41
jumlah data time series sebanyak 2 tahun dikalikan dengan banyaknya perusahaan yang diobservasi yaitu 35 perusahaan.
3.6Metode Analisis
Penelitian ini menggunakan program Eviews 7.0. Metode yang digunakan dalam pengolahan data penelitian ini adalah metode panel regression karena tipe
dari data yang akan digunakan nantinya berbentuk panel data. Panel data merupakan kumpulan data yang merupakan gabungan dari jenis data cross section
dan time series.
3.6.1 Metode Analisis Regresi Panel
Metode yang digunakan dalam penelitian ini adalah Uji Regresi Panel, yang merupakan gabungan antara data cross section dan time series.Menurut
Agus Widarjono dalam Noviana, 2013:67 ada beberapa keuntungan yang diperoleh dengan menggunakan data panel. Pertama, data panel yang merupakan
gabungan dua data time series dan cross section mampu menyediakan data yang lebih banyak sehingga akan menghasilkan Degree Of Freedom yang lebih besar.
Kedua, menggabungkan informasi dari data time series dan cross section dapat mengatasi masalah yang timbul ketika ada masalah penghilangan variabel
omitted variable. Dalam mengestimasi parameter dari persamaan dengan data panel, ada tiga
model persamaan yang dapat dibuat, yaitu:
1. Ordinary Least Square OLS
Metode ini menggunakan metode kuadrat terkecil yang diterapkan dalam data yang berbentuk poolmenggabungkan data cross section dengan data time
42
series.Kemudian data tersebut diregresikan dengan metode OLS. Penggunaan estimasi dengan metode ini tidak realistis. Misalkan kita ingin menganalisis
pengaruh pengeluaran pemerintah daerah terhadap pertumbuhan daerah. Dengan menggunakan OLS maka kita akan memperoleh nilai intercept dan
koefisien parameter yang konstan untuk seluruh daerah. Apakah mungkin setiap daerah memiliki intercept yang sama? Oleh karena itu, penggunaan dua
metode lainnya yakni Fixed Effect ModeldanRandom Effect Modellebih baik. Y
it
= α + ßX
1it
+ ßX
2it
+ ßX
3it
+ ßX
4it
+ ε
it
………….. ..
1
2. Fixed Effect Model FEM
Model ini memiliki intercept persamaan yang tidak konstan atau terdapat perbedaan pada setiap individu data cross section. Sementara itu, slope
koefisien dari regresi tidak berbeda pada setiap individu dan waktu. Y
it
= α + ßX
1it
+ ßX
2it
+ ßX
3it
+ ßX
4it
+ µ
i
+ ε
it
……….. 2 Dimana :
µ
i
= komponen error cross section
3. Random Effect Model REM
Pada model ini, perbedaan antar individu terdapat di error term dari persamaan. Model ini memperhitungkan bahwa error term mungkin
berkorelasi sepanjang time series dan cross section. Oleh karena ada dua metode yang sesuai untuk data panel, beberapa pakar ekonometrika membuat
kesimpulan dari pembuktian untuk menentukan metode apa yang paling sesuai untuk digunakan, yaitu:
43
1. Jika jumlah runtun waktu lebih besar dibandingkan jumlah individu, maka disarankan untuk menggunakan metode FEM,
2. Jika jumlah runtun waktu lebih sedikit dibandingkan jumlah individu, maka disarankan untuk menggunakan metode REM.
Pengujian lain yang disarankan dalam menentukan metode apa yang paling sesuai untuk digunakan pada data panel adalah Uji Hausman. Jika nilai
statistic hausman lebih kecil dari nilai kritisnya atau hausman test tidak signifikan maka H0 diterima, maka model yang tepat adalah REM.
Sedangkan apabila nilai statistic Hausman lebih besar dari nilai kritisnya maka H0 ditolak, sehingga dipakai model FEM.
Berdasarkan kesimpulan dari pembuktian diatas, maka penelitian ini menggunakan Random Effect Model REM, dengan modelnya yaitu:
DPR it = α + β
1
FCFit + β
2
ROEit + β
3
DERit + ε Keterangan:
DPRit : pembayaran dividen untuk cross section ke-i dan waktu ke-t FCFit : free cash flowuntuk cross section ke-i dan waktu ke-t
ROEit : profitabilitascross section ke-i dan waktu ke-t DERit : rasio hutang untuk cross section ke-i dan waktu ke-t
i : menunjukkan jumlah perusahaan dalam sampel unit cross section t : menunjukkan waktu yaitu tahun amatan unit time series
ε : error term
3.6.2 Uji Housman
Pada model panel data kita ingin mengetahui apakah model tersebut fixed effect atau random effect. Model fixed effect mengasumsikan independen variabel
berkorelasi dengan error-nyasedangkan random effect sebaliknya. Model Panel data dengan Fixed Effect diestimasi dengan OLS, sedangkan Random Effect
44
diestimasi dengan GLS Gaeneralized Least Square. Untuk melihat apakah model mengikuti random effect atau fixed effect digunakan Uji Hausman:
Ho : random effect H1 : Fixed effect.
Dengan mengunakan Eviews 7.0 kitadapatmenghitung statistic ujitersebut dan nilai p-valuenyasehinggadapatdiputuskan model mana yang cocok random fixed
effect.
3.6.3 Uji Asumsi Klasik
Sebelum dilakukan uji hipotesa, pada setiap model dilakukan uji asumsi klasik. Asumsi klasik tersebut diantaranya adalah uji autokorelasi dan uji
multikolinieritas dengan rincian sebagai berikut :
1. Uji Normalitas Data
Uji normalitas digunakan untuk menguji apakah dal sebuah model regresi, variabel dependen, variabel independen atau keduanya mempunyai distribusi
normal atau tidak. Dalam penelitian ini normalitas data ditunjukkan dengan besarnya nilai skweness dan kurtosis yang dijelaskan dalam statistik deskriptif.
2. Uji Heteroskedastisitas
Heteroskedastisitas berarti bahwa variasi residual tidak sama untuk semua pengamatan. Konsekuensi akibat terjadinya heteroskedastisitas adalah penaksiran
menjadi tidak efisien baik dalam sampel kecil ataupun besar. Gangguan heteroskedastitas sering muncul dalam data cross section dan data time series. Hal
ini bisa mengakibatkan terjadinya perubahan hasil uji statistik tidak tepat dan interval keyakinan untuk estimasi parameter juga kurang tepat.
45
Salah satu cara untuk mengetahui adanya heteroskedastisitas dengan menggunakan nilai probabilitas ObsR-squared yang diregresikan dengan
menggunakan program e-views. Apabila nilai probabilitas ObsR-squared lebih kecil dari α = 5 maka diduga kuat terdapat heteroskedastisitas pada model
penelitian.
3. Uji Multikolinieritas
