36 hubungan antara satu variabel dengan variabel lainnya atau bagaimana suatu
variable mempengaruhi variabel lainnya Umar, 2003:30. Keseluruhan data yang telah dikumpul dianalisis untuk dapat memberikan jawaban dari
masalah yang dibahas dalam penelitian ini. Dalam menganalisis data, peneliti menggunakan program Software
Eviews 6.1. Metode analisis data yang digunakan dalam penelitian ini adalah teknik analisis regresi berganda Multiple Regression. Model
regresi berganda atas variabel-variabel penelitian ini dapat disusun dengan fungsi atau persamaan sebagai berikut:
Y = α + b
1
X
1
+ b
2
X
2
+ �
�
�
�
Keterangan : Y
= Resiko Keuangan α
= Konstanta βi
= Koefisien regresi X
1
= Solvabitas X
2
=Struktur hutang X
3
= Kemampuan operasi e
= Tingkat kesalahan variabel pengganggu error
3.6.1 Pengujian Model
Ada tiga pendekatan yang digunakan dalam melakukan analisis terhadap data time series dan cross section atau disebut
dengan data panel antara lain pendekatan kuadrat terkecil pooling
Universitas Sumatera Utara
37 least square, pendekatan efek tetap fixed effect approach dan
pendekatan efek acak random effect approach.
3.6.1.1 Pendekatan kuadrat terkecil pooled least square
approach
Pendekatan ini menggabungkan data cross section dan data time series dalam bentuk pool data. Kemudian data tersebut
diregresikan dengan metode OLS. Pendekatan ini adalah pendekatan yang paling sederhana dimana kita tidak dapat melihat
perbedaan antar individu dan perbedaan antar waktu karena intercept maupun slope dari persamaan tersebut sama. Secara
matematis, model pendekatan ini dinyatakan sebagai berikut Nachrowi dan Usman, 2006 :
�
�,�
= α + β�
�,�
+ �
�,�
; i = 1,2,...,N ; t = 1,2,...,T
3.6.1.2 Pendekatan efek tetap fixed effect approach
Model ini mempunyai intercept persamaan yang tidak konstan atau terdapat perbedaan pada setiap individu data cross-section. Di
sisi lain, slope koefisien dari regresi tidak berbeda pada setiap individu dan waktu Pratomo dan Hidayat, 2010. Pendekatan ini
merupakan teknik regresi dimana model panel data memiliki nilai konstanta atau intercept yang mungkin berubah-ubah untuk setiap
individu dan waktu dimana setiap unit cross section bersifat tetap secara time series. Perbedaan nilai intercept ini bisa terjadi adanya
variabel-variabel yang tidak semuanya masuk dalam persamaan model
Universitas Sumatera Utara
38 yang memungkinkan adanya intercept yang tidak konstan. Hal ini juga
dikenal sebagai proses generalisasi pada pendekatan fixed effect, yakni dengan cara memasukkan variabel boneka dummy variabel kedalam
persamaan regresi. Hal yang perlu dipertimbangkan adalah bahwa dengan ditambahkannya variabel boneka maka degree of freedom
akan semakin berkurang dan semakin mengecil sehingga nantinya akan mempengaruhi efisiensi dari parameter yang di estimasi.
Secara matematis, model fixed effect dinyatakan sebagai berikut Nachrowi dan Usman, 2006 :
�
��
= � + ��
��
+ �
2
�
2�
+ �
3
�
3�
+ ⋯ + �
�
�
��
+ �
2
�
��
+ �
2
�
�2
+ �
3
�
�3
+ ⋯ + �
�
�
��
+ �
��
Dimana: �
��
= Variabel terikat untuk individu ke-i dan waktu ke-t �
��
= Variabel bebas untuk individu ke-i dan waktu ke-t �
��
= Variabel boneka dummy dimana �
��
=1 ; untuk individu i ; i =1,2,...,N dan bernilai 0 untuk lainnya
�
��
= Variabel boneka dummy dimana �
��
=1 ; untuk periode t ; t =1,2,...,T dan bernilai 0 untuk lainnya.
3.6.1.3. Pendekatan efek acak random effect approach
Pada model ini, perbedaan antar individu terletak di error term dari persamaan. Model ini memperhitungkan bahwa error term
mungkin berkorelasi sepanjang time series dan cross section Pratomo
Universitas Sumatera Utara
39 dan Hidayat, 2010. Pendekatan ini menyatakan bahwa perbedaan
antar waktu dan antar individu dimasukkan ke dalam komponen error pada persamaan persamaan regresi. Error dalam pendekatan ini
terbagi menjadi error untuk komponen individu, error komponen waktu dan error gabungan. Model ini mengasumsikan bahwa
intercept dari individual effect terdistribusi secara acak dengan rata- rata yang konstan, error secara individual tidak saling berkorelasi,
begitu pula halnya dengan error gabungannya. Pendekatan ini dapat menghemat penggunaan degree of freedom sehingga parameter yang
menjadi hasil estimasi menjadi lebih efisien. Secara matematis, model fixed effect dinyatakan sebagai berikut
Nachrowi dan Usman, 2006: �
��
= � + ��
��
+ �
��
; �
��
= �
�
+ �
�
+ �
��
Dimana: �
�
=komponenerror cross-section �
�
=komponenerror time-series �
��=
komponenerror gabungan Untuk menentukan pendekatan mana yang akan digunakan
dalam melakukan pengolahan data pada metode regresi maka perlu dilakukan beberapa pengujian agar diperoleh model yang valid. Agar
dalam pengolahan data yang dilakukan lebih sistematis, peneliti menggunakan kedua uji ini sehingga pada akhirnya model yang
Universitas Sumatera Utara
40 dipilih adalah model yang paling dominan menjelaskan hasil dari
penelitian ini. Pengujian tersebut meliputi: 1. Uji Chow Chow Test
Uji Chow atau disebut juga dengan uji F–Statistic adalah pengujian yang dilakukan untuk mengetahui apakah model yang digunakan
berbentuk Pooled Least Square atau Fixed Effect. Hipotesis dari Chow Test atau F–Statistic adalah sebagai berikut:
� = Model Pooled Least Square
�
1
= Model Fixed Effect Dengan dasar penolakan hipotesis nol
� adalah F–Statistic
dengan rumus Chow sebagai berikut :
���� = ���� − ����� − 1
������ − � − � Dimana:
RRSS = Restricted Residual Sum Square Sum of Square Residual dari estimasi data panel menggunakan Pooled Least
Square URSS = Unrestricted Residual Sum Square Sum of Square Residual
dari estimasi data panel menggunakan Fixed Effect N = Jumlah data Cross Section
T = Jumlah data Time Series K = Jumlah variabel penjelas
Universitas Sumatera Utara
41 Pengujian ini mengikuti distribusi F–Statistic dimana jika F–
Statistic nilai Chow lebih besar dari F tabel maka Ho ditolak yang berarti model yang digunakan adalah model Fixed Effect.
2. Uji Haussman Haussman test. Haussman test adalah suatu uji statistik yang menjadi dasar
pertimbangan dalam menentukan pemilihan model yang akan digunakan, apakah menggunakan model fixed effect atau model random effect.
Hipotesis dari pengujian ini adalah sebagai berikut : �
= Random effect model �
1
= Fixed model effect Pertimbangan statistik chi-square dipergunakan untuk menetukan
penolakan terhadap hipotesis nol H dimana jika probabilitas Haussman
lebih kecil dari α hasil Haussman test signifikan maka H ditolak dan
model fixed effect digunakan.
3.6.2 Pengujian Asumsi Klasik
