Regresi Data Panel Metode Analisis Data

2 Metode Fixed Effect Model FEM Model fixed effect adalah teknik mengestimasi data panel dengan menggunakan variabel dummy untuk menangkap adanya perbedaan intersep. Pengertian fixed effect ini didasarkan adanya perbedaan intersep antara perusahaan namun intersepnya sama antar waktu time in variant. Disamping itu, model ini juga mengasumsikan bahwa koefisien regresi slope tetap antar perusahaan dan antar waktu. Salah satu cara paling sederhana untuk mengetahui perbedaan adalah dengan mengasumsikan bahwa intersep adalah berbeda antar perusahaan sedangkan slope-nya tetap sama antar perusahaan. Pendekatan dengan variabel dummy ini dikenal dengan sebutan Fixed Effect Model atau Least Square Dummy LSDV atau disebut covariance model. Persamaan dengan menggunakan Fixed Effect Model dapat ditulis dalam bentuk sebagai berikut: 3 Metode Random Effect Model REM Random Effect Model merupakan metode estimasi model regresi data panel dengan asumsi koefisien slope dan intercept berbeda antar individu dan antar waktu random effect. Terdapat variabel Y it = β + β 1 X 1it + β 2 X 2it + Ɛ it Y it = β + β 1 X 1it + β 2 X 2it + β 3 X 3it + β 3 D 1i + β 3 D 2i + … + Ɛ it dummy di dalam fixed effect model bertujuan untuk mewakili ketidaktahuan tentang model yang sebenarnya. Namun, ini juga membawa konsekuensi berkurangnya derajat kebebasan degree of freedom yang pada akhirnya mengurangi efisiensi parameter. Masalah ini bisa diatasi dengan menggunakan variabel gangguan error term yang dikenal dengan metode Random Effect. Model ini akan mengestimasi data panel di mana variabel gangguan mungkin saling berhubungan antar waktu dan antar individu. Model yang tepat digunakan untuk mengestimasi Random Effect adalah Generalized Least Square GLS sebagai estimatornya, karena dapat meningkatkan efiesiensi dari least square. Persamaan dengan menggunakan Random Effect Model dapat ditulis dalam bentuk sebagai berikut: Dimana : ui~ N 0, σu2 = komponen cross section error vt~ N 0, σv2 = komponen time series error wit~ N 0, σw2 = komponen error kombinasi b. Pemilihan Model Data Panel Y it = α1 + bjXj it + Ɛit dengan Ɛit = ui + vt + wit Untuk memilih model mana yang paling tepat digunakan untuk pengolahan data panel, maka terdapat beberapa pengujian yang dapat dilakukan, antara lain : 1 Uji Chow Uji Chow F statistik adalah pengujian yang dilakukan untuk mengetahui model mana di antara common effect atau fixed effect yang lebih tepat digunakan. 29 Rumus yang digunakan dalam uji ini adalah : Dimana : N = jumlah data cross section T = jumlah data time series K = jumlah variabel penjelas Pengujian Uji Chow dilakukan dengan hipotesis sebagai berikut : H = model menggunakan pendekatan common effect H 1 = model menggunakan pendekatan fixed effect Pengujian ini mengikuti distribusi F statistik, jika F statistik lebih besar dari F tabel maka H ditolak. Nilai Chow menunjukkan nilai F statistik. Jika nilai Chow yang kita dapat lebih besar dari nilai F 29 Bambang Juanda dan Junaidi, Ekonometrika Deret Waktu: Teori dan Aplikasi Bogor: IPB Press, 2012, h. 193. tabel, maka kita menggunakan model fixed effect. 30 Atau kita dapat melihat kepada nilai probabilitas cross section F dan Chi Square, dengan ketentuan : Jika probabilitas 0,05 berarti H ditolak Jika probabilitas 0,05 berarti H diterima b Uji Haussman Uji Haussman digunakan untuk menentukan model fixed effect atau model random effect yang paling tepat digunakan. 31 Pengujian uji Haussman dilakukan dengan hipotesis berikut : H = model menggunakan pendekatan random effect H 1 = model menggunakan pendekatan fixed effect Statistik Uji Haussman ini mengikuti distribusi statistik Chi Square dengan degree of freedom sebanyak k, dimana k adalah jumlah variabel independen. Jika nilai statistik Haussman lebih besar dari nilai kritisnya maka H ditolak dan model yang tepat adalah model fixed effect, sedangkan sebaliknya bila nilai statistik Haussman lebih kecil dari nilai kritisnya maka model yang tepat adalah random effect. Atau dapat melihat kepada nilai probabilitas cross section random , dengan ketentuan 32 : 30 Ibid., h.195. 31 Ibid. 32 Ibid., h.197. Jika probabilitas 0,05 maka tolak H Jika probabilitas 0,05 maka terima H

4. Pengujian Hipotesis

a. Uji Parsial Uji T Uji statistik T digunakan untuk mengetahui pengaruh variabel independen yang dimasukan dalam model regresi secara individual terhadap variabel dependen. 33 Hipotesis : H = tidak terdapat pengaruh yang signifikan dari variabel independen terhadap variabel dependen. H 1 = terdapat pengaruh yang signifikan dari variabel independen terhadap variabel dependen. Dasar pengambilan keputusan adalah : Jika probabilitas 0,05 maka tolak H Jika probabilitas 0,05 maka terima H Jika t- hitung ≤ T-tabel : H diterima dan H 1 ditolak Jika t-hitung T-tabel : H ditolak dan H 1 diterima b. Uji Simultan Uji F 33 Imam Ghozali, Aplikasi Analisis Multivariat Dengan Program SPSS Semarang : Badan Penerbit Universitas Diponegoro, 2006, h.87. Uji statistik F menunjukkan apakah semua variabel independen atau bebas yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama terhadap variabel dependen atau terikat. 34 Hipotesis : H = tidak terdapat pengaruh yang signifikan dari variabel independen terhadap variabel dependen. H 1 = terdapat pengaruh yang signifikan dari variabel independen terhadap variabel dependen. Dasar pengambilan keputusan adalah : Jika probabilitas 0,05 maka tolak H Jika probabilitas 0,05 maka terima H Jika f- hitung ≤ F-tabel : H diterima dan H 1 ditolak Jika f-hitung F-tabel : H ditolak dan H 1 diterima c. Uji Koefisien Determinasi R 2 Pengujian koefisien determinasi pada intinya mengukur seberapa baik garis regresi sesuai dengan data akrualnya. Koefisien determinasi ini mengukur persentase total varian variabel dependen Y yang dijelaskan oleh variabel independen dalam garis regresi. Nilai R 2 selalu terletak di antara 0 dan 1 0 R 2 1. Semakin besar R 2 , semakin baik hasil untuk model regresi tersebut dan semakin mendekati 0, maka variabel 34 Ibid., h.85. independen secara keseluruhan tidak dapat menjelaskan variabel dependen. Kelemahan mendasar penggunaan koefisien determinasi adalah bias terhadap jumlah variabel independen yang dimasukkan ke dalam model. Setiap tambahan satu variabel independen, maka R 2 pasti meningkat tidak peduli apakah variabel tersebut berpengaruh signifikan terhadap variabel dependen atau tidak. 35 Untuk mengatasi permasalahan tersebut, suatu pengukur kelayakan yang sesuai lainnya telah dikembangkan. Ukuran yang merupakan modifikasi dari R 2 ini memberikan penalti bagi penambahan variabel penjelas yang tidak menurunkan residual secara signifikan. Ukuran ini disebut Adjusted R 2 . 36 35 Ibid., h.83 36 Moch. Daddy Ariefianto, Ekonometrika Esensi dan Aplikasi dengan Menggunakan Eviews Jakarta : Erlangga, 2012, h. 25.