Metode Analisis Data METODE PENELITIAN
73
bukan data time series atau data cross section saja melainkan data panel yang diterapkan dalam bentuk pooled. Bentuk untuk model ordinary least
square adalah:
untuk i = 1,2,……,n dan t=1,2,….,t
b. Metode Fixed Effect Model FEM Teknik model Fixed Effect adalah teknik mengestimasi data panel
dengan menggunakan variabel dummy untuk menangkap adanya perbedaan intersep. Pengertian Fixed Effect ini didasarkan adanya
perbedaan intersep antara perusahaan namun intersepnya sama antar waktu time in variant. Disamping itu, model ini juga mengasumsikan
bahwa koefisien regresi slope tetap antar perusahaan dan antar waktu. Salah satu cara paling sederhana untuk mengetahui perbedaan adalah
dengan mengasusmsikan bahwa intersept adalah berbeda antar perusahaan sedangkan slopenya tetap sama antar perusahaan.
Pendekatan dengan variabel dummy ini dikenal dengan sebutan fixed Effect Model atau least square dummy LSDV atau disebut juga
covariance model. Persamaan pada estimasi dengan menggunakan Fixed Effect Model dapat ditulis dalam bentuk sebagai berikut:
Dimana: i = 1,2,….,n t =1,2,…..,tD = dummy
Y
it
= β + β
1
X
1it
+ β
2
X
2it
+ β
3
X
3it
+ β
4
D
1i
+ β
5
D
2i
+….. D
12i
+ Ɛi
t
Y
it
= β + β
1
X
1it
+ β
2
X
2it
+ β
3
X
3it
+ Ɛ
it
74
c. Metode Random Effect Model REM Random effect model merupakan metode estimasi model regresi data
panel dengan asumsi koefisien slope dan intercept berbeda antar individu dan antar waktu random effect. Dimasukannya variabel dummy di dalam
fixed effect model bertujuan untuk mewakili ketidaktahuan tentang model yang sebenarnya. Namun, ini juga membawa konsekuensi berkurangnya
derajat kebebasan degree of freedom yang pada akhirnya mengurangi efisiensi parameter. Masalah ini bisa diatasi dengan menggunakan
variabel gangguan error term yang dikenal dengan metode Random Effect.. Model ini akan mengestimasi data panel dimana variabel
gangguan mungkin saling berhubungan antar waktu dan antar individu. Model yang tepat digunakan untuk mengestimasi Random Effect adalah
Generalized Least Square GLS sebagai estimatornya, karena dapat meningkatkan efisiensi dari least square.
Bentuk umum untuk Random Effect adalah:
Dimana : ui~
N 0, σu
2
= komponen cross section error vt~ N 0,
uv
2
= komponen time series error wit~ N 0,
w
2
= komponen error kombinasi Y
it
= α1 + bjXj it + Ɛit dengan Ɛit = ui + vt + wit
75
2. Tahap Analisis Data Untuk memilih model mana yang paling tepat digunakan untuk pengolahan data
panel, maka terdapat beberapa pengujian yang dapat dilakukan, anatara lain:
6
a. Uji Chow Uji Chow adalah pengujian untuk memilih apakah model digunakan
pooled least square model atau fixed effect model. Dalam pengujian ini dilakukan dengan hipotesis sebagai berikut:
H = Pooled least Square model PLS
Ha = Fixed effect model FEM Dasar penolakan terhadap hipotesis di atas adalah dengan
membandingkan perhitungan F statistic dengan F tabel. Perbandingan dipakai apabila hasil F hitung lebih besar dari F tabel, maka H0
ditolak yang berarti model yang lebih tepat digunakan adalah fixed effect model. Begitupun sebaliknya, jika F hitung lebih kecil dari F tabel,
maka H0 diterima dan model yang lebih tepat digunakan adalah common effect model.
7
6
Agus Widarjono, Ekonometrika Pengantar dan Aplikasinya: Disertai Panduan Eviews, Edisi Keempat Yogyakarta: UPP STIM YKPN, 2013, h.362
7
Gujarati, N Damodor dan Dawn C Porter, Basic Econo etrics , Fifth Edition Mc Graw Hill
International edition, Singapore, 2009
76
Perhitungan F statistic untuk Uji Chow dapat dilakukan dengan rumus:
Dimana: RRSS = Restricted residual sums of square error dari model common
effect URSS = Unrestricted residual sums of squares dari model fixed effect
N = Jumlah individual cross section
T = Jumlah series waktu time series
k = Jumlah variabel independen dan dependen
Sedangkan F tabel didapat dari:
b. Uji Hausman Hausman test adalah pengujian statistic untuk memilih apakah model
fixed effect atau random effect lebih tepat digunakan dalam regresi data panel. Uji ini dikembangkan oleh Hausman dengan didasarkan pada ide
bahwa LSDV di dalam model fixed effect dan GLS adalah efisien sedangkan model OLS adalah tidak efisien, di lain pihak alternatifnya
metode OLS efisien dan GLS tidak efisien. Karena itu uji hipotesis nulnya adalah hasil estimasi keduanya tidak berbeda sehingga uji
F = −
N − �. − � − �
F-tabel = α : df n-1, nt-n-k
77
hausman bisa dilakukan berdasarkan perbedaan estimasi tersebut. Pengujian dilakukan dengan hipotesis berikut:
8
H : Random Effect Model
H
1
: Fixed Effect Model Jika chi-square hitung chi-square tabel berarti H
ditolak, artinya model yang digunakan adalah fixed effect model. Jika chi-square hitung
chi square tabel berarti H
1
ditolak, artinya model yang digunakan adalah fixed effect model.
9
3. Uji Dasar Asumsi Klasik Uji dasar asumsi klasik adalah pengujian yang dilakukan dengan tujuan
untuk menunjukan bahwa hubungan antara variabel dependen dan variabel independen bersifat BLUE best linier unbiased estimator serta tidak terjadi
masalah dan
tidak berdistribusi
secara normal,
multikoliniearitas, heteroskedastisitas, dan autokorelasi diantara variabel independen dalam regresi
tersebut. Suatu model regresi dikatakan memenuhi persyaratan sebagai model empirik yang baik apabila telah berhasil melewati serangkaian uji asumsi
klasik.
10
8
Agus Widarjono, Ekonometrika Pengantar dan Aplikasinya: Disertai Panduan Eviews, Edisi Keempat Yogyakarta: UPP STIM YKPN, 2013, h. 364
9
Gujarati, N Damodor dan Dawn C Porter, “ Basic Eco o etrics , Fifth Edition Mc Graw Hill
International edition, Singapore 2009, h. 605
10
Wing Wahyu Winarno, Analisis Ekonometrika dan Statistik dengan Eviews, Edisi kedua Yogyakarta: UPP STIM YKPN, 2009, h.49
78
a. Uji Normalitas Salah satu asumsi dalam analisis statistika adalah data berdistribusi
normal. Dalam analisis multivariate, para peneliti menggunakan pedoman kalau setiap variabel terdiri atas 30 data, maka data sudah berdistribusi
normal. Uji normalitas dimaksudkan untuk menguji apakah nilai residual yang telah distandarisasi pada model regresi berdistribusi normal atau
tidak. Nilai residual terstandarisasi yang berdistribusi normal jika digambarkan dalam bentuk kurva akan membentuk gambar lonceng bell
sharped curve yang kedua sisisnya melebar sampai titik tidak terhingga. Uji normalitas dengan Kolmogrov-Smirnov merupakan uji normalitas
menggunakan fungsi distribusi komulatif. Nilai residual terstandarisasi berdistribusi normal jika K hitung K tabel atau nilai signifikansi
alpha.
11
b. Uji Multikolinearitas Multikolinearitas adalah kondisi adanya hubungan linier antar
variabel independen. Karena melibatkan beberapa variabel independen, maka multikolinearitas tidak akan terjadi pada persamaan regresi
sederhana yang terdiri atas satu variabel independen. Jika ada multikolinearitas
antar variabel
independen, estimasi
dengan menggunakan
metode Ordinary
Least Squares
OLS masih
11
Suliyanto, Ekonometrika Terapan: Teori dan Aplikasi dengan SPSS Yogyakarta: CV. Andi Offset 2011, h.75
79
mengahasilkan estimator yang tidak bias, linear dan mempunyai varian yang minimum BLUE karena estimator yang BLUE tidak memerlukan
asumsi terbebas dari masalah multikolinearitas.
12
Metode untuk mendeteksi ada tidaknya masalah multikolinearitas dalam penelitian ini dilakukan dengan metode korelasi parsial antar
variabel independen. Sebagai aturan yang kasar rule of thumb, jika koefisien korelasi cukup tinggi di atas 0.85 maka kita duga ada
multikolinearitas dalam model. Sebaliknya jika koefisien korelasi kurang dari 0,85 maka kita duga model tidak mengandung unsur
multikolinearitas. Akan tetapi perlu kehati-hatian terutama pada data time series seringkali menunjukan korelasi antara variabel independen yang
cukup tinggi. Korelasi tinggi ini terjadi karena data time series seringkali menunjukan unsur tren, yaitu data bergerak naik dan turun secara
bersamaan.
13
c. Uji Autokorelasi Uji autokorelasi bertujuan untuk mengetahui apakah ada korelasi
antara anggota serangkaian data observasi yang diuraikan menurut waktu time series atau ruang cross section. Ada beberapa cara yang
digunakan untuk mendeteksi ada atau tidaknya autokorelasi:
12
Wing Wahyu Winarno, Analisis Ekonometrika dan Statistik dengan Eviews, Edisi kedua Yogyakarta: UPP STIM YKPN, 2009, h.102
13
Wing Wahyu Winarno, Analisis Ekonometrika dan Statistik dengan Eviews, Edisi kedua Yogyakarta: UPP STIM YKPN, 2009, h.103
80
1 Uji Durbin Watson DW test Uji durbin Watson hanya digunakan untuk autokorelasi tingkat
satu first order autocorrelation dan mengisyaratkan adanya intercept konstanta dalam model regresi dan tidak ada variabel
lag di antara variabel independen. Hipotesis yang akan diuji adalah:
H = tidak ada autokorelasi r =0
H
a
= ada autokorelasi r ≠ Pengambilan keputusan ada atau tidaknya autokorelasi.
Tabel 3.2 Pengambilan Keputusan Uji Durbin-Watson
Hipotesis Nol Keputusan
Jika
Tidak ada autokorelasi Positif
Tolak 0 d dl
Tidak ada autokorelasi Positif
Tidak ada keputusan dl ≤ d ≤ du
Tidak ada autokorelasi Negatif
Tolak 4-dl d 4
Tidak ada autokorelasi Negatif
Tidak ada keputusan 4-
du ≤ d ≤ 4-dl
Tidak ada autokorelasi positif
atau negatif Tidak Tolak
du d 4-du
sumber : Ghozali, 2009:100
81
d. Uji Heteroskedastisitas Heteroskedastisitas berarti ada varian variabel pada model regresi
yang tidak sama konstan. Sebaliknya, jika varian variabel pada model regresi memiliki nilai yang sama konstan maka disebut dengan
homoskedastisitas. Yang diharapkan pada model regresi ini adalah homoskedastisitas. Uji heteroskedastisitas bertujuan menguji apakah
dalam model regresi terjadi ketidaksamaan varian dari residual atau pengamatan ke pengamatan lain. Jika varian dari residual satu
pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas. Model regresi yang baik
adalah yang homoskedastisitas atau tidak terjadi heteroskedastisitas. Ada beberapa akibat apabila residualnya bersifat heteroskedastisitas:
14
1 Estimator metode kuadrat terkecil tidak mempunyai varian yang minimum tidak lagi best, sehingga hanya memenuhi
karakteristik LUE linier unbiased estimator. Meskipun demikian, estimator metode kuadrat terkecil masih bersifat linier
dan tidak bias. 2 Perhitungan
standar error
tidak dapat
lagi dipercaya
kebenarannya, karena varian tidak minimum. Varian yang tidak minimum mengakibatkan estimasi regresi yang tidak efisien.
14
Wing Wahyu Winarno, Analisis Ekonometrika dan Statistik dengan Eviews, Edisi kedua Yogyakarta: UPP STIM YKPN, 2009, h.2.23
– 5.24
82
3 Uji hipotesis yang didasarkan pada uji t dan uji F tidak dapat lagi dipercaya karena standar error-nya tidak dapat dipercaya.
Metode yang digunakan untuk mendeteksi ada tidaknya masalah heteroskedastisitas dalam penelitian ini adalah metode Park. Uji Park
dilakukan dengan melakukan regresi fungsi-fungsi residual. Jika variabel independen tidak signifikan secara statistic, maka dapat
disimpulkan bahwa model yang terbentuk dalam persamaan regresi tidak mengandung masalah heteroskedastisitas.
15
4. Uji Signifikansi a. Uji R
2
Koefisien Determinasi Nilai R
2
mempunyai interval anatar 0 samapai 1 0 R
2
1. Semakin besar R
2
mendekati 1, semakin baik hasil untuk model regresi tersebut dan semakin mendekati 0, maka variabel independen secara
keseluruhan tidak dapat menjelaskan varaibel dependen.
16
Nilai adjusted R
2
lebih baik jika digunakan untuk menganalisis kekuatan model. Apabila suatu varaibel bebas ditambahkan ke dalam
model nilai R
2
pasti meningkat sementara adjusted R
2
dapat saja meningkat atau menurun. Ketika sebuah variabel bebas yang memiliki
15
Wing Wahyu Winarno, Analisis Ekonometrika dan Statistik dengan Eviews, Edisi kedua Yogyakarta: UPP STIM YKPN, 2009, h.115
16
Gujarati, N Damodor dan Dawn C Porter, “ Basic Eco o etrics , Fifth Edition Mc Graw Hill
International edition, Singapore 2009, h.76
83
kekuatan penjelas yang besar diikutsertakan dalam model maka nilai adjusted R
2
meningkat dan sebaliknya. Koefisien determinasi R
2
memiliki kesalahan, yaitu bias terhadap jumlah varaibel bebas yang dimasukkan dalam model regresi dimana
setiap penambahan satu variabel bebas dan jumlah pengamatan dalam model akan meningkatkan nilai R
2
meskipun variabel yang dimasukkan tersebut tidak memiliki pengaruh yang signifikan terhadap variabel
tergantungnya. Untuk mengurangi kesalahan kelemahan tersebut maka digunakan koefisien determinasi yang telah disesuaikan, adjusted R
2
. Koefisien determinasi yang telah disesuaikan berarti bahwa koefisien
tersebut telah dikoreksi dengan memasukan jumlah variabel dan ukuran sampel yang digunakan. Dengan mengunakan koefisien determinasi yang
disesuaikan maka nilai koefisien determinasi yang disesuaikan itu dapat naik atau turun oleh adanya penambahan variabel baru dalam model.
b. Uji Signifikansi Simultan Uji Statistik F Untuk menyimpulkan apakah model masuk dalam kategori cocok fit
atau tidak, kita harus membandingkan nilai F hitung dengan nilai F tabel dengan derajat bebas: df: α, k-1, n, k, dimana k adalah jumlah variabel
independen dan dependen dan n adalah jumlah pengamatan ukuran sampel. Dasar pengambilan keputusannya adalah jika nilai F hitung F
tabel, maka H ditolak dan H
1
diterima yang berarti bahwa variabel independen secara simultan berpengaruh signifikan terhadap variabel
84
dependen, tetapi jika F hitung F tabel, maak H diterima dan H
1
ditolak yang berarti bahwa variabel independen secara simultan tidak
berpengaruh terhadap variabel dependen.
17
Uji statistik F pada dasarnya menunjukan apakah variabel independen atau bebas yang dimasukkan dalam model mempunyai pengaruh yang
secara bersama-sama terhadap variabel dependenterikat. Hipotesis nol H
yang hendak diuji adalah apakah semua parameter dalam model regresi sama dengan nol, atau:
H : β1, β2, β3 = 0
Artinya, apakah semua variabel independen bukan merupakan penjelasan yang signifikan terhadap variabel dependen. Hipotesis
alternatifnya H
a
tidak semua parameter secara simultan sama dengan nol, atau:
H
a
: β1, β2, β3 ≠ 0 Artinya, semua variabel independen secara simultan merupakan
penjelas yang signifikan terhadap variabel dependen. Untuk menguji hipotesis ini digunakan statistic F dengan kriteria pengambilan keputusan
sebagai berikut: 1 Quick look : bila nilai F lebih besar daripada 4 maka H
dapat ditolak dengan derjat kepercayaan 5, dengan kata lain kita menerima
17
Suliyanto, Ekonometrika Terapan: Teori dan Aplikasi dengan SPSS Yogyakarta: CV. Andi Offset 2011, h.61-62
85
hipotesis alternatif, yang menyatakan semua variabel independen secara serentak dan signifikan mempengaruhi variabel dependen.
2 Membandingkan nilai F hasil perhitungan dengan nilai F menurut tabel. Bila nilai F hitung lebih besar daripada nilai F tabel, maka H
ditolak dan menerima H
a
. c. Uji Parsial Uji Statistik t
Uji statistik t pada dasarnya menunjukan seberapa jauh pengaruh satu variabel penjelasindependen secara individual dalam menerangkan
variasi variabel dependen. Hipotesis nol H yang hendak di uji adalah
apakah suatu parameter βi sama dengan nol, atau: H : βi = 0
Artinya apakah suatu variabel independen bukan merupakan penjelas yang signifikan terhadap variabel dependen. Hipotesis alternatifnya Ha
parameter suatu variabel tidak sama dengan nol, atau : H
a
: βi ≠0 Artinya, variabel tersebut merupakan penjelas yang signifikan
terhadap variabel dependen. Cara melakukan uji t adalah sebagai berikut: 1 Quick look: bila jumlah degree of freedom df adalah 20 atau lebih
dan derajat kepercayaan sebesar 5, maka H yang menyatakan bi =
0 dapat ditolak bila nilai t lebih besar dari 2 dalam nilai absolut. Dengan kata lain kita menerima hipotesis alternatif, yang menyatakan
bahwa suatu variabel independen secara individual mempengaruhi variabel dependen.
86
2 Membandingkan nilai statistik t dengan titik kritis menurut tabel. Apabila nilai statistik t hasil perhitungan lebih tinggi dibandingkan
nilai t tabel, kita menerima hipotesis alterantif yang menyatakan bahwa suatu variabel independen secara individual mempengaruhi
variabel dependen. Adapun nilai probabilitas dalam penelitian ini diperoleh dengan
membagi dua nilai probabilitas yang muncul dalam output persamaan regresi. Hal ini dilakukan karena dalam penelitian ini, uji yang digunakan
adalah uji satu arah sedangkan nilai probabilitas untuk uji dua arah sehingga nilai probabilitas harus dibagi dua.
18
Uji ini dilakukan dengan membandingkan t hitung dengan t tabel. Adapaun nilai t tabel diperoleh
dengan df :α n-k dimana α adalah tingkat signifikansi yang digunakan, n adalah jumlah pengamatan ukuran sampel, dan k adalah jumlah variabel
independen dan dependen. Dasar pengambilan keputusannya adalah jika t hitung t tabel, berarti H
ditolak yang berarti bahwa variabel Xi berpengaruh signifikan terhadap variabel dependen, tetapi jika t hitung t
tabel, maka H diterima yang berarti bahwa variabel Xi tidak berpengaruh
signifikan terhadap variabel dependen.
18
Agus Widarjono, Ekonometrika Pengantar dan Aplikasinya: Disertai Panduan Eviews, Edisi Keempat Yogyakarta: UPP STIM YKPN, 2013, h.67
87