Analisis Regresi Data Panel

Tabel 4.15 Return On Asset ROA Bank Mega Syariah 2010-2014 NAMA BANK TAHUN BULAN MARET JUNI SEPTEMBER DESEMBER Bank Mega Syariah 2010 3,18 2,98 2,47 1,96 2011 1,77 1,87 1,65 1,58 2012 3,52 4,13 4,11 3,81 2013 3,57 2,94 2,57 2,33 2014 1,18 0,99 0,24 0,29 Rasio ROA tertinggi 4,13 Rasio ROA terendah 0,24 Rata-rata total rasio ROA 2,35 Sumber: http:www.megasyariah.co.id Nilai Rasio ROA tertinggi pada bulan Juni 2012 pada angka 4,13 dan terendah pada bulan September 2014 pada angka 0,29. Dan rata-rata total rasio ROA sebesar 2,35.

4.3 Analisis Hasil Penelitian

4.3.1 Analisis Regresi Data Panel

Data panel adalah gabungan antara data runtut waktu time series dan data silangcross section. Data runtut waktu biasanya meliputi satu objekindividu misalnya harga saham, kurs mata uang, SBI, atau tingkat inflasi, tetapi meliputi beberapa periode bisa harian, bulanan, kuartalan, atau tahunan. Data silang terdiri dari atas beberapa atau banyak objek, sering disebut responden misalnya perusahaan dengan beberapa jenis data misalnya; laba, biaya iklan, laba ditahan, dan tingkat investasi dalam suatu periode waktu tertentu. Ketika kita melakukan suatu observasi perilaku unit ekonomi seperti rumah tangga, perusahaan atau Negara, kita tidak hanya akan melakukan observasi terhadap unit-unit tersebut di dalam waktu yang bersamaan tetapi juga perilaku unit-unit tersebut pada berabagai periode waktu Regresi dengan menggunakan data panel disebut model regresi data panel. Adabeberapa keuntungan yang diperoleh dengan menggunakan data panel. Pertama, data panel merupakan gabungan data data time seris dan cross section mampu menyediakan data yang lebih banyak sehingga akan menghasilkan degree of freedom yang lebih besar. Kedua, menggabungkan informasi dari data time series dan cross section dapat mengatasi masalah yang timbul ketika ada masalah penghilangan variabel ommited-variable. Analisis Regresi data Panel digunakan untuk mendapatkan koefisien regresi yang akan menentukan apakah hipotesis yang dibuat akan diterima atau ditolak. Dalam penentuan metode mana yang lebih tepat digunakan dalam penelitian ini, terlebih dahulu dilakukan estimasi dengan tiga model dan panel yaitu, common effect, fixed effect, dan random effect dan kemudian diuji untuk mengetahui model mana yang terbaik untuk digunakan. Pada umumnya dalam data panel hanya ada dua metode yang sesuai yaitu fixed effect model FEM dan Random Effect Model REM yang sesuai karena model OLS Ordinary Least Square dalam penggunaanya kurang realistis. Hal ini disebabkan karena dengan menggunakan model OLS maka akan diperoleh nilai intercept dan koefisien parameter yang konstan. Untuk itu, harus dipilih salah satu model yang paling tepat. Masing-masing model ini memiliki kelebihan. Metode Random Effect REM mempunyai parameter yang lebih sedikit, sehingga model yang dibentuk akan memiliki derajat kebebasan degree of freedom yang lebih banyak dibandingkan dengan fixed effect Model FEMyang tidak perlu mengasumsikan bahwa komponen error tidak berkorelasi dengan variabel bebas.

1. Hasil Estimasi dengan Model Fixed Effect

Hasil estimasi Model Fixed Effect yang dilakukan melalui pengolahan eviews dapat dilihat pada tabel output berikut : Dependent Variable: DROA? Method: Pooled Least Squares Date: 080515 Time: 00:07 Sample adjusted: 2011 2014 Included observations: 4 after adjusments Cross-sections included: 7 Total pool balanced observations: 35 Variable Coefficient Std. Error t-Statistic Prob. C 144.6301 32.64467 4.430435 0.0001 DNPF? -0.133872 0.081194 -1.648797 0.1108 Fixed Effects Cross _BSM—C -13.48983 _BCA—C 42.16646 _BRI—C -58.10643 _BUKPOPIN—C 5.290441 _BNI—C -18.59845 _PANIN—C 19.03019 _MEGA—C 23.70762 Effects Specification Cross-section fixed dummy variables R-squared 0.213782 Mean dependent var 93.57143 Adjusted R-squared 0.009948 S.D. dependent var 61.41818 S.E. of regression 61.11192 Akaike info criterion 11.26092 Sum squared resid 100836.0 Schwarz criterion 11.61643 Log likelihood -189.0661 Hannan-Quinn criter. 11.38364 F-statistic 1.048806 Durbin-Watson stat 2.200687 ProbF-statistic 0.421831 Sumber:datadiolah Hasil regresi menunjukkan bahwa nilai koefisien dari ketujuh bank untuk koefisien BSM sebesar -13,48983 BCA sebesar 42.16646 BRI sebesar -58.10643 BUKOPIN sebesar 5.290441 BNI sebesar -18.59845 PANIN sebesar 19.03019 MEGA sebesar 23.70762. Berdasarkan nilai koefisien dari variabel NPF yaitu sebesar -0.133872 yang mempunyai nilai probabilitas sebesar 0,1108 sehingga berdasarkan nilai probabilitas tersebut menunjukkan tidak signifikan pengaruhnya, dimana nilai probabilitas 0,1108 lebih besar dari 0,10.

2. Hasil Estimasi dengan Model Random Effect

Hasil estimasi Model Random Effect yang dilakukan melalui pengolahan eviews dapat dilihat pada tabel output berikut : Dependent Variable: DROA? Method: Pooled EGLS Cross-section random effects Date: 080515 Time: 00:09 Sample: 2010 2014 Included observations: 4 After adjusments Cross-sections included: 7 Total pool balanced observations: 35 Swamy and Arora estimator of component variances White cross-section standard errors covariance d.f. corrected Variable Coefficient Std. Error t-Statistic Prob. C 111.0833 28.39522 3.912042 0.0004 DNPF? -0.045915 0.060291 -0.761556 0.4517 Random Effects Cross _BSM—C -10.37783 _BCA—C 37.20745 _BRI—C -58.10643 _BUKPOPIN—C 3.190431 _BNI—C -12.79825 _PANIN—C 13.53009 _MEGA—C 18.72562 Effects Specification S.D. Rho Cross-section random 0.000000 0.0000 Idiosyncratic random 61.11192 1.0000 Weighted Statistics R-squared 0.016803 Mean dependent var 93.57143 Adjusted R-squared -0.012991 S.D. dependent var 61.41818 S.E. of regression 61.81582 Sum squared resid 126099.5 F-statistic 0.563986 Durbin-Watson stat 1.864801 ProbF-statistic 0.457981 Unweighted Statistics R-squared 0.016803 Mean dependent var 93.57143 Sum squared resid 126099.5 Durbin-Watson stat 1.864801 Sumber: data diolah Hasil regresi menunjukkan bahwa nilai koefisien dari ketujuh bank untuk koefisien BSM sebesar -10.37783, BCA sebesar 37.20745 BRI sebesar -58.10643 BUKOPIN sebesar 3.190431 BNI sebesar -12.79825 PANIN sebesar 13.53009, MEGA sebesar 18.72562 Berdasarkan nilai koefisien dari variabel NPF yaitu sebesar-0.045915 yang mempunyai nilai probabilitas sebesar 0,4517 sehingga berdasarkan nilai probabilitas tersebut menunjukkan tidak signifikan pengaruhnya, dimana nilai probabilitas 0,4517 lebih besar dari 0,10. 4.3.2UjiHausman Fixed effect vs Random Effect Uji ini dikembangkan oleh Hausman untuk memilih apakah lebih baik menggunakan Model Fixed Effect atau Random effect. Statistik Uji Hausman mengikuti distribusi Chi-Square dengan Degree Of freedom sebanyak K dimana K adalah jumlah variabel independen, jika nilai statistik Hausman lebih besar dari nilai kritisnya, maka model yang tepat adalah model Fixed Effect dan sebaliknya. Berikut hasil uji Hausman yang ditampilkan dalam tabel output. Tabel 4.16 Uji Hausman Test Summary Chi-Sq Statistic Chi-Sq.d.f Prob. Cross-section random 3.567616 1 0.0589 Sumber: data diolah Hipotesis dari uji Hausman adalah: H : Random Effect Model H 1 : Fixed Effect Model Sehingga : - Apabila Chi Square statistik pada uji Hausman signifikan, berarti model dapat diestimasi dengan model Fixed Effect Model. - Apabila nilaiChi Square statistik pada uji Hausman tidak signifikan, berarti peneliti dapat menggunakan model RandomEffect Model Berdasarkan output uji Hausman dari eviews diatas terlihat nilai Chi Square tabel yaitu 3,567616 7.815. Dan dengan melihat nilai probabilitas 0,0589 5 menunjuukkan tidak signifikan pengaruhnya dimana karena nilai probabilitasnya lebih besar dari 5. Dengan demikian dapat disimpulkan bahwa metode analisis model Random Effect Model REM lebih baik dibandingkan Fixed Effect Model FEM. Berdasarkan uji Hausman, terlihat bahwa model mengikuti Random Effect.

4.4 Pembahasan Hasil Penelitian