Variabel-variabel pada persamaan dianalisis dengan menggunakan fungsi produksi Cobb-Douglas yang telah dilinearkan dengan analisis regresi linear
berganda dan metode Ordinary Least Square OLS. Nilai masing-masing koefisien regresi penduga pada persamaan adalah sama dengan nilai elastisitas
masing-masing input terhadap output sektor industri pengolahan. Nilai skala hasil usaha dapat diperoleh melalui penjumlahan nilai koefisien dari masing-masing
koefisien regresi penduga. terdapat tiga alternatif penilaian tentang skala hasil usaha, yaitu Soekartawi, 1993 :
1. Decreasing return to scale, bila b
1
+b
2
1. Yaitu proporsi penambahan input akan menghasilkan tambahan output yang
proporsinya lebih kecil daripada penambahan input. 2.
Constant return to scale, bila b
1
+b
2
= 1. Yaitu proporsi penambahan input akan menghasilkan tambahan output yang
proporsional dengan penambahan input. 3.
Increasing return to scale, bila b
1
+b
2
1. Yaitu proporsi penambahan input akan menghasilkan tambahan output yang
proporsinya lebih besar daripada penambahan input.
3.2.2. Analisis Nilai Tambah dan Efisiensi
Nilai tambah digunakan untuk menganalisis pertumbuhan suatu industri. Nilai tambah industri pengolahan yang semakin meningkat mencerminkan
pertumbuhan industri pengolahan yang positif. Secara matematis, nilai tambah bruto dapat dihitung dengan rumus Sanimah, 2006 :
Nilai tambah = nilai output – biaya input
tingkat efisiensi produksi pada industri pengolahan menunjukan alokasi input yang efisien untuk menghasilkan sejumlah output pada industri pengolahan dan
menunjukan tingkat penciptaan nilai tambah oleh industri pengolahan. Secara matematis, dapat dituliskan rumus efisiensi Dumairy, 1996 :
Efisiensi =
3.2.3. Analisis Regresi Berganda
Analisis regresi berganda adalah suatu metode yang digunakan untuk menjelaskan pengaruh variabel-variabel independen yang mempengaruhi variabel
dependennya. Penyelesaian persamaan tersebut dengan menggunakan metode kuadrat terkecil ordinary least square = OLS. Metode OLS diperkenalkan oleh
seoarang ahli matematika berkebangsaan Jerman yang bernama Carl Frederich Gauss Gurajati, 1978.
Model umum yang digunakan dalam analisis regresi berganda :
Y
i =
+ X
1
+ X
2
+ …… + X
i
+
i
................................................... 3.3
Keterangan:
Y
i
=
Peubah Dependent Peubah terikat
=
Konstanta
=
Slope atau koefisien pengaruh
X
i
=
Peubah Bebas independent Variabel
i
= Eror
Menurut Gauss dan Markov dalam Gujarati 1978 dalam menggunakan Ordinary Least Square OLS, penduga koefisien regresi harus bersifat BLUE
Best Linier Unbiased Estimated, apabila persyaratan tersebut dipenuhi maka metode Ordinary Least Square OLS memberikan penduga koefisien yang baik.
Akan tetapi, sifat tersebut didasarkan pada berbagai asumsi yang tidak boleh dilanggar agar penduga tetap bersifat BLUE. Teorema tersebut dikenal dengan
sebutan Teorema Gauss-Markov. Asumsi-asumsi atau persyaratan yang melandasi koefisien regresi dengan metode Ordinary Least Square OLS berdasarkan teori
Gauss-Markov adalah sebagi berikut: 1.
Eµ = 0 atau Eµ | atau E = + µ menyatakan variabel-variabel lain yang mempengaruhi akan tetapi
tidak terwakili dalam model. 2.
Tidak ada korelasi antara µ dan µ {covµ , µ = 0};I tidak samadengan j.
Artinya pada saat sudah terobservasi, deviasi dari rata-rata populasi
mean tidak menunjukan pada pola {Eµ , µ = 0}
3. Homoskedastisitas yaitu besarnya µ sama dengan varian µ =
4. Kovarian antara varian µ
nol, {covµ , µ = 0}; Asumsi tersebut sama artinya bahwa tidak ada korelasi antara µ
. Dengan perkataan lain bila
non random maka Eµ , µ = 0 5. Model regresi dispesifikasikan secara benar. Hal-hal yang perlu
diperhatikan adalah: a.
Model harus berpijak pada landasan teori b.
Perhatikan variabel-variabel yang diperlukan c.
Bagaimana bentuk fungsinya
Menurut teorema
Gauss-Markov, OLS dapat menjadi suatu Analisis regresi yang kuat dengan menggunakan beberapa asumsi, yaitu:
1. Nilai rata-rata hitung deviasi yang berhubungan dengan setiap variabel
independennya harus sama dengan nol 2.
Tidak ada korelasi berurutan autokorelasi dalam setiap variabel dalam model
3. Analisis homoskedastisitas, atau penyebaran yang sama. Dengan kata lain,
berarti bahwa populasi Y yang berhubungan dengan nilai X mempunyai varians yang sama
4. Tidak terdapat multikolinearitas, yang berarti tidak terdapat hubungan
yang pasti antara variabel independen. Menurut Koutsoyianis 1997, terdapat beberapa kelebihan metode Ordinary
Least Square OLS, seperti berikut: 1.
Hasil estimasi parameter diperoleh dengan metode OLS memiliki beberapa kondisi optimal BLUE
2. Tata cara pengolahan data metode Ordinary Least Square OLS relatif
lebih mudah daripada metode ekonometrika yang lain, serta tidak membutuhkan data yang lebih banyak
3. Metode Ordinary Least Square OLS telah banyak digunakan dalam
penelitian ekonomi dengan berbagai macam hubungan antar variabel dengan hasil yang memuaskan
4. Mekanisme pengolahan data dengan metode Ordinary Least Square OLS
mudah di pahami
5. Ordinary Least Square OLS juga merupakan bagian dari kebanyakan
metode ekonometrik yang lain meskipun dengan penyesuaian dibeberapa bagian.
Sifat yang dimiliki oleh estimator pada model regresi OLS dengan memenuhi asumsi-asumsi diatas adalah BLUE. Ragam minimum efisien dan
koefisien yang berasal dari model linear. Selain itu, nilai estimasi dari contoh sample akan mendekati nilai populasi.
Pengambilan keputusan diterima atau ditolaknya model ini didasarkan pada hasil pengujian terlebih dahulu karena variabel-variabel yang digunakan
dalam model masih penduga. Suatu model ekonometrika harus memenuhi tiga kriteria yaitu kriteria ekonometrik, statistik dan ekonomi yang akan dijelaskan
sebagai berikut: A. Analisis Kriteria Ekonometrika
Untuk dapat diterima sebagai model yang baik, maka suatu model ekonometrika harus dapat memenuhi kriteria ekonometrika. Pengujian tersebut
dapat dilakukan melalui beberapa pengujian, diantaranya: a Uji Heteroskedastisitas
Asumsi penting model klasik adalah bahwa varian tiap unsur disturbance µ , tergantung pada nilai yang dipilih dari variabel yang menjelaskan
Heteroskedastisitas H
: = 0
H
1
: ≠ 0
Kriteria Uji: Probabitity ObsR-squared
α, maka tolak
Probabitity ObsR-squared α, maka terima
Jika ditolak, maka terdapat gejala heterokedastisitas pada model. Sebaliknya
jika diterima maka tidak terdapat gejala heterokedastisitas.
Pendeteksian heterokedastisitas menggunakan Eviews dilakukan dengan melihat White Heteroscedasticity Test. Jika probabilitas ObsR-squared dari White
Heteroscedasticity Test lebih besar dari taraf nyata α yang digunakan maka
model terbebas dari heteroskedastisitas. Adanya heteroskedastisitas dapat mengakibatkan:
i Estimasi penggunaan OLS tidak akan memiliki varians yang minimum
atau tidak efisien. ii
Prediksi nilai X dan Y tertentu dengan estimator dari data yang sebenarnya akan memiliki varians yang tinggi sehingga prediksi menjadi
tidak efisien. iii
Tidak dapat diterapkan uji nyata tidaknya koefisien atau selang kepercayaan dengan menggunakan formula yang berkaitan dengan nilai
varians. b
Uji Auto Korelasi Autokorelasi dalam Gujarati 1993, adalah korelasi antara eror masa lalu
dengan masa sekarang . Untuk menguji ada tidaknya autokorelasi, dapat
menggunakan uji Durbin Watson, yakni:
d hit
=
∑ ∑
.................................................................................... 3.4
Pada Eviews, uji autokorelasi dapat menggunakan uji Breusch-Godfrey Serial Correlation LM Test. Hal ini dapat dilihat dari nilai probabilitasnya, jika nilai
probabilitas obssquared lebih besar dari taraf nyata yang digunakan maka persamaan tidak mengalami permasalahan autokorelasi dan sebaliknya.
Adanya autokorelasi dapat menyebabkan adanya: i
Dugaan parameter tak bias ii
Nilai galat baku terautokorelasi sehingga ramalan tidak efisien iii
Ragam galat bias iv
Terjadi pendugaan ragam pada galat standar error underestimated sehingga SB underestimated, maka t overestimated atau t cenderung lebih
besar dari yang sebenarnya dan tadinya tidak signifikan menjadi signifikan Gujarati, 1993.
c Uji Multikolinear Multikolinear adalah suatu situasi dimana adanya keadaan korelasi variabel-
variabel diantara satu dengan yang lainnya. Variabel-variabel bebas yang bersifat orthogonal adalah variabel bebas yang nilai korelasi diantara sesamanya sama
dengan nol. Jika terdapat korelasi sempurna diantara sesama variabel bebas ini sama dengan satu, maka konsekuensinya adalah koefisien-koefisien regresi
menjadi tidak dapat ditaksir, nilai standar error setiap koefisien regresi menjadi tak terhingga Gujarati 1993.
B. Analisis Kriteria Statistik
a. Koefisien Determinasi R² Melihat untuk sejauh mana besar keragaman yang dapat diterangkan oleh
variabel bebas terhadap variabel tak bebas. Uji koefisien determinasi ini juga digunakan untuk melihat seberapa kuat variabel yang dimasukan kedalam model
dapat menerangkan model Gujarati,1999. Dua sifat R² yaitu:
a Merupakan besaran non negatif
b Batasnya adalah 0 R² 1. Jika R² bernilai 1 berarti suatu kecocokan
sempurna, sedangkan jika R² bernilai 0, berarti tidak ada hubungan antara variabel bebas dan terikatnya.
R²=
∑ ²
∑ ²
...................................................................................... 3.5
b. Uji t Uji Parsial Pengajian ini digunakan untuk melihat sejauh mana variabel bebas secara
parsial berpengaruh pada variabel terikatnya Gujarati, 1999. Melalui uji ini akan diuji apakah koefisien regresi satu persatu secara statistik signifikan atau tidak.
Nilai t adalah:
=
................................................................................................ 3.6
Tolak bila
| |
, artinya variabel signifikan berpengaruh pada taraf nyata yang digunakan pada model.
c. Uji F Uji Serentak Pengujian ini digunakan untuk melihat apakah variabel-variabel bebas
secara serentak berpengaruh terhadap variabel terikatnya, Gujarati,1999.
= = = … = 0 =
≠ o
F =
² ²
.................................................................................... 3.7
Tolak bila
.
C. Analisis Kriteria Ekonomi
Dalam kriteria ekonomi, hasil pendugaan tersebut dicocokkan dengan teori ekonomi. Kesesuaian model dengan kriteria ekonomi dilihat dari tanda
parameter dugaan. Tanda tersebut diharapkan sesuai dengan hipotesis. Tanda positif menunjukkan bahwa perubahan variabel bebas akan berpengaruh positif
terhadap variabel terikat. Tanda negatif artinya perubahan variabel bebas akan menyebabkan perubahan variabel terikat dengan perbandingan terbalik.
Adanya perbedaan tanda antara hasil dan hipotesis dapat diterima jika dapat dijelaskan dan didukung dengan alasan yang sesuai dengan teori ekonomi
dan kondisi sosial pada ruang lingkup penelitian. Besarnya pengaruh variabel bebas terhadap variabel terikat dari besarnya elastisitas dan dinyatakan dalam
persen Gujarati, 1999.
IV. GAMBARAN UMUM LOKASI DAN SEKTOR INDUSTRI PENGOLAHAN DI KOTA TASIKMALAYA