BAB IV. GAMBARAN UMUM DAN ANALISIS DATA
G. Analisis Data
5. Deskripsi Hasil Produksi
Setiap industri atau perusahaan hasil akhir dalam proses industri menghasilkan hasil produksi. Hasil produksi dari setiap industri atau perusahaan berdeda-beda tergantung dari industri tersebut memproduksi apa. Dari hasil penelitian industri ini menghasilkan beraneka macam kerajinan dan souvenir. Hasil produksi dari setiap industri hampir sama barang yang diproduksi.
56
Hasil produksi dari setiap industri berbeda-beda tergantung dari para pemilik industri produk yang dipasarkan itu apa saja. Ada industri yang memproduksi beberapa macam produk, ada juga yang memproduksi satu macam produk. Industri kerajinan setiap bulan mampu memproduksi produknya 1.001 sampai 3.000. Industri kerajinan mampu memproduksi produk banyak itu tergantung dari orderan atau pesanan dari setiap bulan.
Hasil produksi tersebut tidak bisa diperkirakan terkadang orderan atau pesanan terkadang orderan hanya sedikit, tetapi orderan bisa melebihi target pada saat liburan, dan pada saat ada kunjungan dari wisatawan yang datang ke Gamplong. Pada liburan banyak wisatawan dari luar daerah Jogja yang berlibur ke Jogja untuk berwisata, dan membeli oleh-oleh atau souvenir ke Gamplong.
Hasil produksi di industri Gamplong tidak hanya dipasarkan di dalam kota Jogja tetapi sampai keluar kota bahkan sampai ke luar negeri. Hasil produksi yang paling banyak diminati oleh konsumen produk place mate dan tas, dua produk ini sangat laris dipasaran. Pembeli membeli produk-produk secara langsung ke tempat industri atau ketengkulak-tengkulak yang memasarkan produk dari Gamplong. Tetapi pembeli bisa membeli atau memesan produk melalui internet atau online.
Hasil produk yang paling diminati oleh pembeli yaitu produk place mate dan tas. Produk tas dibuat mengikuti model yang baru diminati oleh pembeli.
Tabel IV.7
Distribusi Frekuensi Kategori Hasil Produksi Hasil produksi
Frequency Percent Valid Percent
Cumulative Percent Valid 1-1000 biji 7 29,2 29,2 29,2 1001-2000 biji 8 33,3 33,3 62,5 2001-3000 biji 5 20,8 20,8 83,3 > 3000 biji 4 16,7 16,7 100,0 Total 24 100,0 100,0
Sumber: data diolah, 2013
Berdasarkan tabel di atas bahwa hasil produksi dari seluruh industri mulai dari 1001 sampai 2000 biji perbulan. Hasil produksi per hari 33 biji sampai 66 biji untuk produk tertentu dari 24 pengusaha. Jenis produk yang dihasilkan bermacam-macam tidak hanya satu macam. Produk yang dihasilkan dihitung atau ditotal perbulan dari berbagai jenis. Hasil produksi ada yang order dari luar negeri negara Jerman. Produk yang dihasilkan dari industri kerajinan di Gamplong mengikuti tren atau modal yang sedang digemari para pembeli. Jadi model dari produk bisa berbeda setiap produksinya.
6. Uji Prasyarat
a. Uji Multikolinieritas
Multikolinieritas adalah situasi adanya hubungan variabel-variabel bebas diantara satau dengan yang lainnya. Dalam hal ini disebut variabel-variabel bebas tidak ortogontal. Variabel yang bersifat ortogontal adalah variabel bebas yang nilai korelasinya
58
sama dengan nol. Apabila terdapat korelasi yang sempurna diantara sesama variabel-variabel bebas ini sama dengan satu, maka koefisien regresinya tidak dapat ditaksir dan nilai standard error setiap koefisien menjadi tidak terhingga.
Untuk mendeteksi ada tidaknya multikolinieritas dilakukan melihat nilai tolerance dan VIF. Dasar analisis yang digunakan yaitu jika tolerance lebih dari 0,10 dan VIF kurang dari 5 maka tidak terjadi masalah multikolinieritas. Hasil outputnya sebagai berikut:
Tabel IV.8
Hasil Uji Multikolinieritas Coefficientsa Model Collinearity Statistics Tolerance VIF 1 (Constant) Modal ,628 1,593 Tenaga kerja ,849 1,178 Bahan baku ,683 1,463
a. Dependent Variable: Hasil produksi
Sumber : data diolah, 2013
Berdasarkan output diatas, dapat diketahui bahwa nilai tolerance dari ketiga variabel yaitu: modal (0,628), tenaga kerja (0,849), dan bahan baku (0,683) lebih besar dari 0,10 sedangkan nilai VIF variabel modal (1,593), tenaga kerja (1,178), dan bahan baku (1,463). Ketiga nilai VIF < 5 (Gozali, 2009:91) maka dapat disimpulkan bahwa dalam model regersi tidak terjadi multikolinieritas.
b. Uji Heteroskedastisitas
Heteroskedastisitas adalah suatu keadaan dimana varians dari kesalahan pengganggu tidak konstan untuk suatu variabel bebas (Supranto, 2004: 68). Untuk mendeteksi ada tidaknya masalah heteroskedastisitas digunakan uji korelasi rank dari sperman. Jika signifikansi antara variabel independen dengan residual > 0,05 maka tidak terjadi masalah heteroskedastisitas, tetapi jika nilai signifikansi < 0,05 maka terjadi masalah heteroskedastisitas. Hasil output adalah sebagai berikut:
Tebel IV.9 Hasil Heteroskedastisitas Correlations Modal Tenaga kerja Bahan baku AbsRes Spearman's rho Modal Correlation Coefficient 1,000 ,542** ,713** ,084 Sig. (2-tailed) . ,006 ,000 ,695 N 24 24 24 24 Tenaga kerja Correlation Coefficient ,542** 1,000 ,412* ,057 Sig. (2-tailed) ,006 . ,046 ,793 N 24 24 24 24 Bahan baku Correlation
Coefficient ,713** ,412* 1,000 ,044 Sig. (2-tailed) ,000 ,046 . ,839 N 24 24 24 24 AbsRes Correlation Coefficient ,084 ,057 ,044 1,000 Sig. (2-tailed) ,695 ,793 ,839 . N 24 24 24 24 **. Correlation is significant at the 0.01 level (2-tailed).
*. Correlation is significant at the 0.05 level (2-tailed).
Sumber : data diolah, 2013
Dari output diatas dapat diketahui nilai signifikansi variabel modal (X1) sebesar 0,768, tenaga kerja (X2) sebesar 0,802, dan bahan baku (X3) sebesar 0,741, nilai ketiganya > 0,05. Maka dapat
60
dismpulkan bahwa dalam model regresi tidak terjadi masalah heteroskedastisitas.
c. Uji Autokorelasi
Autokorelasi adalah suatu keadaan dimana kesalahan pengganggu dari satu observasi terhadap observasi selanjutnya yang berurutan tidak terpengaruh atau tidak terjadi korelasi. Dalam penelitian ini uji autokorelasi menggunakan metode Durbin Watson. Cara mendeteksi maslah autokorelasi dengan metode Durbin Watson adalah sebagai berikut:
1) dU < DW < 4 – dU maka Ho diterima (tidak terjadi autokorelasi)
2) DW < dL atau DW > 4 – DL maka Ho ditolak (terjadi autokorelasi)
3) dL < DW < dU atau 4 – dU < 4 – dL maka tidak keputusan yang pasti
Dari hasil data yang telah diolah melalui program SPSS diperoleh output sebagai berikut:
Tabel IV.10 Hasil Uji Autokorelasi Model Summaryb
Model Durbin-Watson
1 2,117
a. Predictors: (Constant), Bahan baku, Tenaga kerja, Modal b. Dependent Variable: Hasil produksi
Sumber : data diolah, 2013
Dari hasil output di atas dapat diketahui bahwa nilai DW sebesar 2,117. Dengan melihat tabel Durbin Watson pada signifikansi 0,05, dengan n = 24 (jumlah data) dan k = 3 (jumlah variabel), didapat dL = 1,101 dU = 1,656. Jadi didapat hasil dU < DW < 4 – dU (1,656 < 2,117 < 2,344). Artinya tidak terdapat autokorelasi pada model regresi.
