Tabel 3.1. Konsep Dasar DEA output
input UKE
q1 q2
q3 p1
p2 p3
1 2
3 4
5 Sumber: Coelly, 1996
3.2.2. Analisis Faktor-Faktor yang Memengaruhi Efisiensi
Langkah selanjutnya setelah mendapatkan nilai efisiensi masing-masing bank adalah menghitung variabel apa saja yang memengaruhi efisiensi tersebut. Menurut
Miller dan Nuolas 1996 yang memengaruhi efisiensi adalah ukuran bank, profitabilitas, kekuatan pasar, dan lokasi bank. Ukuran bank digambarkan oleh total
aset, profitabilitas digambarkan dengan biaya bunga, dan kekuatan pasar digambarkan oleh pangsa pasar deposito. Model regresinya adalah sebagai berikut:
ε β
β β
α +
+ +
+ =
it it
it it
MSD TIE
TA TE
3 2
1
…………...................1 Dimana:
it
TE = efisiensi masing-masing bank
it
TA = total aset Rupiah
it
TIE = biaya bunga Rupiah
it
MSD = pangsa pasar deposito
= ε
error term Setelah melakukan estimasi terhadap model di atas maka kita akan
mengetahui variabel apa saja yang memengaruhi efisiensi teknis Bank Persero. Pengolahan dilakukan dengan menggunakan software E-views 6.
Penelitian ini menggunakan data panel, data panel pooled data atau yang disebut juga sebagai data longitudinal merupakan kombinasi antara data time-series
dan cross-section. Data time-series merupakan data yang dikumpulkan berdasarkan urutan waktu, seperti setiap hari, setiap minggu, setiap bulan, setiap semester, setiap
tahun, dan seterusnya. Sedangkan data cross-section merupakan data dari beberapa observasi yang dikumpulkan pada satu waktu yang sama. Metode data panel
merupakan suatu metode yang dapat digunakan untuk melakukan analisis empirik yang tidak mungkin dilakukan jika menggunakan data time-series maupun data
cross-section Gujarati, 2003.
Terdapat tiga metode pada teknis estimasi model menggunakan data panel, yaitu pooled Ordinary Least Square OLS, fixed effect, dan random effect. Dari
ketiga metode tersebut akan dipilih model yang terbaik menggunakan Chow test.
3.2.2.1. Metode Pooled OLS
Metode pooled OLS merupakan suatu metode pengkombinasian sederhana antara data time-series dan cross-section, selanjutnya dilakukan estimasi model yang
mendasar menggunakan OLS. Metode pooled OLS dapat dispesifikasikan ke dalam model berikut:
it it
X Y
β α
+ =
∧
……………………................................................2 dimana i menunjukkan urutan bank yang diobservasi pada
data cross-section
, sedangkan t menunjukkan periode pada data
time-series
. Namun, pada metode ini asumsi yang digunakan menjadi terbatas karena model tersebut mengasumsikan
bahwa intersep dan koefisien dari setiap variabel sama untuk setiap bank yang diobservasi. Hal ini menyebabkan variabel-variabel yang diabaikan akan membawa
perubahan pada intersep
time-series
dan
cross-section
.
3.2.2.2. Metode Fixed Effect
Masalah yang timbul pada penggunaan metode
pooled OLS
yaitu adanya asumsi bahwa intersep dan koefisien dari setiap variabel sama pada setiap bank yang
diobservasi. Untuk memperhitungkan individualitas dari setiap unit
cross-section
dapat dilakukan dengan cara menjadikan intersep berbeda pada tiap bank. Pada metode
fixed-effect
ditambahkan variabel
dummy
untuk mengubah intersep, tetapi koefisien-koefisien lainnya tetap sama bagi setiap bank yang diobservasi. Metode ini
dapat dispesifikasikan
ke dalam
model berikut:
it it
T i
i NT
N t
t it
i it
Z Z
Z W
W W
X Y
ε δ
δ δ
γ γ
γ β
α
+ +
+ +
+ +
+ +
+ +
=
∧
... ...
3 3
2 2
3 3
2 2
...3
dimana Wit = 1 untuk bank ke-i, i = 2,…, N 0 untuk lainnya
Zit = 1 untuk bank ke-t, t = 2,…, T 0 untuk lainnya
Variabel dummy N-1 + T-1 ditambahkan ke dalam model dan penambahan tersebut menghasilkan kolienaritas yang sempurna di antara variabel-variabel
penjelas. Koefisien dari variabel dummy akan mengukur perubahan intersep cross- section
dan time-series. Terdapat beberapa masalah yang berhubungan dengan penggunaan metode
fixed effect . Pertama yaitu bahwa penggunaan variabel dummy tidak dapat
mengidentifikasikan secara langsung penyebab perubahan garis regresi pada periode dan bank. Kedua yaitu teknis variabel dummy akan mengurangi jumlah derajat bebas
Pyndick, 1998 dalam Kristiana, 2006.
3.2.2.3. Metode Random Effect
Penggunaan variabel dummy pada metode fixed effect masih menghasilkan kekurangan pada informasi mengenai model. Oleh karena itu kekurangan informasi
tersebut dapat digambarkan melalui komponen galat disturbanceerror term. Pada metode random effect dimasukkan komponen galat error term ke
dalam model untuk menjelaskan variabel prediktor explanatory variable yang tidak dimasukkan ke dalam model, komponen nonlinearitas hubungan variabel bebas dan
variabel tak bebas, kesalahan ukur saat observasi dilakukan, serta kejadian yang sifatnya acak.
Metode random effect dapat dispesifikasikan ke dalam model berikut:
it it
it
X Y
ε β
α
+ +
=
∧
………………...........................…….4
it t
i it
w v
u +
+ =
ε
……………...........................…………5 dimana ui ~ N0,
2 u
σ
= komponen galat cross-section vt ~ N0,
2 v
σ
= komponen galat time-series wt ~ N0,
2 w
σ
= komponen galat time-series dan cross-section i menunjukkan urutan bank yang diobservasi pada data cross-section, sedangkan t
menunjukkan periode pada data time-series. Formulasi dari metode random effect diperoleh dari model fixed effect dengan mengasumsikan bahwa efek rata-rata dari
variabel-variabel time-series dan cross-section yang acak termasuk dalam intersep, dan deviasi acak dari rata-rata tersebut sama dengan komponen galat, ui dan vt. Pada
metode random effect diasumsikan bahwa komponen galat individual tidak berkorelasi satu sama lain dan tidak ada autokorelasi antara setiap unit cross-section
dan time series Pyndick, 1998 dalam Kristiana, 2006.
3.3. Uji Kesesuaian Model