III.
3.1.
METODE PENELITIAN
Jenis dan Sumber Data Data yang digunakan pada penelitian ini adalah data sekunder dan data
primer. Data primer diperoleh dari wawancara langsung dengan pegawai divisi produksi urea PT. Pupuk Kujang mengenai produksi perusahaan. Data sekunder yang diperoleh berupa profil PT. Pupuk Kujang dan data-data faktor produksi dalam bentuk time series periode 1985-2010. Data sekunder juga diperoleh dari studi kepustakaan, literatur yang berkaitan dan relevan dengan penelitian yang didukung dari perpustakaan Institut Pertanian Bogor, Asosiasi Produsen Pupuk Indonesia (APPI), instansi-instansi lainnya serta publikasi atau laporan-laporan yang berkaitan dengan penelitian ini dari berbagai media massa serta elektronik.
3.2.
Metode Analisis Data Analisis data pada penelitian ini dilakukan secara kuantitatif, yaitu faktor-
faktor yang memengaruhi produksi pupuk urea PT. Pupuk Kujang periode tahun 1985-2010.
Analisis
kuantitatif
yang
digunakan
dalam
penelitian
ini
menggunakan fungsi Cobb Douglas dengan metode OLS (Ordinary Least Square). untuk melihat pengaruh variabel-variabel yang telah ditentukan terhadap produksi pupuk urea PT. Pupuk Kujang. Fungsi produksi Cobb Douglas digunakan karena dianggap lebih mudah diaplikasikan dengan permasalahan dalam penelitian ini dan menghasilkan penyelesaian yang lebih mudah dibanding dengan fungsi produksi lain. Adapun penelitian ini menggunakan program Minitab 14 dan Microsoft Excel 2007.
3.3.
Pengukuran Variabel Konsep pengukuran variabel yang digunakan dalam penelitian dalam
penelitian ini terdiri dari variabel bebas (independent variable) dan variabel tak bebas (dependent variable) PT. Pupuk Kujang tahun 1985-2010. Dalam menganalisis faktor-faktor yang mempengaruhi produksi pupuk urea PT. Pupuk Kujang, variabel-variabel yang digunakan antara lain : 1.
Produksi Pupuk Urea (Y) Pupuk urea yang dihasilkan pada PT. Pupuk Kujang adalah pupuk urea bersubsidi dan tidak bersubsidi. Kapasitas produksi terpasang pupuk urea adalah 570.000 ton per tahun.
2.
Modal (X1) Modal yang dimaksud adalah modal tetap. Modal tetap dalam hal ini adalah mesin-mesin dan alat pabrik yang berpengaruh langsung terhadap proses produksi pupuk urea pada PT. Pupuk Kujang 1-A dikurangi dengan biaya depresiasi.
3.
Tenaga Kerja (X2) Tenaga kerja yang dimaksud adalah tenaga kerja tetap yang berpengaruh langsung pada proses produksi pupuk urea 1-A. Tenaga kerja pada bagian produksi PT. Pupuk Kujang relatif sedikit karena teknologi yang digunakan dalam produksi pupuk urea sangat canggih sehingga industri ini merupakan industri padat tenaga kerja.
4.
Bahan Baku (X3) Bahan baku yang dimaksud adalah bahan baku yang peranannya sangat penting dalam proses produksi pupuk urea, yaitu gas bumi. Gas bumi
diperoleh oleh PT. Pupuk Kujang berasal dari Pertamina hulu energi. Satuan gas bumi yang dipakai pada penelitian ini adalah mmbtu, satuan tersebut adalah satuan energi dari gas bumi. 5.
Stream Days ( X4) Stream days adalah waktu yang diperlukan mesin dalam memproduksi pupuk dari bahan baku sampai dengan butiran pupuk urea. Stream days pada PT. Pupuk Kujang dihitung dalam satuan hari. Berdasarkan sifat proses produksi pupuk urea yang kontinyu, apabila terjadi kerusakan atau kemacetan pada mesin maka akan berpengaruh terhadap total produksi urea.
3.4.
Model Analisis Pada penelitian ini model yang digunakan untuk menganalisis fungsi
produksi adalah fungsi produksi Cobb-Douglas, dimana fungsi Cobb-Douglas seperti yang dirumuskan pada persamaan (3.1) :
= a X1b1 X2b2 X3b3 X4b4 dimana: Y
= Total Produksi Pupuk (ton)
X1
= Jumlah Modal Tetap (juta rupiah)
X2
= Jumlah tenaga kerja (jiwa)
X3
= Jumlah bahan baku (mmbtu)
X4
= Jumlah stream days (hari)
a
= intersep
bi
= koefisien regresi penduga (b1,...,b4)
(3.1)
Model di atas dapat dipergunakan untuk mengetahui nilai elastisitas dari masing-masing output, sebab koefisien pangkat dari model tersebut dapat menunjukkan nilai elastisitasnya. Selain dari nilai elastisitas, skala usaha (return to scale) dapat juga diketahui dengan menjumlahkan nilai koefisien dari masingmasing faktor tersebut. Apabila penjumlahannya lebih dari satu (∑bi>1), berarti skala semakin meningkat (increasing return to scale). Jika hasil penjumlahannya sama dengan satu (∑bi =1), berarti menunjukkan skala usaha yang tetap (constant return to scale). Sedangkan jika hasil penjumlahan kurang dari satu (∑bi<1) berarti menunjukkan skala usaha yang semakin menurun (decreasing return to scale).
3.5.
Pengujian Asumsi Variabel-variabel yang diestimasi harus memenuhi asumsi regresi klasik
agar hasil estimasi bersifat BLUE (Best Liniear Unbiased Estimation). Untuk itu diperlukan uji-uji asumsi yang memenuhi, uji tersebut adalah: 1.
Uji Normalitas Uji ini digunakan untuk melihat apakah distribusi dari error termnya
(residual) menyebar normal atau tidak. Uji normalitas dapat menggunakan uji Kolmogrov-Smirnov. Hipotesis uji normalitas adalah sebagai berikut: H0 : residual menyebar normal H1 : residual tidak menyebar normal Apabila nilai p-value lebih besar dari alfa berarti terima H0, maka residual menyebar normal. Artinya dalam regresi tersebut asumsi kenormalan terpenuhi. 2.
Uji Multikolinearitas
Uji multikolinearitas adalah pengujian yang dilakukan untuk melihat apakah terdapat hubungan linear di antara beberapa atau semua variabel independen dari model regresi. Multikolinearitas dapat menyebabkan koefisien variabel independen cenderung tidak signifikan terhadap variabel respon. Cara mengetahui apakah dalam model tersebut mengandung multikolinearitas atau tidak adalah dengan cara menghitung Varians Inflation Factor (VIF). Jika nilai VIF < 10, maka persamaan tersebut tidak ada masalah multikolinearitas. 3.
Uji Autokorelasi Uji autokorelasi digunakan untuk mengetahui apakah residual memiliki
korelasi dengan residual lain. Untuk mendeteksi adanya korelasi serial adalah dengan melihat nilai Durbin- Watson (DW). Untuk mengetahui ada atau tidaknya autokorelasi, maka dilakukan dengan membandingkan Dw statistik dengan Dw tabel. 4.
Uji Heteroskedastisitas Suatu fungsi dikatakan baik apabila memenuhi asumsi homoskedastisitas
(tidak terjadi heteroskedastisitas) atau memiliki ragam error yang sama. Salah satu cara untuk melihat ada atau tidaknya masalah heteroskedastisitas adalah dengan menggunakan uji White. Uji White menggunakan residual kuadrat sebagai variabel dependen yang diregresikan terhadap variabel-variabel independennya. Hipotesis penggunaan uji White adalah: H0 : homoskedastisitas H1 : heteroskedastisitas Apabila nilai p-value lebih besar dari taraf nyata (α) yang digunakan maka terima H0, sehingga tidak terjadi pelanggaran asumsi heteroskedastisitas.
Sebaliknya jika p-value lebih kecil dari taraf nayat (α) yang digunakan makan tolak H0 dan terjadi pelanggaran asumsi heteroskedastisitas.
