pengolahan data yang digunakan pada penelitian ini yaitu Ordinary Least Square OLS. Hasil estimasi tersebut dapat dilihat pada Tabel 5.3.
Tabel 5.3. Hasil Estimasi Fungsi Produksi dengan Memasukkan Variabel Pertumbuhan
Total Factor Productivity TFP
Dependent Variable: LNQ Variable
Coefficient Std. Error
t-Statistic C
2,568 0,068
37,876 Biaya Sewa Modal
0,141 0,012
11,440 Tenaga Kerja
0,701 0,013
53,320 Bahan Baku
0,265 0,014
19,039 Energi
0,276 0,013
19,860 TFP
0,009 0,001
7,451 R-squared 0,943
Adjusted R-squared 0,938 F-statistic 182,430
Prob F-statistic 0,000
Sumber: Lampiran 6 Keterangan: signifikan pada taraf nyata 5 persen
5.3.1. Uji Ekonometrika
Berdasarkan hasil regresi di atas dimana sudah memasukkan variabel TFP kemudian perlu dilakukan pengujian terhadap permasalahan-permasalahan yang biasa
dihadapi dengan menggunakan OLS. Berdasarkan kriteria ekonometrika, suatu model yang baik harus bebas dari gejala heteroskedastisitas, autokorelasi, dan multikolineritas.
a. Uji Heteroskedastisitas
Model ini bebas dari gejala heterokedastisitas. Hal ini terlihat dari uji White Heteroskedasticity, dari uji ini bahwa dari hasil regresi terhadap nilai mutlak residual,
tidak ada satupun yang berpengaruh nyata terhadap abresid, dapat dilihat dari nilai p- value
lebih besar dari taraf nyata α 5 persen maka terima H . Dapat disimpulkan
bahwa model homoskedastisitas terpenuhi Lampiran 6.
b. Uji Autokorelasi Gejala autokorelasi dapat dideteksi dengan menggunakan uji Durbin Watson
DW. Pada Lampiran 6 dapat dilihat bahwa nilai dari uji DW sebesar 2,116 atau nilai ini mendekati 2. Jadi, dapat disimpulkan bahwa model ini tidak terdapat gejala
autokorelasi. c. Uji Multikolinearitas
Gejala multikolinearitas merupakan salah satu pelanggaran asumsi OLS. Pada Lampiran 6 dapat dilihat bahwa terdapat hanya satu koefisien regresi yang signifikan
pada taraf nyata α 5 persen, R
2
tinggi yaitu 99,5 persen, dan nilai VIF yang tinggi lebih dari sepuluh untuk dua koefisien, dari hasil tersebut dapat mengindikasikan bahwa
terdapat gejala multikolinearitas antar peubah bebas. Gejala multikolinearitas dalam model ini diatasi dengan menggunakan regresi
komponen utama. Regresi komponen utama mentransformasikan peubah-peubah bebas yang berkorelasi menjadi peubah-peubah baru yang orthogonal dan tidak berkorelasi
sehingga peubah-peubah menjadi sederhana dan multikolinearitas teratasi. Pada Tabel 5.3 dapat dilihat hasil dari regresi komponen utama bahwa semua koefisien regresi
signifikan pada taraf nyata α 5 persen, artinya gejala multikolinearitas telah teratasi. Peubah bebas yang ditransformasi ke nilai Z, maka regresi komponen utama
PCA pada nilai Z dilakukan agar diketahui komponen mana yang akan diregresikan, sehingga masalah multikolinearitas hilang Lampiran 6. Nilai eigen analysis pada
Lampiran 6 yang lebih besar dari satu adalah komponen W1 dan W2. Sehingga langkah selanjutnya adalah meregresikan komponen tersebut agar diperoleh persamaan hasil
regresi baru yang sudah valid. Setelah dicoba ternyata hasil regresi antara LnY dan W1 lebih baik bila dibandingkan regresi antara LnY dan W1, W2. Berikut adalah hasil
regresi antara variabel respon LnY dan komponen utama W1. Hasil regresi pada Lampiran menunjukkan bahwa komponen W1 signifikan pada taraf 5 persen. Artinya
model sudah baik. Langkah selanjutnya adalah menransformasikan persamaan model yang didapat ke Z, kemudian ke peubah endogen X. Hasil transformasi adalah berikut.
Transformasi ke Z
LnY = 18,800 + 0,725 W1 LnY = 18,800 + 0,725 0,493 Z1 + 0,521 Z2 + 0,520 Z3 + 0,461 Z4 + 0,045 Z5
LnY = 18,800 + 0,357 Z1 + 0,378 Z2 + 0,377 Z3 + 0,334 Z4 + 0,033 Z5 Transformasi ke X
LnY = 18,800 + 0,357
1 1
1
S X
X
+ 0,378
2 2
2
S X
X
+ 0,377
3 3
3
S X
X
+
0,334
4 4
4
S X
X
+ 0,033
5 5
5
S X
X
LnY = 18,800 + 0,357
0,510
7,940
1
X
+ 0,378
1,427
18,225
2
X
+ 0,377
1,368
14,912
3
X
+ 0,334
2,375
12,302
4
X
+ 0,033
3,647
0,180
5
X
LnY = 2,568 + 0,141 LnX1 + 0,701LnX2 + 0,265 LnX3 + 0,276 LnX4 + 0,009
LnX5 ............................................................................................5.2 Persamaan 5.2 adalah hasil regresi akhir, dimana biaya sewa modal, tenaga kerja,
bahan baku, energi dan TFP memiliki koefisien positif. Artinya kelima variabel diatas berpengaruh positif terhadap output industri pengolahan dan pengawetan daging di
Indonesia.
d. Uji Kenormalan Uji kenormalan dapat dilakukan dengan menggunakan uji kolmogorov smirnov.
Pada Lampiran 6 dapat dilihat bahwa nilai p-value sebesar 0,150 dimana nilai ini lebih besar dari tafar nyata α 5 persen maka terima H
. Jadi, dapat disimpulkan bahwa pada model ini galat menyebar normal terpenuhi.
5.3.2. Uji Statistik
