Uji Asumsi Klasik Analisis dan Pembahasan

75 dengan kesalahan pengganggu pada periode t-1. 70 Uji autokorelasi dapat dilihat dari nilai Durbin-Watson DW. Hasil output menunjukkan nilai DW dari persamaan regresi adalah sebesar 1.985809. Berdasarkan tabel Durbin Watson dengan n= 60 dan k= 4, maka diperoleh nilai dL= 1.4443 dan dU= 1.7274. Tabel 4.1 Tabel Autokorelasi dL dU 4-dU 4-dL 1.4443 1.7274 2.2726 2.5557 DW= 1.985809 Dari tabel diatas, dapat dilihat bahwa nilai DW dari model regresi yang terdapat dalam penelitian ini berada pada daerah yang tidak ada autokorelasi. Sehingga dapat disimpulkan bahwa data dalam penelitian ini tidak berada dalam masalah autokorelasi. 70 Imam Ghozali, Aplikasi Analisis Multivariate Dengan Program IBM SPSS 19, Semarang: Badan Penerbit Universitas Diponegoro, 2011, h.110. Ada autokorelasi positif Tidak dapat diputuskan Tidak ada autokorelasi Tidak dapat diputuskan Ada autokorelasi negatif 76 c. Uji Multikolinearitas Uji multikolinearitas bertujuan untuk menguji apakah pada model regresi ditemukan adanya korelasi antar variabel independen. 71 Pada software Eviews 8.1, untuk mendeteksi ada tidaknya multikolinearitas dengan melihat nilai koefisien korelasi pada masing masing variabel independen melalu uji matriks korelasi. Jika nilai koefisien korelasi untuk masing-masing variabel independen lebih besar dari 0,8, maka terjadi masalah multikolinearitas. 72 Dalam pengujian ini dilakukan dengan hipotesis sebagai berikut: Ho: Tidak terdapat masalah multikolinearitas Ha: Terdapat masalah multikolinearitas Dasar pengambilan keputusannya adalah jika nilai correlation r ≤ 0.80, maka Ho diterima dan Ha ditolak, yang berarti bahwa tidak terdapat masalah multikolinearitas, tetapi jika nilai correlation r 0.80, maka Ho ditolak dan Ha diterima, yang berarti bahwa terdapat masalah multikolinearitas. 71 Imam Ghozali, Aplikasi Analisis Multivariate Dengan Program IBM SPSS 19, Semarang: Badan Penerbit Universitas Diponegoro, 2011, h.105. 72 Shochrul R Ajija, dkk, Cara Cerdas Menguasai Eviews, Jakarta: Salemba Empat, 2011, h.35. 77 Tabel 4.2 Hasil Uji Multikolinearitas LOG ROA LOG DER LOG Asset Growth LOG DPR t-1 LOG ROA 1.000000 0.013452 0.140366 0.236033 LOG DER 0.013452 1.000000 -0.088147 0.502370 LOG Asset Growth 0.140366 -0.088147 1.000000 -0.178483 LOG DPR t-1 0.236033 0.502370 -0.178483 1.000000 Sumber: Data sekunder yang diolah Dari tabel diatas dapat dilihat nilai koefisien korelasi antar variabel independen dibawah 0.80, dengan demikian data dalam penelitian ini tidak terjadi masalah multikolinieritas. Berikut analisisnya: 1 LOGROA – LOGDER : r 0.013452 0.80, maka Ho diterima dan Ha ditolak. 2 LOGROA – LOGAsset Growth : r 0.140366 0.80, maka Ho diterima dan Ha ditolak. 3 LOGROA – LOGDPR t-1 : r 0.236033 0.80, maka Ho diterima dan Ha ditolak. 4 LOGDER – LOGAsset Growth : r -0.088147 0.80, maka Ho diterima dan Ha ditolak. 5 LOGDER – LOGDPR t-1 : r 0.502370 0.80, maka Ho diterima dan Ha ditolak. 6 LOGAsset Growth – LOGDPR t-1 : r -0.178483 0.80, maka Ho diterima dan Ha ditolak. 78 d. Uji Heteroskedastisitas Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. 73 Uji Glejser dilakukan dengan cara meregresikan antara variabel independen dengan nilai absolut residualnya. Dalam pengujian ini dilakukan dengan hipotesis sebagai berikut: Ho: Tidak terdapat masalah heteroskedastisitas Ha: Terdapat masalah heteroskedastisitas Dasar pengambilan keputusannya adalah jika nilai probability ≤ alpha 0.05, maka Ho ditolak dan Ha diterima, yang berarti bahwa terdapat masalah heteroskedastisitas, tetapi jika nilai probability alpha 0.05, maka Ho diterima dan Ha ditolak, yang berarti bahwa tidak terdapat masalah heterokedastisitas. 73 Imam Ghozali, Aplikasi Analisis Multivariate Dengan Program IBM SPSS 19, Semarang: Badan Penerbit Universitas Diponegoro, 2011 , h.139. 79 Tabel 4.3 Hasil Uji Heteroskedastisitas Dependent Variable: RESABS Method: Panel Least Squares Date: 090415 Time: 08:37 Sample: 2009 2014 Periods included: 6 Cross-sections included: 10 Total panel balanced observations: 60 Variable Coefficient Std. Error t-Statistic Prob. C 0.449712 0.187953 2.392691 0.0202 LOGX1 0.019737 0.048621 0.405942 0.6864 LOGX2 -0.043620 0.031831 -1.370363 0.1761 LOGX3 -0.017108 0.020201 -0.846880 0.4007 LOGX4 -0.029995 0.042392 -0.707558 0.4822 Sumber: Data sekunder yang diolah Dari hasil output diatas, dapat dilihat bahwa probabilitas dari variabel independen tidak signifikan yaitu diatas 0.05, dengan rincian sebagai berikut: 1 Probability LOG ROA 0.6864 Alpha 0.05, maka Ho diterima dan Ha ditolak. 2 Probability LOG DER 0.1761 Alpha 0.05, maka Ho diterima dan Ha ditolak. 3 Probability LOG Asset Growth 0.4007 Alpha 0.05, maka Ho diterima dan Ha ditolak. 4 Probability LOG DPR t-1 0.4822 Alpha 0.05, maka Ho diterima dan Ha ditolak. 80

2. Uji Pemilihan Regresi Data Panel

a. Uji Chow Uji Chow adalah pengujian untuk memilih apakah model common effect atau fixed effect yang lebih tepat digunakan dalam regresi data panel. 74 Dalam pengujian ini dilakukan dengan hipotesis sebagai berikut: Ho: Intersep dan koefisien slope konstan antar waktu dan individu Ha: Intersep tidak konstan antar individu Uji Chow dilakukan dengan melihat nilai probability F pada hasil output. Dasar pengambilan keputusannya adalah jika nilai probability F ≥ 0.05, maka Ho diterima dan Ha ditolak, yang berarti model yang lebih tepat digunakan adalah common effect, tetapi jika nilai probability F 0.05, maka Ho ditolak Ha diterima, yang berarti model yang lebih tepat digunakan adalah fixed effect, dan dilanjutkan dengan uji Hausman untuk memilih apakah menggunakan model fixed effect atau random effect. Dapat dilihat hasil uji Chow dengan bantuan software Eviews 8.1 sebagai berikut: 74 Agus Widarjono, Ekonometrika Pengantar dan Aplikasinya Edisi Ketiga, Yogyakarta: Ekonisia, 2009 h.238. 81 Tabel 4.4 Hasil Uji Chow Sumber: Data sekunder yang diolah Hasil output diatas menunjukkan nilai Prob= 0.9221 untuk Cross section F, nilai probability F 0.9221 ≥ 0.05, maka Ho diterima dan Ha ditolak, yang berarti model yang lebih tepat digunakan adalah common effect. Karena sudah jelas model yang terpilih dalam penelitian adalah common effect, sehingga tidak perlu dilanjutkan dengan uji Hausman untuk memilih apakah menggunakan model fixed effect atau random effect. Redundant Fixed Effects Tests Equation: Untitled Test cross-section fixed effects Effects Test Statistic d.f. Prob. Cross-section F 0.412194 9,46 0.9221 Cross-section Chi-square 4.653576 9 0.8634 82

3. Uji Signifikansi

Berdasarkan hasil uji Chow, model estimasi data panel yang terpilih adalah common effect. Maka selanjutnya dilakukan uji signifikansi dari model yang terpilih. Tabel 4.5 Hasil Estimasi Common Effect Model Dependent Variable: LOGY Method: Panel Least Squares Date: 090315 Time: 19:39 Sample: 2009 2014 Periods included: 6 Cross-sections included: 10 Total panel balanced observations: 60 Variable Coefficient Std. Error t-Statistic Prob. C 1.500349 0.316144 4.745775 0.0000 LOGX1 0.317229 0.081782 3.878946 0.0003 LOGX2 0.087224 0.053541 1.629104 0.1090 LOGX3 -0.218273 0.033980 -6.423639 0.0000 LOGX4 0.437055 0.071305 6.129360 0.0000 R-squared 0.747156 Mean dependent var 3.885259 Adjusted R-squared 0.728767 S.D. dependent var 0.460432 S.E. of regression 0.239793 Akaike info criterion 0.061577 Sum squared resid 3.162547 Schwarz criterion 0.236106 Log likelihood 3.152695 Hannan-Quinn criter. 0.129845 F-statistic 40.63130 Durbin-Watson stat 1.985809 ProbF-statistic 0.000000 Sumber: Data sekunder yang diolah a. Uji Koefisien Determinasi R2 Pengujian koefisien determinasi R 2 bertujuan untuk mengetahui seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen. Nilai yang mendekati satu berarti variabel-variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi 83 variasi variabel dependen. 75 Untuk mengurangi kelemahan dari hasil R 2 , maka digunakan koefisien determinasi yang telah disesuaikan yaitu adjusted R 2 . Hasil output pada tabel 4.5 menunjukkan nilai adjusted R 2 pada model regresi adalah 0.728767. Hal ini menunjukkan bahwa kemampuan variabel independen yaitu ROA, DER, Asset Growth dan DPR tahun sebelumnya dalam menjelaskan variabel dependen yaitu DPR pada perusahaan yang terdaftar di Jakarta Islamic Index tahun 2009-2014 adalah sebesar 72.88, sedangkan sisanya sebesar 22.12 dijelaskan variabel lain yang tidak termasuk dalam penelitian ini. b. Uji Signifikansi Simultan Uji Statistik F Uji statistik F digunakan untuk menunjukkan apakah semua variabel independen yang dimasukkan dalam model mempunyai pengaruh secara bersama-saama terhadap variabel dependen. 76 Dasar pengambilan keputusannya adalah jika nilai F hitung F tabel, maka Ho ditolak dan Ha diterima, yang berarti bahwa variabel independen secara simultan berpengaruh signifikan terhadap variabel dependen, tetapi jika nilai F hitung F tabel, maka Ho diterima dan Ha ditolak, yang berarti bahwa 75 Imam Ghozali, Aplikasi Analisis Multivariate Dengan Program IBM SPSS 19, Semarang: Badan Penerbit Universitas Diponegoro, 2011, h.97. 76 Imam Ghozali, Aplikasi Analisis Multivariate Dengan Program IBM SPSS 19, Semarang: Badan Penerbit Universitas Diponegoro, 2011, h.98.