65
mean nilai MNJR adalah 0,002076 dan standar deviasinya 0,0022298 dengan jumlah pengamatan sebanyak 69.
7. Variabel Kepemilikan Institusional INST memiliki nilai INST maksimum
adalah 0,999800 yang diperoleh oleh Bank Mandiri Persero Tbk pada tahun 2012 sedangkan nilai minimum 0,325506 yang diperoleh Bank Capital
Indonesia Tbk pada tahun 2013, sedangkan Diketahui rata-rata mean nilai INST adalah 0,782110 dan standar deviasinya 0,196641 dengan jumlah
pengamatan sebanyak 69. 8.
Variabel Return on Assets ROA memiliki nilai maksimum 0,051500 yang diperoleh Bank Rakyat Indonesia Tbk pada tahun 2012, sedangkan nilai ROA
minimum adalah 0,006600 yang diperoleh oleh Bank Artha Graha Internasional Tbk pada tahun 2012. Diketahui rata-rata nilai ROA adalah
0,021372 dan standar deviasinya 0,011471 dengan jumlah pengamatan sebanyak 69.
9. Variabel Leverage memiliki nilai maksimum 0,923900 yang diperoleh Bank
Bukopin Tbk pada tahun 2012, sedangkan nilai leverage minimum adalah 0,815500 yang diperoleh oleh Bank Danamon Indonesia Tbk pada tahun
2012. Diketahui rata-rata nilai leverage adalah 0,881081 dan standar deviasinya 0,024846 dengan jumlah pengamatan sebanyak 69.
4.3 Uji Asumsi Klasik 4.3.1 Uji Normalitas
Dalam penelitian ini, uji normalitas terhadap residual dengan menggunakan uji Jarque-Bera J-B. Dalam penelitian ini, tingkat signifikansi
Universitas Sumatera Utara
66
yang digunakan � = 0,05. Dasar pengambilan keputusan adalah melihat angka
probabilitas dari statistik J-B, dengan ketentuan sebagai berikut. 1.
Jika nilai probabilitas � ≥ 0,05, maka asumsi normalitas terpenuhi.
2. Jika nilai probabilitas
� 0,05, maka asumsi normalitas tidak terpenuhi.
Sumber: Hasil Penelitian 2016 data diolah
Gambar 4.1 Uji Normalitas dengan Uji Jarque-Bera
Perhatikan bahwa berdasarkan Gambar 4.1, diketahui nilai probabilitas dari statistik J-B adalah 0,345. Karena nilai probabilitas
�, yakni 0,345, lebih besar dibandingkan tingkat signifikansi, yakni 0,05. Hal ini berarti asumsi
normalitas dipenuhi Gio, 2015:27-28.
4.3.2 Uji Multikolinearitas
Dalam penelitian ini, gejala multikolinearitas dapat dilihat dari nilai korelasi antar variabel yang terdapat dalam matriks korelasi. Gujarati dalam Gio
2015:31 menyatakan jika antar variabel independen ada korelasi yang cukup tinggi, yakni di atas 0,8, maka hal ini merupakan indikasi adanya
multikolinearitas. Hasil uji multikolinearitas disajikan pada Tabel 4.2.
2 4
6 8
10
-1.0 -0.8
-0.6 -0.4
-0.2 0.0
0.2 0.4
0.6 0.8
1.0 1.2
Series: Residuals Sample 1 69
Observations 69 Mean
0.003736 Median
-0.049156 Maximum
1.276313 Minimum
-1.011230 Std. Dev.
0.462571 Skewness
0.400199 Kurtosis
3.313700 Jarque-Bera
2.124757 Probability
0.345633
Universitas Sumatera Utara
67
Tabel 4.2 Uji Multikolinearitas dengan Matriks Korelasi
PKI MNJR
INST ROA
LVRG PKI
1,000000 -0,093567
-0,385162 0,022114
0,104208 MNJR
-0,093567 1,000000
-0,107701 -0,369300
-0,009181 INST
-0,385162 -0,107701
1,000000 0,358066
-0,002844 ROA
0,022114 -0,369300
0,358066 1,000000
0,068719 LVRG
0,104208 -0,009181
-0,002844 0,068719
1,000000 Sumber: Hasil Penelitian 2016 data diolah
Berdasarkan Tabel 4.2, dapat dilihat bahwa korelasi PKI dan MNJR sebesar -0,09, korelasi antara PKI dan INST sebesar -0,38, korelasi antara PKI
dan ROA sebesar 0,022, korelasi antara PKI dan LVRG sebesar 0,10, korelasi antara MNJR dan INST sebesar -0,10, dan seterusnya. Dari hasil pengujian
multikolinearitas pada Tabel 4.2 dapat disimpulkan bahwa tidak terdapat gejala multikolinearitas antar variabel independen. Hal ini karena nilai korelasi antar
variabel independen tidak lebih dari 0,8.
4.3.3 Uji Heteroskedastisitas
Deteksi ada tidaknya heteroskedastisitas dapat dilakukan dengan Uji Glejser. Dasar pengambilan keputusan adalah melihat angka probabilitas dari
statistik Uji Glejser, dengan ketentuan sebagai berikut Gio, 2015:59. 1.
Jika nilai Prob. Chi-Square dari Obs R-squared ≥ 0,05, maka tidak
terjadi heteroskedastisitas. 2.
Jika nilai Prob. Chi-Square dari Obs R-sqaured 0,05, maka terjadi
heteroskedastisitas.
Universitas Sumatera Utara
68
Tabel 4.3 Uji Heteroskedastisitas dengan Uji Glejser
Heteroskedasticity Test: Glejser F-statistic
2.365529 Prob. F5,63 0.0496
ObsR-squared 10.90650 Prob. Chi-Square5
0.0533 Scaled explained SS
10.62484 Prob. Chi-Square5 0.0593
Sumber: Hasil Penelitian 2016 data diolah
Berdasarkan Tabel 4.3, nilai Prob. Chi-Square dari Obs R-squared = 0,053
≥ 0,05, maka asumsi homoskedastisitas terpenuhi. Dengan kata lain, tidak terjadi gejala heteroskedastisitas yang tinggi pada residual.
4.3.4 Uji Autokorelasi
Asumsi mengenai independensi terhadap residual non-autokorelasi dapat diuji dengan menggunakan uji Durbin-Watson Field, 2009:220. Nilai statistik
dari uji Durbin-Watson berkisar di antara 0 dan 4. Field 2009:220 menyatakan sebagai berikut.
“Specifically, it Durbin-Watson tests whether adjacent residuals are correlated. The test statistic can vary between 0 dan 4 with a value 2 meaning that the
residuals are uncorrelated. Nilai statistik dari uji Durbin-Watson yang lebih kecil dari 1 atau lebih
besar dari 3 diindikasi terjadi autokorelasi. Field dalam Gio Gio, 2015: 58 menyatakan sebagai berikut.
“The size of the Durbin-Watson statistic depends upon the number of predictors in the model and the number of observations. For accuracy, you should
look up the exact acceptable values in Durbin and Watsons 1951 original are definitely cause for concern; however, values closer to 2 may stil be problematic
depending on your sample and model”.
Universitas Sumatera Utara
69
Tabel 4.4 Uji Autokorelasi dengan Uji Durbin-Watson
Test Equation: Dependent Variable: VAIC
Method: Least Squares Date: 082016 Time: 13:27
Sample: 1 69 Included observations: 69
F-statistic 3.449928 Durbin-Watson stat
1.653430 ProbF-statistic
0.008088
Sumber: Hasil Penelitian 2016 data diolah
Berdasarkan Tabel 4.4, nilai dari statistik Durbin-Watson adalah 1,6534. Perhatikan bahwa karena nilai statistik Durbin-Watson terletak di antara 1 dan 3,
maka asumsi non-autokorelasi terpenuhi. Dengan kata lain, tidak terjadi gejala autokorelasi yang tinggi pada residual Gio, 2015:31-32.
4.4 Pemilihan Model Data Panel
