menggunakan output regresi dengan didukung oleh hasil analisis SWOT strength, Weakness, Oppurtunity, Threat.
3.4.1. Analisis Tingkat Keuntungan RC
Analisis Return Cost Ratio atau RC adalah perbandingan antara penerimaan dan biaya. Return Cost Ratio digunakan untuk mengukur efisiensi
usaha terhadap setiap penggunaan setiap input. Analisis imbangan penerimaan dan biaya digunakan untuk mengetahui relatif kinerja usaha berdasarkan
perhitungan finansial.
RC = TRTC ........................................................................................ 3.1
Dimana : RC
= Rasio penerimaan dan biaya TR
= Total Penerimaan TC
= Total Pengeluaran Kriteria :
RC 1, usaha menguntungkan RC = 1, usaha tidak untung dan tidak rugi
RC 1, usaha rugi Apabila RC bernilai lebih dari satu, berarti penerimaan yang diperoleh
lebih besar daripada tiap unit biaya yang dikeluarkan untuk menerima penerimaan tersebut Begitupun sebaliknya bila RC kurang dari satu maka penerimaan yang
diperoleh lebih kecil daripada tiap unit biaya yang dikeluarkan untuk menerima penerimaan tersebut.
3.4.2. Analisis Faktor–Faktor yang Mempengaruhi Keuntungan dan
Penyerapan Tenaga Kerja
Metode kuadrat
terkecil biasa dikemukan oleh Carl Friedrich Gauss. Dengan asumsi–asumsi tertentu, metode Ordinary Least Square OLS
mempunyai sifat statistik yang sangat menarik sehingga membuatnya menjadi satu analisis regresi yang paling populer.
Analisis yang berkenaan dengan faktor-faktor yang mempengaruhi tingkat keuntungan dan penyerapan tenaga kerja industri kecil sandal menggunakan
analisis regresi linier. Model regresi linier merupakan model yang paling sederhana dan paling sering digunakan.
Model faktor-faktor yang mempengaruhi keuntungan :
Y
1
= α + β
1
V + β
2
U + β
3
B + β
4
L + β
5
P + e
i
......................................... 3.2 Y
1
= Keuntungan Usaha Rpminggu a
= Konstanta β
1
... β
n
= Koefisien Variabel V
= Nilai Penjualan Rpminggu U
= Upah Pekerja Rpkodi B
= Bahan Baku Rpkodi L
= Lama Usaha tahun P
= Pendidikan tahun e
i
= Galat
Hipotesis Faktor-Faktor yang Mempengaruhi Keuntungan
1. Nilai Penjualan V
Nilai penjualan diduga memiliki hubungan positif terhadap keuntungan karena semakin tinggi nilai produksi yang dihasilkan dan dijual maka
keuntungan diduga akan semakin meningkat. 2.
Upah Tenaga Kerja U Upah tenaga kerja diduga memiliki hubungan negatif terhadap
keuntungan. Semakin besar upah tenaga kerja maka keuntungan yang didapat semakin menurun.
3. Bahan Baku B
Bahan baku diduga memiliki hubungan negatif terhadap keuntungan. Semakin besar pengeluaran bahan baku maka keuntungan akan menurun
4. Pendidikan Pengusaha P
Pendidikan pengusaha diduga memiliki hubungan positif terhadap keuntungan. Semakin lama seseorang bersekolah maka keuntungan akan
meningkat. 5.
Lama Usaha Lama usaha memiliki hubungan positif dengan keuntungan. Semakin
meningkat lama usaha dalam tahun maka keuntungan semakin meningkat.
Model faktor-faktor yang mempengaruhi penyerapan tenaga kerja :
Y
2
= a + β
1
Q + β
2
U + e
i
..................................................... 3.3 Y
2
= Penyerapan Tenga Kerja orangminggu
β
1
... β
n
= Koefisien Variabel a
= Konstanta Q
= Pesanan Kodiminggu U
= Upah Pekerja Rpkodi e
i
= Galat
Hipotesis Faktor-Faktor yang Mempengaruhi Penyerapan Tenaga Kerja
1. Pesanan
Pesanan selama seminggu dalam kodi diduga memiliki hubungan positif terhadap keuntungan. Semakin banyak pesanan sandal dalam kodi maka
penyerapan tenaga kerja pun semakin meningkat. 2.
Upah Pekerja Upah pekerja dalam satuan kodi diduga memiliki hubungan negatif
terhadap keuntungan. Semakin besar upah tenaga kerja maka penyerapan tenaga kerja semakin menurun.
Model di atas digunakan untuk mengetahui nilai dari masing-masing faktor dengan menggunakan metode Ordinary Least Square OLS. Gauss dalam
Gujarati 1995 menyatakan OLS dapat menjadi suatu metode analisis regresi yang kuat dengan menggunakan beberapa asumsi, yaitu :
1. Nilai rata–rata hitung dari bias yang berhubungan dengan setiap variabel
independen harus sama dengan nol. 2.
Tidak ada kolinearitas ganda multikolinearitas antar setiap variabel dalam model.
3. Tidak ada korelasi antara koefisien error dengan variabel independen.
4. Tidak heteroskedastisitas.
Menurut teorema Gauss-Markov, dengan melihat asumsi model regresi linear klasik, penaksir kuadrat terkecil, dalam kelas penaksir linear tidak bias
mempunyai varians minimum yaitu, penaksir bersifat BLUE Best Linear Unbiased Estimator.
Pengolahan model ini dalam penelitian merupakan salah satu pengolahan data dari ekonometrika, dimana terdapat dua variabel yaitu variabel eksogen atau
bebas V, U, B, L, P, Q, dan variabel endogen atau terikat Y
1
, Y
2
. Variabel eksogen akan mempengaruhi variabel endogen. Data yang digunakan dalam
penelitian ini bersumber dari wawancara dan pengamatan langsung. Wawancara dilakukan dengan berpedoman pada kuesioner yang telah dipersiapkan, meliputi :
Indentitas pengusaha, penggunaan faktor produksi, biaya pengadaan produksi, output yang dihasilkan dan lain–lain.
3.4.2.1.Koefisien Determinasi R
2
Besaran ini yang paling lazim digunakan untuk mengukur kebaikan–suai goodness of fit garis regresi. Kata lain untuk mengukur proporsi bagian atau
persentase total varians dalam Y yang dijelaskan oleh model regresi. Meskipun R
2
dapat dihitung secara lebih cepat dari rumus berikut : R
2
= Σ Y
j
–Y = JKR batas 0 r
2
1 ΣY
j
–Y JKT Dimana :
R
2
= Koefisien determinasi JKT = Jumlah kuadrat Total
JKR = Jumlah Kuadrat Regresi
Y = Y rata – rata Y
j
= Y aktual Y
j
= Y yang ditaksir dengan menggunakan model regresi Melihat kesesuaian suatu model digunakan kebaikan suai goodness of fit
= R
2
yang menunjukkan persentase variasi total dari peubah terikat yang dapat dijelaskan oleh peubah–peubah penjelas atau peubah bebas. Jika R
2
tinggi maka model yang digunakan cukup baik. Namun bila nilai R
2
yang kecil bukanlah berarti bahwa suatu persamaan tidak layak.
3.4.2.2.Pengujian terhadap Model Penduga
Uji hipotesa bagi koefisien regresi secara serentak dilakukan dalam menghitung apakah peubah bebas yang digunakan pada model berpengaruh
terhadap peubah yang dijelaskan. Dalam hal ini unit statistik yang dipakai adalah uji F, yaitu :
F
hitung
= JKR k-1 JKS n – k
Dimana : JKR = Jumlah kuadrat regresi
JKS = Jumlah kuadrat sisa
n = jumlah pengamatan
k = jumlah variabel bebas
Prosedur pengujian kesesuaian model digunakan analisis ragam bagi model regresi dengan hipotesa :
H =
β
1
= β
2
= ...... =
β
n
= 0 H
1
= minimal ada satu variabel eksogen yang berpengaruh terhadap
variabel independennya.
3.4.2.3.Parameter untuk Masing–Masing Parameter Regresi
Pengujian koefisien regresi antara individual dilakukan untuk mengetahui apakah peubah–peubah yang digunakan per variabel berpengaruh nyata terhadap
besarnya peubah terikat atau tak bebas : Pengujian hipotesa adalah sebagai berikut :
H :
βi = 0 i = 1,2,....,n H
1
: βi = 1
Uji yang digunakan adalah uji t, yaitu : t
hitung =
b
i
– 0 Sb
i
Dimana : b
i
= salah satu variabel bebas Kriteria pengujian adalah :
t
hitung
t
tabel
α2 ; n-k H diterima
t
hitung
t
tabel
α2 ; n-k H ditolak
Dimana : n = Jumlah populasi k = Jumlah variabel
Jika H
ditolak berarti peubah yang digunakan berpengaruh nyata terhadap peubah bebas dan sebaliknya bila H
diterima berarti peubah yang digunakan tidak berpengaruh nyata. Bila
βi lebih besar dari nol b
i
0 maka peningkatan dari peubah i akan mengakibatkan meningkatnya peubah terikat, begitu pun
sebaliknya.
3.4.2.4.Heteroskedastisitas
Gujarati 1995 menyatakan bahwa suatu model regresi linier harus memiliki varians yang sama. Jika asumsi ini tidak dipenuhi maka akan terdapat
masalah heteroskedastisitas. Heteroskedastisitas tidak merusak sifat ketakbiasan dan konsistensi dari penaksir OLS, tapi penaksir yang dihasilkan tidak lagi
mempunyai varians yang minimum efisien. Konsekuensi bila terjadi heteroskedastisitas:
1. Estimasi dengan menggunakan OLS tidak akan memiliki varians yang minimum atau estimator tidak efisien.
2. Prediksi nilai Y untuk X dengan estimator dari data yang sebenarnya akan mempunyai varians yang tinggi, sehingga prediksi tidak efisien.
3. Tidak dapat diterapkan uji nyata tidaknya koefisien atau selang
kepercayaan dengan menggunakan formula yang berkaitan dengan nilai varians.
Pemeriksaan keberadaan heteroskedastisitas ditunjukan dengan menggunakan uji Hal White yang tidak perlu asumsi normalitas dan relatif mudah.
Kriteria uji yang digunakan : • Apabila nilai probality obsR-square taraf nyata
α yang digunakan, maka tidak terdapat heteroskedastisitas.
• Apabila nilai obsR-square-nya taraf nyata α yang digunakan, maka
terdapat heteroskedastisitas. Solusi dari masalah heteroskedastisitas adalah mencari transformasi model asal
sehingga model yang baru akan memiliki error-term dengan varians yang kostan.
3.4.2.5.Multikolinearitas
Uji multikolinearitas merupakan pengujian yang dilakukan untuk melihat apakah terdapat hubungan linear antara variabel–variabel bebas dalam model
regresi. Menurut Gujarati 1995 tanda–tanda penyebabnya adalah : • Tanda tidak sesuai dengan yang diharapkan.
• R
2
-nya tinggi tetapi uji individu tidak banyak yang nyata atau bahkan tidak ada yang nyata.
• Korelasi sederhana antara variabel individu tinggi r
ij
tinggi • R
2
-nya r
ij 2
menunjukkan adanya multikolinearitas. Multikolinearitas dapat dilihat dengan menghitung koefisien parsial.
Disamping itu untuk melihat variabel eksogen mana yang saling berkorelasi dilakukan dengan meregresi tiap variabel eksogen dengan sisa variabel eksogen
yang lain dan menghitung nilai yang R
2
cocok.
3.4.3. Analisis Penyerapan Tenaga Kerja