45
3.7.1.3 Metode efek acak Random Effect Pendekatan Metode efek acak memperbaiki efisiensi proses least
square dengan memperhitungkan error dan cross-section dan time series. Model efek acak adalah variasi dari estimasi generalized least square GLS. Keputusan
untuk memasukkan variabel dummy ke dalam model akan mengakibatkan berkurangnya jumlah derajat kebebasan yang pada akhirnya akan mengurangi
efisiensi dari parameter yang diestimasi. Pendekatan yang digunakan untuk mengatasi hal ini adalah model efek acak. Model efek acak disebut juga sebagai
error component model karena dalam model ini, parameter yang berbeda antar individu maupun antar waktu dimasukkan ke dalam error.
Asumsi yang digunakan dalam model ini adalah error secara individual tidak saling berkorelasi, begitu pula dengan error kombinasinya. Penggunaan
model efek acak dapat menghemat derajat kebebasan dan tidak mengurangi jumlahnya seperti pada model fixed effect. Hal ini berimplikasi kepada
parameter hasil estimasi akan menjadi efisien. Semakin efisien maka model yang akan didapat semakin baik. Dengan demikian adanya gangguan asumsi
klasik dalam model ini telah terdistribusi secara normal sehingga tidak diperlukan lagi treatmen terhadap model bagi pelanggaran asumsi klasik yaitu
asumsi adanya autokorelasi, multikoliniearitas dan heterokedastisitas.
3.7.2 Pengujian Model Data Panel
Model mana yang akan dipilih dari 3 pendekatan model yang ada maka perlu dilakukan analisis terlebih dahulu agar diperoleh pendekatan model yang
46
paling sesuai terhadap hasil penelitian ini. Ada tiga pengujian statistik yang digunakan dalam data panel yaitu:
3.7.2.1. Uji Langrange Multiplier LM test Uji ini digunakan untuk memilih antara Ordinary Least Square OLS
tanpa variabel dummy atau model efek random. 3.7.2.2. Uji Chow Chow test
Uji Chow atau yang sering juga disebut dengan uji F statistik merupakan pengujian statistik yang digunakan untuk memilih apakah lebih baik
menggunakan model Kuadrat Terkecil atau Efek Tetap. Uji F digunakan untuk mengetahui apakah teknik regresi data panel dengan model Efek Tetap lebih
baik dari teknik regresi data panel tanpa variabel dummy dengan melihat residual sum of squares RSS. Dalam pengujian ini dilakukan dengan hipotesa
berikut : H0 : Model Kuadrat Terkecil
Ha: Model Efek Tetap Dasar penolakan terhadap hipotesis nol adalah dengan menggunakan F
statistik atau Uji Chow yang dirumuskan dalam bentuk persamaan berikut ini: F =
RSS 1 −RSS 2�−1
���2��−�−�
Dimana: RSS1 = residual sum square hasil pendugaan model Efek Tetap
RSS2 = residual sum square hasil pendugaan model PLS N = jumlah data cross section
T = jumlah data time series
47
K = jumlah variabel bebas Jika nilai chow statistics F-stat hasil pengujian lebih besar dari F-tabel, maka
cukup bukti untuk melakukan penolakan terhadap H0 sehingga model yang digunakan adalah Model Efek Tetap dan sebaliknya.
3.7.2.3.Uji Hausman Uji Hausman adalah pengujian statistik sebagai dasar pertimbangan
dalam memilih apakah menggunakan model Efek Tetap atau menggunakan model Efek Random. Jika nilai probabilitas lebih kecil dari nilai α = 5 maka
Ho ditolak dan model yang dipilih adalah Fixed Effect. Menurut beberapa ahli ekonometri yang telah membuktikan secara
matematis dikatakan bahwa untuk memilih apakah model Efek Tetap atau Model Efek Random yang digunakan dapat dilakukan dengan melihat:
- Jika data panel yang dimiliki mempunyai jumlah waktu T lebih besar dibandingkan dengan jumlah individu N maka disarankan menggunakan
model efek tetap. T N maka digunakan model effek tetap. - Jika data panel yang dimiliki mempunyai jumlah waktu T lebih kecil
dibandingkan dengan jumlah individu N maka disarankan untuk menggunakan model efek random. T N maka digunakan model efek
random Nachrowi 2006:318.
3.7.3 Pengujian Hipotesis