51
g. Data Variabel Dummy Up D
up
diperoleh dari website Yahoo Finance www.finance.yahoo.com.
h. Data Variabel Dummy Down D
down
diperoleh dari website Yahoo Finance www.finance.yahoo.com.
Proses pengumpulan data dalam penelitian ini menggunakan teknik Studi Kepustakaan Library Research, merupakan teknik pengambilan data yang
dilengkapi pula dengan membaca dan mempelajari serta menganalisis literatur yang bersumber dari buku-buku dan jurnal-jurnal yang berkaitan dengan
penelitian ini. Hal ini dilakukan untuk mendapatkan landasan teori dan konsep yang tersusun. Penulis melakukan penelitian dengan membaca dan mengutip
bahan-bahan yang berkenaan dengan penelitian.
D. Metode Analisis
1. Analisis Data Panel
Data yang dipergunakan dalam penelitian ini merupakan kombinasi dari data time series dan cross section. Estimasi yang dilakukan dengan
menyatukan kedua data tersebut yang disebut dengan data pooling atau panel data dengan pengolahan data menggunakan Software Eviews 8.0
untuk menjelaskan hubungan antara variabel independen dengan variabel dependen dan SPSS versi 20.0 untuk melakukan pengujian asumsi klasik.
Software Microsoft Excel 2010 juga dipakai untuk mempermudah pengelolaan data seperti pembuatan grafik, tabel, dan lain-lain. Data panel
pool yakni data yang merupakan gabungan antara runtun waktu time series dengan seksi silang cross section. Oleh karenanya, data panel
memiliki gabungan karakteristik keduanya yaitu data yang terdiri dari beberapa objek dan meliputi beberapa waktu Winarno, 2011.
52
Menurut Nachrowi dan Usman 2006, Salah satu tujuan digunakannya analisis data panel adalah untuk meningkatkan derajat kebebasan,
mengurangi kolinearitas diantara variabel sehingga mampu memperoleh hasil estimasi yang efisien. Selain itu, analisis data panel dapat lebih
banyak menyerap informasi yang dimiliki oleh perusahaan perusahaan yang termasuk dalam sampel.
Menurut Gujarati 2004, keuntungan dari penggunaan data panel dalam penelitian adalah sebagai berikut:
Data panel dapat membatasi heterogenitas, karena data panel mengkombinasikan unit observasi yang berbeda.
Kombinasi dimensi time series dan cross section pada data panel akan memberikan informasi yang lebih banyak mengenai data yang
kita observasi. Dinamika variabel yang diobservasi dapat diamati dengan baik.
Data panel dapat mendeteksi dan mengukur efek-efek dengan baik dimana hal ini tidak dapat dilakukan melalui data cross section
ataupun time series. Data panel memungkinkan kita untuk mempelajari pergerakan
model yang lebih kompleks. Data panel dapat meminimalkan bias yang mungkin terjadi pada
data yang tersedia. Metode estimasi model regresi dengan menggunakan data panel dapat
dilakukan melalui tiga pendekatan, antara lain:
53
a. Model Common Effect
Model Common Effect atau Pooled Regression Model adalah motode estimasi yang menggabungkan pooled seluruh data time
series dan cross section dengan menggunakan pendekatan OLS Ordinary Least Square untuk melakukan estimasi parameternya.
Dengan pendekatan ini kita tidak bisa melihat perbedaan antar individu dan perbedaan antar waktu karena intercept maupun slope dari model
sama. Terlihat bahwa baik intercept maupun slope tidak berubah baik antara individu maupun antar waktu Nachrowi dan Usman, 2006.
Persamaan untuk Pooling Least Square ditulis dengan persamaan sebagai berikut:
Y
it
= β + βX
it
+ ε
it
Dengan : Y
it
= Variabel dependen pada unit observasi ke-i dan waktu ke-t X
it
= Variabel independen pada unit observasi ke-i dan waktu ke-t β = Koefisien slope atau koefisien arah
β = Intersep model regresi
ε
it
= komponen error pada unit observasi ke-i dan waktu ke-t Menurut Gujarati 2004 pendekatan kuadrat terkecil Pooled Least
Square adalah pendekatan yang paling sederhana dalam pengolahan data panel yaitu dengan mengasumsikan bahwa setiap unit
perusahaan, negara, dan lain-lain memiliki slope dan koefisien yang sama tidak memiliki dimensi cross section yang berbeda, atau
dengan kata lain model ini mengasumsikan α konstan untuk setiap data
54
cross section dan time series. Namun hal ini tentunya tidak realistis dalam penerapannya, karena karakteristik antar perusahaan jelas akan
berbeda, misalnya budaya perusahaan, gaya manajerial dan lain sebagainya. Hal ini dapat diatasi dengan menggunakan dua pilihan
model selanjutnya
.
b. Model Fixed Effect
Teknik model Fixed Effect adalah teknik mengestimasi data panel dengan menggunakan variabel dummy untuk menangkap adanya
perbedaan intercept. Pengertian Fixed Effect ini didasarkan adanya perbedaan intercept antara perusahaan namun intercept-nya sama antar
waktu time invariant. Disamping itu, model ini juga mengasumsikan bahwa koefisien regresi slope tetap antar perusahaan dan antar
waktu. Pendekatan dengan variabel dummy ini dikenal dengan sebutan Fixed Effect Model atau Least Square Dummy Variabel LSDV atau
disebut juga Covariance Model. Persamaan pada estimasi dengan menggunakan fixed effect model dapat ditulis dalam bentuk sebagai
berikut: Y
it
= β
0i
+ βX
it
+ ε
it
Dengan : Y
it
= Variabel dependen pada unit observasi ke-i dan waktu ke-t X
it
= Variabel independen pada unit observasi ke-i dan waktu ke-t β = Koefisien slope atau koefisien arah
β
0i
= Intersep model regresi pada unit observasi ke-i ε
it
= komponen error pada unit observasi ke-i dan waktu ke-t
55
Perhatikan bahwa konstanta β
0i
sekarang diberi subskrip 0i, i menunjukkan objeknya. Dengan demikian masing-masing objek
memiliki konstanta yang berbeda. Variabel semu d
1i
=1 untuk objek pertama dan 0 untuk objek lainnya. Variabel d
2i
=1 untuk objek kedua dan 0 untuk objek lainnya. Variabel semu d
3i
=1 untuk objek ketiga dan 0 untuk objek lainnya.
c. Model Random Effect
Random Effect Model adalah model etimasi regresi panel dengan asumsi koefisien slope kontan dan intersep berbeda antara individu dan
antar waktu Random Effect. Dimasukannya variabel dummy di dalam Fixed Effect Model bertujuan untuk mewakili ketidaktahuan tentang
model yang sebenarnya. Namun, ini juga membawa konsekuensi berkurangnya derajat kebebasan degree of freedom yang pada
akhirnya mengurangi efisiensi parameter. Masalah ini bisa diatasi dengan menggunakan variabel gangguan error terms yang dikenal
dengan Random Effect. Model ini akan mengestimasi data panel dimana variabel gangguan mungkin saling berhubungan antar waktu
dan antar individu. Model yang tepat digunakan untuk mengestimasi Random Effect
adalah Generalized Least Square GLS sebagai estimatornya, karena dapat meningkatkan efisiensi dari least square. Bentuk umum untuk
Random Effect Model adalah: Y
it
= β
0i
+ βX
i,t
+ u
i
+ ε
it
56
dengan : Y
it
= Variabel dependen pada unit observasi ke-i dan waktu ke-t X
it
= Variabel independen pada unit observasi ke-i dan waktu ke-t β = Koefisien slope atau koefisien arah
β
0i
= Intercept model regresi u
i
= komponen error pada unit observasi ke-i ε
it
= komponen error pada unit observasi ke-i dan waktu ke-t
2. Tahapan Analisis Data