Download - Final Paper Mikro
-
7/31/2019 Final Paper Mikro
1/25
1|ANALISIS PENGARUH MESIN, TENAGA KERJA DAN BAHAN BAKU TERHADAP PRODUKSI INDUSTRI KRUPUK DAN SEJENISNYA TH 2008
TUGAS PAPER MIKRO EKONOMIANALISIS PENGARUH MESIN, TENAGA KERJA DAN BAHAN BAKU
TERHADAP PRODUKSI INDUSTRI KRUPUK DAN SEJENISNYA
TAHUN 2008
Disusun untuk Memenuhi Tugas Mata Kuliah Mikro Ekonomi Semester Gasal
LELY OKTAVIANTI
3 SE 2
19 / 08.5698
SEKOLAH TINGGI ILMU STATISTIK2010/2011
-
7/31/2019 Final Paper Mikro
2/25
2|ANALISIS PENGARUH MESIN, TENAGA KERJA DAN BAHAN BAKU TERHADAP PRODUKSI INDUSTRI KRUPUK DAN SEJENISNYA TH 2008
I. Model dan Uji Asumsi Klasik IProduksi merupakan suatu proses penggunaan barang atau jasa atau input untuk dijadikam
barang dan jasa yang disebut output. Pyndick (2001) menjelaskan bahwa hubungan antara
masukan pada proses produksi dan hasil keluaran dapat digambarkan melalui fungsi produksi.
Fungsi ini menunjukkan keluaran Q yang dihasilkan suatu unit usaha untuk setiap kombinasi
masukan tertentu atau dinyatakan : Y = f(K,L,M,...) dimana Y adalah keluaran suatu barang
tertentu selama suatu periode, K adalah Kapital (Mesin) yang digunakan selama periode tersebut,
L adalah banyaknya tenaga kerja yang digunakan selama periode tersebut, dan M adalah bahan
baku yang digunakan. Bentuk notasi ini menunjukkan masih adanya peubah-peubah lain yang
mempengaruhi proses produksi, karena fungsi produksi merupakan kombinasi dari berbagai
masukan untuk menghasilkan keluaran.
Untuk analisis faktor-faktor yang berpengaruh terhadap produktivitas usaha dengan
pendekatan besarnya nilai produksi, dapat digunakan fungsi produksi Cobb-Douglas. Cobb-
Douglas adalah salah satu fungsi produksi yang paling sering digunakan dalam penelitian empiris.
Fungsi ini juga meletakkan jumlah hasil produksi sebagai fungsi dari kapital, faktor tenaga kerja
(labour), dan bahan baku. Secara sederhana fungsi produksi Cobb-Douglas tersebut dapat
dituliskan sebagai berikut :
Dimana Q, K, dan L masing-masing telah dijelaskan sebelumnya. Sedangkan A, (alpha),dan
(beta) adalah parameter-parameter positif yang dalam setiap kasus ditentukan oleh data. Semakin
besar nilai A, barang teknologi semakin maju. Parameter mengukur persentase kenaikan Q
akibat adanya kenaikan satu persen K sementara L dipertahankan konstan. Demikian pula
parameter , mengukur persentase kenaikan Q akibat adanya kenaikan satu persen L sementara K
dipertahankan konstan. Jadi, dan masing-masing merupakan elastisitas output dari modal dan
tenaga kerja. Jika += 1, maka terdapat tambahan hasil yang konstan atas skala produksi; jika
+ > 1 terdapat tambahan hasil yang meningkat atas skala produksi dan jika + < 1 maka artinya terdapat tambahan hasil yang menurun atas skala produksi pada fungsi produksi Cobb-
Douglas (Dominic Salvatore, 2008; 147).
Dalam paper tugas mikroekonomi ini akan menggunakan fungsi Cobb-Douglas sebagai
berikut :
............................ (1)
Keterangan :
Q = Output (dalam rupiah)K = Input mesin (dalam rupiah)
-
7/31/2019 Final Paper Mikro
3/25
3|ANALISIS PENGARUH MESIN, TENAGA KERJA DAN BAHAN BAKU TERHADAP PRODUKSI INDUSTRI KRUPUK DAN SEJENISNYA TH 2008
L = Input Tenaga Kerja
M = Input bahan baku (dalam rupiah)
A = parameter effisiensi/koefisien teknologi
= elastisitas input mesin
= elastisitas input tenaga kerja
= elastisitas input bahan baku
Fungsi produksi Cobb Douglas dapat diperoleh dengan membuat linear persamaan (1).
Sehingga menjadi :
Ln Q = Ln A + Ln K + Ln L+ Ln M + e ..............................................(2)
Untuk membuat model regresi berganda (2) sebagai model yang fit untuk data Industri
Pengolahan Kerupuk dan sejanisnya ini, maka perlu diadakan serangkaian uji. Berikut merupakan
langkah-langkah untuk melakukan uji dalam merancang model yang fit.1. Identifikasi dan pembentukan model2. Pendugaan parameter model3. Pengujian keberartian parameter4. Penilaian ketepatan model (goodness of fit) dan pemeriksaanasumsi
1. Identifikasi dan pembentukan modelVariabel yang digunakan dalam model ini meliputi :
1. Variabel dependent (Y) : yaitu nilai logaritma dari produksi yang kemudian dilambangkandengan Ln Q, dimana hal tersebut dapat diinterpretasikan sebagai pertumbuhan produksi.
Produksi menunjukkan nilai total barang yang dihasilkan selama tahun 2008 dalam ribu
rupiah. Skala pengukuran rasio.
2. Variabel independent (X)a. X1 yaitu nilai logaritma dari nilai input mesin yang kemudian dilambangkan dengan Ln K,
dimana hal tersebut dapat diinterpretasikan sebagai pertumbuhan input mesin. Input mesin
menunjukkan nilai taksiran seluruh barang modal tetap menurut harga berlaku per 31
Desember 2008 dalam ribu rupiah. Skala pengukuran rasio.
b. X2 yaitu nilai logaritma dari nilai input tenaga kerja yang kemudian dilambangkan denganLn L, dimana hal tersebut dapat diinterpretasikan sebagai pertumbuhan input tenaga kerja.
Input tenaga kerja menunjukkan banyaknya pekerja/karyawan rata-rata per hari kerja baik
pekerja yang dibayar maupun tidak dibayar selama tahun 2008. Skala pengukuran rasio.
c. X3 yaitu nilai logaritma dari nilai input bahan baku yang kemudian dilambangkan denganLn M, dimana hal tersebut dapat diinterpretasikan sebagai pertumbuhan input bahan baku.
Input bahan baku menunjukkan nilai bahan baku dan bahan penolong yang dipakai selama
-
7/31/2019 Final Paper Mikro
4/25
4|ANALISIS PENGARUH MESIN, TENAGA KERJA DAN BAHAN BAKU TERHADAP PRODUKSI INDUSTRI KRUPUK DAN SEJENISNYA TH 2008
tahun 2008 dalam ribu rupiah baik berasal dari dalam negeri maupun impor. Skala
pengukuran rasio.
Pada tahap ini akan digunakan scatter plot untuk mengetahui bagaimana sebaran data.
Grafik 1. Scatter Plot antara LnQ dengan LnK
Grafik 2. Scatter Plot antara LnQ dengan LnL
Grafik 3.Scatter Plot antara LnQ dengan LnM
-
7/31/2019 Final Paper Mikro
5/25
5|ANALISIS PENGARUH MESIN, TENAGA KERJA DAN BAHAN BAKU TERHADAP PRODUKSI INDUSTRI KRUPUK DAN SEJENISNYA TH 2008
Seperti terlihat pada Grafik 1, Grafik 2, dan Grafik 3 maka dapat diketahui bahwa model
linier berganda cocok untuk data tersebut. Jadi model yang diajukan adalah model linear
berganda dengan 3 peubah yang dituliskan sebagai berikut
Ln Q = (Ln A) + (Ln K) + (Ln L)+ (Ln M)
2. Pendugaan parameter modelDengan menggunakan software SPSS 17.00 maka akan didapat nilai pendugaan parameter
model adalah sebagai berikut
3. Pengujian keberartian parameter Uji PartialHipotesis : H0 : vs H1 :
Taraf signifikansi : 0,01Wilayah Kritis : Tolak H0jika Sig 0,01
Statistik uji : uji t dimana
Statistik observasi : dan s(LnA)
dengan Sig = 0.000
Keputusan : Tolak H0
Kesimpulan : dengan tingkat kepercayaan 99 % maka Ln A atau pertumbuhan
teknologi berpengaruh signifikan terhadap Ln Q atau pertumbuhan produksi.
Hipotesis : H0 : vs H1 :
Taraf signifikansi : 0,01
Wilayah Kritis : Tolak H0jika Sig 0,01
Statistik uji : uji t dimana
Statistik observasi : dan
dengan Sig = 0.000
Keputusan : Tolak H0
Kesimpulan : dengan tingkat kepercayaan 99 % maka atau pertumbuhan input
mesin berpengaruh signifikan terhadap Ln Q atau pertumbuhan produksi.
Hipotesis : H0 : vs H1 :
Taraf signifikansi : = 0,01Wilayah Kritis : Tolak H0jika Sig 0,01
-
7/31/2019 Final Paper Mikro
6/25
6|ANALISIS PENGARUH MESIN, TENAGA KERJA DAN BAHAN BAKU TERHADAP PRODUKSI INDUSTRI KRUPUK DAN SEJENISNYA TH 2008
Statistik uji : uji t dimana
Statistik observasi : dan
dengan Sig = 0.000
Keputusan : Tolak H0
Kesimpulan : dengan tingkat kepercayaan 99 % maka atau pertumbuhan tenaga
kerja mesin berpengaruh signifikan terhadap Ln Q atau pertumbuhan produksi.
Hipotesis : H0 : vs H1 :
Taraf signifikansi : 0,01
Wilayah Kritis : Tolak H0jika Sig 0,01
Statistik uji : uji t dimana
Statistik observasi : dan
dengan Sig = 0.000
Keputusan : Tolak H0
Kesimpulan : dengan tingkat kepercayaan 99 % maka atau pertumbuhan input
bahan baku berpengaruh signifikan terhadap Ln Q atau pertumbuhan produksi.
Dari hasil pengujuan hipotesis secara parsial diatas maka dapat disimpulkan bahwa
pertumbuhan teknologi, pertumbuhan input mesin, pertumbuhan input tenaga kerja, dan
pertumbuhan input bahan baku berpengatuh secara signifikan terhadap pertumbuhan
produksi.
Koefisien korelasi parsialKarena semua data merupakan data dengan skala pengukuran rasio maka koefisien korelasi
yang digunakan adalah koefisien korelasi Pearson (r).
Nilai r sebesar 0.460 untuk pertumbuhan nilai produksi dengan pertumbuhan nilai mesin.
Nilai r sebesar 0.501 untuk pertumbuhan nilai produksi dengan pertumbuhan jumlah tenaga
kerja.
Nilai r sebesar 0.934 untuk pertumbuhan nilai produksi dengan pertumbuhan nilai bahan
baku.
4. Penilaian ketepatan model (goodness of fit) dan pemeriksaan asumsi Uji overallHipotesis :H0: Ln Q (Ln A) + (Ln K) + (Ln L)+ (Ln M)
H1: Ln Q = (Ln A) + (Ln K) + (Ln L)+ (Ln M)Taraf signifikansi : 0,01
-
7/31/2019 Final Paper Mikro
7/25
7|ANALISIS PENGARUH MESIN, TENAGA KERJA DAN BAHAN BAKU TERHADAP PRODUKSI INDUSTRI KRUPUK DAN SEJENISNYA TH 2008
Wilayah Kritis : Tolak H0jika Sig 0,01
Statistik uji : uji F dimana
Statistik observasi : MSR = 157,005 dan MSE = .088
dengan Sig = 0.000
Keputusan : Tolak H0
Kesimpulan : dengan tingkat kepercayaan 99 % maka model linear berganda
merupakan model yang fit untuk data. Model tersebut yakni.
Ln Q = + 0.082(Ln K) + 0.117 (Ln L)+0.752 (Ln M)
Metode yang digunakan dalam menyeleksi variabel adalah metode enter. Hal ini berarti
memasukkan semua variabel tanpa menyeleksi terlebih dahulu.
Koefisien determinasi (R2)Koefisien determinasi digunakan untuk mengukur proporsi keragaman total dari nilai
observasi Y disekitar rataannya yang dapat diterangkan oleh garis regresinya atau variabel
bebas yang digunakan. Nilainya berada diantara 0 R21, makin mendekati 1 berarti model
regresi yang digunakan makin tepat / baik. Pada model yang digunakan mempunyai nilai R2
sebesar 0.892. Ini mengindikasikan bahwa sebesar 89,2 % seluruh variasi total produksi
diterangkan dari model, sisanya sebesar 10,8% diterangkan faktor-faktor lain yang tidak
diperhitungkan ke dalam model.
Koefisien korelasi linear (R)Koefisien korelasi linear merupakan suatu ukuran yang menyatakan erat tidaknya hubungan
linier yang ada antara variable X danY. Nilai koefisien korelasi berkisar antara -1 sampai 1 (-
1 r 1). Tanda positif atau negatif dari R sesuai dengan tanda positif atau negatif pada
parameter. Pada model yang digunakan mempunyai nilai R sebesar 0.945. Ini
mengindikasikan bahwa terdapat hubungan yang sangat kuat antara ketiga variabel bebas
(lnK, lnL, dan lnM) dengan pertumbuhan produksi.
Uji LinearitasPlot antara Regression Standardized Residual dengan Regression Standardized Predicted
Value akan memiliki pencaran titik yang terbentuk secara acak di sekitar nol, maka asumsi
liniaritas terpenuhi.
Uji linearitas juga dapat diketahui dengan uji F (ANOVA) untuk tes linearitas.
Hipotesis :H0: Tidak terdapat hubungan linier antara LnK dengan LnQ
H1: Terdapat hubungan linier antara LnK dengan LnQ
Taraf signifikansi : 0,01
Wilayah Kritis : Tolak H0jika Sig 0,01
-
7/31/2019 Final Paper Mikro
8/25
8|ANALISIS PENGARUH MESIN, TENAGA KERJA DAN BAHAN BAKU TERHADAP PRODUKSI INDUSTRI KRUPUK DAN SEJENISNYA TH 2008
Statistik uji : uji F linearity
Statistik observasi : F=191,594 dengan Sig = 0.000
Keputusan : Tolak H0
Kesimpulan : dengan tingkat kepercayaan 99 % maka Terdapat hubungan linier
yang nyata antara LnK dengan LnQ.
Hipotesis :H0: Tidak terdapat hubungan linier antara LnL dengan LnQ
H1: Terdapat hubungan linier antara LnL dengan LnQ
Taraf signifikansi : 0,01
Wilayah Kritis : Tolak H0jika Sig 0,01
Statistik uji : uji F linearity
Statistik observasi : F=357,760 dengan Sig = 0.000
Keputusan : Tolak H0Kesimpulan : dengan tingkat kepercayaan 99 % maka Terdapat hubungan linier
yang nyata antara LnL dengan LnQ.
Hipotesis :H0: Tidak terdapat hubungan linier antara LnM dengan LnQ
H1: Terdapat hubungan linier antara LnM dengan LnQ
Taraf signifikansi : 0,01
Wilayah Kritis : Tolak H0jika Sig 0,01
Statistik uji : uji F linearity
Statistik observasi : F=89031,055 dengan Sig = 0.000
Keputusan : Tolak H0
Kesimpulan : dengan tingkat kepercayaan 99 % maka Terdapat hubungan linier
yang nyata antara LnM dengan LnQ.
Grafik 4. Scatter plot antara Regression Standardized Residual dengan Regression
Standardized Predicted Value.
-
7/31/2019 Final Paper Mikro
9/25
9|ANALISIS PENGARUH MESIN, TENAGA KERJA DAN BAHAN BAKU TERHADAP PRODUKSI INDUSTRI KRUPUK DAN SEJENISNYA TH 2008
Uji normalitasPlot antara residual yang diurutkan e(i) dengan nilai harapannya E(e(i)) akan memiliki
pencaran titik-titik yang membentuk atau mendekati suatu garis linier jika data berdistribusi
normal. Tetapi hal ini bisa mendapat subyektifitas dari masing-masing peneliti. Untuk itu,
tetap harus diujikan tes kenormalan menggunakan Kolmogorof-Smirnov.
Grafik 5. Normal P-P Plot
Uji kenormalan juga dapat dilacak dengan uji Kolmogorof-Smirnov untuk nilai residualnya,.
Hipotesis :H0: Data berdistribusi normal atau e(i)~N(,)
H1: Data tidak berdistribusi normal atau e(i)~N(,)
Taraf signifikansi : 0,01
Wilayah Kritis : Tolak H0jika Sig 0,01
Statistik uji : One-sample Kolmogorof-Smirnov Z
Statistik observasi : Z=2,554 dengan Sig = 0.000
Keputusan : Tolak H0
Kesimpulan : dengan tingkat kepercayaan 99 % maka data tidak memenuhi
asumsi kenormalan.
Uji homoskedastisitasHomoskedastis berarti varians error bersyarat X merupakan suatu angka konstan,
dilambangkan dengan , ..., niXEi
1)|(22
Sama halnya seperti uji linearitas jika plot antara e(i) dengan dependent variabelnya
menunjukkan pola acak dan berada di sekitar nol maka asumsi homoskedastisitas terpenuhi.
-
7/31/2019 Final Paper Mikro
10/25
10|ANALISIS PENGARUH MESIN, TENAGA KERJA DAN BAHAN BAKU TERHADAP PRODUKSI INDUSTRI KRUPUK DAN SEJENISNYA TH 2008
Grafik 6. Scatter plot antara unstandardized residual dengan Ln Q
AutokorelasiAutokorelasi merupakan terjadinya korelasi antara variabel itu sendiri, pada pengamatan
yang berbeda waktu atau individu. Autokorelasi dapat dideteksi dengan uji Durbin-watson.
Berikut adalah pengertian dari uji Durbin-Watson , The Durbin-Watson test statistic tests the
null hypothesis that the residuals from an ordinary least-squares regression are not
autocorrelated against the alternative that the residuals follow an AR1 process. The Durbin-
Watson statistic ranges in value from 0 to 4. A value near 2 indicates non-autocorrelation; a
value toward 0 indicates positive autocorrelation; a value toward 4 indicates negative
autocorrelation.
H0 : atau tidak terjadi autokorelasi
H1 : atau terjadi autokorelasiTaraf Signifikansi :
Wilayah Kritis : Tidak tolak Ho jika du
-
7/31/2019 Final Paper Mikro
11/25
11|ANALISIS PENGARUH MESIN, TENAGA KERJA DAN BAHAN BAKU TERHADAP PRODUKSI INDUSTRI KRUPUK DAN SEJENISNYA TH 2008
disturbance in the data, and if present in the data the statistical inferences made about the
data may not be reliable.
Hipotesis :H0:
H1:
Taraf signifikansi : 0,01
Wilayah Kritis : Tolak H0 jika VIF
-
7/31/2019 Final Paper Mikro
12/25
12|ANALISIS PENGARUH MESIN, TENAGA KERJA DAN BAHAN BAKU TERHADAP PRODUKSI INDUSTRI KRUPUK DAN SEJENISNYA TH 2008
Grafik 9 . Boxplot dari LnK sebelum
dikeluarkan outliernya
Grafik 10 . Boxplot dari LnK setelah
dikeluarkan outliernya
Grafik 11 . Boxplot dari LnL
sebelum dikeluarkan outliernya
Grafik 12 . Boxplot dari LnL setelah
dikeluarkan outliernya
Grafik 13 . Boxplot dari LnM sebelum
dikeluarkan outliernya
Grafik 14 . Boxplot dari LnM setelah
dikeluarkan outliernya
-
7/31/2019 Final Paper Mikro
13/25
13|ANALISIS PENGARUH MESIN, TENAGA KERJA DAN BAHAN BAKU TERHADAP PRODUKSI INDUSTRI KRUPUK DAN SEJENISNYA TH 2008
Grafik 15 . Boxplot dari residual sebelum
dikeluarkan outliernya
Grafik 16 . Boxplot dari residual setelah
dikeluarkan outliernya
Model Ln Q = (Ln A) + (Ln K) + (Ln L)+ (Ln M) diajukan kembali dan langkah-langkahserupa harus kembali dijalankan.
1. Identifikasi dan pembentukan model2. Pendugaan parameter model3. Pengujian keberartian parameter4. Penilaian ketepatan model (goodness of fit) dan pemeriksaanasumsi
1.
Identifikasi dan pembentukan modelVariabel yang digunakan dalam model ini sama dengan variabel yang telah dijelaskan
sebelumnya. Untuk scatter plot tahapan identifikasi dan pembentukan model, telah dijelaskan di
tahapan yang sama sebelumnya.
2. Pendugaan parameter modelDengan menggunakan software SPSS 17.00 maka akan didapat nilai pendugaan parameter
model adalah sebagai berikut
; = 0,047; ;
3. Pengujian keberartian parameter Uji PartialHipotesis : H0 : vs H1 :
Taraf signifikansi : 0,01
Wilayah Kritis : Tolak H0jika Sig 0,01
Statistik uji : uji t dimana
Statistik observasi : dan s(LnA)
dengan Sig = 0.000
-
7/31/2019 Final Paper Mikro
14/25
14|ANALISIS PENGARUH MESIN, TENAGA KERJA DAN BAHAN BAKU TERHADAP PRODUKSI INDUSTRI KRUPUK DAN SEJENISNYA TH 2008
Keputusan : Tolak H0
Kesimpulan : dengan tingkat kepercayaan 99 % maka Ln A atau pertumbuhan
teknologi berpengaruh signifikan terhadap Ln Q atau pertumbuhan produksi.
Hipotesis : H0 : vs H1 :
Taraf signifikansi : 0,01
Wilayah Kritis : Tolak H0jika Sig 0,01
Statistik uji : uji t dimana
Statistik observasi : dan
dengan Sig = 0.000
Keputusan : Tolak H0
Kesimpulan : dengan tingkat kepercayaan 99 % maka atau pertumbuhan input
mesin berpengaruh signifikan terhadap Ln Q atau pertumbuhan produksi.
Hipotesis : H0 : vs H1 :
Taraf signifikansi : = 0,01
Wilayah Kritis : Tolak H0jika Sig 0,01
Statistik uji : uji t dimana
Statistik observasi : dan
dengan Sig = 0.009
Keputusan : Tolak H0
Kesimpulan : dengan tingkat kepercayaan 99 % maka atau pertumbuhan tenaga
kerja mesin berpengaruh signifikan terhadap Ln Q atau pertumbuhan produksi.
Hipotesis : H0 : vs H1 : Taraf signifikansi : 0,01
Wilayah Kritis : Tolak H0 jika Sig 0,01
Statistik uji : uji t dimana
Statistik observasi : dan
dengan Sig = 0.000
Keputusan : Tolak H0
-
7/31/2019 Final Paper Mikro
15/25
15|ANALISIS PENGARUH MESIN, TENAGA KERJA DAN BAHAN BAKU TERHADAP PRODUKSI INDUSTRI KRUPUK DAN SEJENISNYA TH 2008
Kesimpulan : dengan tingkat kepercayaan 99 % maka atau pertumbuhan input
bahan baku berpengaruh signifikan terhadap Ln Q atau pertumbuhan produksi.
Dari hasil pengujuan hipotesis secara parsial diatas maka dapat disimpulkan bahwa
pertumbuhan teknologi, pertumbuhan input mesin, pertumbuhan input tenaga kerja, dan
pertumbuhan input bahan baku berpengatuh secara signifikan terhadap pertumbuhan
produksi.
Koefisien korelasi parsialKarena semua data merupakan data dengan skala pengukuran rasio maka koefisien korelasi
yang digunakan adalah koefisien korelasi Pearson (r).
Nilai r sebesar 0.450 untuk pertumbuhan nilai produksi dengan pertumbuhan nilai mesin.
Nilai r sebesar 0.346 untuk pertumbuhan nilai produksi dengan pertumbuhan jumlah tenaga
kerja.Nilai r sebesar 0.965 untuk pertumbuhan jumlah tenaga kerja dengan pertumbuhan nilai
mesin.
5. Penilaian ketepatan model (goodness of fit) dan pemeriksaan asumsi Uji overallHipotesis :H0: Ln Q (Ln A) + (Ln K) + (Ln L)+ (Ln M)
H1: Ln Q = (Ln A) + (Ln K) + (Ln L)+ (Ln M)
Taraf signifikansi : 0,01
Wilayah Kritis : Tolak H0jika Sig 0,01
Statistik uji : uji F dimana
Statistik observasi : MSR = 90,324 dan MSE = 0,032
dengan Sig = 0.000
Keputusan : Tolak H0
Kesimpulan : dengan tingkat kepercayaan 99 % maka model linear berganda
merupakan model yang fit untuk data. Model tersebut yakni.
Ln Q = 2,095 + 0.047(Ln K) + 0.047 (Ln L)+0.834 (Ln M)
Metode yang digunakan dalam menyeleksi variabel adalah metode enter. Hal ini berarti
memasukkan semua variabel tanpa menyeleksi terlebih dahulu.
Koefisien determinasi (R2)Pada model yang digunakan mempunyai nilai R
2mengalami kenaikan menjadi sebesar
0.938. Ini mengindikasikan bahwa sebesar 93,8 % seluruh variasi total produksi diterangkan
-
7/31/2019 Final Paper Mikro
16/25
16|ANALISIS PENGARUH MESIN, TENAGA KERJA DAN BAHAN BAKU TERHADAP PRODUKSI INDUSTRI KRUPUK DAN SEJENISNYA TH 2008
dari model, sisanya sebesar 6,2% diterangkan faktor-faktor lain yang tidak diperhitungkan ke
dalam model.
Koefisien korelasi linear (R)Pada model yang digunakan mempunyai nilai R sebesar 0.969. Ini mengindikasikan bahwa
terdapat hubungan yang sangat kuat antara ketiga variabel bebas (lnK, lnL, dan lnM) dengan
pertumbuhan produksi.
Uji LinearitasHipotesis :H0: Tidak terdapat hubungan linier antara LnK dengan LnQ
H1: Terdapat hubungan linier antara LnK dengan LnQ
Taraf signifikansi : 0,01
Wilayah Kritis : Tolak H0jika Sig 0,01
Statistik uji : uji F linearityStatistik observasi : F=138,939 dengan Sig = 0.000
Keputusan : Tolak H0
Kesimpulan : dengan tingkat kepercayaan 99 % maka Terdapat hubungan linier
yang nyata antara LnK dengan LnQ.
Hipotesis :H0: Tidak terdapat hubungan linier antara LnL dengan LnQ
H1: Terdapat hubungan linier antara LnL dengan LnQ
Taraf signifikansi : 0,01
Wilayah Kritis : Tolak H0 jika Sig 0,01
Statistik uji : uji F linearity
Statistik observasi : F=130,083 dengan Sig = 0.000
Keputusan : Tolak H0
Kesimpulan : dengan tingkat kepercayaan 99 % maka Terdapat hubungan linier
yang nyata antara LnL dengan LnQ.
Hipotesis :H0: Tidak terdapat hubungan linier antara LnM dengan LnQ
H1: Terdapat hubungan linier antara LnM dengan LnQ
Taraf signifikansi : 0,01
Wilayah Kritis : Tolak H0jika Sig 0,01
Statistik uji : uji F linearity
Statistik observasi : F=52336,405 dengan Sig = 0.000
Keputusan : Tolak H0
-
7/31/2019 Final Paper Mikro
17/25
17|ANALISIS PENGARUH MESIN, TENAGA KERJA DAN BAHAN BAKU TERHADAP PRODUKSI INDUSTRI KRUPUK DAN SEJENISNYA TH 2008
Kesimpulan : dengan tingkat kepercayaan 99 % maka Terdapat hubungan linier
yang nyata antara LnM dengan LnQ.
Uji normalitasGrafik 17. Normal P-P Plot
Plot antara residual yang diurutkan e(i) dengan nilai harapannya E(e(i)) akan memiliki
pencaran titik-titik yang membentuk atau mendekati suatu garis linier jika data berdistribusi
normal. Tetapi hal ini bisa mendapat subyektifitas dari masing-masing peneliti. Untuk itu,
tetap harus diujikan tes kenormalan menggunakan Kolmogorof-Smirnov.
Hipotesis :Ho: Data berdistribusi normal atau e(i)~N(,)
H1: Data tidak berdistribusi normal atau e(i)~N(,)
Taraf signifikansi : 0,01
Wilayah Kritis : Tolak H0 jika Sig 0,01
Statistik uji : One-sample Kolmogorof-Smirnov Z
Statistik observasi : Z=1,560 dengan Sig = 0.015
Keputusan : Tidak tolak H0
Kesimpulan : dengan tingkat kepercayaan 99 % maka data memenuhi asumsi
kenormalan.
Uji homoskedastisitasSama halnya seperti uji linearitas jika plot antara e(i) dengan dependent variabelnya
menunjukkan pola acak dan berada di sekitar nol maka asumsi homoskedastisitas
terpenuhi.
-
7/31/2019 Final Paper Mikro
18/25
18|ANALISIS PENGARUH MESIN, TENAGA KERJA DAN BAHAN BAKU TERHADAP PRODUKSI INDUSTRI KRUPUK DAN SEJENISNYA TH 2008
Grafik 18. Scatter plot antara unstandardized residual dengan Ln Q
Homoskedastisitas juda dapat diketahui dari uji Park.
Hipotesis :H0:
H1:
Taraf signifikansi : 0,01
Wilayah Kritis : Tolak H0 jika Sig 0,01
Statistik uji : tk dimana k=
Statistik observasi : t=1,292 dengan Sig = 0,197
t= -0,106 dengan Sig = 0.916
t= 0,889 dengan Sig = 0.374
t = -2,392 dengan Sig = 0.017
Keputusan : Tolak H0
Kesimpulan : dengan tingkat kepercayaan 99 % maka
atau variabel-variabel bebas pada model yang diajukan
memenuhi asusmsi homoskedastisitas.
AutokorelasiHipotesis : H0 : atau tidak terjadi autokorelasi
H1: atau terjadi autokorelasi
Taraf Signifikansi :
Wilayah Kritis : Tidak tolak Ho jika d
-
7/31/2019 Final Paper Mikro
19/25
19|ANALISIS PENGARUH MESIN, TENAGA KERJA DAN BAHAN BAKU TERHADAP PRODUKSI INDUSTRI KRUPUK DAN SEJENISNYA TH 2008
Kesimpulan : Dengan tingkat kepercayaan 99% berarti tidak ada korelasi negatif
ataupun positif antar variabelnya atau asumsi non-autokorelasi terpenuhi.
Uji MultikolinearitasHipotesis :H0:
H1:
Taraf signifikansi : 0,01
Wilayah Kritis : Tolak H0 jika VIF
-
7/31/2019 Final Paper Mikro
20/25
20|ANALISIS PENGARUH MESIN, TENAGA KERJA DAN BAHAN BAKU TERHADAP PRODUKSI INDUSTRI KRUPUK DAN SEJENISNYA TH 2008
pertumbuhannya 0,45639. Jadi perkiraan penyimpangan rata-rata pertumbuhan jumlah tenaga
kerja tidak jauh dari 3,7960 %.
Sedangkan rata-rata dari Ln M adalah sebesar 13,2958. Hal ini mengindikasikan bahwa
rata-rata pertumbuhan jumlah tenaga kerja sebesar 13,2958% dengan penyimpangan rata-rata
pertumbuhannya 0,80025. Jadi perkiraan penyimpangan rata-rata pertumbuhan jumlah tenaga
kerja tidak jauh dari 13,2958 %.
IV. Analisis Inferensia
Pada analisis inferensia ini akan dijelaskan mengenai variabel-variabel yang berpengaruh
secara signifikan terhadap produksi, bagaimana hubungannya dengan produksi, model regresi
yang cocok, dan fungsi produksi Cobb-Douglas untuk Industri Pengolahan Kerupuk dan
sejenisnya.
Sebelum menganalisis hasil pengujian, hendaknya perlu diketahu terlebih dahulu
bagaimana proses produksi pembuatan kerupuk. Berikut adalah contoh proses produksi kerupuk
untuk jenis kerupuk ikan.
Grafik 19. Diagram Alur Proses Produksi Kerupuk Ikan
-
7/31/2019 Final Paper Mikro
21/25
21|ANALISIS PENGARUH MESIN, TENAGA KERJA DAN BAHAN BAKU TERHADAP PRODUKSI INDUSTRI KRUPUK DAN SEJENISNYA TH 2008
Proses penyiapan bahan baku adalah persiapan daging ikan yang akan digunakan, tepung serta
bumbu-bumbu yang digunakan beserta perhitungan komposisi masing-masing bahan untuk
setiap adonan. Dalam mempersiapkan bahan baku pembuatan kerupuk ikan yang perlu mendapat
perhatian utama adalah penyiapan ikan yang akan dijadikan bahan utama.
Untuk Proses pembentukan adonan, pengukusan, pemotongan, pendinginan dan Pencetakan ini
bisa dilakukan dengan tangan ataupun dengan mesin. Tentunya jika dilakukan dengan mesin
akan lebih mengefisinsi waktu. Mesin yang biasa digunakan adalah mesin pemotong dan
penggunaan oven. Penggunaan teknologi ini dapat menghasilkan jumlah produksi yang berlipat-
lipat jika dibandingkan dengan teknologi sederhana. Dalam satu hari dapat dilakukan 3-4 kali
adonan kerupuk. Selain itu dengan teknologi ini akan menghemat jumlah tenaga kerja yang
digunakan yang akan menurunkan biaya operasional. Sedangkan untuk proses Pengepakan,sebagian industri kerupuk telah menggunakan mesin terutama untuk industri pengolahan besar.
Sesuai dengan hasil uji parsial seperti yang telah dilakukan, kedua variabel yang diajukan
memberikan hasil signifikan. Sehingga pertumbuhan nilai input mesin, dan pertumbuhan jumlah
tenaga kerja memang berpengaruh secara signifikan terhadap pertumbuhan nilai produksi
industri pengolahan kerupuk dan sejenisnya. Sejalan dengan selang kepercayaan dengan tingkat
kepercayaan 99% untuk masing-masing estimator, yang pertama adalah selang untuk LnA yakni
1,840 < LnA < 2,350 yang berarti selang tersebut selalu berada di daerah positif. Hal tersebut
terjadi juga pada selang kepercayaan dengan tingkat kepercayaan yang sama untuk , dan
berturut-turut adalah 0,035 < < 0,060 ; 0,012 < < 0,082; 0,812< Sig (1-tailed)=0,000 maka hubungan antara produksi dan mesin
nyata.
Nilai r sebesar 0.346 untuk pertumbuhan produksi dengan pertumbuhan tenaga kerja
menandakan hubungan antara keduanya agak lemah. Interpretasi ini diperkuat dengan uji
probabilitas, karena alfa=0,01 > Sig (1-tailed)=0,000 maka hubungan antara produksi dan
tenaga kerja nyata.
Nilai r sebesar 0.965 untuk pertumbuhan mesin dengan pertumbuhan tenaga kerja
menandakan hubungan antara keduanya sangat kuat. Interpretasi ini diperkuat dengan uji
-
7/31/2019 Final Paper Mikro
22/25
22|ANALISIS PENGARUH MESIN, TENAGA KERJA DAN BAHAN BAKU TERHADAP PRODUKSI INDUSTRI KRUPUK DAN SEJENISNYA TH 2008
probabilitas, karena alfa=0,01 > Sig (1-tailed)=0,000 maka hubungan antara produksi dan bahan
baku nyata.
Dari ketiga nilai koefisien korelasi tersebut dapat diketahui bahwa kesemua variabel
memiliki hubungan yang signifikan dan hubungan yang paling kuat terjadi antara pertumbuhan
nilai produksi dengan pertumbuhan nilai input bahan baku. Optimalisasi tenaga kerja dan
penambahan mesin adalah suatu upaya untuk meningkatkan produksi.
Setelah diuji secara overall, maka didapatkan bahwa model linear berganda cocok untuk
meramalkan nilai pertumbuhan produksi. Model estimasi yang digunakan adalah sebagai
berikut, Ln Q = 2,095+ 0,047 (Ln K) + 0.047 (Ln L) + 0,834 (Ln M)
Dari persamaan tersebut dapat diramalkan bahwa jika nilai input mesin mengalami
pertumbuhan yang meningkat sebesar 1 % maka pertumbuhan nilai produksi juga akan
meningkat sebesar 0,047 % dengan asumsi variabel yang lain konstan. Sedangkan jika jumlahtenaga kerja mengalami pertumbuhan yang meningkat sebesar 1 % maka pertumbuhan nilai
produksi juga akan meningkat sebesar 0,047 % dengan asumsi variabel yang lain konstan.
Begitu juga jika nilai input bahan baku mengalami pertumbuhan yang meningkat sebesar 1 %
maka pertumbuhan nilai produksi juga akan meningkat sebesar 0,834 % dengan asumsi variabel
yang lain konstan.
Pada model estimasi tersebut, pertumbuhan nilai produksi dapat diterangkan oleh
pertumbuhan nilai input mesin, bahan baku dan jumlah tenaga kerja sebesar 93,8 % sedangkan
6,2% diterangkan oleh variabel lain yang tidak ada dalam model.
Persamaan Ln Q = 2,095+ 0,047 (Ln K) + 0.047 (Ln L) + 0,834 (Ln M) dapat
dikembalikan lagi menjadi fungsi produksi Cobb-Douglas dengan cara meng-anti-logaritmakan
persamaan tersebut. Maka akan didapat fungsi produksi Cobb-Douglas seperti pada persamaan
(1) sebagai berikut
Q = 8,125 x K0,047
x L0,047
x M0,834
Nilai 8,125 merupakan koefisien teknologi yang bernilai besar positif. Hal ini berarti
barang teknologi semakin maju. Dapat dilihat bahwa penjumlahan dari pangkat yang dimiliki
oleh variabel input mesin (K), input tenaga kerja (L), dan input bahan baku (M) bernilai lebih
dari 1. Hal ini mengindikasikan bahwa terdapat tambahan hasil yang meningkat atas skala
produksi atau biasa disebut dengan IRS (Incremental Return to Scale).
Rata-rata Produksi Per Variabel/Average Product (AP)
Nilai APK sebesar menunjukkan bahwa setiap mesin yang dinilai
seharga seribu rupiah rata-rata menghasilkan produksi kerupuk senilai
-
7/31/2019 Final Paper Mikro
23/25
23|ANALISIS PENGARUH MESIN, TENAGA KERJA DAN BAHAN BAKU TERHADAP PRODUKSI INDUSTRI KRUPUK DAN SEJENISNYA TH 2008
Nilai APL sebesar ribuan/orang menunjukkan bahwa setiap tenaga kerja
rata-rata menghasilkan nilai produksi kerupuk senilai .
Nilai APM sebesar ribu rupiah menunjukkan bahwa setiap bahan baku seharga
seribu rupiah rata-rata menghasilkan nilai produksi kerupuk senilai .
Keterangan :
APK : Rata-rata produksi makanan untuk setiap mesin
APL : Rata-rata produksi makanan untuk setiap tenaga kerja
APM : Rata-rata produksi makanan untuk setiap bahan baku
Marginal Product (MP)Definisi dari Marginal Product dalam bussinessdictionary.com adalah
Output that results from one additional unit of a factor ofproduction (such as a labor
hour or machine hour), all otherfactors remaining constant. Whereas the marginal
costindicates the added cost incurred in producing an additional unit of
output, marginal product indicates the added output accruing to an additional input. Since
marginal product is measured in physical units produced, it is also calledmarginal physical
product. Marginal Produk dalam paper ini ada tiga jenis, yakni MPK, MPL, dan MPM
Nilai MPK sebesar menjelaskan bahwa jika mesin ditambah sebesar Rp100.000,00 maka produksi kerupuk akan naik sebesar Rp
Nilai MPL sebesar menjelaskan bahwa jika tenaga kerja ditambah sebanyak 1
orang maka produksi kerupuk akan naik sebesar Rp .
http://www.businessdictionary.com/definition/output.htmlhttp://www.businessdictionary.com/definition/result.htmlhttp://www.investorwords.com/8766/additional.htmlhttp://www.businessdictionary.com/definition/production.htmlhttp://www.businessdictionary.com/definition/labor-hour.htmlhttp://www.businessdictionary.com/definition/labor-hour.htmlhttp://www.businessdictionary.com/definition/machine-hour.htmlhttp://www.businessdictionary.com/definition/factor.htmlhttp://www.businessdictionary.com/definition/marginal-cost.htmlhttp://www.businessdictionary.com/definition/marginal-cost.htmlhttp://www.investorwords.com/10019/indicate.htmlhttp://www.businessdictionary.com/definition/cost.htmlhttp://www.investorwords.com/5651/marginal.htmlhttp://www.investorwords.com/3874/product.htmlhttp://www.businessdictionary.com/definition/input.htmlhttp://www.businessdictionary.com/definition/unit.htmlhttp://www.businessdictionary.com/definition/marginal-physical-product.htmlhttp://www.businessdictionary.com/definition/marginal-physical-product.htmlhttp://www.businessdictionary.com/definition/marginal-physical-product.htmlhttp://www.businessdictionary.com/definition/marginal-physical-product.htmlhttp://www.businessdictionary.com/definition/unit.htmlhttp://www.businessdictionary.com/definition/input.htmlhttp://www.investorwords.com/3874/product.htmlhttp://www.investorwords.com/5651/marginal.htmlhttp://www.businessdictionary.com/definition/cost.htmlhttp://www.investorwords.com/10019/indicate.htmlhttp://www.businessdictionary.com/definition/marginal-cost.htmlhttp://www.businessdictionary.com/definition/marginal-cost.htmlhttp://www.businessdictionary.com/definition/factor.htmlhttp://www.businessdictionary.com/definition/machine-hour.htmlhttp://www.businessdictionary.com/definition/labor-hour.htmlhttp://www.businessdictionary.com/definition/labor-hour.htmlhttp://www.businessdictionary.com/definition/production.htmlhttp://www.investorwords.com/8766/additional.htmlhttp://www.businessdictionary.com/definition/result.htmlhttp://www.businessdictionary.com/definition/output.html -
7/31/2019 Final Paper Mikro
24/25
24|ANALISIS PENGARUH MESIN, TENAGA KERJA DAN BAHAN BAKU TERHADAP PRODUKSI INDUSTRI KRUPUK DAN SEJENISNYA TH 2008
Nilai MPM sebesar menjelaskan bahwa jika bahan baku ditambah sebesar Rp
1.000,00 maka produksi kerupuk akan naik sebesar Rp
Keterangan :
MPK = Marginal Product Mesin
MPL = Marginal Product Tenaga KerjaMPM = Marginal Product Bahan Baku
V. Kesimpulan Nilai input mesin, jumlah tenaga kerja dan nilai input bahan baku yang bersangkutan
berpengaruh signifikan terhadap nilai produksi kerupuk dan sejenisnya di industri
pengolahan besar dan sedang.
Model regresi yang cocok untuk data sebagai berikut :Ln Q = 2,095+ 0,047 (Ln K) + 0.047 (Ln L) + 0,834 (Ln M)
Fungsi produksi yang terbentuk untuk nilai produksi kerupuk dan sejenisnya di industripengolahan besar dan sedang adalah Q = 8,125 x K
0,047x L
0,047x M
0,834
Dimana K adalah nilai input mesin, L adalah jumlah tenaga kerja, M adalah nilai input
bahan baku dan Q adalah nilai produksi
Nilai APK, APL, dan APM berturut-turut adalah sebagai berikut ; ; .
Nilai Elastisitas untuk masing-masing Mesin, tenaga kerja dan bahan baku adalahsebagai berikut 0,047 ; 0,047 ; 0,834 .
Nilai MPK, MPL, MPM berturut-turut adalah sebagai berikut Rp ; Rp ; Rp .
-
7/31/2019 Final Paper Mikro
25/25
Daftar Pustaka
Pyndick, S Robert. Rubinfield, L Daniel. 2003.Microeconomics 5th edition. New Jersey:
Prentice-Hall Inc.
Santoso, Singgih. 2004.Buku Latihan SPSS Statistik Parametrik. Edisi keempat. Jakarta :
Gramedia
Neter, Jhon. Wasserman, W., Kutner M.H. 1989.Applied Linear Regression Models. 2nd ed.
Boston.
Utomo, A.P. 2011.Materi Regresi dan Korelasi. Jakarta
(online). 20 Januari 2011. http://www.kfupm.edu.sa/aisys/wbkfupm/departments/math/
091/coursefile_data/STAT212_091_03_O3.pdf
(online). 20 Januari 2011.http://www.statisticssolutions.com/methods-chapter/data-entry-
cleaning-and-coding/multicollinearity/
(online). 20 Januari 2011.http://www.bi.go.id/sipuk/id/
(online). 12 Februari 2011. http://www.businessdictionary.com/definition/marginal-product.html
http://www.kfupm.edu.sa/aisys/wbkfupm/departments/math/%20091/coursefile_data/STAT212_091_03_O3.pdfhttp://www.kfupm.edu.sa/aisys/wbkfupm/departments/math/%20091/coursefile_data/STAT212_091_03_O3.pdfhttp://www.statisticssolutions.com/methods-chapter/data-entry-cleaning-and-coding/multicollinearity/http://www.statisticssolutions.com/methods-chapter/data-entry-cleaning-and-coding/multicollinearity/http://www.bi.go.id/sipuk/id/http://www.bi.go.id/sipuk/id/http://www.businessdictionary.com/definition/marginal-product.htmlhttp://www.businessdictionary.com/definition/marginal-product.htmlhttp://www.bi.go.id/sipuk/id/http://www.statisticssolutions.com/methods-chapter/data-entry-cleaning-and-coding/multicollinearity/http://www.statisticssolutions.com/methods-chapter/data-entry-cleaning-and-coding/multicollinearity/http://www.kfupm.edu.sa/aisys/wbkfupm/departments/math/%20091/coursefile_data/STAT212_091_03_O3.pdfhttp://www.kfupm.edu.sa/aisys/wbkfupm/departments/math/%20091/coursefile_data/STAT212_091_03_O3.pdf