III. METODE PENELITIAN

3.1. 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

(3.1)

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)

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 masing-

masing 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.