d. Mempunyai kemampuan yang lebih baik dalam mengidentifikasi dan mengukur pengaruh yang biasa tidak dapat dideteksi oleh data cross section ataupun time series saja.
4.6.1 Model Analisis Ekonometrika
Fungsi persamaan Y= fPAD, DAU, FS ditransformasikan ke dalam model ekonometrika sebagai berikut :
Y
it
= α
+ β
1
PAD
it
+ β
2
DAU
it
+ β
3
FS
3it
+ e
it
Dalam menganalisis data pada tesis ini, penulis menggunakan metode analisis data panel. Dimana data panel merupakan data campuran cross section dan time series.
Penggunaan data panel didasarkan pada kenyataan bahwa data yang tersedia, seriesnya tidak mencukupi untuk dilakukan analisis.
Dimana : t =
Tahun i =
Kabupatenkota Y
= Kinerja Keuangan
= Interceptkonstanta
3 2
1
, ,
= Koefisien regresi PAD
= Pendapatan Asli Daerah DAU = Dana Alokasi Umum
FS = Fiscal Stress
= Error Term
Universitas Sumatera Utara
Secara matematis bentuk hipotesisnya adalah:
1
X Y
, artinya pendapatan asli daerah di kabupaten kota di Sumatera Utara mengalami kenaikan, maka kinerja keuangan Y akan mengalami kenaikan, ceteris paribus.
2
X Y
, artinya dana alokasi umum di kabupaten kota di Sumatera Utara mengalami kenaikan, maka kinerja keuangan Y akan mengalami kenaikan, ceteris paribus.
3
X Y
, artinya fiscal stress mengalami kenaikan, maka kinerja keuangan Y akan mengalami kenaikan, ceteris paribus.
4.6.2 Metode Analisis
Menurut Gujarati 2003, yang menemukan bahwa mengestimasi jenis data panel dengan metode OLS tidak konsisten dan efisien inefisiensi, sehingga disarankan untuk
menggunakan metode Generalized Least Square GLS. Dimana dalam metode ini dapat dianalisis dengan dua model pendekatan, yaitu fixed effects model FEM dan rendom effects
model REM. Kemudian dari kedua model tersebut dapat ditentukan model yang terbaik untuk digunakan dalam model persamaan ekonometrika.
Dengan data panel, jumlah pengamatan menjadi banyak. Dengan analisis data regresi panel, dapat menangkap dinamika yang lebih baik dari hubungan antara kinerja keuangan
dengan faktor-faktor yang mempengaruhinya. Dalam random effect diasumsikan bahwa
Universitas Sumatera Utara
komponen error individual tidak berkorelasi satu sama lain dan tidak ada otokorelasi baik cross section maupun time series. Kedua variabel random tersebut yaitu variabel cross
section dan variabel time series diasumsikan berdistribusi normal dengan derajat bebas yang tidak berkurang. Model random effect dapat diestimasi sebagai regresi Generalized Least-
Square GLS yang akan menghasilkan penduga yang memenuhi sifat Best Linier Unbiased Estimation BLUE. Dengan demikian adanya gangguan asumsi klasik dalam model ini telah
terdistribusi secara normal, sehingga tidak diperlukan lagi treatment terhadap model bagi pelanggaran asumsi klasik, yaitu asumsi adanya autokorelasi, multikolinearitas dan
heterokedastik.
Untuk menentukan model mana yang terbaik dalam metode GLS tersebut maka dapat dilakukan dengan Uji Hausman, 1978 Gujarati, 2003.
4.6.3. Pendekatan Pooled Least Square PLS