tingkat signifikansi 5 sementara nilai chi square pada correlated random effects 0.000000 dan probabilitas 1.0000 tidak signifikan pada tingkat signifikansi 5.
Dengan demikian dapat disimpulkan bahwa model yang sesuai untuk penelitian ini adalah fixed effect model.
4.3.2 Analisis Regresi Data Panel
Interpretasi hasil estimasi dilakukan untuk mendapatkan informasi yang diperoleh dari data statistik yang dihasilkan melalui proses estimasi. Secara
matematis model regresi linier berganda yang digunakan adalah:
�
��
= �
1
�
1��
+ �
2
�
2��
+ �
3
�
3��
+ �
4
�
4��
+ �
5
�
5��
+ µ
Secara rinci hasil output yang diperoleh dari hasil estimasi dapat dilihat sebagai berikut:
Tabel 4.3 Koefisien Variabel
Variable Coefficient
Std. Error t-Statistic
Prob.
C 0.629996
0.841163 0.748959
0.4559 BETA?
0.168116 0.198499
0.846934 0.3994
CR? -0.005416
0.004511 -1.200780
0.2331 DER?
0.142509 0.059252
2.405129 0.0183
TAT? 1.210991
0.351318 3.446995
0.0009 EqPS?
-0.000686 0.000277
-2.477423 0.0152
Sumber: eviews 7 setelah diolah
4.4 Uji Penyimpangan Asumsi Klasik
4.4.1 Hasil Uji Multikolinieritas
Uji multikolineritas dilakukan dengan tujuan untuk menguji apakah model regresi mempunyi korelasi antar variabel bebas Independent variable. Jika antar
variabel bebas ada korelasi yang tinggi , umumnya diatas 0.90 maka hal ini merupakan indikasi adanya multikolinieritas. Hasil estimasi menunjukkan nilai R-
Universitas Sumatera Utara
squared yang tidak terlalu tinggi sebesar 0.442503 selain itu nilai t-statistik signifikan pada tingkat kepercayaan 5 . Hasil dapat disimpulkan bahwa model
yang digunakan dalam estimasi persamaan tersebut tidak terdapat multikolinieritas.
4.4.2 Hasil Uji Heterokedastisitas
Dalam penelitian ini estimasi yang dilakukan pada model persamaan menggunakan metode Coeficient Covariance Method - White Cross Section,
sehingga hasil yang diperoleh terbebas dari heterokedastisitas.
4.4.3 Hasil Uji Autokorelasi
Uji Autokorelasi digunakan untuk menguji apakah dalam suatu model regresi linier terdapat korelasi antara kesalahan peganggu pada periode t dengan
kesalahan pada periode t-1 sebelumnya. Hipotesis pengambilan keputusan untuk menguji autokorelasi yang terdapat dalam model persamaan dapat dilihat sebagai
berikut: H
: Tidak terdapat Autokorelasi H
1
: Terdapat Autokorelasi Pengambilan keputusan uji autokorelasi dapat dilihat pada tabel sebagai berikut:
Tabel 4.5 Pengambilan Keputusan Autokorelasi
Nilai DW hasil estimasi model regresi
Kesimpulan
4 – ��
�
DW 4 Tolak H1 tidak terdapat autokorelasi
4 – ��
�
DW 4 – ��
�
Tidak ada kesimpulan 2 DW 4 –
��
�
Terima H0 ��
�
DW 2 Terima H0
Universitas Sumatera Utara
��
�
DW ��
�
Tidak ada kesimpulan 0 DW
��
�
Terima H1 Terdapat autokorelasi
Hasil estimasi yang diperoleh menunjukan nilai DW sebesar 2.973802, dimana k = 5, n = 138 maka DW
L
= 1.6476 dan DW
U
= 1.7975 maka pengambilan keputusan autokorelasi dapat dijelaskan dengan tabel pengujian
autokorelasi sebagai berikut:
0 dl =1.64 du =1.79 2 4-du= 2.21 4-dl= 2.36 2.97 4
Gambar 4.1 Pengambilan keputusan Autokorelasi
Dari tabel pengujian autokorelasi diatas dapat disimpulkan bahwa nilai Durbin Watson terletak pada 4 – 1.6476 2.973802 4 sehingga H
1
ditolak dan H
diterima yang artinya dalam persamaan regresi ini tidak terdapat autokorelasi.
4.5 Hasil Model Estimasi
