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


2/25


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)


3/25


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


4/25


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


5/25


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 observasi : dan

dengan Sig = 0.000


Kesimpulan : dengan tingkat kepercayaan 99 % maka atau pertumbuhan input

mesin berpengaruh signifikan terhadap Ln Q atau pertumbuhan produksi.


Taraf signifikansi : = 0,01Wilayah Kritis : Tolak H0jika Sig 0,01


6/25




dengan Sig = 0.000


Kesimpulan : dengan tingkat kepercayaan 99 % maka atau pertumbuhan tenaga

kerja mesin berpengaruh signifikan terhadap Ln Q atau pertumbuhan produksi.






dengan Sig = 0.000



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


7/25



Statistik uji : uji F dimana

Statistik observasi : MSR = 157,005 dan MSE = .088

dengan Sig = 0.000


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




8/25


Statistik uji : uji F linearity

Statistik observasi : F=191,594 dengan Sig = 0.000


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





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







yang nyata antara LnM dengan LnQ.

Grafik 4. Scatter plot antara Regression Standardized Residual dengan Regression

Standardized Predicted Value.


9/25


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(,)



Statistik uji : One-sample Kolmogorof-Smirnov Z

Statistik observasi : Z=2,554 dengan Sig = 0.000


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.


10/25


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


11/25


disturbance in the data, and if present in the data the statistical inferences made about the

data may not be reliable.

Hipotesis :H0:

H1:


Wilayah Kritis : Tolak H0 jika VIF


12/25


Grafik 9 . Boxplot dari LnK sebelum

dikeluarkan outliernya

Grafik 10 . Boxplot dari LnK setelah


Grafik 11 . Boxplot dari LnL

sebelum dikeluarkan outliernya

Grafik 12 . Boxplot dari LnL setelah


Grafik 13 . Boxplot dari LnM sebelum


Grafik 14 . Boxplot dari LnM setelah



13/25


Grafik 15 . Boxplot dari residual sebelum


Grafik 16 . Boxplot dari residual setelah


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 :




Statistik observasi : dan s(LnA)

dengan Sig = 0.000


14/25



Kesimpulan : dengan tingkat kepercayaan 99 % maka Ln A atau pertumbuhan

teknologi berpengaruh signifikan terhadap Ln Q atau pertumbuhan produksi.






dengan Sig = 0.000



mesin berpengaruh signifikan terhadap Ln Q atau pertumbuhan produksi.


Taraf signifikansi : = 0,01




dengan Sig = 0.009


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



dengan Sig = 0.000



15/25



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)



Statistik uji : uji F dimana

Statistik observasi : MSR = 90,324 dan MSE = 0,032

dengan Sig = 0.000


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


16/25


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



Statistik uji : uji F linearityStatistik observasi : F=138,939 dengan Sig = 0.000



yang nyata antara LnK dengan LnQ.

Hipotesis :H0: Tidak terdapat hubungan linier antara LnL dengan LnQ

H1: Terdapat hubungan linier antara LnL dengan LnQ







yang nyata antara LnL dengan LnQ.

Hipotesis :H0: Tidak terdapat hubungan linier antara LnM dengan LnQ

H1: Terdapat hubungan linier antara LnM dengan LnQ







17/25



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(,)



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.


18/25


Grafik 18. Scatter plot antara unstandardized residual dengan Ln Q

Homoskedastisitas juda dapat diketahui dari uji Park.

Hipotesis :H0:

H1:



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


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


19/25


Kesimpulan : Dengan tingkat kepercayaan 99% berarti tidak ada korelasi negatif

ataupun positif antar variabelnya atau asumsi non-autokorelasi terpenuhi.

Uji MultikolinearitasHipotesis :H0:

H1:


Wilayah Kritis : Tolak H0 jika VIF


20/25


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


21/25


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


22/25


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


23/25


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


24/25


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 .


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

Documents

Final Paper Mikro