BAB 4 ANALISIS DATA DAN PEMBAHASAN

25

BAB 4

ANALISIS DATA DAN PEMBAHASAN

4.1. Analisis Data

4.1.1. Data yang diperoleh

Data yang dipakai adalah data produksi kaca patri berdasarkan permintaan proyek yang telah berjalan, yaitu selama 1 (satu) tahun, dari bulan Januari 2005 – Desember 2005. Data tersebut dapat dilihat sebagai berikut :

Tabel 4.1. Data Produksi Kaca Patri Periode Januari – Desember 2005

Proyek ke- Total Produksi (m²)

1 0.90 2 1.20 3 1.40 4 1.50 5 1.65 6 1.90 7 2.00 8 2.20 9 1.00 10 1.20

Sumber : PT. Estu Adimore

Tabel 4.2. Data Angkatan Kerja Periode Januari – Desember 2005

*satuan Tenaga Kerja dalam ratusan ribu Rp.

Proyek ke- Tenaga Kerja (L)

1 1.0 2 1.3 3 1.8 4 2.0 5 2.5 6 3.0 7 3.0 8 4.0 9 1.0 10 1.3

Tabel 4.3. Data Modal Periode Januari – Desember 2005

*satuan Modal dalam jutaan Rp.

Proyek ke- Modal (K)

1 2.00

2 2.20

3 2.30

4 1.50

5 2.80

6 3.00

7 3.30

8 3.40

9 2.00

10 2.20

Sumber : PT. Estu Adimore

27

Untuk melihat pola data tersebut, kita dapat membuat data gabungan dalam bentuk grafik seperti dibawah ini :

0.00 0.50 1.00 1.50 2.00 2.50

Proyek ke-

H as il P roduk si

Series1 0.90 1.20 1.40 1.50 1.65 1.90 2.00 2.20 1.00 1.20

1 2 3 4 5 6 7 8 9 10

Gambar 4.1. Grafik Pola Data Produksi Kaca Patri periode Januari – Desember 2005

0.00 0.50 1.00 1.50 2.00 2.50 3.00 3.50 4.00 4.50

Proyek ke-

A ngk at an K er ja

Series1 1.00 1.30 1.80 2.00 2.50 3.00 3.00 4.00 1.00 1.30

1 2 3 4 5 6 7 8 9 10

Gambar 4.1. Grafik Pola Data Angkatan Kerja periode Januari – Desember 2005

4.1.2. Analisis data dalam kegiatan produksi

Metode yang digunakan dalam proses produksi, adalah dengan menggunakan metode fungsi produksi COBB-DOUGLAS.

Penulis menganalisa proses produksi yang berjalan, yaitu selama periode 12 (dua belas), yaitu dimulai dari bulan Januari 2005 – Desember 2005.

4.2. Hasil Analisis Data

Data yang dipakai adalah data produksi kaca patri berdasarkan adanya proyek yang berjalan, selama kurun waktu 1 (satu) tahun. Yaitu bulan Januari 2005 sampai dengan Desember 2005. Data tersebut dapat dilihat seperti dibawah ini :

n = Total nilai pengamatan (n = 10) Q = Hasil produksi kaca patri (m²)

L = Angkatan kerja yang digunakan (dalam ratusan ribu Rp.;Rp.00.000,00) K = Modal yang digunakan (dalam jutaan Rp. ; Rp.000.000,00)

Yi = Log

e

Q X

2

= Log

e

L X

3

= Log

e

K

Yi = Yi – Y x

2

= X

2

– X

2

x

3

= X

3

– X

3

Tabel 4.4. Tabel Kerja untuk Model Q = AL

^α

K

^β

Hasil

Produksi Labour Kapital Y

i

X

2

X

3

y

i

x

2

x

3

(m²) (Rp.00.000,-) (Rp.000.000,-)

n

Q L K Log

e

Q Log

e

L Log

e

K Y

i

- Y X

2

- X

2

X

3

- X

3

1 0.90 1.00 2.00

-

0.10536052 0.00000000 0.69314718

- 0.46790588

- 0.63054720

- 0.18160411 2 1.20 1.30 2.20 0.18232156 0.26236426 0.78845736

- 0.18022381

- 0.36818294

- 0.08629393 3 1.40 1.80 2.30 0.33647224 0.58778666 0.83290912

- 0.02607313

- 0.04276054

- 0.04184217 4 1.50 2.00 1.50 0.40546511 0.69314718 0.40546511 0.04291974 0.06259998

- 0.46928618 5 1.65 2.50 2.80 0.50077529 0.91629073 1.02961942 0.13822992 0.28574353 0.15486813 6 1.90 3.00 3.00 0.64185389 1.09861229 1.09861229 0.27930852 0.46806508 0.22386100 7 2.00 3.00 3.30 0.69314718 1.09861229 1.19392247 0.33060181 0.46806508 0.31917118 8 2.20 4.00 3.40 0.78845736 1.38629436 1.22377543 0.42591199 0.75574716 0.34902414 9 1.00 1.00 2.00 0.00000000 0.00000000 0.69314718

- 0.36254537

- 0.63054720

- 0.18160411 10 1.20 1.30 2.20 0.18232156 0.26236426 0.78845736

- 0.18022381

- 0.36818294

- 0.08629393

n Σ Q Σ L Σ K Σ Y

_i

Σ X

₂

Σ X

₃

Σy

_i

Σx

₂

Σx

₃

10 14.950 20.900 24.700 3.62545366 6.30547204 8.74751292 0.00000000 0.00000000 0.00000000

- Q L K Y

ⁱ

X

2

X

³

- - -

1.495 2.090 2.470 0.36254537 0.63054720 0.87475129

Cara perhitungan dapat dilihat seperti dibawah ini:

1. Data total masing – masing produksi digabungkan, yaitu output hasil produksi, jumlah tenaga kerja yang digunakan dalam memproduksi kaca patri tersebut, dan jumlah modal yang digunakan.

Tabel 4.5. Tabel Data Output (Q), Labour (L) dan Capital (K)

Proyek ke- Total produksi (dalam m²)

Tenaga Kerja (L)

Modal (K)

1 0.90 1.0 2.00

2 1.20 1.3 2.20

3 1.40 1.8 2.30

4 1.50 2.0 1.50

5 1.65 2.5 2.80

6 1.90 3.0 3.00

7 2.00 3.0 3.30

8 2.20 4.0 3.40

9 1.00 1.0 2.00

10 1.20 1.3 2.20

31

2. Masing – masing data pada setiap variabel tersebut dibuat perhitungannya, sehingga menjadi :

Log

e

X atau Ln X

Baik pada data Output (Q), Labour (L) dan Capital (K).

3. Data hasil perhitungan setelah di Ln X, selanjutnya disebut berturut – turut sebagai variabel Y, X

2

dan X

3

.

Tabel 4.6. Tabel Perhitungan Data Y

i

, X

2

dan X

3

n

Hasil Produksi

Q

Labour L

Kapital K

Y

i

Log

e

Q

X

2

Log

e

L

X

3

Log

e

K 1 0.90 1.00 2.00 -0.10536052 0.00000000 0.69314718 2 1.20 1.30 2.20 0.18232156 0.26236426 0.78845736 3 1.40 1.80 2.30 0.33647224 0.58778666 0.83290912 4 1.50 2.00 1.50 0.40546511 0.69314718 0.40546511 5 1.65 2.50 2.80 0.50077529 0.91629073 1.02961942 6 1.90 3.00 3.00 0.64185389 1.09861229 1.09861229 7 2.00 3.00 3.30 0.69314718 1.09861229 1.19392247 8 2.20 4.00 3.40 0.78845736 1.38629436 1.22377543 9 1.00 1.00 2.00 0.00000000 0.00000000 0.69314718 10 1.20 1.30 2.20 0.18232156 0.26236426 0.78845736

4. Dari data tersebut diatas, maka dicari rerata untuk masing – masing variabelnya, yaitu:

Σ Q = 14.950 Q = 1.495

Σ L = 20.900 L = 2.090

Σ K = 24.700 K = 2.470

Σ Y

i

= 3.62545366 Y

ⁱ

=

0.36254537

Σ X

2

= 6.30547204 X

2

=

0.63054720

Σ X

3

=

8.74751292 X

3

=

0.87475129

5. Kemudian dibuatkan perhitungan untuk y

i

, x

2

dan x

3

. Dimana:

yi = Yi – Y x

2

= X

2

– X

²

x

3

= X

3

– X

3

Tabel 4.7. Tabel Perhitungan Data

Yi X2 X3 yi x2 x3

n

Q L K Loge Q Loge L Loge K Yi –

Y

^{X2 –}

X

² _{X3 –}

X

₃

1 0.90 1.00 2.00 -0.10536052 0.00000000 0.69314718 -0.46790588 -0.63054720 -0.18160411 2 1.20 1.30 2.20 0.18232156 0.26236426 0.78845736 -0.18022381 -0.36818294 -0.08629393 3 1.40 1.80 2.30 0.33647224 0.58778666 0.83290912 -0.02607313 -0.04276054 -0.04184217 4 1.50 2.00 1.50 0.40546511 0.69314718 0.40546511 0.04291974 0.06259998 -0.46928618 5 1.65 2.50 2.80 0.50077529 0.91629073 1.02961942 0.13822992 0.28574353 0.15486813 6 1.90 3.00 3.00 0.64185389 1.09861229 1.09861229 0.27930852 0.46806508 0.22386100 7 2.00 3.00 3.30 0.69314718 1.09861229 1.19392247 0.33060181 0.46806508 0.31917118 8 2.20 4.00 3.40 0.78845736 1.38629436 1.22377543 0.42591199 0.75574716 0.34902414 9 1.00 1.00 2.00 0.00000000 0.00000000 0.69314718 -0.36254537 -0.63054720 -0.18160411 10 1.20 1.30 2.20 0.18232156 0.26236426 0.78845736 -0.18022381 -0.36818294 -0.08629393

6. Data yang didapat dari perhitungan tersebut kemudian dibuatkan masing - masing total untuk setiap variabel tadi.

7. Setelah data y

i

, x

2

dan x

3

diketahui, maka dibuat perhitungan selanjutnya,

untuk mengetahui y

i

x

2

, y

i

x

3

, dan x

2

x

3

.

33

Tabel 4.8. Tabel Perhitungan y

i

x

2

, y

i

x

3

, dan x

2

x

3

y

i

x

2

y

i

x

3

x

2

x

3

0.29503675 0.08497363 0.11450996 0.06635533 0.01555222 0.03177195 0.00111490 0.00109096 0.00178919 0.00268677 -0.02014164 -0.02937730 0.03949831 0.02140741 0.04425256 0.13073457 0.06252628 0.10478152 0.15474317 0.10551857 0.14939288 0.32188178 0.14865357 0.26377400 0.22860197 0.06583973 0.11450996 0.06635533 0.01555222 0.03177195 Σy

i

x

2

Σy

i

x

3

Σx

2

x

3

1.30700887 0.50097295 0.82717669

4.3. Pembahasan

Berdasarkan data yang sudah dianalisis diatas, maka disini data – data hasil analisis tersebut akan dimasukkan kedalam fungsi produksi yang akan dianalisis selanjutnya.

Fungsi yang akan ditaksir adalah:

Q = A L

^α

K

^β

Atau :

log

e

Q = log

e

A + α log

e

L + β log

e

K

⁺

Log

^e

U (i) Dengan substitusi nilai – nilai dari Tabel 4.4, diperoleh:

)² x x ( - ) x . x (

) x y . x x ( - ) x . x y ˆ (

3 2 2

3 2 2

3 i 3 2 2

3 2 i

∑

∑

∑

∑

∑

∑

= ∑

α

9)² (0.8271766 -

) 0.60061965 0)(

(2.1630171

) 0.50097295 9)(

(0.8271766 -

) 0.60061965 7)(

(1.3070088 ˆ =

α

α ˆ = 0.60270679

)

2

x x ( - ) x . x (

) x y . x x ( - ) x . x y ˆ (

3 2 2

3 2 2

3 i 3 2 2

3 3 i

∑

∑

∑

∑

∑

∑

= ∑

β

9)² (0.8271766 -

) 0.60061965 0)(

(2.1630171

) 0.50097295 9)(

(0.8271766 -

) 2.16301710 5)(

(0.5009729 ˆ =

β

β ˆ = 0.00404239

log

e

A = Y - α ˆ X

2

- β ˆ X

3

log e A = 0.36254537– (0.60270679)( 0.63054720) – (0.00404239)(0.87475129) log

e

A = -0.02102580

(ii) dimana R²:

2 3

2

ˆ

2

ˆ

i

i i

y

y x y

R x

∑

∑ +

= α ∑ β

0.80567756

) 0.50097295 9)(

(0.0040423 887)

9)(1.30700 (0.6027067

2

= +

R

R² = 0.98025350

1 – R² = 1 – 0.98025350 1 – R² = 0.01974650

(iii) ∑ eˆ

ⁱ

² = ∑y

i

² (1 – R²)

∑ eˆ

ⁱ

² = (0.80567756)(0.01974650)

∑ eˆ

ⁱ

² = 0.01590931

35

Jadi,

) (

ˆ

²

2

k n

e

i

u

−

= ∑ δ

3) - (10 0.01590931

2

=

δ

u

δ

u

² = 0.00227276

(iv)

₂

) ( ) . (

) )(

) ( ( ˆ

3 2 2

3 2 2

2 3 2

x x x

x

Var

^u

x

∑

−

∑

∑

= δ ∑

α

² 0.82717669 -

) 0.60061965 0)(

(2.1630171

) 0.60061965 6)(

(0.0022727 ˆ )

( α = Var

Var ( α ˆ ) = 0.00221987

SE ( α ˆ ) = Var ( α ˆ ) = 0.00221987 SE ( α ˆ ) = 0.04711550

₂

) ( ) . (

) )(

) ( ( ˆ

3 2 2

3 2 2

2 2 2

x x x

x

Var

^u

x

∑

−

∑

∑

= δ ∑

β

² 0.82717669 -

) 0.60061965 0)(

(2.1630171

)) 2.16301710 6)(

(0.0022727 ˆ )

( β =

Var

Var ( β ˆ ) = 0.00799444

SE ( β ˆ ) = Var ( β = 0.00799444 ˆ ) SE ( β ˆ ) = 0.08941163

(v) Hasil – hasil regresi tersebut disajikan sebagai berikut:

Fungsi produksi tanpa restriksi "constant returns to scale" :

Log

e

Q = Log

e

A + α Log

e

L + β Log

e

K

R² = 0.98025350 Log

e

Q = -0.02102580 + 0.60270679 Log

e

L + 0.00404239 Log

e

K SE ( β ˆ )

ⁱ

(0.04711550) (0.08941163)

atau:

Q = A(L)

0.60270679

(K)

0.00404239

dimana: A = e

-0.02102580

Dari hasil taksiran diatas, diperoleh elastisitas output terhadap tenaga kerja dan kapital, masing – masing adalah 0.60270679 dan 0.00404239.

Dengan kata lain, apabila input Kapital (K) dianggap tetap, maka 1 unit input tambahan tenaga kerja mengakibatkan kenaikan output rata – rata sekitar 0.60 unit m². Begitu pula bila input tenaga kerja konstan, maka 1 unit tambahan input kapital, mengakibatkan kenaikan output rata – rata sekitar 0.004 m².

Dari sudut pandang statistik, model regresi diatas menerangkan data dengan

sangat baik. Nilai R² = 0.98 berarti bahwa sekitar 98% variasi output atau hasil

produksi (dalam logaritma) mampu dijelaskan oleh variasi (logaritma dari)

tenaga kerja dan kapital.

37

Bila dijumlahkan, kedua taksiran elastisitas ini akan diperoleh angka return to scale sebesar 0.6067.

4.4. Pengujian Hipotesis

Dalam teori ekonomi dikatakan bahwa bila β

1

+ β

2

= 1, maka proses produksi termasuk constant returns to scale (konstanta skala balik; atau linear homogen).

Untuk menguji sifat constant returns to scale, fungsi produksi dapat dilakukan dengan uji hipotesis:

H

o

: α + β = 1 H

1

: α + β ≠ 1

Untuk keperluan ini, fungsi produksi ditaksir menurut dua cara berbeda:

(i) dengan memasukkan restriksi (ii) tanpa memasukkan restriksi

Fungsi produksi:

Q

i

= A L

iβ1

K

iβ2

U

i

log

e

Q

i

= log

e

A + β

1

log

e

L

i

+ β

2

log

e

K

i

+ log

e

U

i

Substitusikan β

2

= 1 – β

1

, maka didapat:

log

e

Q

i

= log

e

A + β

1

log

e

L

i

+ (1 – β

1

) log

e

K

i

+ log

e

U

i

Sehingga :

log

e

Q

i

– log

e

K

i

= log

e

A + β

1

(log

e

L

i

– log

e

K

i

) + log

e

U

i

log

e

⎟

⎠

⎜ ⎞

⎝

⎛

i i

K

Q = log

e

A + β

1

log

e

⎟

⎠

⎜ ⎞

⎝

⎛

i i

K

L + log

e

U

i

Fungsi ini dapat diperlakukan sebagai suatu model regresi sederhana dengan mengubah bentuk menjadi:

Yi = A* + β

1

X

i

+ Ui*

Dimana:

Yi = log

e

⎟

⎠

⎜ ⎞

⎝

⎛

i i

K

Q dan Xi = log

e

⎟

⎠

⎜ ⎞

⎝

⎛

i i

K

L

Oleh karena itu, penaksir – penaksir kuadrat terkecil dari parameter β

1

dari model Y

i

= A* + β

1

X

i

+ U

i

* adalah:

1 2

) (

) )(

(

2

X X

Y Y X X x

y x

i i i

i i i

−

∑

−

−

= ∑

∑

= ∑ β

( ) ( )

[ ^{L L K K} ]

X

X

i

) log log log log

( − = − − −

= [(log L – log L ) – (log K – log K )]

(Yi – Y ) = [(log Q – log Q ) – (log Q – log K )]

= [(log Q – log Q ) – (log K – log K )]

Anggaplah bahwa:

(log L – log L ) = l (log Q – log Q ) = q (log K – log K ) = k

Maka:

( )( )

( )

^{2 2}

2 1 2

2

^{i i i}

i

i i i i i i i i

i

i i i i

k k l l

k k l k q l q k

l

k q k l

∑ +

∑

−

∑

∑ +

∑

−

∑

−

= ∑

−

∑

−

−

= ∑

β

39

Dari data yang diteliti, maka dihitung:

Σq

i

² = ΣQi² - n x (Q)²

Σl

i

² = ΣLi² - n x (L)²

Σk

i

² = ΣKi² - n x (K)²

Σk

i

l

i

= ΣLiKi - n x K L Σk

i

q

i

= ΣQiKi - n x Q K

Σl

i

q

i

= ΣQiLi - n x Q L

Σq

i

² = 24.07250000 - 10 x 2.23502500 = 1.72225000 Σl

i

² = 52.87000000 - 10 x 4.36810000 = 9.18900000 Σk

i

² = 64.51000000 - 10 x 6.10090000 = 3.50100000 Σk

i

l

i

= 56.36000000 - 10 x 5.16230000 = 4.73700000 Σk

i

q

i

= 38.95000000 - 10 x 3.69265000 = 2.02350000 Σl

i

q

i

= 35.16500000 - 10 x 3.12455000 = 3.91950000

Dengan mensubstitusikan nilai – nilai tersebut kedalam :

( )( )

( )

^{2 2}

2 1 2

2

^{i i i}

i

i i i i i i i i

i

i i i i

k k l l

k k l k q l q k

l

k q k l

∑ +

∑

−

∑

∑ +

∑

−

∑

−

= ∑

−

∑

−

−

= ∑ β

diperoleh:

β

1

=

3.50100000 00)

2(4.737000

9.18900000

3.50100000 4.73700000

2.02350000

3.91950000

+ +

β

1

= 0.20522388

β

2

= 1 – β

1

β

2

= 1 - 0.20522388 β

2

= 0.79477612

log

e

A = Y - αX

2

- βX

3

log e A = 1.495 – (0.20522388)( 2.090) – (0.79477612)( 2.470)

log

e

A = -0.89701493

2 3 2 2

yi

y x y

R x

^{i i}

∑

∑ +

= α ∑ β

0.80567756

) 0.50097295 2)(

(0.7947761 887)

8)(1.30700 (0.2052238

2

= +

R

R² = 0.82711844

1 – R² = 1 – 0.82711844 1 – R² = 0.17288156

∑e

i

² = ∑y

i

² (1 – R²)

∑e

i

² = (0.80567756)(0.17288156) ∑e

i

² = 0.13928679

( )

ˆ

²

2

k n

e

ⁱ

u

−

= ∑ δ

3) - (10 0.13928679

2

=

δ

u

δ

u

² = 0.01989811

₂

) ( ) . (

) )(

) ( ( ˆ

3 2 2

3 2 2

2 3 2

x x x

x

Var

^u

x

∑

−

∑

∑

= δ ∑

α

² 0.82717669 -

) 0.60061965 0)(

(2.1630171

) 0.60061965 1)(

(0.0198981 ˆ )

( α = Var

Var (α) = 0.01943508

SE ( α ˆ ) = Var ( α ˆ ) = 0.01943508

= ˆ ) ( α

SE 0.13940976

41

)

2

( ) . (

) )(

) ( ( ˆ

3 2 2

3 2 2

2 2 2

x x x

x

Var

^u

x

∑

−

∑

∑

= δ ∑

β

(2.1630171 0)( 0.60061965 ) - 0.82717669 ² )

2.16301710 1)(

(0.0198981 ˆ )

( β = Var

Var ( β ˆ ) = 0.06999172

SE ( β ˆ ) = Var ( β ˆ ) = 0.06999172 SE ( β ˆ ) = 0.26455948

Dengan demikian, maka taksiran fungsi produksi dengan restriksi “constant returns to scale” :

R² = 0.82711844 Log

e

Q = -0.89701493 + 0.20522388 Log

e

L + 0.79477612 Log

e

K

SE (βi) (0.13940976) (0.26455948) atau:

Qi = A* Li

0.20522388

Ki

0.79477612

dimana: A = e

-0.89701493

Sedangkan fungsi produksi tanpa restriksi "constant returns to scale" :

R² = 0.98025350

Log

e

Q = -0.02102580 + 0.60270679 Log

e

L + 0.00404239 Log

e

K SE (βi) (0.04711550) (0.08941163) atau:

Qi = A* Li

0.60270679

Ki

0.00404239

dimana: A = e

-0.02102580

Untuk menguji validitas restriksi β

1

+ β

2

= 1, dapat diuji dengan menerapkan uji-F menurut prosedur berikut:

∑e

1

² = RSS, jumlah kuadrat residu (residual sum of square) dari fungsi tanpa restriksi

∑e

2

² = RSS dari fungsi dengan restriksi n = jumlah pengamatan

k = jumlah parameter dalam fungsi ”tanpa restriksi”

m = jumlah restriksi linier yang dimasukkan

maka:

/( )

/ ) (

2 1

2 1 2 2

k n e

m e F e

−

∑

∑

−

= ∑

Yang mengikuti distribusi F, dengan derajat bebas: m, (n-k) 0.01590931 /(10 - 3)

1) / ) 0.01590931 -

79 ((0.139286

=

F

F = 54.28534580

Tabel 4.9. Tabel Analisis Varian Sumber Variasi Jumlah Kuadrat

(SS)

Derajat Bebas (db)

Rerata Jumlah Kuadrat (MSS) Dijelaskan (ESS) ∑ Y ˆi

²

k – 1 ∑ Y ˆi

²

/ (k – 1) Residu (RSS) ∑ e _ˆ

i²

n - k ∑ e _ˆ

i²

/ (n – k) Total (TSS) Σy

i

² n - 1 Σy

i

² / (n – 1)

Tabel 4.10 merupakan bentuk baku (standar) dari Tabel ANOVA (Analysis of

Variance), yaitu dengan menyusun berbagai jumlah kuadrat disertai derajat bebas

masing – masing.

43

Dimana:

Jumlah Kuadrat Dijelaskan (ESS) = α ∑ x

2

y

ⁱ

+ β ∑ x

3

y

ⁱ

Jumlah Kuadrat Residu (RSS) = Jumlah Kuadrat Total (TSS) - Jumlah Kuadrat Dijelaskan (ESS)

Tabel 4.10. Tabel Data ANOVA Sumber Variasi Jumlah Kuadrat

(SS)

Derajat Bebas (db)

Rerata Jumlah Kuadrat (MSS)

F*

Dijelaskan (ESS)

0.7898 3 – 1 = 2 0.3949 0.3949 / 0.0023

= 171.6956 Residu (RSS) 0.0159 10 – 3 = 7 0.0023

Total (TSS) 0.8057 10 – 1 = 9

F* hasil pengamatan (F hitung) adalah jauh lebih besar daripada F tabel (= 19.35), dengan derajat bebas (2, 7).

Oleh karena itu, Ho ditolak, dan hipotesis diterima bahwa regresi adalah signifikan, yaitu X adalah faktor penjelas yang nyata (significant) bagi variasi dalam variabel Y.

Atau dengan kata lain, bahwa:

Variabel angkatan kerja atau Labour (L), adalah faktor penjelas yang nyata

(significant) bagi variasi dalam variabel output atau hasil produksi kaca patri pada

proses produksi yang diteliti selama kurun waktu 1(satu) tahun tersebut. Yaitu

periode Januari 2005 – Desember 2005.