model random effect. Sebaliknya, apabila nilai LM hitung lebih kecil dari nilai kritis chi-squares maka hipotesis null diterima yang artinya model yang tepat untuk regresi
data panel adalah model common effect.
d. Uji Asumsi Klasik
Tujuan pengujian asumsi klasik ini adalah untuk memberikan kepastian bahwa persamaan regresi yang didapatkan memiliki ketepatan dalam estimasi,
tidak bias dan konsisten. Uji asumsi dasar yang dilakukan adalah : 1 Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah sebuah model regresi variabel dependen, variabel independen atau keduanya mempunyai distribusi normal atau
tidak. Nilai residual dikatakan berdistribusi normal jika nilai residual terstandarisasi tersebut sebagian besar mendekati nilai rata-ratanya. Tidak terpenuhinya asumsi
normalitas dalam model regresi pada umumnya disebabkan karena distribusi data tidak normal, karena terdapat nilai ekstrem pada data yang diambil
5
. Pada program Eviews Pengujian normalitas dilakukan dengan Jarque-Bera test.
Untuk mendeteksi normalitas data penelitian dapat dilakukan dengan melihat koefisien Jarque-bera dan probablitasnya. Hipotesis yang digunakan dalam pengujian
normalitas adalah sebagai berikut : Ho : reisudal dari model berdistribusi normal
5
Neni Nuraini, “Analisis Faktor yang Mempengaruhi Manajemen Laba”, Studi Empiris Pada Perusahaan Manufaktur yang terdaftar di BEI Periode 2007-2011, Skripsi S1 Universitas Islam
Negeri Syarif Hidayatullah Jakarta, h. 96..
H1 : residual dari model tidak berdistribusi normal a Bila nilai J - B tidak signifikan lebih kecil dari dua, maka data
berdistribesi normal. b Bila probabilitas lebih besar dari pada tingkat signifikansi atau
5 maka data berdistribusi normal. 2. Multikolinearitas
Istilah kolinearitas ganda multicolinearity diciptakan oleh Ragner Frish di dalam bukunya
“Statictical Confluence Analysis by means of Complete Regression Systems”. Aslinya istilah itu berarti adanya hubungan linear yang sempurna atau
eksak perfect or exact diantara variabel-variabel bebas
6
. Uji multikolinearitas bertujuan untuk mengetahui apakah dalam regresi ditemukan adanya korelasi yang
kuat diantara variabel bebas. Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel bebasnya. Meskipun demikian, adanya korelasi yang kuat
antara variabel bebas dalam pembentukan sebuah model persamaan sangatlah tidak dianjurkan terjadi, karena hal itu akan berdampak kepada keakuratan pendugaan
parameter, dalam hal ini koefisien regresi dalam memperkirakan nilai yang sebenarnya.
Salah satu cara untuk mendeteksi ada atau tidaknya multikolinearitas di dalam model regresi data panel menggunakan software Eviews adalah dengan cara melihat
pada nilai koefisiean korelasinya pada hasil uji correlation dengan menggunakan matriks korelasi. Jika hasil koefisien korelasi pada output menunjukan hasil diatas 0.8
6
J. Supranto, Ekonometrkai, Jakarta : Ghalia Indonesia, 2004, h. 13.
maka diduga terjadi multikolinearitas. Sebaliknya jika koefisien korelasi rendah dibawah 0.8 maka diduga model terbebas dari masalah multikolinearitas.
3. Uji Heteroskedastisitas Uji Heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi
terjadi ketidaksamaan varians dari residual satu pengamatan ke pengamatan yang lain. Uji heteroskedastisitas menunjukkan bahwa variance variabel tidak sama untuk
semua pengamatan. Jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut Homoskedastisitas dan jika berbeda disebut heteroskedastisitas.
Data yang baik yaitu homoskedastisitas yaitu kesamaan varians dan residual. Pada umumnya masalah hetroskedastisitas sering terjadi pada persamaan regresi yang
menggunakan data cross section. Kebanyakan data cross section mengandung situasi heteroskedastisitas karena data ini menghimpun data yang mewakili berbagai ukuran-
ukuran kecil, sedang dan besar
7
. Untuk menguji masalah heteroskedastisitas, peneliti menggunakan uji park
dengan menggunakan software Eviews, yaitu dengan membuat persamaan regresi dengan cara mengganti variabel dependen dengan residual kuadratnya. Apabila
probabilitas yang ada bernilai diatas 0.05 yang berarti tidak signifikan, maka model regresi diasumsikan terbebas dari masalah heteroskedastisitas atau model regresi
bersifat homokedastisitas.
7
Ibid., h.19
2 Uji Autokorelasi Istilah autokorelasi menurut Maurice G. Kendall William R. Buckland, A
Dictionary and Statistical Terms : “Correlation between members of series of
observations ordered in time as in time series data, or space as in crossectional data
”
8
. Uji autokorelasi bertujuan menguji apakah dalam sebuah model regresi linier ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pada
periode t-1 sebelumnya
9
. Autokorelasi muncul karena observasi yang beruntun sepanjang waktu
berkaitan satu sama lain. Masalah timbul karena residual kesalahan pengganggu tidak bebas dari satu observasi ke observasi lainnya
10
. Dengan kata lain model regresi yang baik adalah yang tidak terdapat korelasi antara observasi dengan data observasi
sebelumnya. Autokorelasi ini umumnya terjadi pada data time series. Konsekuensi dari adanya autokorelasi pada model ialah bahwa penaksir tidak efisien dan uji t serta
uji F yang biasa tidak valid walaupun hasil estimasi tidak bias. Dalam mendeteksi ada atau tidaknya autokorelasi dapat dilakukan dengan uji Durbin Watson, dimana
hipotesis yang diuji adalah : Ho : tidak ada autokorelasi
H1 : ada autokorelasi
8
J. Supranto, Ekonometri, h.82.
9
Singgih Santoso, Buku Latihan SPSS – Statistik Multivariat Jakarta : Elex Media
Komputindo, 2002 h. 216.
10
Imam Ghozali, Aplikasi Analisis Multivariate dengan Program SPSS, h.99.
