Faktor-Faktor Yang Mempengaruhi Kemampuan Petani Membayar Kredit Usahatani

Mokodompit, Sutomo (2001) Faktor-Faktor Yang Mempengaruhi Kemampuan Petani Membayar Kredit Usahatani. Masters thesis, Institut Teknologi Sepuluh November.

Text 1399202027-Master_Thesis.pdf Restricted to Repository staff only Download (5MB)

Abstract

Kredit usahatani merupakan dana bantuan pemerintah untuk meningkatkan taraf hidup petani di Indonesia, namun sekarang ini sebagian besar petani tidak dapat mengembalikan kredit sehingga terjadi kredit macet. Penelitian ini akan melihat faktor-faktor yang mempengaruhi kemampuan petani untuk mengembalikan kredit. Alat analisis yang digunakan adalah Analisis Regresi Komponen Utama. Dari hasil analisis diperoleh: Faktor Pertama, terdiri dari luas lahan (X1), Urea (X5), TSP (X6), KCL (X7) dan pestisida (X8) dimana faktor ini mampu menjelaskan 39,7% keragaman total. Faktor Kedua, terdiri dari Umur petani (X2), Pengalaman bertani (X3), dan jumlah tanggungan keluarga (X4) mampu menjelaskan 20,9% keragaman total. Faktor Ketiga, terdiri dari Status pemilikan lahan (X9) mampu menjelaskan 11,1% dari keragaman total. Faktor Keempat, terdiri Tingkat Pendidikan (X10) mampu menjelaskan 17,2% dari keragaman total. Persamaan regresi dari keempat faktor tersebut adalah: Y = 2612053 - 732747W₁ + 363591W₂ + 210564W₃ + 189300W₄. Dalam hal kemampuan petani untuk mengembalikan kredit usahatani, minimal petani pemilik harus mengelolah lahan seluas 1,1 ha, dan petani penyewa 1,72 ha untuk dapat meminjam kredit sebesar Rp. 1.000.000,-
======================================================================================================================================
The farm credit is assistance fund to increase standard of living of the Indonesian farmers. But most of the farmers are not able to pay the credit. This research is intended to find factors influencing farmer capabilities of returning farm credit. The analysis method is Principal Component Regression analysis. The result of analysis are: The First Factor, are Wide of area (X1), Urea (X5), TSP (X6), KCL (X7) and Pesticide (X8) determine to 39,7% total variabilities. The Second Factor, are Age farmer (X2), Farmer experience (X3) and number of burden (X4) determine to 20,9% total variabilities. The Third Factor, is ownership status (X9) determine to 11,1% total variabilities. The Fourth Factor, is Education level (X10) determine to 17,2% total variabilities. The Regression Model from fourth factor is: Y = 2612053 - 732747W₁ + 363591W₂ + 210564W₃ + 189300W₄. The capabilities of farmers to pay farm credit depend on minimum area requirement of 1,1 hectare for owner farmers, but if they are tenant farmers, they must have 1,72 hectare to pay the installment for one million credit.

Item Type:	Thesis (Masters)
Additional Information:	RT 519.536 Mok f
Subjects:	Q Science > QA Mathematics > QA278.2 Regression Analysis. Logistic regression Q Science > QA Mathematics > QA278.5 Principal components analysis. Factor analysis. Correspondence analysis (Statistics)
Divisions:	Faculty of Mathematics and Science > Statistics > 49101-(S2) Master Thesis
Depositing User:	magang .
Date Deposited:	02 Oct 2026 06:19
Last Modified:	02 Oct 2026 06:19
URI:	http://repository.its.ac.id/id/eprint/145186

Actions (login required)

View Item