35 harga output, pendapatan peternak dan lain sebagainya. Sedangkan data yang
kaulitatif berasal dari penanganan-penanganan
yang dilakukan dalam meminimalkan risiko yang dihadapi oleh perusahaan tersebut.
4.3. Metode Pengumpulan Data
Sumber data yang digunakan dalam penelitian adalah data panel atau cross section dan timeserie seperti data produksi harian yang terkait dengan
tingkat kematian ayam, penggunaan luas kandang, jumlah penggunaan pakan, obat-obatan, DOC, jam kerja pegawai, penggunaan air, pemanas, serta data
keuangan mulai dari pembelian sarana produksi ayam broiler sampai pada penjualan output hidup. Data yang digunakan adalah periode terakhir yaitu
terhitung pada awal mau produksi atau turun DOC pada bulan Maret, April dan Mei dan pada panen di bulan April, Mei dan Juni 2011.
Data primer diproleh dari peternak ayam broiler melalui observasi langsung, wawancara dan diskusi dengan dengan peternak ayam broiler tersebut.
Observasi dilakukan dengan pencatatan langsung oleh peneliti semua kejadian tentang produksi dan pengendalian risikonya. Wawancara dan diskusi dilakukan
dengan cara tanya jawab kepada peternak ayam tersebut.
4.4. Metode Pengolahan Data
Pengolahan data dilakukan secara kualitatif dan kuantitatif. Analisis kualitatif dilakukan dengan pendekatan deskriptif untuk mengetahui gambaran
umum tentang peternak ayam broiler serta manajemen risiko yang digunakan oleh peternak tersebut. Sedangkan analisis kuantitatif digunakan untuk menganalisis
fakto-faktor produksi apa saja yang mempengaruhi risiko produksi pada ayam broiler dan melihat seberapa besar tingkat risiko yang ditimbulkan dari faktor-
faktor produksi tersebut, dalam pengolahan data tersebut menggunakan bantuan alat aplikasi Microsoft Excel, Minitab versi 14 serta Eviews 6.
4.4.1. Analisis Risiko Produksi Just dan Pope
Analisis risiko produksi yang dikemukakan oleh Just dan Pope adalah mengembangkan model umum untuk penanganan risiko produksi ekonometri dan
digunakan untuk menganalisis faktor produksi namun tidak mengabaikan tingkat risiko yang kemungkinan akan terjadi pada produksi tersebut yang dapat
36 menyebabkan kesalahan dalam perhitungan. Sehingga dalam model Just dan Pope
memasukkan unsur error agar unsur risiko dapat diperhitungkan dalam analisis produksi. Sehingga tingkat kesalahan dalam perhitungannya menjadi kecil.
Konsep dasar yang diperkenalkan oleh Just dan Pope adalah untuk membangun fungsi produksi sebagai jumlah dari dua komponen, satu berkaitan dengan tingkat
output, dan satu yang berkaitan dengan variabilitas output. Sehingaa dalam penggunaan model Just dan Pope adalah fungsi produksi rata-rata means
production function dan fungsi variance variance production function, yang masing-masing fungsi tersebut dipengaruhi oleh penggunaan variabel-variabel
produksi tersebut sehingga fungsi variance dan produksi diketahui. Persamaan model fungsi risiko produksi Just dan Pope secara matematis
dapat dituliskan sebagai berikut : Y = fX,β + hX,θє
Dimana : Y
= Jumlah produksi yang dihasilkan f,h
= Mentransformasikan faktor-faktor produksi kedalam hasil produksi X
= Faktor-faktor produksi yang digunakan dalam proses produksi β,θ
= Besarankoefisien yang akan diduga є
= Unsur error Pada fungsi produksi di atas merupakan terdiri dari dua gabungan fungsi,
yaitu fungsi
produksi output
means production
function yang
mentransformasikan variabel-variabel input menjadi fungsi produksi dan satu lagi adalah fungsi produksi yang telah ditambahkan unsur risikonya, yaitu dengan
memperhatikan unsur variance dari fungsi produksi tersebut. Untuk menyelesaikan perhitungan fungsi produksi dan variance dari produksi tersebut
dalam bentuk fungsi Cobb Douglass. Fungsi produksi Cobb-Douglas diperkenalkan oleh Cobb, C.W dan
Douglass, P.H 1982, yang dituliskan dan dijelaskan Cobb, C.W dan Douglass, P.H dalam artikelnya “A Theory of Production”
2
. Fungsi Cobb-Douglas adalah suatu fungsi atau persamaan yang melibatkan dua atau lebih variabel, dimana
variabel yang satu disebut dengan variabel dependen yang dijelaskanY, dan yang lain disebut variabel independent yang menjelaskanX. Soekarwati,1993.
2
http:www.google.comfungsi produksi serta penerapan rumus Cobb Douglas. April 2011
37 Dalam fungsi produksi, maka fungsi produksi Cobb-Douglass adalah suatu fungsi
produksi yang ingin memperlihatkan pengaruh input yang digunakan dengan output yang diinginkan. Pentingnya pendugaan menggunakan EKONOMETRIKA
Ekonomi, Matematika, Statistika. Dalam dunia ekonomi, pendekatan Cobb-
Douglass merupakan bentuk fungsional dari fungsi produksi secara luas
digunakan untuk mewakili hubungan output untuk input. Sehingga model fungsi produksi Just dan Pope secara matematis dapat dituliskan sebagai berikut :
Fungsi Produksi Y = f X..............1
δn Y = δnβ + β
1
LnX
1
+ β
2
LnX
2
+ β
3
LnX
3
+ β
4
LnX
4
+ β
5
LnX
5
+ β
6
LnX
6
+ є Variance Produksi
2
= f X.............2 δn
2
Y = LnX + θ
1
LnX
1
+ θ
2
LnX
2
+ θ
3
LnX
3
+ θ
4
LnX
4
+ θ
5
LnX
5
+ θ
6
LnX
6
+ є Dimana :
Y = Produktivitas ayam broiler kgm
2
X
1
= Jumlah DOC ekorm
2
X
2
= Pakan Kgm
2
X
3
= Protek Enro Kgm
2
X
4
= Neocamp Literm
2
X
5
= Doxerin Plus Kgm
2
X
6
= Vaksin Kgm
2
X
7
= Pemanas Kgm
2
X
8
= Tenaga Kerja HOK β
= Mean intercept θ
= Variance intercept β
1,
β
2,
β
3
,... β
8
= Koefisien parameter dugaan X
1
, X
2,
X
3,...
X
8
θ
1,
θ
2,
θ
3,....
θ
8
= Koefisien parameter dugaan X
1
, X
2,
X
3,.....
X
8
є = Unsur error
faktor-faktor produksi yang digunakan diatas diperoleh dari penelitan terdahulu yang memasukan DOC, pakan, Protect Enro, Neocamp, Doxerin Plus,
tenaga kerja, vaksin dan pemanas menjadi faktor-faktor yang mempengaruhi produksi. Jika koefisien-koefisien dari parameter dugaan dari fungsi produksi dan
varian lebih besar dari nol artinya semakin banyak input yang digunakan untuk proses produksi maka rata-rata hasil dan varian produksi broiler akan semakin
meningkat. Dan jika terdapat coefisien variance bertanda negatif maka input tersebut adalah faktor produksi yang mengurangi risiko dan jika koefisien
variasinya bertanda positif maka input tersebut adalah sebagai faktor produksi yang menimbulkan risiko.
38 Perhitungan Cobb-Douglass merupakan metode yang banyak dipakai oleh
peneliti dalam menilai risiko produksi. Alasan mengapa menggunakan Cobb- Douglass dikarenakan metode tersebut memiliki kelebihan sebagai berikut :
1. Bentuk fungsi produksi Cobb-Douglass bersifat sederhana dan mudah
penerapannya. 2.
Fungsi produksi Cobb-Douglass mampu menggambarkan keadaan skala hasil return to scale, apakah sedang meningkat, tetap atau menurun.
3. Koefisien-koefisien fungsi produksi Cobb-Douglass secara langsung
menggambarkan elastisitas produksi dari setiap input yang digunakan dan dipertimbangkan untuk dikaji dalam fungsi produksi Cobb-Douglass itu.
4. Koefisien intersep dari fungsi produksi Cobb-Douglas merupakan indeks
efisiensi produksi yang secara langsung menggambarkan efisiensi penggunaan input dalam menghasilkan output dari sistem produksi yang
dikaji. Dari kelebihan tersebut maka alasan peneliti menggunakan metode
tersebut adalah penyelesaian fungsi Cobb-Douglass relatif lebih mudah dibandingkan dengan fungsi produksi, hasil pendugaan garis melalui fungsi Cobb-
Douglass akan menghasilkan koefisien regresi yang sekaligus juga menunjukkan elstisitas, besaran elastisitas tersebut sekaligus menunjukkan tingkat besaran
Return to Scale.
4.4.2. Model ARCH-GARCH
Permodelan data deret waktu umumnya dilakukan dengan menggunakan asumsi ragam sisaan yang konstan homoskedastisitas, namun kenyataannya
banyak deret waktu yang mempunyai ragam sisaan yang tidak konstan heteroskedistisitas, khususnya untuk data deret waktu dibidang ekonomi. Oleh
karena itu pemodelan analisis deret waktu biasa dengan asumsi homoskedastisitas tidak
dapat digunakan.
Model ARCH
Autoregressive Conditional
Heteroscedostisitas merupakan
model yang
memperhitungkan adanya
heteroskedistisitas dalam analisis deret waktu. Volatilitas berdasarkan model GARCH p,q mengasumsikan bahwa varian data fluktuasi dipengaruhi oleh
sejumlah p data fluktuasi dan q data volatiliti sebelumnya.
39 Varian terdiri dari dua komponen yaitu varians yang konstan dan varians
yang tergantung dari besarnya volatilitas di periode sebelumnya. Jika volatilitas pada periode sebelumnya besar baik negatif atau positif, maka varians pada saat
ini akan besar pula. Sehingga model ARCH dapat dirumuskan sebagai berikut. ht = + α
2 t
+ α
1 2
t-1
+ α
2 2
t-2
+ ………… + α
m 2
t-m
dimana : ht
= variabel terikat pada periode t = variabel yang konstans
2 t-m
= Archvolatilitas pada periode sebelumnya α, α
1
, α
2
,… α
m
= koefisien orde m yang diestimasikan Model GARCH dikembangkan dengan mengintegrasikan autoregresi dari
kuadrat residual lag kedua sehingga lag tak hingga ke dalam bentuk varian pada lag pertama. Model ini dikembangkan sebagai generalisasi dari model volatilitas.
Secara sederhana volatilitas berdasarkan model GARCH r,m mengasumsikan sebelumnya dan sejumlah r data volatilitas sebelumnya. Model ini seperti dalam
model autoregresi biasa AR dan pergerakan rata-rata MA, yaitu untuk melihat hubungan variabel acak dengan variabel acak sebelumnya. Varian terdiri dari tiga
komponen. Komponen pertama adalah varians yang konstan, volatilitas pada periode sebelumnya dan varian pada periode sebelumnya. Sehingga model
GARCH dapat dirumuskan bentuk umum model GARCH r,m ht = k +
1
h
t-1
+
2
h
t-2
+…. +
r
h
t-r
+ α
1 2
t-1
+ α
2 2
t-2
+ ………… + α
m 2
t-m
dimana : ht
= Variabel respon pada waktu t K
= Varians yang konstan
2 t-m
= Archvolatilitas pada periode sebelumnya α, α
1
, α
2
,… α
m
= Koefisien orde m yang diestimasikan ,
1, 2,…..
r
= Koefisien orde r yang diestimasikan h
t-r
= Suku Garch Model ARCH-GARCH dipilih menjadi alat analisis dalam penelitian ini
dengan pertimbangan bahwa model tersebut merupakan model yang dapat menjawab sekaligus permasalah yang diteliti oleh penulis, model tersebut mampu
menjawab selain fungsi produksi rata-rata dan fungsi variance produksi. Permasalahan tersebut dapat dijelaskan dengan menggunakan GARCH 1,1.
Pemilihan GARCH 1,1 dilakukan dengan pertimbangan bahwa model tersebut
40 adalah model yang sederhana yang banyak digunakan oleh penelitian terdahulu
untuk menghitung suatu variance produksi.
4.5. Pengujian Hipotesis
1 Pengujian asumsi OLS Ordinary Least Square
Metode pendugaan model dilakukan dengan metode OLS. Akan tetapi sebelumnya harus diuji terlebih dahulu asumsi-asumsi yang sesuai dengan OLS
yaitu multikolinieritas. Multikolinier variabel independent adalah kondisi dimana terdapat hubungan linier diantara variabel independent. Ada beragam penyebab
multikolinier, diantaranya disebabkan adanya kecendrungan variabel-variabel yang bergerak secara bersamaan. Adanya multikolinier menyebabkan ragam
variabel menjadi sangat besar, sehingga koefisien regresi dugaan tidak stabil dan berimplikasi pada besar dan arah koefisien variabel menjadi tidak valid untuk
diinterpretasi. Adanya multikolinier dapat dilihat pada nilah Variance Inflation Factor VIF 10. Jika terjadi masalah multikolinier maka harus diperbaiki
terlebih dahulu dengan menambah observasi, mengeluarkan variabel independent yang berkolerasi kuat.
2 Pengujian Parameter Model Uji F
Tujuan pengujian ini adalah untuk melihat apakan variabel bebas yang digunakan secara bersama-sama berpengaruh nyata pada variabel tak bebas
independent. Uji statistik yang digunakan adalah uji F. � ℎ� �� =
2
� − 1 1 −
2
� − � Dimana :
R
2
= Koefisien determinasi K = Jumlah variabel bebas
n = Jumlah sampel Kriteria uji
F-hitung F-tabel k-1, n-k, maka tolak H F-hitung F-tabel k-1, n-k, maka terima H
Jika tidak menggunakan tabel maka dapat dilihat nilai P dengan kriteria uji sebagai berikut :
41 P-
value α , maka tolak H P-
value α, maka terima H Apabila F-hitung F-tabel atau P-
value α maka secara bersama-sama variabel bebas dalam proses produksi mempunyai pengaruh yang nyata terhadap
produksi. Sedangkan apabila F-hitung F-tabel atau P- value α maka secara
bersama-sama variabel bebas dalam proses produksi tidak berpengaruh secara nyata terhadap produksi.
3 Pengujian Parameter Variabel Uji t
Hipotesis Statistik merupakan pernyataan atau dugaan mengenai satu atau lebih populasi. Pengujian hipotesis berhubungan dengan penerimaan atau
penolakan suatu hipotesis. Penerimaan suatu hipotesis terjadi karena tidak cukup bukti untuk menolak hipotesis tersebut dan bukan karena hipotesisnya itu benar
dan penolakan suatu hipotesis terjadi karena tidak cukup bukti untuk menerima hipotesis tersebut dan bukan karena hipotesis itu salah. Tujuan dari pengujian ini
adalah untuk mengetahui apakah koefisien regresi dari masing-masing variabel bebas X yang digunakan berpengaruh signifikan terhadap variabel bebas Y.
Uji statistika yang digunakan adalah uji t dan taraf nyata yang digunakan adalah 20 persen.
Rumusan Hipotesis fungsi produksi dan varian
H
0 :
βi, θi 0, artinya variabel bebas merupakan penjelas yang mengurangi produksi dan mengurangi risiko produksi terhadap variabel
terikat H
1 :
βi, θi 0, artinya variabel bebas penjelas yang meningkatkan produksi dan menimbulkan risiko produksi terhadap variabel terikat
Uji t
− ℎ� �� = ��
�� Dimana :
βi = Koefisien regresi ke-i yang diduga
S βi = Standar deviasi dari βi − ℎ� �� =
ƞθ� ƞ�
42 Dimana :
θ
i
= Koefisien regresi ke-i yang diduga
S
θ
i =
Standar deviasi dari θi
Daerah Kritis
Ho diterima apabila –t α 2; n – k ≤ t hitung ≤ t α 2; n – k, artinya tidak ada pengaruh antara variabel bebas terhadap variabel terikat.
Ho ditolak apabila t hitung t α 2; n– k atau –t hitung -t α 2; n –
k, artinya ada pengaruh antara variabel bebas terhadap variabel terikat. Dimana :
n = Jumlah sampel
k = Jumlah variabel
sumber : Walpole, 1992
4.6. Hipotesis
