Uji Asumsi Klasik Pengaruh Pembiayaan Bagi Hasil, Pendapatan Islam, Investasi Islam, dan Rasio Zakat Terhadap Tingkat Kesehatan Bank Umum Syariah

tidaknya multikolinearitas yang tinggi antar variabel bebas dapat dideteksi dengan cara menghitung koefisien korelasi atau melihat nilai F. Pada penelitian ini uji multikolinearitas yang digunakan menggunakan metode perhitungan koefisien korelasi, di mana jika hubungan antara variabel bebas yang satu dengan yang lainnya di atas 0.8 maka antarvariabel tersebut terdapat gejala multikolinearitas. Setelah data diolah menggunakan Eviews 8 maka didapatkan hasil pada tabel berikut: Tabel 4.4 Hasil Uji Multikolinearitas RZ PI PBH IS RZ 1.000000 -0.124785 -0.033796 0.006367 PI -0.124785 1.000000 0.363788 0.409518 PBH -0.033796 0.363788 1.000000 0.163204 IS 0.006367 0.409518 0.163204 1.000000 Sumber: Output Eviews 8 data diolah Berdasarkan tabel di atas dapat dilihat bahwa nilai korelasi variabel independen antara RZ dan PI adalah -0.124785, antara RZ dan PBH sebesar - 0.033796, antara RZ dan IS sebesar 0.006367, antara PI dan PBH sebesar 0.363788, antara PI dan IS sebesar 0.409518, antara PBH dan IS sebesar 0.163204. Nilai korelasi variabel independepen RZ, PI, PBH, dan IS tertinggi hanya mencapai 0.409518 yaitu antara PI dan IS. Karena nilai 0.409518 0.8 maka diputuskan H diterima, sehingga dapat dikatakan tidak terdapat multikolinearitas. Hasil tersebut menyatakan bahwa variabel bebas penelitian ini terbebas dari gejala multikolinearitas. Sehingga dapat dilanjutkan ke pengujian selanjutnya 3. Uji Heteroksedasitas Uji Heteroksedasitas bertujuan untuk menguji apakah terdapat kesamaan variance dari residual satu pengamatan kepengamatan lain. Indikator Uji Heteroksedasitas yang digunakan dalam penelitian ini yaitu metode grafik dan Uji White. Berdasarkan metode grafik, untuk melihat data memiliki masalah heteroksedasitas atau tidaknya yaitu jika data tidak membentuk pola tertentu, maka data tidak terdapat heteroksedasitas. Begitu sebaliknya, jika data membentuk pola tertentu maka data terdapat heteroksedasitas. Setelah diolah menggunakan aplikasi Eviews 8 maka terlihat pada grafik berikut: Gambar 4.6 Hasil Uji Heteroksedasitas -.3 -.2 -.1 .0 .1 .2 4.2 4.3 4.4 4.5 4.6 4.7 10 15 20 25 30 35 40 45 50 55 60 Res idual Actual Fitted Sumber: Output Eviews 8 data diolah Berdasarkan gambar di atas, data tidak membentuk pola tertentu sehingga dapat dikatakan data tersebut tidak bersifat heteroksedasitas. Sedangkan dengan Uji White, masalah heteroksedasitas dapat dilihat melalui nilai p-value obs-square. Karena p-value obs-square = 19.27169 0.0 dan probabilitas Chi Square sebesar 0.1149 lebih besar dari α sebesar 0.05, maka H diterima yang artinya tidak terjadi heteroksedasitas dan bisa dilanjutkan ke pengujian selanjutnya. Tabel 4.5 Hasil Uji White Heteroskedasticity Test: White F-statistic 1.701170 Prob. F13,41 0.0975 ObsR-squared 19.27169 Prob. Chi-Square13 0.1149 Scaled explained SS 11.12880 Prob. Chi-Square13 0.6000 Sumber: Output Eviews 8 data diolah 4. Uji Autokorelasi Uji Autokorelasi bertujuan untuk melihat ada atau tidaknya hubungan antara residual satu observasi dengan residual observasi lainnya. Dalam penelitian ini, uji autokorelasi menggunakan Uji Breusch-Godfrey. Penilaiannya dilihat dari nilai ObsR 2 . Jika nilai ObsR 2 lebih kecil dari 0.05 maka dapat disimpulkan bahwa terdapat masalah autokorelasi pada model tersebut begitupun sebaliknya. Setelah diolah menggunakan aplikasi Eviews 8 maka terlihat hasil pada tabel berikut: Tabel 4.6 Hasil Uji Breusch-Godfrey Breusch-Godfrey Serial Correlation LM Test: F-statistic 0.752258 Prob. F2,48 0.4768 ObsR-squared 1.671531 Prob. Chi-Square2 0.4335 Sumber: Output Eviews 8 data diolah Berdasarkan tabel di atas diperoleh nilai ObsR-squared sebesar 1.671531 0.05, maka dapat disimpulkan H diterima dan tidak terdapat masalah autokorelasi pada model tersebut.

E. Pemilihan Model Regresi Data Panel

Regresi yang menggunakan data panel disebut dengan regresi data panel. Data panel memiliki gabungan karakteristik yaitu data yang terdiri atas beberapa objek dan meliputi waktu. 2 Data semacam ini memiliki keunggulan terutama karena bersifat robust kuat terhadap beberapa tipe pelanggaran yakni heteroksedasitas dan normalitas. Di samping itu, dengan perlakuan tertentu sktruktur data seperti ini dapat diharapkan untuk memberikan informasi yang lebih banyak high informational content. 3 Regresi data panel dapat dilakukan dengan tiga model yaitu pooled, fixed effect, dan random effect. Pemilihan model tergantung pada asumsi yang dipakai 2 Wing Wahyu Winarno, op. cit., h.10.1. 3 Moch. Doddy Ariefianto, Ekonometrika Esensi dan Aplikasi dengan Menggunakan Eviews Jakarta : Erlangga, 2012, h. 148. peneliti dan pemenuhan syarat-syarat pengolahan data statistik yang benar, sehingga dapat dipertanggungjawabkan secara statistik. Oleh karena itu langkah pertama yang harus dilakukan adalah memilih model yang tepat dari ketiga model yang tersedia. Data panel yang telah dikumpulkan, diregresikan dengan model pooled yang hasilnya dapat dilihat dari tabel 4.7. Sedangkan untuk hasil regresi dengan model fixed effect dapat dilihat pada tabel 4.8. Tabel 4.7 Hasil regresi data panel menggunakan common effect PLS Dependent Variable: KK? Method: Pooled Least Squares Date: 060816 Time: 12:49 Sample: 2010 2014 Included observations: 5 Cross-sections included: 11 Total pool balanced observations: 55 Variable Coefficient Std. Error t-Statistic Prob. PBH? 0.099353 0.059744 1.662980 0.1025 PI? 0.853806 0.083302 10.24953 0.0000 IS? 0.033735 0.085891 0.392768 0.6961 RZ? -1.512621 0.631834 -2.394016 0.0204 R-squared 0.167713 Mean dependent var 87.94545 Adjusted R-squared 0.118755 S.D. dependent var 8.811647 S.E. of regression 8.271904 Akaike info criterion 7.133553 Sum squared resid 3489.644 Schwarz criterion 7.279541 Log likelihood -192.1727 Hannan-Quinn criter. 7.190008 Durbin-Watson stat 1.380215 Sumber: Output Eviews 8 data diolah Tabel 4.8 Hasil regresi data panel menggunakan model fixed effect Dependent Variable: KK? Method: Pooled Least Squares Date: 060816 Time: 12:51 Sample: 2010 2014 Included observations: 5 Cross-sections included: 11 Total pool balanced observations: 55 Variable Coefficient Std. Error t-Statistic Prob. C 2696.664 1040.071 2.592768 0.0132 PBH? 0.233513 0.078947 2.957851 0.0052 PI? 25.99864 10.40527 2.498604 0.0167 IS? 18.12699 0.081863 2.155121 0.0377 RZ? -0.782203 0.513865 -1.522194 0.1358 Fixed Effects Cross _MEGAS--C -11.80022 _MUAMALAT--C -0.429084 _BCAS--C 16.23424 _BJBS--C -7.254133 _BNIS--C 1.196575 _BRIS--C -4.884767 _BSM--C 0.807175 _BUKOPINS--C -6.412554 _MAYBANKS--C -0.425247 _PANINS--C 18.86412 _VICTORIAS--C -5.896108 Effects Specification Cross-section fixed dummy variables R-squared 0.645856 Mean dependent var 87.94545 Adjusted R-squared 0.521906 S.D. dependent var 8.811647