21
3.7 Analisis Data
Analisis data adalah proses penyederhanaan data ke dalam bentuk yang lebih mudah dibaca dan diimplementasikan. Data dan informasi yang
telah terkumpul ditabulasikan untuk selanjutnya dihitung dengan menggunakan rumus-rumus perhitungan data teknis yang kemudian hasilnya digunakan sebagai
acuan pada analisis fungsi produksi model Cobb-Douglas dan analisis finansial.
3.7.1 Analisis Fungsi Produksi
Analisis fungsi produksi dilakukan dengan menggunakan pendekatan fungsi produksi model Cobb-Douglas. Analisis fungsi produksi digunakan pada
analisis fungsi produksi kerapu macan. Fungsi produksi Cobb-Douglas digunakan untuk menduga hubungan antara produksi pembesaran kerapu dengan
penggunaan faktor-faktor produksinya. Asumsi penggunaan faktor-faktor produksi yang digunakan ialah hasil dari analisa teknis. A Model pendugaan
dari persamaan fungsi produksi Cobb-Douglas adalah sebagai berikut : Y = aX
1 b1
X
2 b2
X
3 b3
X
4 b4
X
5 b5
X
6 b6
....................................................................... 10 Model pendugaan tersebut didasarkan pada kegiatan budidaya selama satu
siklus produksi 9 bulan. Untuk memudahkan pendugaan terhadap persamaan diatas, maka persamaan tersebut diubah ke dalam bentuk linear berganda
dengan cara melogaritmakan persamaan tersebut menjadi : LnY = ln a + b1lnX1 + b2lnX2 + b3lnX3 + b4lnX4+ b5lnX5
……..………….……..
11 Dimana :
Y = Produksi kerapu ekorm
2
X
1
= Luas KJA m
2
X
2
= Benih Kerapu ekorm
2
X
3
= Pakan Rucah Kg X
4
= Tenaga Kerja Operasional Jam Kerja X
5
= Tenaga Kerja Pemeliharaan Jam Kerja Ketepatan model yang digunakan sebagai alat analisis diuji dengan
menggunakan uji statistik sebagai berikut : 1 Uji statistik t, digunakan untuk mengetahui seberapa jauh masing-
masing faktor produksi X
i
sebagai variabel bebas mempengaruhi produksi
22 Y sebagai variabel tidak bebas. Prosedur pengujiannya adalah sebagai
berikut : H
: bi = 0 tidak ada pengaruh H
1
: bi ≠ 0 ada pengaruh
t hitung = bi – 0Sbi Keterangan : Sbi = standard error dari b bi = koefisien regresi
• Jika t
hitung
t
tabel
, maka H diterima, artinya X
1
tidak berpengaruh nyata terhadap Y.
• Jika t
hitung
t
tabel
, maka H ditolak, artinya X
1
berpengaruh nyata terhadap Y.
2 Uji statistik f, digunakan untuk mengetahui faktor produksi X
1
secara bersama mempengaruhi output Y. Hipotesis yang diuji adalah : H
: bi = 0 tidak ada pengaruh H
1
: bi ≠ 0 ada pengaruh
F hitung =
⁄ ……..……… ……………………………………….…………………….........
12 Keterangan :
JKR = Jumlah Kuadrat Regresi JKD = Jumlah Kuadrat Residual
n = Jumlah Sampel
k = Jumlah Variabel
• Jika F
hitung
F
tabel
, maka H diterima, artinya faktor produksi
secara simultan tidak berpengaruh nyata terhadap produksi. •
Jika F
hitung
F
tabel
, maka H ditolak, artinya faktor produksi secara
simultan berpengaruh nyata terhadap produksi. Pada analisis fungsi produksi, selain digunakan analisis kriteria statistik
juga dilakukan analisis kriteria ekonometrik untuk menguji ketepatan model yang digunakan. Analisis kriteria ekonometrik dilakukan untuk mengetahui
apakah model regresi memenuhi asumsi normalitas, multikolinearitas, homoskedastisitas, dan autokorelasi.
Menurut Santoso 2000, normalitas adalah suatu kondisi dalam model regresi dimana nilai Y variabel dependent didistribusikan secara
23 normal terhadap nilai X variabel independent. Suatu model regresi yang
baik harus memenuhi asumsi normalitas ini. Menurut Santoso 2000, multikolinearitas adalah problem dalam
suatu model regresi yang diakibatkan adanya korelasi antar variabel independent.
Beberapa cara untuk mengatasi problem multikolinearitas diantaranya dengan menambah jumlah sampel dan mengeluarkan variabel yang mempunyai
korelasi tinggi. Homoskedastisitas adalah asumsi dalam model regresi dimana variasi
disekitar garis regresi seharusnya konstan untuk setiap nilai X Santoso, 2000. Bila asumsi ini tidak terpenuhi berarti model regresi mengalami
problem heteroskedastisitas. Heteroskedastisitas adalah masalah yang terjadi pada model regresi apabila terjadi asumsi variance error term konstan untuk
setiap nilai pada variabel penjelas dilanggar. Masalah heteroskedastisitas ini sering terjadi pada data cross-section. Cara mengatasi masalah
heteroskedastisitas ini diantarnya adalah dengan : a Menggunakan Weight Least Square Regression nilai variabel
dibagi dengan nilai variabel yang dianggap menyebabkan heteroskedastisitas.
b Menggunakan fungsi log
untuk variabel penjelas yang mengakibatkan heteroskedastisitas.
Autokorelasi adalah masalah dalam model regresi linear karena adanya korelasi antara kesalahan pengganggu pada periode t dengan
kesalahan pada periode t-1 sebelumnya. Autokorelasi ini biasanya terjadi pada model regresi yang menggunakan data time series atau berdasarkan
waktu berkala Santoso, 2000. Analisis Return to Scale RTS sangat penting untuk dilakukan
untuk mengetahui apakah kegiatan usaha yang sedang diteliti tersebut berada dalam kondisi increasing, constant, atau decreasing return to scale. Analisis
RTS ini dilakukan dengan menjumlahkan besaran elastisitas bi. Berdasarkan persamaan 1 maka :
1 b
1
+ b
2
+ b
3
+ b
4
1 ………………………………………………... 13
24 a. Jika b
1
+ b
2
+ b
3
+ b
4
1, maka usaha berada dalam keadaan decreasing return to scale. Artinya apabila faktor produksi yang
digunakan ditambahkan maka besarnya penambahan output akan lebih kecil dari proporsi penambahan input.
b. Jika b
1
+ b
2
+ b
3
+ b
4
= 1, maka usaha berada dalam keadaan constant return to scale, dimana penambahan proporsi input yang
digunakan akan sama dengan penambahan proporsi output yang dihasilkan. c. Jika b
1
+ b
2
+ b
3
+ b
4
1, maka usaha berada dalam keadaan increasing return to scale, dimana proporsi penambahan output yang
dihasilkan akan lebih besar dari penambahan proporsi input. Tingkat alokasi input yang optimal dapat diketahui melalui analisis
dari fungsi keuntungan, yaitu : Π = TR – TC atau Π = P
y
Y – P
xi
X
i .................................................................................................
14 Keuntungan maksimum pada usaha pembesaran kerapu dapat tercapai pada
saat turunan pertama dari fungsi keuntungan usaha terhadap faktor produksi sama dengan nol, yaitu :
Π = P
y
Y – P
xi
X
i
= 0 P
y
d
y
d
xi
= P
xi
P
y
PM
xi
= P
xi
NPM
xi
= P
xi
= 1
..................................................................................................................................
15
3.7.2 Analisis Finansial