BAB IV HASIL DAN PEMBAHASAN. 4.1 Gambaran Umum Pelayanan Jasa Pelabuhan Sunda Kelapa

Transkripsi

1 BAB IV HASIL DAN PEMBAHASAN 4.1 Gambaran Umum Pelayanan Jasa Pelabuhan Sunda Kelapa Pendapatan Pelabuhan Pendapatan yang diterima Pelabuhan Sunda Kelapa sejak tahun 2004 sampai tahun 2010 menunjukkan peningkatan yang terus menerus seperti yang terlihat pada gambar 4.1. Secara umum untuk kurun waktu tahun 2004 sampai tahun 2005 menunjukkan pendapatan yang tidak terlalu jauh, dimana tahun 2004 pendapatan yang diterima sebesar Rp 11,067 miliar, kemudian pada tahun 2005 menjadi Rp 12,681 miliar atau meningkat 14,59 persen ,874 15,778 16,326 17,700 18,379 Pendapatan (Miliar Rp) ,067 12, Sumber: Laporan Keuangan PT. (Persero) Pelindo II Cabang Sunda Kelapa Gambar 4.1. Perkembangan Pendapatan di Pelabuhan Sunda Kelapa Tahun (miliar rupiah)

2 30 Tetapi pada tahun 2006 pendapatan meningkat cukup tajam sebesar Rp 14,874 miliar rupiah atau meningkat 17,29 persen dibanding tahun Hal ini disebabkan oleh kebijakan perubahan tarif baru untuk pelayanan jasa yang ditetapkan oleh Direksi PT. (Persero) Pelabuhan Indonesia II pada bulan Maret Dan untuk tahun-tahun selanjutnya terus meningkat hingga tahun 2010 mencapai sebesar Rp 18,379 miliar atau naik rata-rata sebesar 4,71 persen semenjak diberlakukannya tarif baru Jasa Labuh Pada periode penelitian ( ) besarnya jasa labuh di Pelabuhan Sunda Kelapa terdapat tiga periode sesuai dengan yang terlihat pada gambar 4.2. Periode pertama menunjukkan perkembangan cenderung menurun yang diawali dari tahun 2004 dan diakhiri pada tahun Jasa Labuh (Ribu GRT)) 1,800 1,600 1,400 1,200 1, Sumber: Simoppel PT. (Persero) Pelindo II Cabang Sunda Kelapa Gambar 4.2. Perkembangan Jasa Labuh di Pelabuhan Sunda Kelapa Tahun (ribu GRT)

3 31 Pada periode ini jasa labuh mengalami penurunan dibanding jasa labuh pada tahun sebelumnya. Jasa labuh tahun 2005 menurun sebesar 10,31 persen dibanding tahun Jasa labuh tahun 2006 menurun sebesar 9,26 persen dibanding tahun Dan jasa labuh tahun 2007 menurun sebesar 5,04 persen dibanding tahun Hal ini dikarenakan cepatnya kapal meninggalkan pelabuhan. Periode kedua menunjukkan kenaikan tajam pada pada tahun Jasa labuh tahun 2008 mengalami kenaikan sebesar 67,73 persen dibanding tahun Hal ini dikarenakan banyaknya kapal yang berlabuh di kolam pelabuhan untuk melakukan perbaikan. Periode ketiga menunjukkan peningkatan mulai tahun 2009 hingga Jasa labuh tahun 2010 meningkat 15,59 persen dibanding tahun Hal ini dikarenakan arus kapal yang meningkat serta lamanya kapal di pelabuhan untuk menunggu muatan Jasa Tambat Jasa tambat di Pelabuhan Sunda Kelapa kurun waktu 2004 sampai dengan 2011 mengalami fluktuasi seperti yang terlihat di gambar 4.3. Nilai jasa tambat terendah terjadi pada bulan 2009 sebesar GRT/ETM atau turun 21,74 persen dibanding bulan yang sama tahun Hal ini karena arus kunjungan kapal ke Pelabuhan Sunda Kelapa yang turun. Jasa tambat tertinggi terjadi pada bulan November 2010 sebesar GRT/ETM atau naik 167,49 persen dibanding bulan November tahun Hal ini dikarenakan karena arus kunjungan kapal yang naik dan pengaruh

4 32 cuaca hujan serta ombak sehingga kapal harus menunggu hingga cuaca normal kembali. Jasa Tambat (Ribu GRT/ETM) Sumber: Simoppel PT. (Persero) Pelindo II Cabang Sunda Kelapa Gambar 4.3. Perkembangan Jasa Tambat di Pelabuhan Sunda Kelapa Tahun (ribu GRT/ETM) Tahun 2007 sampai tahun 2011 jasa tambat cenderung naik cukup tinggi yaitu rata-rata 10,58 persen. Hal ini seiring dengan lamanya kapal berada di tambatan dan arus kunjungan kapal yang mulai meningkat Jasa Dermaga Jasa dermaga sejak tahun 2004 hingga tahun 2011 mengalami fluktuasi atau naik turun sesuai gambar 4.4. Periode tahun 2004 sampai 2005 jasa dermaga menunjukkan kecenderungan naik mencapai nilai tertinggi sebesar ton/m 3 pada bulan Juni 2005 atau naik sebesar 13,44 persen dibanding periode yang sama tahun 2004.

5 33 Jasa Dermaga (Ton/M 3 ) 500, , , , , , , , ,000 50, Sumber: Simoppel PT. (Persero) Pelindo II Cabang Sunda Kelapa Gambar 4.4. Perkembangan Jasa Dermaga di Pelabuhan Sunda Kelapa Tahun (Ton/M 3 ) Periode tahun 2006 sampai 2011 jasa dermaga menunjukkan kecenderungan turun dengan volume terendah sebesar ton/m 3 pada bulan 2009 atau turun 29,58 persen dibanding jasa dermaga periode yang sama tahun Hal ini disebabkan turunnya muatan kayu dan beralihnya pengiriman barang curah ke peti kemas melalui Pelabuhan Tanjung Priok atau pelabuhan lainnya. Disamping itu pengiriman sembako ke Sumatera lebih banyak menggunakan transportasi darat daripada transportasi laut Jasa Penumpukan Gambar 4.5. menunjukkan jasa penumpukan di Pelabuhan Sunda Kelapa mengalami penurunan signifikan. Dari awal tahun nilai jasa penumpukan masih di atas 400 ribu ton/m 3 /hari, mencapai nilai tertinggi pada

6 34 bulan Desember 2005 sebesar ton/m 3 /hari. Tetapi memasuki tahun 2006 nilai jasa penumpukan turun hanya berkisar antara ribu ton/m 3 /hari, hingga mencapai titik terendah pada bulan 2009 hanya sebesar ton/m 3 /hari. 600, ,000 Jasa Penumpukan (Ton/M 3 /Hari) 400, , , , Sumber: Simoppel PT. (Persero) Pelindo II Cabang Sunda Kelapa Gambar 4.5. Perkembangan Jasa Penumpukan di Pelabuhan Sunda Kelapa Tahun (Ton/M 3 /Hari) Awal Februari 2010 jasa penumpukan mulai mengalami peningkatan namun belum signifikan, nilai di atas 200 ribu ton/m 3 /hari, dan mencapai nilai sebesar ton/m 3 /hari pada bulan Juli Hal ini disebabkan antara lain oleh cepatnya barang keluar dari penumpukan, kurangnya barang khususnya kayu olahan akibat penertiban hasil kayu olahan, dan banyaknya pengguna yang melakukan angkutan langsung.

7 Jasa Air Kapal dan Jasa Air Umum Jasa air kapal di Pelabuhan Sunda Kelapa kurun waktu 2004 sampai 2009 cenderung mengalami penurunan seperti yang terlihat pada gambar 4.6. Awal tahun 2004 jasa air kapal mencapai nilai tertinggi sebesar m 3 dan terus menurun hingga titik terendah di bulan 2009 sebesar 455 m 3 atau turun sebesar 84 persen. Mulai tahun 2010 jasa air kapal mengalami kenaikan dan mencapai nilai sebesar m 3 pada bulan Juli 2011 atau naik sebesar 58,59 persen dibanding periode Juli Hal ini tentunya berkaitan dengan jumlah arus kapal yang berkunjung dan kebutuhan air yang diperlukan kapal serta adanya perbaikan pipa air ke kapal sehingga jasa air kapal dilakukan melalui sampan. 3,000 Jasa Air Kapal dan Air Umum (M 3 ) 2,500 2,000 1,500 1, Air Kapal Air Umum Sumber: Simoppel PT. (Persero) Pelindo II Cabang Sunda Kelapa Gambar 4.6. Perkembangan Jasa Air Kapal dan Jasa Air Umum di Pelabuhan Sunda Kelapa Tahun (M 3 )

8 36 Untuk jasa air umum di Pelabuhan Sunda Kelapa tahun 2004 sampai tahun 2009 (bulan ) secara umum mengalami penurunan. Nilai jasa air umum mencapai nilai tertinggi pada bulan Maret 2005 sebesar 848 m 3 dan mencapai nilai terendah pada bulan 2009 sebesar 111 m 3 atau turun sebesar 86,91 persen. Hal ini disebabkan banyaknya instalasi pipa air yang rusak. Tahun (bulan ) mulai mengalami kenaikan dan cenderung stabil antara m 3. Hal ini menunjukkan tidak adanya penambahan pelanggan baru atau dapat dikatakan jumlah pelanggan tetap Jasa Listrik Pada gambar 4.7. dapat dilihat bahwa jasa listrik di Pelabuhan Sunda Kelapa tahun 2004 hingga tahun 2011 (bulan ) cenderung relatif tidak mengalami perubahan. Nilai jasa listrik tertinggi pada bulan Februari tahun 2009 yaitu sebesar Kwh dan nilai jasa listrik terendah pada bulan Oktober tahun 2009 hanya sebesar Kwh. Secara umum nilai jasa listrik stabil dikisaran angka Kwh. Hal ini tentu saja dipengaruhi oleh penggunaan jasa listrik oleh pelanggan yang digunakan dalam kegiatan bongkar muat.

9 37 250, ,000 Jasa Listrik (Kwh) 150, ,000 50, Sumber: Simoppel PT. (Persero) Pelindo II Cabang Sunda Kelapa Gambar 4.7. Perkembangan Jasa Listrik di Pelabuhan Sunda Kelapa Tahun (Kwh) 4.2. Faktor-Faktor Jasa Pelayanan yang Memengaruhi Pendapatan Pelabuhan Faktor Jasa Pelayanan Pelabuhan Dominan Analisis komponen utama dan analisis faktor merupakan suatu rangkaian dimana analisis faktor adalah kelanjutan analisis komponen utama. Sebelum melakukan proses penghitungan, proses standardisasi terhadap variabel harus dilakukan terlebih dahulu karena satuan variabel itu tidak sama. Proses ini dilakukan agar hasil analisis menjadi lebih baik. Selanjutnya penilaian kelayakan variabel harus dilakukan terlebih dahulu agar dapat dilakukan proses analisis selanjutnya. Penilaian ini menghasilkan seluruh variabel layak untuk dianalisis lebih lanjut. Tabel 4.1. menunjukkan output hasil perhitungan variabel-variabel dengan memakai paket program SPSS for windows, didapat nilai Kaiser

10 38 Mayer Olkin (KMO) sebesar 0,682 yang menandakan data lebih dari cukup untuk dianalisis lebih lanjut dengan analisis komponen utama maupun analisis faktor. 2 Nilai uji Bartlett yang signifikan sebesar 106,440 dengan nilai χ tabel = 32,671. Atau dapat juga dilihat melalui taraf signifikansi sebesar 0,000 sangat jauh di bawah alpha 5 persen, maka tolak H 0 yang artinya variabel sudah memadai untuk dianalisis lebih lanjut. Tabel 4.1. Nilai KMO dan Uji Bartlett Kaiser-Meyer-Olkin Measure of Sampling Adequacy. 0,682 Bartlett's Test of Approx. Chi-Square 106,440 Sphericity df 21 Sig. 0,000 Sumber: Hasil Olahan dengan SPSS for windows Dari ketujuh variabel tersebut setelah dianalisis ternyata membentuk dua komponen utama. Dengan melihat persentase keragaman yang diterangkan oleh komponen utama yang terbentuk serta nilai akar cirinya, komponen tersebut mampu secara bersama-sama menjelaskan persentase keragaman total variabel asal sebesar 54,997 persen. Nilai akar ciri, persentase keragaman dan persentase keragaman kumulatif untuk setiap komponen utama dapat dilihat pada tabel 4.2. Tabel 4.2. Akar Ciri dan Persentase Keragaman Dua Komponen Utama Jasa Pelayanan Pelabuhan Komponen Utama Akar Ciri Persentase Keragaman Persentase Kumulatif 1 2,297 32,821 32, ,552 22,176 54,997 Sumber: Hasil Olahan dengan SPSS for windows

11 39 Kedua komponen utama yang terbentuk menghasilkan faktor loading yang sudah tidak berkorelasi satu sama lain dan nilai-nilainya merupakan koefisien korelasi antar variabel dengan komponen utama tersebut. Semakin besar nilai faktor loading maka semakin erat hubungannya. Namun angka yang dihasilkan masih sulit untuk menentukan variabel mana yang termasuk di dalam masingmasing komponen utama. Untuk itu dilakukan rotasi terhadap matriks komponen tersebut. Rotasi yang digunakan adalah rotasi varimax. Untuk matriks komponen dan hasil rotasinya disajikan pada tabel 4.3. Tabel 4.3. Faktor Pembobot Hasil Rotasi (Rotated Loading Factor) untuk Masing-Masing Faktor Terbentuk Variabel Komponen 1 2 Jasa Labuh -0,086 0,606 Jasa Tambat 0,192 0,654 Jasa Dermaga 0,830 0,136 Jasa Penumpukan 0,783 0,178 Jasa Air Kapal 0,004 0,758 Jasa Air Umum 0,168 0,682 Jasa Listrik 0,762-0,094 Sumber: Hasil Olahan dengan SPSS for windows Pengelompokan variabel ke dalam suatu faktor dengan cara melihat nilai dari korelasi variabel tersebut dengan faktor-faktor yang terbentuk. Kemudian dicari nilai korelasi yang terbesar (dalam hal ini nilai positif maupun negatif diabaikan karena hanya menunjukkan pola hubungan yang terjadi), dan korelasi terbesar dengan faktor itulah yang menjadi acuan pengelompokannya.

12 40 Dari hasil rotasi, maka setiap komponen utama dapat diinterpretasikan sebagai berikut: 1. Faktor pertama berkorelasi cukup tinggi dan positif dengan variabel jasa dermaga, jasa penumpukan dan jasa listrik. Ketiga variabel tersebut memberikan sumbangan relatif besar dalam membangun faktor pertama dibandingkan dengan variabel lain. Dengan mempertimbangkan variabelvariabel faktor pertama ini maka diberi nama lebih spesifik yaitu faktor pelayanan barang dan listrik. 2. Faktor kedua berkorelasi cukup tinggi dan positif dengan variabel jasa labuh, jasa tambat, jasa air kapal dan jasa air umum. Keempat variabel ini memberikan sumbangan terbesar kepada faktor kedua dibandingkan dengan variabel-varibel lain. Dengan mempertimbangkan variabel-variabel faktor kedua ini maka diberi nama lebih spesifik yaitu faktor pelayanan kapal dan air. Untuk melakukan analisis lebih lanjut, dari kedua faktor yang terbentuk yaitu faktor pertama sebagai gabungan faktor pelayanan barang dan listrik, faktor kedua sebagai gabungan faktor pelayanan kapal dan air, dihitung faktor skornya untuk masing-masing variabel baru yang terbentuk sebagai nilai dari variabel tersebut.

13 Kontribusi Faktor Dominan terhadap Pendapatan Untuk mengetahui kontribusi masing-masing faktor maka digunakan analisis regresi linier berganda dengan metode backward yang variabelvariabelnya terdiri dari nilai pendapatan pelabuhan sebagai variabel dependen, sedangkan variabel-variabel independen terdiri dari faktor-faktor yang terbentuk dari analisis komponen utama dan analisis faktor yaitu faktor pelayanan barang dan listrik, kemudian faktor pelayanan kapal dan air. Ditambah lagi dengan variabel dummy perubahan tarif. Berdasarkan hasil perhitungan dengan menggunakan paket program SPSS for windows (output selengkapnya dapat dilihat pada lampiran) diperoleh model regresi pendapatan Pelabuhan Sunda Kelapa. Tabel 4.4. Nilai Koefisien Determinasi (R 2 ), Koefisien Determinasi yang disesuaikan (Adjusted R 2 ), Standar Error, Uji F Model R Square Adjusted R Square Std. Error of the Estimate F Sig. F 1 0,630 0,618 0, ,522 0,000 a Sumber: Hasil Olahan dengan SPSS Dari tabel 4.4. di atas dapat ditunjukkan koefisien determinasi (R 2 ) yang disesuaikan. Pada model terbaik, nilai R 2 yang disesuaikan sebesar 0,618 yang berarti 61,8 persen pendapatan pelabuhan bisa dijelaskan oleh faktor pelayanan barang dan listrik, faktor pelayanan kapal dan air, serta perubahan tarif, sedangkan 38,2 persen dijelaskan oleh variabel-variabel lain. Model regresi terbaik didapatkan dari variabel independen faktor pelayanan barang dan listrik, faktor pelayanan kapal dan air, serta perubahan tarif.

14 42 Nilai F hitung untuk model regresi adalah 50,522 (tabel 4.4.) dengan tingkat signifikan 0,000 di bawah 0,05. Pada uji t ternyata semua variabel mempunyai nilai signifikan di bawah 0,05 (tabel 4.5.) sehingga faktor pelayanan barang dan listrik, faktor pelayanan kapal dan air, serta perubahan tarif berpengaruh positif terhadap pendapatan pelabuhan dengan tingkat kepercaan 95 persen. Tabel 4.5. Nilai Uji t dan Signifikan Model Terbaik Model t Sig. 1 (Constant) -6,132 0,000 Faktor Pelayanan Barang dan Listrik 3,705 0,000 Faktor Pelayanan Kapal dan Air 6,970 0,000 Perubahan_Tarif 7,081 0,000 Sumber: Hasil Olahan dengan SPSS for windows Pemeriksaan Asumsi Model Hasil pengujian asumsi model regresi adalah sebagai berikut: 1. Asumsi Autokorelasi Hasil penghitungan DW didapat nilai d = 1,926 sesuai ditunjukkan tabel 4.6. Nilai tersebut berada di daerah 1,732 < DW < 2,268 maka H 0 diterima. Dengan demikian dapat diambil kesimpulan bahwa pada model tersebut tidak terjadi autokorelasi. Tabel 4.6. Nilai Durbin-Watson Model Durbin-Watson 1 1,926 Sumber: Hasil Olahan dengan SPSS 19.00

15 43 2. Asumsi bahwa rata-rata kesalahan pengganggu sama dengan nol dapat dilihat pada tabel 4.7. Tabel 4.7. Statistik Residual Minimum Maximum Mean Std. Deviation N Predicted Value -2, , , , Residual -0, , , , Std. Predicted -2,677 2,712 0,000 1, Value Std. Residual -1,361 3,742 0,000 0, Sumber: Hasil Olahan dengan SPSS for windows 3. Asumsi Homokedastisitas Data Dengan membuat plot antara nilai prediksi dengan nilai residualnya apakah menunjukkan pola tertentu. Dari hasil ploting data pada gambar 4.7. dapat dilihat bahwa pola penyebarannya tidak membentuk pola tertentu sehingga asumsi homokedastisitas dapat terpenuhi. Sumber: Hasil Olahan dengan SPSS for windows Gambar 4.7. Diagram Pencar antara Regression Standardized Residual dengan Regression Standardized Predicted Value.

16 44 4. Asumsi tidak ada multikolinieritas, yaitu tidak ada hubungan linier yang pasti antara variabel-variabel bebas. Dengan melihat nilai VIF pada tabel 4.8. ternyata semua nilainya lebih kecil dari 5, yang berarti tidak terjadi multikolinieritas dalam model regresi. Tabel 4.8. Nilai Variance Inflation Factor (VIF) Model Collinearity Statistics Tolerance VIF 1 (Constant) Faktor Pelayanan Barang dan Listrik 0,816 1,226 Faktor Pelayanan Kapal dan Air 0,999 1,001 Perubahan Tarif 0,815 1,227 Sumber: Hasil Olahan dengan SPSS for windows 5. Asumsi Normalitas Dari gambar 4.8. dapat dilihat bahwa data menyebar mendekati normal. Dengan nilai sebaran data terletak disekitar garis lurus maka dapat dikatakan persyaratan normalitas dapat terpenuhi. Sumber: Hasil Olahan dengan SPSS Gambar 4.8. Diagram Pencar antara Probabilita Kumulatif Residual Dengan Probabilita Kumulatif Normal

17 45 Setelah asumsi-asumsi model telah terpenuhi maka diperoleh model terbaik sesuai tabel 4.9. Model regresi terbaik adalah: Y = -0, ,265 F 1 + 0,450 F 2 + 1,108 D + Ɛ dapat dianalisis sebagai berikut: 1. Koefisien regresi F 1 (faktor pelayanan barang dan listrik) sebesar 0,265. Hal ini menunjukkan bahwa setiap kenaikan 1 persen faktor pelayanan barang dan listrik akan meningkatkan pendapatan pelabuhan sebesar 0,265 persen, dengan asumsi faktor lainnya tetap. 2. Koefisien regresi F 2 (faktor pelayanan kapal dan air) sebesar 0,45. Hal ini menunjukkan bahwa setiap kenaikan 1 persen faktor pelayanan kapal dan air akan meningkatkan pendapatan pelabuhan sebesar 0,45 persen, dengan asumsi faktor lainnya tetap. 3. Koefisien regresi perubahan tarif (D) sebesar 1,108. Hal ini menunjukkan bahwa pendapatan pelabuhan akan meningkat sekitar 1,108 persen setelah adanya kebijakan kenaikan tarif. Tabel 4.9. Nilai Koefisien Regresi Unstandardized Coefficients Standardized Coefficients Model B Std. Error Beta 1 (Constant) -0,786 0,128 Faktor Pelayanan Barang dan Listrik (F 1 ) 0,265 0,071 0,265 Faktor Pelayanan Kapal dan Air (F 2 ) 0,450 0,065 0,450 Perubahan Tarif (D) 1,108 0,156 0,506 Sumber: Hasil Olahan dengan SPSS for windows