55 dibandingkan nilai R
2
model Fixed Effect dengan nilai Durbin-Watson 1,742356. Untuk menentukan model mana yang akan digunakan, kita
dapat melihat hasil Haussman Test.
Tabel 4.6 Hasil Regresi dengan
Haussman Test
Correlated Random Effects - Hausman Test Pool: Untitled
Test cross-section random effects Test Summary
Chi-Sq. Statistic Chi-Sq. d.f.
Prob. Cross-section random
5.331787 3
0.1491
Sumber: Output Eviews-Diolah Peneliti 2014 Berdasarkan hasil Haussman Test diatas, diketahui bahwa
probabilitas dari Chi Square statistiknya adalah sebesar 0,1491. Pada bab sebelumnya telah dijelaskan bahwa hipotesis dari pengujian ini adalah:
� = Random Effect Model
�
1
= Fixed Effect Model Dengan tingkat keyakinan 95 α = 0,05, probabilitas Haussman
Test lebih kecil dibandingkan dengan α. Sehingga diperoleh kesimpulan
bahwa �
diterima atau dengan kata lain, model yang digunakan dalam penelitian ini adalah model Random Effect.
4.1.4 Pengujian Asumsi Klasik
Karena penelitian ini menggunakan model regresi berganda maka permasalahan yang mungkin terjadi pada model ini tidak terlepas dari tiga
pelanggaran asumsi yakni heteroskedastisitas, autokorelasi dan
multikolinearitas.
Universitas Sumatera Utara
56
4.1.4.1 Uji Heteroskedastisitas
Mengingat bahwa data pada model ini termasuk berupa data cross section, maka tentunya ada kecurigaan bahwa terdapat masalah
heteroskedastisitas pada model ini. Masalah heteroskedastistas dapat diatasi dengan mudah menggunakan bantuan program Eviews 6.1 dengan memilih
White cross-section pada menu option pada saat melakukan estimasi estimation. Dengan kembali mengestimasi model menggunakan langkah-
langkah tersebut, maka hasil output regresi akan terbebas dari heteroskedastisitas yaitu sebagai berikut :
Tabel 4.7 Hasil regresi model
Fixed Effect menggunakan White Test
Dependent Variable: RESIKOKEUANGAN? Method: Pooled Least Squares
Date: 021814 Time: 01:23 Sample: 2009 2011
Included observations: 3 Cross-sections included: 27
Total pool balanced observations: 81 White cross-section standard errors covariance
d.f. corrected WARNING: estimated coefficient covariance
matrix is of reduced rank
Variable Coefficient
Std. Error t-Statistic
Prob. C
0.455197 0.036551
12.45387 0.0000
SOLVABILITAS? -0.244110
0.122691 -1.989629
0.0520 STRUKTURHUTANG?
0.000251 0.000508
0.493008 0.6241
KEMAMPUANOPERASI? 0.027877
0.022380 1.245638
0.2186 Fixed Effects Cross
BTON—C 1.797056
AMFG—C -0.066535
BRNA—C -0.239456
SPMA—C -0.261714
CPIN—C -0.055867
CTBN—C -0.102476
Universitas Sumatera Utara
57
DPNS—C 0.134616
GGRM—C 0.026880
GJTL—C -0.124952
INAI—C -0.173695
INDS—C -0.174280
TRST—C -0.325773
JPRS—C 0.063251
KAEF—C -0.017282
KPSI—C -0.246785
KLBF—C 0.069767
LION—C 0.327816
DLTA—C 0.251006
SCCO—C -0.217903
TIRT—C -0.049490
TCID—C 0.041742
SKLT—C -0.187185
TSPC—C 0.113199
VOKS—C -0.187115
TKIM—C -0.079509
LMPI—C -0.173203
PYFA—C -0.142112
Effects Specification Cross-section fixed dummy variables
R-squared 0.986358
Mean dependent var 0.389556
Adjusted R-squared 0.978601
S.D. dependent var 0.416492
S.E. of regression 0.060927
Akaike info criterion -2.480173
Sum squared resid 0.189315
Schwarz criterion -1.593340
Log likelihood 130.4470
Hannan-Quinn criter. -2.124364
F-statistic 127.1527
Durbin-Watson stat 2.623265
ProbF-statistic 0.000000
Sumber: Output Eviews 2014 Dari output diatas, diketahui bahwa setelah dikonstankannya
residual, ternyata tidak memberikan perbedaan pada koefisien regresi, namun standar error dan nilai probabilitas variabel mengalami perubahan.
4.1.4.2. Uji Autokorelasi
Autokorelasi terkait dengan munculnya korelasi antar anggota serangkaian observasi yang diurutkan berdasarkan waktu dan berdasarkan
ruang. Mengingat model Fixed Effect pada data panel tidak membutuhkan asumsi terbebasnya model dari serial korelasi, maka uji tentang autokorelasi
dapat diabaikan Nachrowi dan Usman, 2006. Namun tetap perlu dilihat
Universitas Sumatera Utara
58 mengenai permasalahan autokorelasi yang terjadi dengan melihat nilai D-W
statistik. Dalam penelitian ini, terlihat bahwa D-W pada output estimasi pada tabel 4-7 adalah sebesar 2,623265, Angka ini berada pada kisaran +2
sampai dengan 5. Hal ini mengindikasikan bahwa terjadi autokorelasi negatif pada model tersebut.
4.1.4.3. Uji Normalitas
Asumsi dalam OLS adalah nilai rata – rata dari faktor pengganggu adalah nol. Untuk menguji apakah normal atau tidaknya faktor penganggu
maka perlu dilakukan uji normalitas dengan menggunakan Jarque – Bera Test J-B test.
Tabel 4.8 Hasil regresi model
Fixed Effect untuk Uji Normalitas
Dependent Variable: RESIKOKEUANGAN? Method: Pooled Least Squares
Date: 021814 Time: 00:08 Sample: 2009 2011
Included observations: 3 Cross-sections included: 27
Total pool balanced observations: 81
Variable Coefficient
Std. Error t-Statistic
Prob. C
0.455197 0.062604
7.271056 0.0000
SOLVABILITAS? -0.244110
0.094890 -2.572560
0.0130 STRUKTURHUTANG?
0.000251 0.001715
0.146099 0.8844
KEMAMPUANOPERASI? 0.027877
0.039275 0.709798
0.4811 Fixed Effects Cross
BTON—C 1.797056
AMFG—C -0.066535
BRNA—C -0.239456
SPMA—C -0.261714
CPIN—C -0.055867
CTBN—C -0.102476
DPNS—C 0.134616
GGRM—C 0.026880
Universitas Sumatera Utara
59
GJTL—C -0.124952
INAI—C -0.173695
INDS—C -0.174280
TRST—C -0.325773
JPRS—C 0.063251
KAEF—C -0.017282
KPSI—C -0.246785
KLBF—C 0.069767
LION—C 0.327816
DLTA—C 0.251006
SCCO—C -0.217903
TIRT—C -0.049490
TCID—C 0.041742
SKLT—C -0.187185
TSPC—C 0.113199
VOKS—C -0.187115
TKIM—C -0.079509
LMPI—C -0.173203
PYFA—C -0.142112
Effects Specification Cross-section fixed dummy variables
R-squared 0.986358
Mean dependent var 0.389556
Adjusted R-squared 0.978601
S.D. dependent var 0.416492
S.E. of regression 0.060927
Akaike info criterion -2.480173
Sum squared resid 0.189315
Schwarz criterion -1.593340
Log likelihood 130.4470
Hannan-Quinn criter. -2.124364
F-statistic 127.1527
Durbin-Watson stat 2.623265
ProbF-statistic 0.000000
Sumber: Output Eviews 2014
Universitas Sumatera Utara
60
Gambar 4.1. Normalitas
Dari tampilan tersebut ditemukan bahwa besarnya nilai Jargue Berra Normality test statistic dengan melihat angka probability. Dimana
nilai probability 0,176135 yang artinya berdistribusi normal. Apabila angka probability 0,05 maka data berdistribusi normal, sebaliknya apabila angka
probability 0,05 maka data tidak berdistribusi normal.
4.1.4.4. Uji Multikolinearitas
Uji ini terkait dengan adanya hubungan antar beberapa atau semua variabel bebas dalam model penelitian yang digunakan. Menurut Gujarati
2003 dalam bukunya, masalah multikolinearitas telah teratasi dengan sendirinya dengan penggunaan data panel. Dengan kata lain, data panel
menjadi solusi jika data mengalami masalah multikolinearitas. Dengan demikian, dapat dikatakan bahwa masalah multikolinearitas tidak terjadi
pada model fixed effect yang digunakan dalam penelitian ini.
1 2
3 4
5 6
7 8
-0.5 0.0
0.5 1.0
Series: Residuals Sample 1 27
Observations 27
Mean 1.77e-16
Median -0.026411
Maximum 1.059083
Minimum -0.593896
Std. Dev. 0.450336
Skewness 0.873505
Kurtosis 3.187267
Jarque-Bera 3.473004
Probability 0.176135
Universitas Sumatera Utara
61 Dengan demikian, dari hasil seluruh pengujian asumsi klasik dapat
disimpulkan bahwa model regresi yang dipakai dalam penelitian ini telah memenuhi estimasi yang Best Linear Unbiased Estimator BLUE dan
layak dilakukan analisis statistik selanjutnya untuk memprediksi resiko keuangan setiap perusahaan yang terdaftar di Bursa Efek Indonesia.
4.1.5. Pengujian Hipotesis 4.1.5.1 Uji Koefisien Determinasi R
