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