D. Sumarjono Fakultas Peternakan Universitas Diponegoro, Semarang ABSTRAK

PENERAPAN VARIABEL BONEKA UNTUK MEMBEDAKAN PENGARUH BIAYA TERHADAP PENERIMAAN JASA PEMOTONGAN AYAM PADA DUA SKALA USAHA DI PASAR REJOMULYO SEMARANG (Dummy Variable Application to Compare the Cost on Two Scales Chicken Slaugthering Service Revenue at Rejomulyo Traditional Market Semarang City) D. Sumarjono Fakultas Peternakan Universitas Diponegoro, Semarang

ABSTRAK Kajian ini bertujuan mengetahui pengaruh biaya (X) terhadap terhadap penerimaan (Y), perbedaan besarnya pengaruh biaya terhadap penerimaan, dan perbedaan penerimaan awal sebelum adanya pengaruh biaya pada dua skala usaha jasa pemotongan ayam di Pasar Rejomulyo Kota Semarang dengan penerapan variabel boneka (D). Data skunder yang dikumpulkan adalah biaya dan penerimaan dari 6 pengusaha jasa pemotongan ayam skala 1 (paling banyak 10.000 ekor/bulan) dan 4 pengusaha jasa pemotongan ayam skala 2 ( 11.000-25.000 ekor/bulan). Data dianalisis melalui estimasi persamaan regresi untuk skala 1: Y1=a+bX1 dan skala 2: Y2=a+bX2. Pengaruh biaya terhadap penerimaan masing-masing skala diketahui melalui pengujian persamaan regresi sederhana skala yang bersangkutan. Perbedaan besarnya pengaruh biaya terhadap penerimaan pada dua skala diketahui melalui uji parsiil F(X,XDX) dan perbedaan penerimaan awal sebelum adanya pengaruh biaya pada dua skala melalui uji parsiil F(XDX,D) dari persamaan regresi skala gabungan dengan variabel dummy: Y=a+bX, Y=a+b1X+D dan Y=a+b1X+b2D+b3XD. Taraf signifikansi pengujian paling banyak 5%. Data yang dihasilkan melalui regresi sederhana, pengaruh biaya terhadap penerimaan masingmasing skala usaha adalah sangat mantap (P<0,01); dan melalui penerapan variabel boneka, besarnya pengaruh biaya terhadap penerimaan serta besarnya penerimaan awal sebelum adanya pengaruh biaya antara dua skala juga berbeda sangat mantap (P<0,01). Pengaruh biaya terhadap penerimaan skala 2 lebih tinggi dari skala 1 dan sebelum adanya pengaruh biaya, penerimaan awal skala 2 lebih rendah dari skala 1. Kata kunci : variabel boneka, biaya, penerimaan, skala usaha, pemotongan ayam ABSRACT The purpose of the study was : a) to analyze the cost’s effect on revenue; b) to compare the differences cost’s effect on revenue , and c) to compare the diferrences of original revenue before the cost effecting on chicken slaughtering service revenue at Rejomulyo traditional market Semarang using dummy variable. The secondary data (cost and revenue) were collected from 6 slaughtering service scale 1 ( maximum 10.000 chickens/month) and 4 slaughtering service scale 2 ( 11.000 – 25.000 chickens/month). Those data were analyzed using estimation of the simple regression equation Y1= a+bX2 for scale 1 and Y2= a+bX2 for scale 2. The cost’s effect on revenue at each scale were tested by using simple regression. The differences cost’s effect on revenue between scale 1 and scale 2 were tested by using partial F (X,XD½X) and the differences of original revenue scale 1 and scale 2 were tested by using partial F (XD½X,D) from the unity of scale’s regression equation with the dummy variable : Y=a+bX, Y=a+b1X+D and Y=a+b1X+b2D+b3XD. Maximum significant level of the tests were (P) = 0,05. Data showed that the cost’s effect on revenue at each scale is highly significant (p<0,01); and the application of dummy variable, the cost’s effect on revenue, and the

166

J.Indon.Trop.Anim.Agric.29 (3) September 2004

original revenue before the cost effecting between two scales also highly significant (p<0,01). The cost’s effect on revenue scale 2 are higher than scale 1 and before the cost effecting , the original revenue scale 2 lower than scale 1. Keywords : dummy variable, cost, revenue, chicken slaughtering

PENDAHULUAN Kejadian di alam yang melibatkan berbagai sifat dapat dibuat hubungan dan secara statistik biasanya dianalisis melalui bentuk hubungan dan keeratan hubungan antar variabel. Bentuk hubungan dianalisis melalui persamaan regresi dan keeratan hubungan dengan analisis korelasi. Bentuk hubungan yang menunjukkan pengaruh satu variabel terhadap variabel yang lain secara langsung dianalisis melalui persamaan regresi. Variabel yang dipengaruhi merupakan variabel dependen biasanya dilambangkan dengan huruf Y dan variabel yang mempengaruhi merupakan variabel independen biasanya dilambangkan dengan huruf X. Persamaan regresi yang melibatkan satu variabel X disebut persamaan regresi sederhana, dan yang melibatkan lebih dari sau variabel X disebut persamaan regresi berganda. Pengusaha pemotongan ayam telah mengeluarkan biaya dan dari pengeluaran tersebut diharapkan mendapatkan penerimaan yang lebih besar. Pengaruh perubahan biaya terhadap perubahan penerimaan menjadi penting untuk diketahui dalam upaya pengambilan keputusan manajemen yang tepat. Dalam hal ini biaya merupa kan variabel independen dan penerimaan merupakan variabel dependen dapat dibuat persamaan regresi linier sederhana :Y= a+bX+E dengan notasi Y= Penerimaan, X= biaya, E= Residu= galat, a= intersep dan b= koefisien regresi. Analisis regresi linier sederhana pada dua skala usaha menghasilkan dua persamaan regresi dan yang menjadi perhatian adalah masalah ada-tidaknya 1) Pengaruh biaya terhadap penerimaan pada masingmasing skala usaha, 2) Perbedaan besarnya pengaruh biaya terhadap penerimaan antar skala usaha, dan 3) Perbedaan besarnya penerimaan awal sebelum ada pengaruh biaya antar skala usaha.

Persoalan tersebut dapat diselesaikan dengan menambahkan variabel boneka dalam persamaan regresi yang telah ada. Menurut Nasoetion dan Barizi (1985), hubungan antara ciri-ciri yang diamati sering menarik perhatian, sehingga timbullah masalah korelasi dan regresi. Pada masalah korelasi dibicarakan keeratan hubungan antara dua ciri atau lebih, sedangkan masalah regresi kita menduga bentuk hubungan antara ciri-ciri tersebut. Pasaribu (1975) berpendapat bahwa dalam rangka mencari hubungan antara variabel- variabel ekonomi seorang peneliti terlebih dulu menghubungkan variabel-variabel yang diselidikinya dalam sebuah atau beberapa persamaan. Teknik statistiknya menggunakan analisis regresi dan korelasi. Sumarjono (1989) berpendapat bahwa dua sifat yang berhubungan satu dengan yang lain dalam regresi dinyatakan sebagai variabel dependen dan variabel independen. Variabel dependen hanya dipengaruhi secara langsung oleh adanya variabel independennya. Jika ada satu variabel independen, bentuk hubungannya dianalisis melalui regresi linier sederhana, dan jika ada lebih dari satu variabel independen dianalisis melalui regresi linier berganda. Menurut Kelejian dan Oates (1974) bentuk umum persamaan regresi sederhana adalah : Yt = a + b Xt + Ut , t= 1,2,…..n dan persamaan regresi berganda bentuk umumnya adalah : Yt = b0 + b1X1t + b2X2t + ….. bkXkt + Ut . Lambang Yt= observasi ke t pada variabel dependen, Xt = observasi ke t pada variabel independen, Ut = observasi ke t pada variabel penggangu, Xit = observasi ke t pada variabel independen untuk i = 1, 2,3… k, a=b0 adalah intersep, dan bi = koefisien variabel independen ke i. Persamaan regresi berlaku dengan asumsi: 1). E (Ut)= m0=0, 2). E(Ut)2= su2, 3) Cov (Ut1, Ut2)=E(U1,U2)=0, Cov (Ut,Xt)= E(Ut,Xit)=0 dan untuk persamaan regresi berganda ditambah asumsi

Dummy Variable Application to Compare the Revenue of Chicken Slaugthering (Sumarjono)

167

Cov(Xi,Xj)=E(Xi,Xj)=0. Estimasi Yt (Yest) dari sejumlah sampel dihitung dengan metode kuadrat terkecil (“Least Square”). Selanjutnya Sumarjono (2003) berpendapat bahwa koefisien a dan b dalam persamaan regresi dapat dihitung dengan cara operasi matriks, algorithma Gauss-Doolittle dan paket program statistik antara lain Excel, SPSS for Window, dan Microstat. Variabel Boneka atau “Dummy variable” dan dapat disebut pula variabel dummy adalah variabel yang nilainya berupa katagori. Lambang variabel dummy biasanya adalah huruf Z dan D. Kmenta, J (1971) memberikan istilah “Binary Variable” atau “Dummy” karena variabel ini hanya ada dua pilihan nilai yaitu nilai 0 dan nilai 1. Kleinbaum dan Kupper (1978) menyatakan bahwa variabel dummy atau variabel indikator adalah beberapa variabel dalam persamaan regresi yang mempunyai nilai “finite” untuk mengidentifikasikan perbedaan katagori variabel nominal. Istilah dummy dimaksudkan untuk mengkaitkan secara sederhana dan mengambil manfaat dari nilai aktual ( misalnya nilai 0,1, dan-1) yang tidak kuat pengukurannya, tetapi cukup aktual untuk menunjukkan katagori kepentingan. Lebih lanjut Kleinbaum dan Kupper (1978) merumuskan bahwa jika ada k katagori, maka dapat dibuat sejumlah k-1 variabel dummy dengan intersepnya. Sebagai katagori dapat berupa jenis kelamin, letak geografis, dan kelompok. Dalam persamaan regresi, variabel dummy dapat merupakan variabel dependen atau variabel independen. Persamaan regresi sederhana dengan tambahan variabel dummy pada variabel independennya adalah sebagai berikut: Y= a+b1X+b2Z + E …………………..(1) Y= a+b1X+b2XZ+E…………………..(2) Y= b0 + b1X + b2X + b3 XZ + E…… (3) Keterangan : Y = Variabel dependen, X = Variabel independen bukan Dummy, Z = Variabel Dummy, E = Error/Galat, XZ = Perkalian pasangan nilai X dan Z, a = b0 adalah intersep, b = koefisien regresi.

168

Persamaan regesi (1), (2), dan (3) merupakan persamaan regresi linier berganda dan dari persamaan tersebut dapat dibuat lebih dari satu persamaan regresi sesuai katagorinya. Kelejian dan Oates (1974) menyatakan bahwa persamaan (1) untuk menganalisis perbedaan intersep antar katagori pada koefisien regresi yang sama, persamaan (2) untuk menganalisis perbedaan koefisien regresi antar katagori pada intersep yang sama. Persamaan (3) untuk menganalisis perbedaan intersep dan koefisien regresi antar katagori (Kleinbaum dan Kupper, 1978; Kmenta, 1971). Kleinbaum dan Kupper (1978) memberikan contoh pada persamaan (3) untuk Z nilainya 0 dan 1, jika uji statistik F(XZ X,Z) signifikan, maka dua garis regresi tidak sejajar (b3¹0) dan jika non signifikan maka dua garis regresi sejajar (b3=0). Selanjutnya jika uji F(XZ X,Z) signifikan , maka dua garis regresi tidak berimpit (b2¹b3¹0) dan jika nonsignifikan maka dua garis regresi berimpit (b2=b3=0). Telah diketahui bahwa besarnya koefisien regresi (b) menunjukkan perubahan variabel dependen dari perubahan variabel independen setiap satuan, dan besarnya nilai intersep (a=bo) menunjukkan nilai rata-rata variabel dependen jika tak ada pengaruh variabel independennya. Berdasarkan hal ini dan dikaitkan dengan penambahan variabel dummy dalam persamaan regresi, akan dapat dianalisis besarnya pengaruh variabel independen terhadap variabel dependennya untuk setiap katagori dan sekaligus perbedaan besarnya pengaruh antar katagori. MATERI DAN METODE Kajian penerapan variabel boneka dilakukan pada bulan April 2004 dengan memanfaatkan data skunder. Data skunder yang dimaksudkan berasal dari sebagian data penelitian Indaryanti (2003). Variabel yang dikumpulkan adalah besarnya biaya dan penerimaan dari 10 responden usaha jasa pemotongan ayam di pasar Rejomulyo Kota Semarang yang dikelompokkan menjadi dua skala usaha yang berbeda. Skala 1 mempunyai jumlah pemotongan paling banyak 10.000 ekor/ bulan dan


Skala 2 mempunyai jumlah pemotongan antara 11.00025.000 ekor/bulan. Besarnya pengaruh biaya (X) terhadap penerimaan (Y) masing–masing skala usaha dianalisis melalui persamaan regresi linier sederhana Y= a+bX+E, kemantapan koefisien b diuji dengan taraf signifikansi paling banyak 5%. Perbedaan besarnya pengaruh biaya (X) terhadap penerimaan (Y) antar dua skala dianalisis melalui persamaan regresi berganda dengan variabel boneka (D) dan diuji dengan taraf signifikansi paling banyak 5%. Persamaan regresi yang terlibat adalah : Y= a+bX+E, Y= a+bX+b2D+E, Y = a+ b1X+b2D+b3XD+E, Langkah pengujian statistiknya sebagai berikut : 1). Menggabungkan skala 1 dan 2 kemudian menandai jumlah biaya = X, penerimaan = Y, variabel boneka = D dengan nilai 0 untuk skala 1 dan nilai 1 untuk skala 2. Perkalian XD=XD. 2). Menentukan estimasi persamaan regresi gabungan skala usaha (Yest): Y= a+bX dan jumlah kuadratnya ( Sum of Squares=SS). 3). Menentukan estimasi persamaan regresi berganda gabungan skala usaha (Yest): Y= a+b1X+b2D dan Y = a+ b1X+b2D+b3XD, jumlah kuadrat (SS) dan kuadrat tengah residunya (Mean Square Error=MSE). 4). Pengujian perbedaan besarnya pengaruh X terhadap Y ( perbedaan koefisien b) antara skala 1 dan skala 2 dengan kaidah : H0 : b2=b3=0, lawan H1: b2 ≠ b3 ≠ 0 F(D,XD  X)= {[SS regresi (X,D,XD) – SS regresi(X,)] / db(X,D,XD)- db(X)} / {MS residu regresi (X,D,XD)} Selanjutnya F(D,XD  X) dibandingkan dengan F tabel 5% derajad bebas(db)= db(X,D,XD) db(X,D), db.Residu (X,D,XD). Jika lebih besar maka Ho ditolak, dengan kata lain ada perbedaan besarnya pengaruh biaya terhadap penerimaan antara skala 1 dan skala 2. Sebaliknya jika lebih kecil maka Ho tidak ditolak atau tidak ada perbedaan pengaruh biaya terhadap penerimaan antara skala 1 dan skala 2. 5). Perbedaan besarnya penerimaan sebelum ada pengaruh biaya antara skala 1 dan skala 2 (intersep) diuji dengan kaidah :

H0 : b3=0, lawan H1: b3 ≠ 0 F(XD X,D) = {[SS regresi (X,D,XD) – SS regresi(X,D)] /db(X,D,XD) – db(X,D)} / { MS residu regresi (X,D,XD)} Selanjutnya F(XD  X,D) dibandingkan dengan F tabel 5% derajad bebas(db)= db(X,D,XD)db(X,D), db Residu (X,D,XD). Jika lebih besar maka Ho ditolak, dengan kata lain ada perbedaan besarnya penerimaan antara skala 1 dan skala 2. Sebaliknya jika lebih kecil maka Ho tidak ditolak atau tidak ada perbedaan penerimaan antara skala 1 dan skala 2. Semua komputasi menggunakan program SPSS for Window versi 8 dan Microsoft Excel. HASIL DAN PEMBAHASAN Estimasi persamaan regresi linier sederhana antar biaya (X ) dengan penerimaan (Y) masingmasing skala usaha dikomputasikan dengan program SPSS. Persamaan regresi untuk skala 1 : Y1= 104983,95 + 1,014 X1, signifikansi t =0,010, Rkuadrat= 0,843 dan untuk skala 2 : Y2= -8550690 + 2,519X2, signifikansi t =0.009, R kuadrat=0,983. Berdasarkan taraf signifikansi yang diinginkan adalah paling besar 5%(=0,05), sedangkan signifikansi t yang diperoleh semuanya lebih kecil dari 0,05 ( ≤ 0,01) maka koefisien b dalam persamaan regresi skala 1 dan skala 2 adalah sangat mantap (P<0,01) berbeda dengan nol. Hal ini dapat dikatakan ada pengaruh tambahan biaya terhadap tambahan penerimaan secara sangat mantap. Secara kuantitatif setiap tambahan biaya satu rupiah akan menambah penerimaan sebesar 1,014 rupiah pada skala 1 dan 2,519 rupiah pada skala 2. Dilihat nilai R kuadrat skala 1= 0,843, skala 2=0,983 maka model persamaan regresi baik skala 1 maupun skala 2 dapat dikatakan cocok mengingat sebagian besar variasi Y (84,30% untuk skala 1 dan 98,30% untuk skala 2) dapat dijelaskan oleh variasi X. Kurva persamaan regresi skala 1 dan skala 2 sesuai dengan Ilustrasi 1. Selanjutnya, untuk mengetahui perbedaan besarnya pengaruh biaya terhadap penerimaan serta perbedaan besarnya penerimaan awal sebelum ada pengaruh biaya antara skala 1 dan skala 2, dianalisis melalui regresi gabungan skala 1 dan skala 2 dengan


169

140000000

120000000 y 1 = 1 0 4 9 8 3 ,9 5 + 1 ,0 1 4 x 1

100000000

Penerimaan (Y)

y 2 = - 8 5 5 0 6 9 0 +2 ,5 1 9 x 2

80000000

60000000

40000000

20000000

0 0

10000000

20000000

30000000

40000000

50000000

B ia ya ( X )

-2 0 0 0 0 0 0 0

Ilustrasi 1. Hubungan Biaya dan Penerimaan

2). Estimasi Y=a+b1X+b2D adalah : Y= 3136799+1,868X-1194354D, sig. t untuk X=0,01,

pula bahwa besarnya penerimaan awal sebelum adanya pengaruh biaya antara skala 1 dengan skala 2 juga berbeda sangat mantap (P<0,01). Penggunaan rumus F(D,XD  X) dan F(XD  X,D) ternyata menghasilkan kesimpul an uji statistik yang sama dengan hasil komputasi langsung uji parsiil D dan XD pada persamaan regresi Y= a+b1X+b2D+b3XD. Uji parsiil Variabel D(skala usaha berbeda) dan XD (biaya pada skala berbeda) juga signifikan (Sig. t untuk D=0,002 <5% dan sig.t untuk XD=0,03<5%).

Nilai F tabel db=2,6 untuk signifikansi 5%=5,14 dan untuk signifikansi 1%= 10,92

KESIMPULAN

menambah satu variabel boneka. Estimasi persamaan regresi yang diperoleh sebagai berikut : 1). Estimasi Y= a+bX adalah : Y=-1935968+1,524X, sig. t=0,000, Rkuadrat=0,961, SSregresi= 5,20E+13, derajat bebas regresi(dbreg)= 1. F(D,XDX) = =

F(XDX,D) = =

[5,26E+13-5,20E+13] / 3-1 1,2214E+11 14,23 dengan derajat bebas(db)=2;6

[5,26E+13-5,276E+13] / 3-2 1,2214E+11 22,11 dengan derajat bebas (db)=1;6

Nilai F tabel db=1;6 untuk signifikansi 5%=5,99 dan untuk signifikansi 1%= 13,75. Berdasarkan nilai F(D,XDïX) > nilai F tabel 1%, maka Ho: b2=b3=0 ditolak dan hal ini berarti besarnya pengaruh biaya terhadap penerimaan berbeda sangat mantap (P<0,01) antara skala 1 dengan skala 2. Demikian pula nilai F(XDïX,D) > nilai F tabel 1%, maka Ho : b3=0 ditolak dan ini berarti

170

Melalui regresi sederhana, pengaruh biaya terhadap penerimaan masing-masing skala usaha sangat mantap (P<0,01); dan melalui penerapan variabel boneka, besarnya pengaruh biaya terhadap penerimaan serta besarnya penerimaan awal sebelum adanya pengaruh biaya antara dua skala juga berbeda sangat mantap (P<0,01). Pengaruh biaya terhadap penerimaan skala 2 lebih tinggi dari skala 1 dan sebelum adanya pengaruh biaya, penerimaan awal skala 2 lebih rendah dari skala 1.


UCAPAN TERIMA KASIH

Kmenta, J.1971. Elements of Econometrics. The Macmillan Company, London.

Penulis menyampaikan ucapan terima kasih kepada Santi Indaryanti SPt, dan Ir. Bambang Mulyatno, MS atas perkenan penggunaan sebagian data penelitiannya.

Nasoetion, A.H. dan Barizi. 1985. Metode Statistika untuk Penarikan Kesimpulan. Cetakan ke II. PT. Gramedia, Jakarta.

DAFTAR PUSTAKA

Pasaribu, A. 1975. Ekonomerika. Borta Gorat, Medan

Indaryanti, S. 2003. Analisis Skala Usaha Pemotongan Ayam Di Pasar Rejomulyo Semarang. Skripsi S1 Fakultas Peternakan Universitas Diponegoro Semarang.

Sumarjono, D. 1989. Teknik Uji Efek Perlakuan dan Faktor Yang Mempengaruhi Parameter. Seminar Peranan Statistika Dalam Menyongsong Era Tinggal Landas 26 September 1989 di Universitas Diponegoro Semarang.

Kelejian H,H and W.E. Oates. 1974. Introduction to Econometrics. Harper and Row Publishers, London. Kleinbaum, D.G. and L.L. Kupper. 1978. Applied Regression Analysis and Other Multivariable Methods. Duxbury Press , Nort Scituate, Massachusetts.

Sumarjono, D. 2003. Panduan Teori dan Komputasi Analisis Regresi Variabel Sosial-Ekonomi Peternakan. Laboratorium Sosial Ekonomi Peternakan, Universitas Diponegoro Semarang. (Tidak Dipublikasikan).


171

D. Sumarjono Fakultas Peternakan Universitas Diponegoro, Semarang ABSTRAK

Recommend Documents