83 w
it
= komponen error gabungan Adapun asumsi yang digunakan untuk komponen error adalah
u
i
~ N 0,σ
u 2
; v
t
~ N 0,σ
v 2
; w
it
~ N 0,σ
w 2
Dalam model efek acak, efek rata-rata dari data cross section dan time series diintreprestasikan dalam intercept. Sedangkan deviasi
efek secara random untuk data time series diprestasikan dalam vt dan deviasi untuk data cross section dinyatakan dalam ut.
Model ini juga mengasumsikan bahwa error secara individu tidak saling berkolerasi, begitu juga dengan error kombinasinya.
Dengan menggunakan model ini maka kita dapat menghemat pemakaian derajat kebebasan dan tidak mengurangi jumlah seperti
pada fixed effect model. Hal ini berimplikasi pada parameter hasil estimasi akan menjadi efisien.
2. Tahap Analisis Data
a. Pemilihan Model Pooled Least Square, Fixed Effect dan Random
Effect
Gambar 3.1. Pengujian Pemilihan Metode pada Pengolahan Data Panel
Sumber : Data diolah
Chow Test
FIXED EFFECT
POOLED LEAST
SQUARE RANDOM
EFFECT Hausman
Test
LM Test
1 2
3
84
1 Chow Test
Untuk mengetahui apakah model MET lebih baik dibandingkan dengan modelOLS dapat dilakukan dengan melihat signifikansi
model MET dapat dilakukandengan uji statistik F. Pengujian seperti ini dikenal juga dengan istilah Uji Chow atau Likelihood Test Ratio.
Hipotesis nol H yang digunakan adalah intersep dan slope adalah
sama. Pengujian ini dilakukan dengan hipotesis sebagai berikut:
H : Model Pooled Least Square restricted
H
1
: Model Fixed Effect unrestricted Dasar penolakan terhadap hipotesis nol H
yaitu dengan menggunakan F-statistik. Adapun uji F statistiknya adalah sebagai
berikut:
Dengan n adalah jumlah individu; T merupakan jumlah periode waktu; K adalah banyaknya parameter dalam model MET; RSS
1
dan RSS
2
berturut-turut adalah residual sum of squares untuk model OLS dan MET.
Nilai statistik F akan mengikuti distribusi statistik F dengan derajat bebas sebesar n
– 1 untuk numerator dan sebesar nT – k denumerator. Jika nilai statistik F lebihbesar dari nilai F tabel pada
tingkat signifikansi tertentu, hipotesis nol akan ditolak, yang berarti RSS
1
– RSS
2
n – 1
F hitung = RSS
1
nT – n – K
85 koefisien intesep dan slope adalah sama tidak berlaku, sehingga
teknikregresi data panel dengan MET lebih baik dari model regresi data panel dengan OLS Bambang, Juanda dan Junaidi,2012
.
2 Hausman Test
Untuk menguji apakah model fixed effect lebih baik dari model random effect, digunakan uji Hausman. Adapun hipotesis dalam
pengujian ini dilakukan berikut: H
: Model Random Effect H
1
: Model Fixed Effect unrestricted Dengan mengikuti kriteria Wald, nilai statistik Hausman ini akan
mengikuti distribusi chi-square sebagai berikut: W
= χ 2 [K] = [β, β
GLS
] Σ
-1
[β, β
GLS
] Ketika nilai Hausman dari chi table maka H
ditolak dengan kata lain metode yang digunakan adalah fixed effect FEM Bambang,
Juanda dan Junaidi, 2012 .
Seperti yang telah dijelaskan sebelumnya, pendekatan pooled least square memiliki kelemahan dikarenakan asumsi atas intercept
dan slope yang sama di dalam modelnya sehingga memilliki kemungkinan tidak sesuai dengan kondisi sebenarnya dikarenakan
setiap unit cross section memiliki karakteristik tersendiri. Kemudian menurut Judge 1985 diantaranya pendekatan fixed effect dan
random effect ada beberapa pertimbangan antara lain:
86 Jika jumlah periode observasi besar dan jumlah unit cross section
kecil, maka estimasi dari pendekatan fixed effect dengan random effect tidak jauh berbeda sehingga dapat dipilih pendekatan yang
lebih mudah dilakukan yaitu pendekatan fixed effect. Jika jumlah periiode observasi kecil dan jumlah unit cross section
besar maka hasil estimasi dari kedua pendekatan tersebut berbeda jauh. Maka apabila unit cross section yang digunakan diyakini
diambil secara acak random maka pendekatan random effect yang digunakan. Sebaliknya apabila unit cross section yang
digunakan tidak diambil secara acak maka pendekatan fixed effect yang digunakan.
Jika kemampuan error individu berkorelasi dengan variabel bebas “x” maka parameter yang didapat dari pendekatan random effect
akan bias sementara parameter yang didapat dari pendekatan fixed effect tidak.
Jika jumlah periode observasi kecil dan jumlah unit cross section besar maka asumsi yang mendasari random effect lebih
dibandingkan pendekatan fixed effect.
3 The Breusch-Pagan LM Test
Pengujian untuk memilih apakah model akan dianalisis dengan menggunakan metode random effect atau pooled least square dapat
87 dilakukan dengan The Breusch-Pagan LM Test dimana
menggunakan hipotesis sebagai berikut: H
: Model Pooled Least Squarerestricted H
1
: Model Random Effect Dasar penolakan H
menggunaka statistik LM Test yang berdasarkan distribusi Chi-square. Jika LM statistics lebih besar dari Chi square
table maka tolak H sehingga model yang lebih sesuai dalam
menjelaskan dalam permodelan data panel tersebut adalah model pooled least square, begitu pula sebaliknya.
F. Pengujian Statistik
Setelah melakukan pengolahan data dengan metode panel, selanjutnya adalah melakukan pengujian terhadap hasil output. Pengujian ini dilakukan
menurut kriteria statistic dan kriteria ekonomi. Pada pengujian kriteria ekonomi diuji apakah hasil koefisien regresi sudah sesuai dengan teori
ekonomi yang ada. Kriteria stastik dilakukan dengan cara melakukan pengujian-pengujian sebagai berikiut.
1. Statistik Deskriptif