22 127,07 2,39 0,090
Residual 28 1489,53 53,20
Total 31 1870,75
Keputusan.P-value (0,090) < α (0,10)
Kesimpulan.Minimal terdapat satu variabel prediktor yang
berpengaruh signifikan terhadap produktivitas tebujenis lahan Tegalan RC.
R2 = 20,4 %
UJI SIGNIFIKANSI PARAMETERPARSIAL
• HipotesisH0: 𝛽𝑗 = 0
H1: 𝛽𝑗 ≠ 0 ; j = 1, 2, 3
Prediktor Koefisien SE Koefisien t-hitung P-value
Konstanta 14,060 7,140 1,97 0,059Biaya
Garap
2,181 0,871 2,50 0,018
Biaya
Bahan
1,265 1,125 1,12 0,271
Biaya
Lain
0,369 0,292 1,26 0,217
R2 = 20,4 %
321 369,026,118,21,14ˆ XXXY
UJI ASUMSI KLASIK IIDN
HIPOTESISH0: 𝜌𝑠 = 0H1: 𝜌𝑠 ≠ 0
HIPOTESISH0: HomoskedastisitasH1: Heteroskedastisitas
HIPOTESISH0: 𝐹0(𝑥) = 𝐹(𝑥)H1: 𝐹0(𝑥) ≠ 𝐹(𝑥)
042,153,148654,1553
1
2
1
21
n
i
t
n
i
tt
e
ee
d
846,128/56,2913/71,57
1/ˆ
/ˆ
1
2
1
2
pnee
pee
Fn
i
i
n
i
i
hitung
20100-10-20
99
95
90
80
70
60
50
40
30
20
10
5
1
RESI
Pe
rce
nt
Mean -8.21565E-15
StDev 6.932
N 32
KS 0.112
P-Value >0.150
Normal
Variabel Prediktor VIF Keterangan
Biaya Garap 1,147 Bebas Multikolinieritas
Biaya Bahan 1,178 Bebas Multikolinieritas
Biaya Lain 1,337 Bebas Multikolinieritas
Pabrik GulaB/C Ratio
Sawah PC Sawah RC Tegalan PC Tegalan RC
Watutulis - 1.05 0.92 1.41
Ngadirejo 1.07 1.18 1.02 1.20
Sudhono 0.96 1.23 0.85 1.19
Tasikmadu 1.13 1.27 0.89 1.29
Sindanglaut 0.99 1.14 0.92 1.12
Sumberharjo 1.00 1.13 1.05 1.26
Trangkil 0.94 1.01 1.01 1.16
Madukismo 1.15 1.21 0.94 1.13
Gending 1.08 1.31 0.99 1.20
Asembagus 1.06 1.23 0.93 1.15
Semboro 1.13 1.17 1.07 1.36
Krebet Baru 1.04 0.98 0.96 1.26
Camming - - 0.93 1.51
Gorontalo - - 1.17 1.48
Kwala Madu - - 1.43 1.76
Bunga Mayang - - 1.21 1.48
BENEFIT COST RATIO
2011
Pabrik GulaB/C Ratio
Sawah PC Sawah RC Tegalan PC Tegalan RC
Watutulis 1.32 1.42 1.28 1.61
Ngadirejo 1.48 1.60 1.27 1.46
Sudhono 1.33 1.45 1.18 1.56
Tasikmadu 1.28 1.53 1.11 1.58
Sindanglaut 1.20 1.45 1.25 1.75
Sumberharjo 1.50 1.64 1.20 1.59
Trangkil 1.14 1.24 1.24 1.57
Madukismo 1.32 1.44 1.06 1.42
Gending - 1.30 1.00 1.69
Asembagus 1.24 1.33 1.33 1.59
Semboro 1.23 1.51 1.23 1.41
Krebet Baru 1.29 1.11 1.18 1.32
Camming - - 1.32 1.82
Gorontalo - - 1.43 1.88
Kwala Madu - - 1.60 2.36
Bunga Mayang - - 1.53 1.71
BENEFIT COST RATIO
2012
KESIMPULAN
Faktor-faktor yang mempengaruhi pendapatan tebu yang diterima oleh petaniper hektar dari jenis lahan Sawah PC adalah variabel Biaya Bahan (X3),sedangkan pada jenis lahan Sawah RC tidak terdapat variabel prediktor yangberpengaruh signifikan terhadap variabel respon. Variabel Biaya Bibit (X2)berpengaruh signifikan terhadap pendapatan tebu yang diterima petani untukjenis lahan Tegalan PC, sedangkan untuk jenis lahan Tegalan RC variabelprediktor yang berpengaruh signifikan adalah Biaya Garap (X1). Koefisiendeterminasi dari keempat model yang terbentuk sangat rendah sehingga perlumenambah variabel prediktor atau input yang sesuai ke dalam model.
KESIMPULAN
Nilai Benefit Cost Ratio usahatani tebu pada tahun 2011 masih ada petani yang mengalamikerugian karena nilai B/C Ratio-nya lebih kecil dari 1. Kerugian yang diperoleh petani pada tahun2011 antara Rp. 476.000 – Rp. 4.281.000 per hektar dan keuntungan yang didapatkan mulai dariRp. 339.000 – Rp. 9.511.000 per hektar. Sedangkan usahatani tebu dari keempat jenis lahanproduksi tebu per hektar pada tahun 2012 lebih besar dibandingkan saat tahun 2011. Hal inidisebabkan oleh naiknya nilai Harga Lelang Gula tahun 2012 sebesar 34,88% dari tahun 2011,sehingga jumlah penerimaan petani lebih tinggi dibandingkan dengan Biaya Pokok Produksi yangdikeluarkan. Keuntungan tertinggi yang diperoleh petani tebu pada tahun 2012 dapat mencapaiRp. 25.154.000 per hektar.
Saran
Berdasarkan hasil analisis dan pembahasan, diperoleh nilai R2 yang rendah dari model fungsipendapatan tebu. Supaya model fungsi pendapatan tebu yang terbentuk lebih baik dan dapat menghasilkanestimasi yang akurat, maka sebaiknya variabel prediktor (input) bukan dalam bentuk biaya produksi tetapilebih diperinci lagi dan dalam bentuk kuantitas (jumlah). Variabel prediktor atau input yang digunakanseperti jumlah tenaga kerja, modal yang dikeluarkan, jenis varietas bibit tebu atau jumlah bibit yangdigunakan, volume pengairan, jenis pupuk dan lain-lain.
Untuk mendapatkan produksi tebu yang optimal, maka harus memperhatikan dari pengolahan disektor on-farm seperti pemilihan bibit varietas unggul, pengairan yang cukup, pemberian pestisida danpengendalian hama tebu serta pemberian pupuk yang bagus. Petani juga harus tahu masa panen yangcocok supaya mendapatkan tebu yang mempunyai bobot tinggi , rendemen tinggi dan nira yang tersimpanmasih banyak. Selanjutnya untuk mengurangi beban Biaya Pokok Produksi yang dikeluarkan oleh petanitebu, maka Pemerintah harus menyediakan biaya subsidi untuk bibit varietas unggul dan subsidi hargapupuk.