di antara 0 dan 4. Nilai statistik dari uji Durbin-Watson yang lebih kecil dari 1 atau lebih besar dari 4 diindikasi terjadi autokorelasi.
Tabel 4.3 Uji Autokorelasi dengan Uji Durbin-Watson
Log likelihood 115.7122 Hannan-Quinn criter.
-4.654724 Durbin-Watson stat
2.072636
Sumber: Hasil Penelitian, 2017 Data Diolah
Berdasarkan Tabel 4.3, nilai dari statistik Durbin-Watson adalah 2,072636. Perhatikan bahwa karena nilai statistik Durbin-Watson terletak di antara 1 dan 4, yakni
1 2,072636 4, maka asumsi non-autokorelasi terpenuhi. Dengan kata lain, tidak terjadi gejala autokorelasi yang tinggi pada residual.
4.3.4 Uji Heteroskedastisitas
Deteksi ada tidaknya heteroskedastisitas dapat dilakukan dengan Uji White. Dasar pengambilan keputusan adalah melihat angka probabilitas dari statistik uji
White.
Tabel 4.4 Uji Heteroskedastisitas dengan Uji White
Sumber: Hasil Penelitian, 2017 Data Diolah
Berdasarkan Tabel 4.4, nilai Prob. Chi-Square dari Obs R-squared = 0,1162 0,05, maka asumsi homoskedastisitas terpenuhi. Dengan kata lain, tidak terjadi gejala
heteroskedastisitas yang tinggi pada residual.
Heteroskedasticity Test: White F-statistic
1.858089 Prob. F6,38 0.1137
ObsR-squared 10.20751 Prob. Chi-Square6
0.1162 Scaled explained SS
7.225202 Prob. Chi-Square6 0.3005
Universitas Sumatera Utara
4.4 Pemilihan Model Data Panel 4.4.1 Penentuan pemilihan Model Estimasi antara Common Effect Model CEM
dan Fixed Effect Model FEM dengan Uji Chow
Untuk mengestimasi model dengan data panel, terdapat beberapa teknik yang dapat digunakan yaitu Common effect Model atau Pooled Least Square PLS, Metode
Efek Tetap, dan Metode Efek Random. Maka dapat digunakan Uji CHOW. Aturan pengambilan keputusan sebagai berikut:
1. Jika nilai probabilitas chi-square 0,05, maka �
ditolak dan �
1
diterima. 2. Jika nilai probabilitas chi-square 0,05, maka
� diterima dan
�
1
ditolak. Berikut hasil berdasarkan uji Chow dengan menggunakan Eviews 9.
Tabel 4.5 Hasil Uji Chow
Sumber: Hasil Penelitian, 2017 Data Diolah
Berdasarkan hasil dari Uji Chow pada Tabel 4.5, diketahui nilai probabilitas Chi-Squarenya adalah 0,0189. Karena nilai probabilitas 0,05 , maka model estimasi
yang digunakan adalah fixed effect model FEM.
4.4.2 Penentuan Model Estimasi antara Fixed Effect Model FEM dan Random Effect Model REM dengan Uji Hausman
Redundant Fixed Effects Tests Pool: DATAPANEL_DEBI
Test cross-section fixed effects
Effects Test Statistic
d.f. Prob.
Cross-section F 1.885031
8,30 0.0998
Cross-section Chi-square 18.326110
8 0.0189
Universitas Sumatera Utara
Untuk mengetahui apakah model antara fixed effect model dengan random effect model untuk membentuk model regresi dapat digunakan uji Hausman. Hipotesisi yang
digunakan adalah sebagai berikut: H
: Random Effect Model REM H
1
: Fixed Effect Model Dengan kriteria:
1. Jika nilai probabilitas 0,05, maka �
diterima dan �
1
ditolak. 2. Jika nilai probabilitas 0,05, maka
� ditolak dan
�
1
diterima. Berikut hasil berdasarkan uji Hausman dengan menggunakan Eviews 9:
Tabel 4.6 Hasil Uji Hausman
Sumber: Hasil Penelitian, 2017 Data Diolah
Berdasarkan uji Hausman pada Tabel 4.6, diketahui nilai probabilitasnya adalah 0,0323 . Karena nilai probabilitas 0,05 , maka model estimasi yang digunakan adalah
Fixed Effect Model FEM.
4.5 Analisis Regresi Data Panel Berganda
