Tingkat konsentrasi dalam model persamaan diukur dengan rasio konsentrasi. Rasio konsentrasi yang digunakan menunjukan besarnya kontribusi
nilai penjualan output perusahaan terbesar terhadap total nilai produksi industri. Formulasi dari rasio konsentrasi dapat dilihat pada persamaan 3.2.
Efisiensi dan produktivitas sebagai variabel independen yang mempengaruhi PCM didasarkan pada penelitian Puspasari 2006, variabel-
variabel ini dimasukan karena kinerja yang tinggi dapat disebabkan oleh adanya efisiensi dan banyaknya output yang dihasilkan. Efisiensi menunjukan
perbandingan antara nilai tambah dan nilai input yang diperoleh, sedangkan produktivitas mengindikasikan kemampuan perusahaan dalam menghasilkan
output pada periode waktu tertentu. Efisiensi dan Produktivitas dapat ditulis dalam persamaan berikut:
…………………..…… 3.7 …………………..…… 3.8
4.2.4 Analisis Panel Data
Dalam ekonometrika dikenal tiga bentuk data yaitu data deret waktu time series
, data kerat lintang cross section serta data panel pooled data. Data panel merupakan gabungan antara data time series dan data cross section. Hal ini
dikarenakan panel data menyediakan informasi yang cukup kaya untuk perkembangan teknik estimasi dan hasil teoritikal. Dalam bentuk praktis, peneliti
telah dapat menggunakan data time series dan cross section untuk menganalisis input
nilai tambah
Nilai X
Efisiensi =
−
ja tenaga
input Nilai
output Nilai
s oduktivita
ker Pr
=
masalah yang tidak dapat diatasi jika hanya menggunakan salah satunya saja. Banyak keuntungan yang diperoleh dengan menggunakan panel data, diantaranya
adalah sebagai berikut Baltagi, 1995: 1.
Mampu mengontrol heterogenitas individu. 2.
Memberikan lebih banyak informasi, lebih bervariasi, mengurangi kolinearitas antar variabel, meningkatkan degree of freedom dan lebih
efisien. 3.
Lebih baik untuk study of dynamic adjustments. 4.
Mampu mengidentifikasai dan mengukur efek yang secara sederhana tidak dapat diperoleh dari data cross section murni atau data time series murni.
5. Dapat menguji dan membangun model perilaku yang lebih kompleks.
Dalam pengelolaan panel data ada tiga pendekatan yang dapat dilakukan, yaitu pooled OLS, fixed effect model LSDV dan random effect model GLS.
Ketiga pendekatan ini dapat diterapkan pada dua jenis pembobotan yaitu dengan pembobot cross section weights atau tanpa pembobot no weighting. Dan untuk
memperoleh keputusan penggunaan model efek tetap atau model efek acak ditentukan dengan menggunakan spesifikasi uji Hausman Hausman test.
1. Pendekatan Kuadrat Terkecil
Pooled Least Square
Model pooled yaitu model yang didapatkan dengan mengkombinasikan atau mengumpulkan semua data cross section dan time series. Model data ini
kemudian diduga dengan menggunakan Ordinary Least Square OLS, yaitu:
Y
it
= α + βX
it
+ ε
it
…………………………….……….… 3.9
dimana: Y
it
= variabel endogen pada unit industri cross-section ke-i dan tahun ke-t X
it
= peubah bebas ke-k pada unit industri cross-section ke-i dan tahun ke-t α
= intersep β = slope
i = industri ke-i, t = periode tahun ke-t
ε = errrorsimpangan
2. Pendekatan Efek Tetap
Fixed Effect
Model efek tetap yaitu model yang didapatkan dengan mempertimbangkan bahwa peubah-peubah yang dihilangkan dapat
mengakibatkan perubahan dalam intersep-intersep cross section dan time series. Peubah dummy dapat ditambahkan ke dalam model untuk memungkinkan
perubahan-perubahan intersep ini lalu model diduga dengan OLS yaitu: …...………….…… 3.10
Dimana: Y
it
= variabel endogen pada unit industri cross-section ke-i dan tahun ke-t X
it
= peubah bebas pada unit industri cross-section ke-i dan tahun ke-t α
= intersep model α
1
= intersep industri ke-i D
i
= variabel dummy β = slope
i = industri ke-i, t = periode tahun ke-t
ε = errrorsimpangan
it i
i n
i it
it
D X
Y ε
α β
α +
+ +
=
∑
=2
3. Pendekatan Efek Acak
Random Effect
Keputusan untuk memasukan variabel dummy akan menimbulkan konsekuensi trade off. Penambahan variabel dummy ini akan mengurangi
banyaknya derajat kebebasan degree of freedom yang pada akhirnya akan mengurangi efisiensi dari parameter yang diestimasi, hal inilah yang disebut
sebagai model efek acak. Dalam model ini parameter-parameter antar daerah maupun antar waktu dimasukan kedalam error. Oleh karena itu, model efek acak
sering disebut juga model komponen error Error component model. Bentuk model efek tetap dapat ditulis dalam persamaan berikut:
……..……...………….……… 3.11
dimana: =
Komponen cross section error
= Komponen
time series error =
Komponen error kombinasi
dengan mengasumsikan error industri dan error kombinasinya tidak saling berkorelasi.
4.2.5 Pemilihan Model Antara Fixed Effect dengan Random Effect