Teknik Analisis Data METODOLOGI PENELITIAN

Uji normalitas adalah uji untuk mengukur apakah data memiliki distribusi normal sehingga dapat dipakai dalam statistic parametric satistik inferensial. nilai residual dikatakan berdistribusi normal jika nilai residual terstandarisasi tersebut mendekati rata-ratanya. 3 Ada beberapa metode untuk mengetahui normal atau tidaknya distribusi residual antara lain Jarque-Bera Test J-B Test dan metode grafik. Dalam penelitian ini akan menggunakan metode J-B Test, apabila nilai J-B hitung lebih besar dari X 2 tabel atau nilai Probabilitas JB Jarque-Bera hitung lebih kecil dengan tingkat signifkan 0,05 5, maka dapat disimpulkan bahwa residual berdistribusi normal dan sebaliknya, apabila nilainya lebih kecil maka residual tidak berdistribusi normal. b. Uji Multikolinearitas Multikolinearitas adalah kondisi adanya hubungan linier variabel independen. Karena melibatkan beberapa variabel independen, maka multikolinearitas tidak akan terjadi pada persamaan regresi sederhana yang terdiri atas satu variabel dependen dan satu variabel independen. Masalah multikolinearitas biasanya muncul karena jumlah observasi 3 Neni Nuraini, Analisa Faktor yang Mempengaruhi Manajemen Laba, skripsi s1, Jakarta: UIN Syarif Hidayatullah, h. 96 yang sedikit. Selain itu dapat dengan menghilangkan salah satu variabel independen terutama yang memiliki hubungan linier yang kuat dengan variabel lain. Namun jika tidak mungkin dihilangkan maka tetap harus dipakai. 4 Dalam penelitian ini uji multikolinearitas akan dilakukan dengan melihat pada nilai koefisien korelasinya pada hasil uji correlation dengan menggunakan matriks korelasi. Jika hasil koefisien korelasi pada output menunjukan hasil di atas 0,8 maka diduga terjadi multikolinearitas. Sebaliknya, jika koefisien rendah di bawah 0,8 maka diduga model terbebas dari masalah multikolinearitas. c. Uji Heteroskedastisitas Heteroskedastisitas adalah keadaan dimana varians dari setiap gangguan tidak konstan. Dampak adanya hal tersebut adalah tidak efisiennya proses estimasi, sementara hasil estimasinya sendiri tetap konsisten dan tidak “reliable” atau tidak dapat dipertanggungjawabkan. Jika varians dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas. 5 4 Wing Wahyu Winarno, Analisis Ekonometrika dan Statistika dengan EVIEWS, Yogyakarta: UPP STIM YKPN, 2011, h. 5.1 5 J. Supranto, Ekonometrika, Jakarta: Ghalia Indonesia, 2004, h. 19 Uji heteroskedastisitas pada penelitian ini menggunakan uji glejser, uji glejser dapat menjelaskan apabila nilai Probabilitas F- statistic lebih kecil dari α=5 maka data bersifat heteroskedastisitas begitu pula sebaliknya. d. Uji Autokorelasi Uji autokorelasi adalah hubungan yang muncul karena observasi yang berurutan sepanjang waktu berkaitan dengan dengan satu sama lain. Masalah autokorelasi biasa ditemukan jika menggunakan data time series. 6 Dalam mendeteksi ada atau tidaknya autokorelasi dapat dilakukan dengan menggunakan Breusch-Godfrey Serial Correlation LM Test. Jika nilai probabilitas pada ObsR-squared lebih besar dari taraf nyata α model artinya tidak ditemukan gejala autokorelasi pada model begitupun sebaliknya. 2. Penentuan Model Estimasi Metode estimasi regresi dengan menggunakan data panel dapat dilakukan melalui tiga teknik pendekatan antara lain: a. Metode Pendekatan Ordinary Least Square Ordinary Least Square merupakan metode paling sederhana dalam pengolahan data panel. Pendekatan ini biasa digunakan untuk mengolah data berbentuk pool. Kelemahan 6 Mudrajad Kuncoro, Manajemen Perbankan: Teori dan Aplikasi, Yogyakarta: BPFE, 2007, h. 83 yang dimiliki Ordinary Least Square ini adalah tidak meperlihatkan perbedaan, baik antar individu maupun antar waktu. 7 b. Model Pendekatan Efek Tetap Fixed effects Pendekatan ini menggunakan variabel boneka yang dikenal dengan sebutan model efek tetap fixed effect atau Least Square Dummy Variabel atau disebut juga Covariance Model. Pada metode fixed effect, estimasi dapat dilakukan dengan tanpa pembobolan no wight atau Least Square Dummy Variabel LSDV dan dengan pembobotan Cross section weight atau General Least Square GLS. Tujuan dilakukan pembobotan adalah untuk mengurangi heterogenitas antar unit cross section. 8 c. Model Pendekatan Efek Acak Random Effects Dalam model efek acak Random Effect, parameter- parameter yang berbeda antar daerah maupun antar waktu dimasukkan ke dalam error. Karena hal inilah, model effect acak juga disebut Error Component Model ECM atau teknik Generalized Least Square GLS, namun salah satu syarat 7 Nachrowi Djalal dan Hardius Usman, Ekonometrika, Jakarta: Lembaga Penerbit Fakultas Ekonomi Universitas Indonesia, 2006, h. 312 8 Damodar Gujarati, Dasar-dasar Ekonometrika jilid edisi ketiga, Jakarta: Erlangga, 2004, h. 106 untuk menggunakan model random effect ini adalah objek data silang lebih besar dari koefisiennya. 3. Tahapan Analisis Data Pemilihan jenis model dalam data panel adalah sebagai berikut: a. Uji Chow Uji Chow digunakan untuk membandingkan apakah model Fixed Effect atau Commont Effect yang lebih sesuai untuk digunakan dalam penelitian ini. 9 Hipotesis yang digunakan adalah: Ho : Commont Effect Model H1 : Fixed Effect Model Pengujian Uji Chow menggunakan software Eviews adalah dengan menggunakan uji likelihood ratio, lalu yang menjadi dasar penolakan dalam hipotesis di atas adalah dengan membandingkan nilai probabilitasnya dengan α = 5. Perbandingan yang dimaksud adalah apabila nilai probabilitas lebih kecil dari 0,05 maka Ho ditolak sehingga dalam penelitian ini menggunakan fixed effect dan perlu melakukan Hausman test. Namun sebaliknya jika nilai probabilitasnya 9 Wing Wahyu Winarno, Analisis Ekonometrika dan Statistika dengan EVIEWS, Yogyakarta: UPP STIM YKPN, 2011, h. 9. 17 lebih besar dari 0,05 maka model yang tepat digunakan adalah common effect dan tidak perlu dilakukan uji Hausman. b. Uji Hausman Uji Hausman ini digunakan untuk menguji apakah dalam penelitian ini lebih baik menggunakan model Fixed Effect atau Random Effect. Berikut ini hipotesis yang digunakan: Ho : Random Effect model H1 : Fixed Effect model Statistik uji hausman ini dengan melihat nilai probabilitas. Jika nilai probabilitas 0,05 untuk tingkat signifikansi = 0,05 maka Ho ditolak dan model yang lebih tepat adalah model fixed effect, begitupun sebaliknya. Bila nilai probabilitas 0,05, maka model yang lebih tepat adalah model random effect. 4. Pengujian Hipotesis Uji hipotesis merupakan prosedur yang digunakan untuk menguji diterima atau ditolaknya secara statistik hasil hipotesa H dari sampel. Keputusan untuk mengolah H dibuat berdasarkan nilai uji statistik yang diperoleh dari data yang ada. 10 10 Damodar Gujarati, Ekonometri Dasar, Jakarta: Erlangga, 2003, h. 120 a. Uji Parsial Uji t Uji t dilakukan untuk melihat signifkansi dari pengaruh variabel bebas secara individu terhadap variabel terikat dengan menganggap variabel bebas lainnya adalah konstan. 11 Pada tingkat signifikansi 0,05 5 dengan kriteria pengujian yang digunakan sebagai berikut: 1 Jika t hitung t tabel, maka H diterima dan H 1 ditolak, yang artinya variabel penjelas secara parsial tidak mempengaruhi variabel yang dijelaskan secara signifikan. 2 Jika t hitung t tabel, maka H ditolak dan H 1 diterima, yang artinya variabel penjelas secara parsial mempengaruhi variabel yang dijelaskan secara signifikan. b. Uji Simultan Uji F Uji F dilakukan untuk mengetahui apakah variabel- variabel independen secara keseluruhan signifikan secara statistik dalam mempengaruhi variabel dependen. Apabila nilai F hitung lebih besar dari nilai F tabel maka variabel-variabel independen secara kesluruhan berpengaruh terhadap variabel dependen. Pada tingkat signifikansi 0,05 5 dengan kriteria pengujian yang digunakan sebagai berikut: 11 Damodar Gujarati, Ekonometri Dasar, Jakarta: Erlangga, 2003, h. 125 1 Jika F hitung F tabel, maka H diterima dan H 1 ditolak, yang artinya variabel penjelas secara serentak atau bersama-sama tidak mempengaruhi variabel yang dijelaskan secara signifikan. 2 Jika F hitung F tabel, maka H ditolak dan H 1 diterima, yang artinya variabel penjelas secara serentak dan bersama- sama mempengaruhi variabel yang dijelaskan secara signifikan. c. Uji Koefisien Determinasi R 2 Koefisien determinasi Goodness of Fit, yang dinotasikan dengan R 2 merupakan suatu ukuran yang penting dalam regresi, karena dapat menginformasikan baik atau tidaknya model regresi yang terestimasi. Dengan kata lain angka tersebut dapat mengukur seberapa dekatkah garis regresi yang terestimasi dengan data sesungguhnya. 12 Nilai R 2 digunakan antara 0 sampai 1 0 R 2 1 apabila R 2 = 1 menunjukan bahwa 100 total variasi diterangkan oleh varian persamaan regresi atau variabel bebas baik X 1 X 2 X 3 maupun X 4 mampu menerangkan variabel Y sebesar 100. Sebaliknya apabila nilai R 2 = 0 menunjukkan 12 Nachrowi dan Hardius Usman, Pendekatan Populer dan Praktis Ekonometrika untuk Analisis Ekonomi dan Keuangan, Jakarta: Universitas Indonesia, 2006, h. 30 bahwa tidak ada total varians yang diterangkan oleh varian bebas dari persamaan regresi. 13 13 Suharyadi dan Purwanto S.K, Statitiska untuk Ekonomi dan Keuangan Modern, Jakarta: Salemba Empat, 2004, h. 47

BAB IV ANALISIS DAN PEMBAHASAN

A. Analisa dan Pembahasan

1. Pengujian Asumsi Klasik a. Uji Normalitas Uji normalitas dalam pengujian ini bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memliki distribusi normal. Model regresi yang baik adalah memiliki distribusi data normal atau mendekati normal. Dalam penelitian ini akan menggunakan metode J-B Test, apabila nilai J-B hitung lebih kecil dari X 2 tabel atau nilai probabilitas J-B test lebih besar dari nilai taraf nyata 0.05, maka data tersebut berdistribusi normal. Gambar 4.1 Uji Normalitas 2 4 6 8 10 -0.04 -0.02 0.00 0.02 0.04 0.06 Series: Residuals Sample 1 159 Observations 94 Mean 1.64e-16 Median 0.000764 Maximum 0.055684 Minimum -0.052206 Std. Dev. 0.026502 Skewness 0.018879 Kurtosis 2.148696 Jarque-Bera 2.844065 Probability 0.241223 Untuk mendeteksi apakah residualnya berdistribusi normal atau tidak dengan membandingkan nilai Jarque Bera dengan X 2 tabel, yaitu: 1 Jika nilai JB X 2 tabel, maka residualnya berdistribusi tidak normal. 2 Jika nilai JB X 2 tabel, maka residualnya berdistribusi normal. Hasil dari output pada Gambar 4.1, bahwa nilai JB 2,844065 X 2 tabel 7,815 dan dengan melihat probability 0,241223 dari α=5, maka dapat disimpulkan bahwa residual berdistribusi normal. b. Uji Multikolinearitas Masalah multikolinearitas adalah situasi dimana adanya korelasi antara variabel bebas dengan variabel bebas lainnya. Untuk mengetahui ada atau tidaknya multikolinearitas digunakan uji correlation dengan menggunakan matriks korelasi. Jika koefisien korelasi pada output menunjukan hasil di atas 0,8 maka diduga terjadi multikolinearitas. Sebaliknya jika koefisien korelasi rendah di bawah 0,8 maka diduga model tidak mengandung multikolinearitas. Berdasarkan hasil uji multikolinearitas yang dilakukan dengan Eviews diperoleh hasil sebagai berikut: Tabel 4.1 Uji Multikolinearitas B Berdasarkan hasil pengujian multikolinearitas pada tabel di atas, dapat dilihat bahwa korelasi tingkat bagi hasil deposito mudharabah dengan jumlah kantor layanan sebesar -0,203082 ; tingkat bagi hasil deposito mudharabah dengan inflasi sebesar 0,090533 ; tingkat bagi hasil deposito mudharabah dengan PDB sebesar 0,007119. Sehingga dapat disimpulkan tidak terdapat variabel yang memilki nilai korelasi diatas 0.8, dengan demikian bahwa model regresi yang dipakai tidak terdapat masalah multikolinearitas. c. Uji Heteroskedastisitas Uji heteroskedastisitas digunakan untuk mengetahui ada atau tidaknya penyimpangan asumsi klasik heteroskedastisitas yaitu adanya ketidaksamaan varian dari residual untuk semua pengamatan pada model regresi. Dalam penelitian ini digunakan uji glejser, uji dapat menjelaskan apabila nilai Probabilitas F-statistic lebih kecil dari TBHDM JKL INF PDB TBHDM 1.000000 -0.203082 0.090533 0.007119 JKL -0.203082 1.000000 -0.709081 0.021374 INF 0.090533 -0.709081 1.000000 -0.207920 PDB 0.007119 0.021374 -0.207920 1.000000 α=5 maka data bersifat heteroskedastisitas begitu pula sebaliknya. Tabel 4.2 Uji Heteroskedastisitas H Hasil output pada tabel menunjukan nilai Prob. F-statistic adalah sebesar 0,0830 daripada α=0,05. Dengan demikian dapat disimpulkan bahwa data tidak mengandung heteroskedastisitas. d. Uji Autokorelasi Autokorelasi adalah korelasi antara residual satu observasi dengan residual observasi lainnya. Autokorelasi lebih mudah timbul pada data runtut waktu time series karena berdasarkan sifatnya, data masa sekarang dipengaruhi oleh data pada masa sebelumnya. Salah satu metode yang digunakan untuk mendeteksi masalah autokorelasi adalah metode Bruesch_Godfey atau yang lebih dikenal dengan uji Langrange Multiplier LM-Test dengan melihat nilai probability Chi-Square a=0,05 maka data tidak mengalami autokorelasi. Deteksi autokorelasi dengan menggunakan metode LM Test dapat dilihat pada tabel berikut: Heteroskedasticity Test: Glejser F-statistic 2.135338 Prob. F4,89 0.0830 ObsR-squared 8.231249 Prob. Chi-Square4 0.0835 Scaled explained SS 6.746202 Prob. Chi-Square4 0.1499