BAB IV HASIL DAN ANALISIS EKSPERIMEN

4. 1 Input Data

Data yang digunakan dalam eksperimen ini adalah data produksi

eksperimental sesuai dengan tugas yang diberikan di kelas. Data
tersebut berupa matriks LKy yang berukuran 30X3. Kolom pertama dan
kedua masing –masing menunjukkan input yang digunakan dalam
proses produksi yaitu tenaga kerja (L) dan kapital (K). Sedangkan
kolom ketiga menunjukkan output (y). Selengkapnya disajikan pada
matriks berikut

5.4293 6.6871 8.1879

5.5530 5.5175 7.4104
6.7105 6.6477 8.9496
6.6425 6.2364 8.3695
6.2046 6.6307 8.5519
6.1883 6.0521 8.3299
6.5191 6.1137 8.4877
6.6174 6.7056 9.1260
6.5889 6.7393 8.7961
6.5439 6.8648 8.7941
6.1269 4.4308 6.8657
6.8886 3.0445 5.7132
6.6931 5.6870 8.1641
6.0615 5.6240 7.9482
LKy = 5.4424 6.3026 8.1264
6.4983 4.8598 7.2432
6.4473 2.8332 5.2521
4.0775 6.8090 7.7220
6.6983 5.4072 8.0002
6.6307 4.9767 7.3157
3.9120 5.0814 5.9833
6.7130 1.7918 4.4132
6.1800 6.7286 8.7229
6.5250 6.2558 8.6233
4.7536 6.8352 7.8589
6.0868 6.2046 8.0981
6.1225 5.2204 7.5533
5.8348 4.5218 6.8249
5.8805 6.1841 8.2967
5.0876 6.8395 8.1922

23
 Data eksperimen tersebut diuji dalam fungsi produksi Cobb-
Douglass dan fungsi produksi Constant Elasticity of Subtitution (CES).
Bentuk fungsi produksi Cobb Douglas yang digunakan adalah

𝑦 = 𝛽1 𝐿𝛽2 𝐾𝛽3

Sedangkan bentuk fungsi produksi CES adalah

𝑦 = 𝛽1 [𝛽2 𝐿𝛽3 + (1 − 𝛽2 )𝐾𝛽3 ]𝛽4/𝛽3

Berdasarkan data sampel dan fungsi produksi tersebut selanjutnya

dilakukan penaksiran parameter menggunakan algoritma genetika baik
dengan least square maupun maximum likelihood.
Fungsi objektif untuk minimisasi leat square adalah:
𝑆 = [𝑦 – 𝑓(𝑋, 𝛽)]′[𝑦 − 𝑓(𝑋, 𝛽)]
dan fungsi objektif untuk memaksimumkan fungsi likelihood adalah:
𝑇 𝑇 𝑇
𝐿 = − 𝑙𝑜𝑔 2𝜋 – 𝑙𝑜𝑔 (𝑦 − 𝑥𝛽)′ (𝑦 – 𝑥𝛽)/𝑇 –
2 2 2
Penaksiran parameter dilakukan melalui dua simulasi terhadap
masing-masing model fungsi produksi Cobb Douglas dan fungsi
produksi CES dengan merubah beberapa variabel input seperti
disajikan pada tabel berikut

Tabel 4.1
Variabel Input Simulasi

No Variabel Input Simulasi 1 Simulasi 2

1 Jumlah generasi 10.000 15.000
2 Jumlah populasi per generasi 50 50
3 Tingkat crossover 1.0 1.0
4 Tingkat Mutasi 0.03 0.02
5 Gen per populasi 40 40
6 Tingkat keseragaman 90% 90%
kromosom minimum

24
 Selanjutnya berdasarkan hasil konvergensi yang diperoleh,
dilakukan perhitungan nilai AIC dan SC masing-masing fungsi produksi
untuk menentukan model yang paling sesuai atau efisien untuk masing-
masing pendekatan. Perhitungan AIC dan SC untuk maksimum
likelihood menggunakan rumus:

𝐴𝐼𝐶 = −2 log (𝑚𝑎𝑥𝑖𝑚𝑢𝑚 𝑙𝑖𝑘𝑒𝑙𝑖ℎ𝑜𝑜𝑑) + 2 (#parameters)

𝑆𝐶 = −2 log (𝑚𝑎𝑥𝑖𝑚𝑢𝑚 𝑙𝑖𝑘𝑒𝑙𝑖ℎ𝑜𝑜𝑑) + (log(𝑇)) (#parameters)

Sedangkan perhitungan AIC dan SC untuk least square menggunakan

rumus:

𝐴𝐼𝐶 = 𝑙𝑜𝑔(𝑒′𝑒/𝑇) + 2(#𝑝𝑎𝑟𝑎𝑚𝑒𝑡𝑒𝑟𝑠)/𝑇 𝑑𝑖𝑚𝑎𝑛𝑎 𝑒′𝑠 = 𝑆

𝑆𝐶 = 𝑙𝑜𝑔(𝑒′𝑒/𝑇) + (𝑇 ∗ 𝑙𝑜𝑔(#𝑝𝑎𝑟𝑎𝑚𝑒𝑡𝑒𝑟𝑠)/𝑇) 𝑑𝑖𝑚𝑎𝑛𝑎 𝑒′𝑠 = 𝑆

4. 2 Hasil dan Analisis Eksperimen

4.2.1 Fungsi Produksi Cobb Douglas

a. Least Square

Estimasi parameter dengan fungsi obyektif minimum least square

dilakukan dengan meminimumkan sum of square error. Berdasarkan
hasil output matlab pada lampiran, hasil perhitungan yang diperoleh
untuk fungsi produksi Cobb Douglas adalah sebagai berikut

25
 Tabel 4.2
Evaluasi Hasil Simulasi Minimum Least Square
Untuk Fungsi Produksi Cobb Douglas

Pilihan
No Variabel Input Simulasi 1 Simulasi 2
Model
1 Hasil Penaksiran Parameter:
𝛽1 1.468750 1.468750
𝛽2 0.374878 0.375000
𝛽3 0.575171 0.575048
2 Nilai 𝑆(𝛽) 0.561464 0.561468
3 Tingkat keseragaman kromosom:
Terkecil dalam populasi 52% 52%
Rata-rata populasi 76.45% 78.28% Simulasi 2
4 Nilai AIC 3.778405 3.778398 Simulasi 2
5 Nilai SC 73.055958 73.055951 Simulasi 2
Sumber: lampiran 1

Berdasarkan tabel 4.2 menunjukkan bahwa nilai AIC dan SC

simulasi 2 lebih baik dibandingkan dengan simulasi 1. Selain itu
simulasi 2 memiliki nilai tingkat keseragaman rata-rata unsur
kromosom yang lebih tinggi. Dengan demikian dapat disimpulkan
bahwa model simulasi 2 memiliki kriteria yang lebih baik dan dapat
diajukan sebagai kandidat model terbaik, yaitu:

𝑦 = 1.46875 𝐿0.375 𝐾 0.575048

b. Maximum Likelihood

Berdasarkan hasil output matlab pada lampiran, hasil

perhitungan yang diperoleh dengan maximum likelihood untuk
fungsi produksi Cobb Douglas adalah sebagai berikut

26
 Tabel 4.3
Evaluasi Hasil Simulasi Maximum Likelihood
Untuk Fungsi Produksi Cobb Douglas

Pilihan
No Variabel Input Simulasi 1 Simulasi 2
Model
1 Hasil Penaksiran Parameter:
𝛽1 1.5 1.478516
𝛽2 0.368415 0.373989
𝛽3 0.569946 0.572418
2 Nilai 𝐿(𝛽) -13.915419 -13.914254
3 Tingkat keseragaman kromosom:
Terkecil dalam populasi 50 50
Rata-rata populasi 81.03 83.7 Simulasi 2
4 Nilai AIC 33.830837 33.828508 Simulasi 2
5 Nilai SC 38.034429 38.032101 Simulasi 2
Sumber: lampiran 2

Berdasarkan tabel 4.3 menunjukkan bahwa nilai AIC, nilai SC, dan
tingkat keseragaman rata-rata unsur kromosom simulasi 2 lebih baik
dibandingkan dengan simulasi 1. Dengan demikian dapat disimpulkan
bahwa simulasi 2 memiliki kriteria yang lebih baik dan dapat diajukan
sebagai kandidat model terbaik, yaitu:

𝑦 = 1.478516 𝐿0.373989 𝐾 0.572418

4.2.2 Fungsi Produksi CES

a. Least Square

Berdasarkan hasil output matlab pada lampiran, hasil

perhitungan yang diperoleh dengan minimum least square untuk
fungsi produksi CES adalah sebagai berikut

27
 Tabel 4.4
Evaluasi Hasil Simulasi Minimum Least Square
Untuk Fungsi Produksi CES

Pilihan
No Variabel Input Simulasi 1 Simulasi 2
Model
1 Hasil Penaksiran Parameter:
𝛽1 1.355469 1.378906
𝛽2 0.388989 0.388000
𝛽3 0.324659 0.294922
𝛽4 0.993683 0.984241
2 Nilai 𝑆(𝛽) 0.524223 0.524327
3 Tingkat keseragaman kromosom:
Terkecil dalam populasi 50 56
Rata-rata populasi 72.16 82.24 Simulasi 2
4 Nilai AIC 3.780369 3.780171 Simulasi 2
5 Nilai SC 64.494127 64.493928 Simulasi 2
Sumber: lampiran 3

Berdasarkan tabel 4.4 menunjukkan bahwa simulasi 2 memiliki

kritera evaluasi yang lebih baik dibandingkan dengan simulasi 1, yaitu
unggul dalam beberapa perbandingan, antara lain:
1. Nilai minimasi AIC dan SC yang lebih kecil
2. Nilai tingkat keseragaman rata-rata unsur kromosom yang lebih
tinggi
Dengan demikian dapat disimpulkan bahwa model simulasi 2 memiliki
kriteria yang lebih baik dibandingkan simulasi 1 dan dapat diajukan
sebagai kandidat model terbaik, yaitu:

𝑦 = 1.355469 (0.388989𝐿0.324659 (1 − 0.388989)𝐾 0.324659 )0.993683/0.324659

b. Maximum Likelihood

Berdasarkan hasil output matlab pada lampiran, hasil

perhitungan yang diperoleh dengan maximum likelihood untuk
fungsi produksi CES adalah sebagai berikut

28
 Tabel 4.5
Evaluasi Hasil Simulasi Maximum Likelihood
Untuk Fungsi Produksi CES

Pilihan
No Variabel Input Simulasi 1 Simulasi 2
Model
1 Hasil Penaksiran Parameter:
𝛽1 1.500793 1.376048
𝛽2 0.383909 0.389331
𝛽3 0.147461 0.304687
𝛽4 0.937500 0.985413
2 Nilai 𝐿(𝛽) -13.903235 -13.879016
3 Tingkat keseragaman kromosom:
Terkecil dalam populasi 50 54
Rata-rata populasi 75.47 82.26 Simulasi 2
4 Nilai AIC 35.806470 35.758031 Simulasi 2
5 Nilai SC 41.411260 41.362821 Simulasi 2
Sumber: lampiran 4

Berdasarkan tabel 4.5 menunjukkan bahwa dalam semua kriteria,

simulasi 2 lebih baik dibandingkan dengan simulasi 1 (nilai AIC dan SC,
nilai 𝐿(𝛽), dan tingkat keseragaman kromosom). Dengan demikian
dapat disimpulkan bahwa simulasi 2 memiliki kriteria yang lebih baik
dan dapat diajukan sebagai kandidat model terbaik, yaitu:

𝑦 = 1.376048 (0.389331𝐿0.304687 (1 − 0.389331)𝐾 0.304687 )0.985413/0.304687

4.2.3 Penentuan Model Terbaik

Penentuan model terbaik dalam algoritma genetika dilakukan

berdasarkan objective function karena pada dasarnya algoritma
genetika bertujuan untuk mengoptimasikan fungsi objektif. Oleh
karenanya, akan dibandingkan antara fungsi produksi Cobb Douglass
dan fungsi produksi CES yang memiliki objective function yang sama,
yaitu berdasarkan fungsi objektif least square dan maximum likelihood.

29
 Terdapat empat kandidat model terbaik seperti disajikan pada
tabel berikut:
Tabel 4.6
Pemilihan Model Terbaik
Berdasarkan Objective Function

Kandidat
Kandidat
No Objective Function Model Terbaik
Terpilih
CD CES
1 Minimum Least Square
- Tingkat Keseragaman 78.28% 82.24 CES
kromosom rata-rata populasi
- Nilai AIC 3.778398 3.780171 CD
- Nilai SC 73.055951 64.493928 CES
2 Maximum Likelihood
- Tingkat Keseragaman 83.7 82.26 CD
kromosom rata-rata populasi
- Nilai AIC 33.828508 35.758031 CD
- Nilai SC 38.032101 41.362821 CD

Berdasarkan tabel 4.6 menunjukkan bahwa perbandingan model

fungsi produksi dengan fungsi tujuan meminimumkan least square
terjadi inkonsistensi, yaitu fungsi produksi CES memiliki tingkat
keseragaman kromosom rata-rata populasi yang lebih tinggi dan nilai
SC yang lebih kecil dibandingkan dengan fungi produksi Cobb Douglass,
akan tetapi nilai AIC fungsi produksi CES lebih besar dibandingkan
dengan fungsi produksi Cobb Douglas. Dengan demikian dapat
disimpulkan bahwa dengan menggunakan fungsi tujuan minimum least
square tidak dapat ditentukan model fungsi produksi terbaik.
Sedangkan berdasarkan fungsi tujuan maximum likelihood, model
fungsi produksi Cobb Douglas memiliki tingkat keseragaman kromosom
rata-rata populasi yang lebih tinggi dibandingkan dengan fungsi
produksi CES. Selain itu fungsi produksi Cobb Douglass juga memiliki
nilai AIC dan SC yang lebih kecil. Dengan demikian dapat disimpulkan
bahwa model fungsi produksi Cobb Douglass dengan fungsi tujuan

30
 maximum likelihood lebih sesuai atau lebih efisien untuk data
eksperimental yang terdapat dalam problem set. Hasil akhir pemilihan
model terbaik fungsi produksi adalah:

𝑦 = 1.478516 𝐿0.373989 𝐾 0.572418

4.2.4 Tingkat Keseragaman Unsur Kromosom

Tingkat keseragaman unsur kromosom berkaitan dengan pola
perubahan gen melalui proses crossover dan mutasi yangmengarahkan
fungsi objektif menuju titik optimasi. Perubahan gen ditunjukkan oleh
lahirnya suatu generasi baru. Jika perubahan gen tersebut mampu
memberikan arah yang lebih baik bagi terjadinya optimasi fungsi,
berarti bahwa perubahan gen tersebut mengarah pada pembentukan
kromosom yang lebih baik dan sesuai dengan fungsi objektif yang ingin
dicapai. Perubahan gen yang lebih baik ditunjukkan oleh
kecenderungan terbentuknya tingkat keseragaman kromosom yang
semakin tinggi.
Dalam eksperimen ini akan dievaluasi apakah tingkat
keseragaman unsur kromosom berpengaruh terhadap tingkat optimasi
yang dihasilkan. Sebagai bahan evaluasi akan digunakan model terbaik
yang dipilih.
Tabel 4.7
Output Simulasi 2 Fungsi Produksi Cobb Douglass
dengan Fungsi Tujuan Maximum Likelihood

----------------------------------------------------------------------------------
tingkat keseragaman
Gen beta(1) beta(2) beta(3) L(beta) kromosom *)
terkecil rata-rata)
-----------------------------------------------------------------------------------
1 1.666913 0.587936 0.749832 -14.188127 50.00 58.18
2 1.805987 0.276779 0.562206 -14.188127 50.00 60.75
3 1.805987 0.276779 0.562206 -14.188127 50.00 61.27
4 1.805987 0.276779 0.562206 -14.188127 50.00 66.25
5 1.805987 0.276779 0.562206 -14.188127 50.00 70.93

1001 1.479004 0.373852 0.572371 -13.914256 50.00 81.55

1002 1.479004 0.373852 0.572371 -13.914256 50.00 83.78
1003 1.479004 0.373852 0.572371 -13.914256 54.00 84.07
1004 1.479004 0.373852 0.572371 -13.914256 50.00 83.97
1005 1.354004 0.358223 0.580184 -13.914256 50.00 83.42

31
 5001 1.500000 0.368164 0.570199 -13.915424 52.00 83.85
5002 1.500000 0.368164 0.570199 -13.915424 50.00 85.57
5003 1.500000 0.368164 0.570199 -13.915424 54.00 85.35
5004 1.500000 0.368164 0.570199 -13.915424 52.00 84.63
5005 1.500000 0.368164 0.570199 -13.915424 54.00 85.43

14996 1.478516 0.373989 0.572418 -13.914254 50.00 82.82

14997 1.478516 0.373989 0.572418 -13.914254 52.00 83.78
14998 1.478516 0.373989 0.572418 -13.914254 52.00 82.83
14999 1.478516 0.373989 0.572418 -13.914254 54.00 82.72
15000 1.478516 0.373989 0.572418 -13.914254 50.00 83.07
------------------------------------------------------------------------------------
Sumber: lampiran 2

Berdasarkan tabel 4.7 menunjukkan bahwa dari 4 segmen data

yang diambil secara acak dari model dipilih, diperoleh gambaran
perubahan nilai maksimum likelihood yang mulai stabil pada segmen
ke-3 sampai dengan segmen terakhir. Hal ini berarti bahwa terjadinya
perubahan atau penambahan generasi tidak berpengaruh terhadap
hasil optimasi fungsi obyektifnya. Pada segmen ke-3 hingga terakhir
tampak bahwa tingkat keseragaman rata-rata unsur kromosom
memiliki trend yang positif dan relatif stabil dengan bertambahnya
generasi baru, Hal ini menunjukkan bahwa terjadinya mutasi gen dan
perkembangan generasi baru mengarah ke suatu kondisi dimana
kromosom akan memiliki tingkat keseragaman unsur yang tinggi.
Dengan demikian dapat disimpulkan bahwa tingkat keseragaman rata-
rata unsur kromosom berpotensi untuk dijadikan kriteria tambahan
dalam menentukan batas konvergen proses simulasi dalam algoritma
genetika.

32