ANALISIS PRODUKTIVITAS TENAGA KERJA PEMANEN KELAPA SAWIT PADA PT. PERKEBUNAN BINANGA MANDALA DI KABUPATEN LABUHAN BATU PROPINSI SUMATRA UTARA

Kanti Rahayu

Abstract

Pembangunan pertanian dalam arti luas meliputi pembangunan di sektor tanaman pangan, perkebunan, kehutanan, perikanan, dan peternakan dengan tujuan untuk meningkatkan kesejahteraan masyarakat. Peran sektor pertanian dalam perekonomian nasional dapat di ukur dari sumbangan hasil produksi, sumbangan faktor produksi, dan sumbangan devisa.Negara Indonesia merupakan salah satu yang memiliki luasan lahan perkebunan yang cukup besar. Hal ini dapat ditujukkan dengan adanya perkebunan berbagai komoditas yang sudah memasuki pangsa pasar internasional, komoditas-komoditas tersebut diantaranya adalah: kelapa sawit, karet, cengkeh, dan lain sebagainya. Tanaman kelapa sawit merupakan salah satu sumber minyak nabati, sehingga minyak kelapa sawit sangat dibutuhkan oleh semua kalangan. Banyak hal yang harus dilakukan untuk mendapatkan kelapa sawit yang berkualitas bagus diantaranya dengan hasil petik yang diperoleh harus benar-benar baik dilihat dari kematangan buah.
Buah kelapa sawit yang masak adalah yang berwarna kemera-merahan dan adanya buah yang jatuh dibawah pohon membuktikan bahwa adanya buah kelapa sawit yang siap petik. Pentingnya pemetikan ini tentunya agar buah tidak busuk dipohon. Dengan adanya pemetikan-pemetikan yang baik maka tidak akan terjadi kesalahan dalam memetik buah kelapa sawit. Pemetikan yang baik akan berpengaruh juga terhadap hasil produksi, karena jika pemetikannya baik tentu akan berpengaruh juga terhadap harga jual kelapa sawit. Proses pemetikan ini harus benar-benar diperhatikan oleh tenaga kerja pemetik kelapa sawit. Mengingat pekerjaan mengambil buah kelapa sawit adalah termasuk pekerjaan berat maka perusahaan lebih mengutamakan pekerja laki-laki. Pekerja biasanya tidak dilihat dari jenjang pendidikannya, namun hanya dilihat dari umur, pengalaman bekerja, kondisi fisik, tanggungan keluarga, jumlah keluarga, dan lama pemetikan. Pekerjaan memanen kelapa sawit adalah termasuk pekerjaan kasar karena pada intinya tidak memerlukan pikiran tetapi lebih mengutamakan fisik. Pekerja pemanen kelapa sawit ini bekerja setiap harinya dengan perputaran tempat yang berbeda-beda, hal ini terjadi karena luasnya lahan perkebunan tersebut. Sehingga setiap harinya mereka bisa menghasilkan hingga beberapa kg buah kelapa sawit.
Berdasarkan uraian yang ada pada latar belakang, maka dapat dirumuskan sebagai berikut: 1) Bagaimana produktivitas tenaga kerja pemanen kelapa sawit yang bekerja di PT. Perkebunan Binanga Mandala?. 2) Bagaimana pengaruh faktor umur, pengalaman kerja, kondisi fisik yang menyangkut berat badan dan tinggi badan, lamanya pemetikan, tanggungan, jumlah pemetikan, hari kerja, dan jumlah keluarga tehadap pendapatan pekerja per hari?
Tujuan Penelitian itu sendiri adalah: 1)Untuk mengetahui produktivitas tenaga kerja pemanen kelapa sawit di PT.Perkebunan Binanga Mandala. 2)Untuk mengetahui pengaruh faktor umur, pengalaman kerja, kondisi fisik, lamanya pemetikan, tanggungan keluarga, jumlah pemetikan, hari kerja, dan jumlah keluarga terhadap pendapatan atau gaji total pekerja per hari.
Sementara metode penentuan sampelnya dilakukan secara Simpel Random Sampling, yaitu pengambilan sampel secara acak sederhana ketentuannya jika jumlah dari populasi adalah kurang dari 100 maka sampel yang diambil sebanyak 50% dari jumlah populasi. Anggota populasi pemenen kelapa sawit pada PT. Perkebunan Binanga Mandala berjumlah 75 orang, untuk itu peneliti hanya mengambil 50 % dari jumlah populasi yang ada yaitu sebesar 35 orang. tetapi jika jumlah populasi antara 100-1000, maka akan diambil ssebanyak 10-15% dari jumlah populasi yang ada.
Metode yang pertama digunakan penulis adalah analisa deskriptif yaitu ilmu pengetahuan statistik yang mempelajari tata cara penyusunan dan pengkajian data yang dikumpulkan dalam satu penelitian.
Analisa statistik yang digunakan untuk menguji hipotesa dari data yang terkumpul dengan maksud untuk mempermudah dalam pengambilan keputusan. Analisa statistik regresi linier berganda yang mengggunakan model: Y = a + b1X1 + b2X2 + b3X3 + b4X4 + b5X5 + e mengetahui apakah variabel independent, yaitu umur, pengalaman kerja, tanggungan keluarga, kondisi fisik, dan lama pemetikan secara serentak memiliki pengaruh terhadap variabel terikat (Y) menggunakan pengujian uji F dengan rumusan sebagai berikut:
Sedangkan untuk menguji pengaruh nyata variabel-variabel bebas secara persial digunakan uji t menggunakan rumus sebagai berikut:
Berdasarkan hasil analisa faktor-faktor yang mempengaruhi produktivitas tenaga kerja meliputi faktor umur, pengalaman kerja, tanggungan keluarga, kondisi fisik, dan lama pemetikan diperoleh variabel yang mempengaruhi produktivitas tenaga kerja yaitu faktor kondisi fisik dan faktor lama pemetikan. Faktor produktivias tenaga kerja diperoleh nilai koofisien determinasi (R2) sebesar 33.8 %, sedangkan sisanya sebesar 66.2 % dijelaskan dalam variabel lain yaitu variabel lain yang tidak termasuk dalam perhitungan ini. Sedangkan untuk faktor-faktor yang mempengaruhi pendapatan tenaga kerja yang meliputi jumlah petik, hari kerja, dan jumlah keluarga ada tiga faktor tersebut kesemuanya adalah memiliki pengaruh terhadap pendapatan tenaga kerja. Dilihat dari nilai koefisien determinasi (R2) sebesar 97.8 % sisanya 2,2 % yang dijelaskan pada variabel lain yang tidak termasuk dalam perhitungan ini.

Jam Keren Klik disini (##)

Pengertian Mean, Median, dan Modus

Beberapa teknik penjelasan kelompok yang telah diobservasi dengan data kuantitatif, selain dapat dijelaskan dengan menggunakan tabel dan gambar, dapat juga dijelaskan menggunakan Teknik Statistik yang disebut : Mean, Median, Modus.

1. Mean (Rata-Rata)

Pengertian Mean adalah teknik penjelasan kelompok yang didasarkan atas nilai rata-rata dari kelompok tersebut. Rata-Rata (mean) ini didapat dengan menjumlahkan data seluruh individu dalam kelompok itu, kemudian dibagi dengan jumlah individu yang ada pada kelompok tersebut.

Contoh Mean :

Seluruh pegawai di PT Samudra penghasilan sebulannya dalam satuan ribu rupiah adalah sebagai berikut :

90, 120, 160, 60, 180, 190, 90, 180, 70, 160

Untuk mencari mean atau rata-rata data tersebut tidak perlu di urutkan nilainya seperti dalam mencari median, tetapi dapat langsung dijumlahkan, kemudian dibagi dengan jumlah individu dalam kelompok tersebut. Berdasarkan data diatas, maka mean dapat dihitung :

Me : (90 + 120 + 160 + 180 + 190 + 90 + 180 + 70 + 160) : 10 = 130 ribu rupiah.

Jadi penghasilan rata-rata pegawai di PT Samudra adalah Rp. 130.000.

2. Median (Nilai Tengah)

Pengertian median adalah salah satu teknik penjelasan kelompok yang didasarkan atas nilai tengah dari kelompok data yang telah disusun urutannya dari yang terkecil sampai yang terbesar, atau sebaliknya dari yang terbesar sampai yang terkecil.

Contoh Median :

Hasil observasi umur pegawai di kantor X adalah :

20, 45, 60, 56, 45, 45, 20, 19, 57, 45, 45, 51, 35

Untuk dapat mencari mediannya maka data umur diatas harus disusun terlebih dahulu urutannya. Setelah disusun, menjadi sebagai berikut :

19, 20, 20, 35, 45, 45, 45, 45, 45, 51, 56, 57, 60

Nilai tengah data diatas berada pada urutan ke 7 yaitu 45. Jadi mediannya adalah 45.

Contoh Median lainnya :

Tinggi badan 10 mahasiswa adalah :

145, 147, 167, 166, 160, 164, 165, 170, 171, 180

Data diatas diurutkan (dari terkecil sampai terbesar atau sebaliknya) menjadi :

180, 171, 170, 167, 166, 165, 164, 160, 147, 145

Jumlah individu dalam kelompok tersebut adalah genap, maka nilai tengahnya adalah dua angka yang ditengah dibagi dua, atau rata-rata dari dua angka yang tengah. Nilai tengah dari kelompok tersebut adalah, nilai ke 5 dan ke 6. Mediannya = 166 + 165 : 2 = 165,5. Dengan demikian dapat dijelaskan rata-rata median tinggi badan kelompok mahasiswa itu adalah 165, 5 cm.

3. Modus (Nilai Yang Paling Banyak Muncul)

Pengertian modus adalah teknik penjelasan kelompok yang didasarkan atas nilai yang sedang populer (yang sedang menjadi mode) atau nilai yang sering muncul dalam kelompok tersebut.

Contoh Modus Pada Data Kualitatif :

Tahun 1970 di Yogyakarta, banyak mahasiswa yang naik sepeda. Sehingga dapat menjelaskan dengan modus, bahwa kelompok mahasiswa di Yogyakarta masih banyak yang naik sepeda.

Contoh Modus Pada Data Kuantitatif :

Umur pegawai kantor Y adalah :

20, 45, 60, 56, 45, 45, 20, 19, 57, 45, 45, 51, 35

Dari data diatas, dapat dilihat bahwa yang paling banyak muncul adalah umur 45. Munculnya sebanyak 5 kali, jadi dapat dijelaskan bahwa kelompok pegawai kantor Y sebagian besar berumur 45 tahun.

Sumber Tulisan :

Sugiyono, 2007, Statistika Untuk Penelitian, Cetakan Keduabelas, Alfabeta, Bandung.

2012 Pengertian Korelasi dan Regresi

Secara umum, analisis regresi pada dasarnya adalah studi mengenai ketergantungan satu variabel dependen (terikat) dengan satu atau lebih variabel independent (variabel penjelas/bebas), dengan tujuan untuk mengestimasi dan/ atau memprediksi rata-rata populasi atau niiai rata-rata variabel dependen berdasarkan nilai variabe! independen yang diketahui. Pusat perhatian adalah pada upaya menjelaskan dan mengevalusi hubungan antara suatu variabel dengan satu atau lebih variabel independen.
Hasil analisis regresi adalah berupa koefisien regresi untuk masing-masing variable independent. Koefisien ini diperoleh dengan cara memprediksi nilai variable dependen dengan suatu persamaan. Koefisien regresi dihitung dengan dua tujuan sekaligus : Pertama, meminimumkan penyimpangan antara nilai actual dan nilai estimasi variable dependen; Kedua, mengoptimalkan korelasi antara nilai actual dan nilai estimasi variable dependen berdasarkan data yang ada. Teknik estimasi variable dependen yang melandasi analisis regresi disebut Ordinary Least Squares (pangkat kuadrat terkecil biasa).
Korelasi bermanfaat untuk mengukur kekuatan hubungan antara dua variabel (kadang lebih dari dua variabel) dengan skala-skala tertentu, misalnya Pearson data harus berskala interval atau rasio; Spearman dan Kendal menggunakan skala ordinal; Chi Square menggunakan data nominal. Kuat lemah hubungan diukur diantara jarak (range) 0 sampai dengan 1. Korelasi mempunyai kemungkinan pengujian hipotesis dua arah (two tailed). Korelasi searah jika nilai koefesien korelasi diketemukan positif; sebaliknya jika nilai koefesien korelasi negatif, korelasi  disebut tidak searah. Yang dimaksud dengan koefesien korelasi ialah suatu pengukuran statistik kovariasi atau asosiasi antara dua variabel. Jika koefesien korelasi diketemukan tidak sama dengan nol (0), maka terdapat ketergantungan antara dua variabel tersebut. Jika  koefesien korelasi diketemukan +1. maka hubungan tersebut disebut sebagai korelasi sempurna atau hubungan linear sempurna dengan kemiringan (slope) positif.
Jika  koefesien korelasi diketemukan -1. maka hubungan tersebut disebut sebagai korelasi sempurna atau hubungan linear sempurna dengan kemiringan (slope) negatif.

Ukuran Pemusatan dan Penyebaran Data Pada Statistik Deskriptif

Proses pengolahan data secara statistik seringkali berkaitan dengan ukuran pemusatan dan penyebaran data. Khususnya pada tahapan statistik deskriptif sari numerik ini dihitung untuk memberikan gambaran dari hasil pengolahan data penelitian sebelum dilakukan proses inferensi.
Pada artikel akan diberikan beberapa pengertian ringkas dari istilah-istilah yang sering digunakan untuk nilai-nilai statistik deskriptif yang digunakan pada pengolahan data baik untuk laporan, tugas akhir, skripsi, thesis, disertasi, ataupun penelitian lainnya.
Nilai-nilai statistik apa saja yang sering dihitung untuk memaparkan sari numerik data ini? Data-data yang diperoleh dari hasil pengumpulan data mentah disajikan dalam berbagai bentuk dan cara. Metode mencacah data sebagai salah satu cara paling sederhana untuk mendapatkan informasi statistik. Cara lain penyajian data adalah dengan membuat tabel distribusi frekuensi, baik berupa distribusi frekuensi relatif ataupun distribusi frekuensi kumulatif. Juga dapat dilakukan penyajian data dalam bentuk grafik, seperti grafik stem-leaf (batang -daun), histogram, ataupun box plot.
Ukuran pemusatan data yang sering dipakai sebagai ukuran statistik adalah mean (rata-rata), mode (modus), median, kuartil, desil, persentil.
Rata-rata adalah jumlah dari seluruh nilai data dibagi dengan banyaknya data.
Modus merupakan nilai yang memiliki frekuensi terbesar dari suatu himpunan data
Median adalah ukuran nilai tengah dari sejumlah nilai-nilai pengamatan yang diatur dan disusun berdasarkan urutan data.
Nilai rata-rata, modus, dan median memiliki hubungan keterkaitan erat dari suatu distribusi frekuensi data. Ketiga nilai ini dapat membantu menafsirkan kesimetrisan data dan kemencengan data.
Adapun ukuran penyebaran data yang biasa dihitung adalah range (rentang), standar deviasi (simpangan  baku),  kurtosis (keruncingan), skewness (kemiringan).
Rentang data menunjukkan selisih antara nilai terbesar dengan nilai terkecil dalam suatu himpunan data.
Simpangan baku adalah jumlah mutlak selisih setiap nilai pengamatan terhadap nilai rata-rata dibagi dengan banyaknya pengamatan.
Kurtosis merupakan ukuran untuk menentukan bentuk distribusi yang biasanya dibandingan dengan kurva distribusi normal. Bentuk kurtosis bisa berupa leptokurtik (berpuncak tinggi dan ekor landai), platikurtik (berpuncak rendah dan berekor pendek), dan mesokurtik (disebut juga distribusi normal, berpuncak tidak begitu tinggi dan tidak terlalu landai).
Skewness adalah ukuran untuk menentukan kemiringan dari suatu kurva distribusi. Penafsiran skewness dapat dilakukan secara visual, melalui koefisien kemencengan, atau koefisien moment ketiga.
Contoh perhitungan ukuran pemusatan dan penyebaran data deskriptif menggunakan software statistik SPSS akan dibahas pada artikel berikutnya.