62
LCC 2002 hipotesis null uji akar unit data panel yang menyatakan bahwa terdapat indikasi adanya akar unit dapat ditulis sebagai berikut:
H0: hipotesis null bila data panel memiliki akar unit asumsi proses common unit root
H1: data panel tidak memiliki akar unit Jika secara statistik signifikan maka kesimpulan adalah menolak hipotesis
null atau panel data tidak memiliki akar unit. Sedangkan apabila hasil secara statistik tidak signifikan maka kesimpulannya adalah menerima hipotesis null
atau memiliki akar unit.
2. Analisis Model Regresi Data Panel
Untuk mencari keterkaitan antar variabel yang tercakupdalam penelitian ini, penulis menggunakan analisis regresi panel data. Analisis panel data
adalah gabungan antara data runtut waktu time series dan data silang cross section Wahyu Purnomo, 2011. Data runtut waktu biasanya meliputi satu
objekindividu misalnya harga saham, kurs mata uang, SBI, atau tingkat inflasi, tetapi meliputi beberapa periode bisa harian, bulanan, kuartalan, atau
tahunan. Data silang terdiri dari atas beberapa atau banyak objek, sering disebut responden misalnya perusahaan dengan beberapa jenis data
misalnya : laba, biaya iklan, laba ditahan, dan tingkat investasi dalam suatu periode waktu tertentu. Alatsoftware yang digunakan dalam penelitian ini
adalah Eviews8 dan dalam mengelompokkan data-data yang dibutuhkna peneliti menggunakan Microsoft Excel 2007.
63
Keunggulan regresi data panel menurut wibisono 2005 antara lain:
a. Panel data mampu memperhitungkan heterogenitas individu secara eksplisit dengan mengizinkan variabel spesifik individu;
b. Kemampuan mengontrol heterogenitas ini selanjutnya menjadikan data panel dapat digunakan untuk menguji dan membangun model perilaku
lebih kompleks. c. Data panel mendasarkan diri pada observasi cross-section yang berulang-
ulang time series, sehingga metode data panel ini cocok digunakan sebagai study of dynamic adjusment
d. Tingginya jumlah observasi memiliki implikasi pada data yang lebih informatif, lebih variatif, dan kolineritas multiko antara data semakin
berkurang, dan derajat kebebasan degree of freedomdf lebih tinggi sehingga dapat diperoleh hasil estimasi yang lebih efisien.
e. Data panel dapat digunakan untuk mempelajari model-model perilaku yang kompleks.
f. Data panel dapat digunakan untuk meminimalkan bias yang mungkin ditimbulkan oleh agregasi data individu.
Dengan keunggulan tersebut maka pada implikasi tidak harus dilakukan pengujian asumsi klasik dalam model data panel Verbeek, 2000; Gujarati, 2006;
Wibisono, 2005; Aulia, 2004, dalam Shrochrul R, Ajija, dkk. 2011. Meningat data panel merupakan gabungan dari data cross section dan data time series, maka
model dalam penelitian ini ditulis dengan:
64
CSR
it
= +
1
IGScore
it
+
2
IAH
it
+
3
SIZE
it
+ ϵ
it
Dimana : CSR
it
= Total CSR berdasarkan indeks ISR 2011-2015 IGScore
it
= Nilai IGScore 2011-2015 IAH
it
= Rasio dari jumlah total dana rekening investasi nasabah SIZE
it
= Natural logaritma dari total aset 2011-2015 = Intercept
1
2 3
= Besarnya konstanta variabel ϵ
= error Dalam Rohmana 2010:2014, bahwa dalam pembahasan teknik estimasi
model regresi data panel ada 3 teknik yang dapat digunakan yaitu: a. Model dengan metode OLS common
b. Model Fix Effect c. Model Random Effect
a. Common Effect Model Model Common Effect merupakan model sederhana yaitu menggabungkan
seluruh data time series dengan cross section, selanjutnya dillakukan estimasi
65
model dengan menggunakan OLS Ordinary Lesat Square. Model ini menganggap bahwa intersep dan slop dari setiap variabel sama untuk setiap
obyek observasi. kelemahan model ini adalah ketidaksesuaian model dengan keadaan sebenarnya. kondisi setiap obyek dapat berbeda dan kondisi suatu
obyek satu waktu yang lain dapat berbeda. Model Common Effect dapat diformulasikan sebagai berikut:
it
= α +
j
χ
it
+ ϵ
it
Dimana:
it
= Variabel depeden di waktu t untuk unit cross section i α = intersep
j
= parameter untuk variabel ke j χ
it
= variabel bebas diwaktu t untuk unit cross section i ϵ
it
= komponen error di waktu t untuk unit cross section i i
= urutan bank yang diobservasi t
= Time series urutan waktu j
= urutan variabel b. Fixed Effect Model
66
Pendekatan efek tetap Fixed effect. Salah satu kesulitan prosedur panel data adalah bahwa asumsi intersep dan slope yang konsisten sulit terpenuhi.
Untuk mengatasi hal tersebut, yang dilakukan dalam data panel adalah dengan memasukkan variable boneka dummy variable untuk mengizinkan terjadinya
perbedaan nilai parameter yang berbeda-beda baik lintas unit cross section maupun antar waktu time series, Pendekatan dengan memasukkan variabel
boneka ini dikenal dengan sebutan model efek tetap fixed effect atau Least Square Dummy Variable LSDV.
it
= α +
j
χ
j it
+ ∑
ɑ
i
D
i
+ ϵ
it
Dimana:
it
= Variabel depeden di waktu t untuk unit cross section i α
= intersep yang berbah-ubah antar cross section
j
= parameter untuk variabel ke j χ
j it
= variabel bebas j diwaktu t untuk unit cross section i ϵ
it
= komponen error di waktu t untuk unit cross section i D
i
= dummy variable
c. Random Effect Model REM
67
Random Effect Model REM digunakan untuk mengatasi kelemahan model efek tetap yang menggunakan dummy variable, sehingga model
mengalami ketidakpastian. Penggunaan dumy variable akan mengurangi derajat bebas degree of freedom yang pada akhirnya akan mengurangi
efisiensi dari parameter yang di estimasi. REM menggunakan residual yang diduga memiliki hubungan antar waktu dan antar individu. sehingga REM
mengasumsikan bahwa setiap individu memiliki perbedaan intersep yang merupakan variabel random. model REM secara umum dituliskan sebagai
berikut:
Ŷ
it
= ɑ
+
j
χ
j it
+ ϵ
it
ϵ
it
= u
i
+ v
t
+ w
it
Dimana : u
i
~ζ0,
2 u
= merupakan komponen cross section error v
i
~ζ0,
2 u
= merupakan komponen time series error w
i
~ζ0,
2 u
= merupakan komponen time series dan cross section error. Selanjutnya hanya digunakan satu metode sehingga perlu dipilih metode
yang paling baik, yaitu melalui pengujian. Pengujian tersebut terdiri dari Uji Chow dan Uji Hausman. Kedua uji dijelaskan sebagai berikut :
a. Uji Chow Chow-Test
68
Uji chow digunakan untuk memilih metode mana yang paling tepat diantara common effect model dan fixed effect model.Hipotesis yang
diajukan adalah: H
: common effect model H
1
: fixed effect model Dengan asumsi jika Probabilita dari Chi-square 0,05 maka Ho diterima
model yang digunakan common effect. Namun jika probabilita 0,05 maka model yang digunakan adalah Individual Effect atau model fixed effect yang
dipilih. Sehingga langkah selanjutnya adalah melakukan uji hausman Puspa dan Sumiyati 2014:163
b. Uji Hausman Hausman-Test Uji hausman digunakan untuk memilih antara fixed effect model dan
random effect model. Hipotesis dalam yang diajukan adalah: Ho
: random effect model H
1
: fixed effect model Dengan asumsi jika probabilita dari Chi-square 0,05 maka Ho diterima
model yang digunakan Random Effect. Namun jika probabilita 0,05 maka model yang digunakan adalah Fixed Effect. Jika probabilitas 0,05,
berarti Ho ditolak, dan diterima H
1
Puspa dan Sumiyati 2014:164.
69
Dalam perhitungan statistik uji Hausman diperllukan asumsi bahwa banyaknya kategori cross section lebih besar dibandingkan jumlah
variabel independen termasuk konstanta dalam model. lebih lanjut, dalam estimasi statistik uji Hausman diperlukan estimasi variansi model.
Apabila kondisi-kondisi ini tidak terpenuhi maka hanya dapat digunakan model fixed effect.
3. Pengujian Signifikansi
