Dikarenakan nilai VIF tiap variabel independen lebih kecil dari 10 VIF10, maka model regresi persamaan 1 atau 2 bebas dari multikolinieritas.
c Autokorelasi Autokorelasi dapat didefinisikan sebagai korelasi antar anggorta
serangkaian observasi menurut waktu. Model regresi yang baik adalah bebas dari autokorelasi, sehingga kesalahan prediksi selisih antara data asli dengan data
hasil regresi bersifat bebas untuk tiap nilai X. Model regresi dapat dikatakan bebas dari autokorelasi apabila angka D-W Durbin Watson diantara -2 sampai
+2. Angka D-W di bawah -2 menunjukkan bahwa ada autokorelasi sedangkan angka D-W di atas +2 menunjukkan ada autokorelasi positif. Dari hasil regresi
diperoleh nilai D-W sebesar 1,61531. Angka tersebut terletak diantara -2 sampai dengan +2, sehingga model regresi persamaan 1 atau 2 dapat dikatakan bebas
dari autokorelasi. Berdasarkan pengujian yang dilakukan, model persamaan 1 atau 2
tidak memenuhi kriteria statistik karena beberapa variabel yaitu variabel X
1
volume keramba, variabel X
5
tebaran bibit dan variabel X
6
tenaga kerja pemeliharaan tidak berpengaruh nyata terhadap produksi ikan kerapu macan
sehingga tidak disertakan di dalam model. Langkah selanjutnya adalah pendugaan fungsi produksi dengan tiga variabel independen.
6.2.3 Pendugaan Fungsi Produksi dengan Tiga Variabel Independen
Analisis pendugaan fungsi produksi menggunakan fungsi produksi Cobb- Douglas
. Fungsi ini menduga hubungan faktor produksi yang terdiri dari bibit X
2
, pakan rucah X
3
, tenaga kerja persiapan TK-1 X
4
dengan hasil produksi
Y per musim tanam usaha budidaya ikan kerapu macan di Pulau Panggang. Data responden dalam penggunaan input dan output dengan tiga variabel independen
setelah pengolahan data disajikan pada Lampiran 5 dan Lampiran 6, sedangkan hasil analisis pendugaan fungsi produksi ini disajikan pada Tabel 10 dan analisis
selengkapnya pada Lampiran 7.
Tabel 10. Hasil Analisis Pendugaan Fungsi Produksi dengan Metode OLS Ordinary Least Square dengan Tiga Variabel Independen
Variabel Koefisien
Standar Deviasi
P Peluang VIF
Konstanta 1,7801
0,7264 0,021
Bibit X
2
0,75504 0,09698
0,000 1,1
Pakan Rucah X
3
0,34974 0,07478
0,000 2,9
TK-1 X
4
0,47157 0,08990
0,000 2,8
Sumber : Data Primer, Diolah Tahun 2011 R Square
= 0,927 Adjusted R Square
= 0,919 Standard Error
= 0,173435 Nilai Durbin Watson = 1,77875
Berdasarkan Tabel 10, diperoleh nilai koefisien regresi dari masing- masing variabel independen yang merupakan faktor produksi yang diduga
berpengaruh terhadap produksi usaha budidaya ikan kerapu macan. Maka, dapat dibuat persamaan regresi linier fungsi produksi sebagai berikut :
lnY = ln 1,78 + 0,755 ln X
2
+ 0,350 ln X
3
+ 0,472 ln X
4
……..............................3 atau
Y = 7,929 X
2 0,755
X
3 0,350
X
4 0,4
……….............................................................4 Fungsi produksi yang didapat tersebut harus diuji apakah sesuai dengan
kriteria-kriteria tertentu dalam menghasilkan fungsi produksi terbaik.Pengujian
yang dilakukan yaitu pengujian secara statistik meliputi uji-t dan uji F dan pengujian asumsi klasik ekonometrika yang terdiri dari uji homoskedastisitas,
uji multikolinieritas, dan uji autokorelasi. 1 Pengujian Statistik
Berdasarkan Tabel 10 dengan selang kepercayaan α 0,05 atau 95,
dihasilkan koefisien regresi dari tiap variabel independen dan dapat diketahui bahwa variabel bibit signifikan pada selang kepercayaan 100 atau α = 0,000.
Variabel pakan rucah signifikan pada selang kepercayaan 100 atau α = 0,000 dan variabel TK-
1 signifikan pada selang kepercayaan 100 atau α = 0,000. Berdasarkan uji-t yang dilakukan, variabel independen yang signifikan dan
berpengaruh nyata terhadap produksi ikan kerapu yaitu variabel bibit X
2
, pakan rucah X
3
dan variabel TK-1 X
4
, karena memiliki nilai P di bawah α = 0,05 P α.
Berdasarkan hasil perhitungan analisis sidik ragam ANOVA, dihasilkan nilai F signifikan = 0,000, berarti semua variabel independen X
2-4
signifikan pada selang kepercayaan 100, maka semua variabel independen X
2-4
secara bersama-sama berpengaruh nyata terhadap produksi ikan kerapu macan pada
selang kepercayaan 100. Menurut hasil regresi yang disajikan pada Tabel 10, nilai koefisien
determinasi R square yang dihasilkan sebesar 0,919, berarti 91,9 varian dari variabel dependen Y dapat dijelaskan oleh variasi dari keempat variabel
independennya variabel X
2
, X
3
, X
4
dan sisanya 7,3 dijelaskan oleh faktor- faktor lain yang tidak dijelaskan dan diperhitungkan dalam model. Nilai standard
error yang dihasilkan sebesar 0,173435, hal ini menunjukkan bahwa
kemungkinan terjadi kesalahan atau bias adalah sebesar 0,173435 atau 17,3435. Pengujian statistik yang dilakukan menunjukkan bahwa fungsi produksi
yang dihasilkan melalui regresi di atas dikatakan baik untuk menduga fungsi produksi.
2 Pengujian Asumsi Klasik Pengujian
ini dimaksudkan
untuk mendeteksi
ada tidaknya
heteroskedastisitas, multikolinieritas,
dan autokorelasi.
Apabila terjadi
penyimpangan terhadap asumsi klasik tersebut uji-t dan uji F yang dilakukan sebelumnya menjadi tidak valid dan secara statistik dapat mengacaukan
kesimpulan. a Heteroskedastisitas
Adanya heteroskedastisitas dalam model mengakibatkan varian dan koefisien-koefisien variabel independen tidak lagi minimum dan menjadi tidak
efisien meskipun penaksir OLS tetap tidak bias dan konsisten. Model regresi yang didapat diharapkan memenuhi asumsi homoskedastisitas. Model regresi dikatakan
memenuhi asumsi homoskedastisitas jika sebaran titik-titik pada scatterplot tidak membentuk pola tertentu atau pola yang terbentuk tidak jelas, dan titik-titik
menyebar di atas dan di bawah angka nol pada sumbu Y. Kondisi model regresi pada persamaan 1 atau 2 dapat dilihat pada Gambar 5b. Berdasarkan Gambar
5b tersebut, dapat terlihat bahwa sebaran titik-titik pada scatterplot tidak membentuk pola tertentu dan menyebar di atas dan di bawah angka nol pada
sumbu Y. Hal ini menunjukkan bahwa model regresi pada persamaan 1 atau 2 memenuhi asumsi homoskedastisitas sehingga tidak terjadi heteroskedastisitas.
Standardized Residual
P e
r c
e n
t
3 2
1 -1
-2 -3
-4
99 95
90 80
70 60
50 40
30 20
10 5
1
Normal Probability Plot of the Residuals
response is y
Gambar 5.Grafik Model Regresi dengan Tiga Variabel Independen a Peluang Normal dan b Homoskedastisitas
b Multikolinieritas Multikolinieritas ditandai dengan adanya keadaan dimana satu atau lebih
variabel independen dapat dinyatakan sebagai kombinasi linier dari variabel lainnya. Suatu model regresi dikatakan bebas dari multikolinieritas jika nilai VIF
variance inflation factor lebih kecil dari angka sepuluh VIF 10. Bedasarkan Tabel 10 nilai VIF tiap variabel independen berturut untuk variabel bibit, pakan,
TK-1 adalah 1.1, 2.9, 2.8. Dikarenakan nilai VIF tiap variabel independen lebih kecil dari 10 VIF10, maka model regresi persamaan 1 atau 2 bebas dari
multikolinieritas. c Autokorelasi
Autokorelasi dapat didefinisikan sebagai korelasi antar anggorta serangkaian observasi menurut waktu. Model regresi yang baik adalah bebas dari
autokorelasi, sehingga kesalahan prediksi selisih antara data asli dengan data hasil regresi bersifat bebas untuk tiap nilai X. Model regresi dapat dikatakan
Regression Studentized Residual
2 1
-1 -2
-3
R egres
sio n
St anda
rdi ze
d Pr
edi ct
ed
Va lu
e
3 2
1
-1 -2
Scatterplot Dependent Variable: VAR00001
bebas dari autokorelasi apabila angka D-W Durbin Watson diantara -2 sampai +2. Angka D-W di bawah -2 menunjukkan bahwa ada autokorelasi sedangkan
angka D-W di atas +2 menunjukkan ada autokorelasi positif. Dari hasil regresi diperoleh nilai D-W sebesar 1.77875. Angka tersebut terletak diantara -2 sampai
dengan +2, sehingga model regresi persamaan 1 atau 2 dapat dikatakan bebas dari autokorelasi.
Berdasarkan pengujian statistik dan pengujian asumsi klasik yang dilakukan, persamaan 3 atau 4 dapat dikatakan baik untuk menduga fungsi
produksi ikan kerapu macan. Selanjutnya persamaan 3 atau 4 ini yang digunakan untuk menganalisis skala ekonomi usaha budidaya ikan kerapu macan
di Pulau Panggang, Kabupaten Administrasi Kepulauan Seribu.
6.3 Analisis Elastisitas Produksi
