maupun antarwaktu. Adanya variabel-variabel yang tidak semuanya masuk dalam persamaan model memungkinkan adanya intercept yang tidak konstan.
Atau dengan kata lain, intercept ini mungkin akan berubah untuk setiap individu dan waktu. Model ini selain dapat membedakan efek individual dan
efek waktu juga memiliki kelebihan seperti tidak mengasumsikan bahwa komponen error tidak berkorelasi dengan variabel bebas yang mungkin sulit
dipenuhi. 2. Model Efek Random Random Effect Model
Penaksiran model regresi data panel Random Effect akan menghasilkan model regresi dengan error term yang terdiri dari dua
komponen, yaitu komponen cross section spesifik perusahaan dan komponen error. Asumsi Random Effect Model adalah komponen error tidak berkorelasi
satu sama lain dan tidak autokorelasi antara cross section dan time series. Perbedaan utama dari fixed effect model FEM dan random effect model
REM adalah pada FEM setiap unit cross section mempunyai nilai titik potong tetap dari semua observasi N, sedangkan pada REM nilai titik potong
b menjelaskan nilai rata-rata semua titik potong cross section dan komponen
error menjelaskan deviasi titik potong anggota panel dari nilai rata-rata.
3.8.2 Pemilihan Metode Data Panel
Untuk menentukan apakah model fixed effect model FEM atau random effect model REM yang akan dipilih dalam penelitian maka terlebih
dahulu dilakukan uji Hausman. Pengujian ini dilakukan dengan hipotesa sebagai berikut :
Universitas Sumatera Utara
H :
Model Random Effect H
1
: Model Fixed Effect
Dasar penolakan H adalah dengan menggunakan pertimbangan
statitik Chi Square dimana jika Chi Square statistik Chi Square tabel maka H
ditolak model yang digunakan adalah Fixed Effect dan sebaliknya.
3.8.3 Koefisien Determinasi Adjusted R
2
Nilai koefisien determinasi Adjusted R
2
menunjukkan seberapa besar persentase variasi variabel independen menjelaskan variabel dependen. Nilai
Adjusted R
2
berkisar antara nol dan satu 0 Adjusted R
2
1. Nilai Adjusted R
2
yang kecil atau mendekati nol menunjukkan kemampuan variabel independen dalam menjelaskan variasi variabel dependen amat terbatas.
Sebaliknya jika nilai Adjusted R
2
mendekati satu berarti variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi
variasi variabel dependen dalam model tersebut dapat dikatakan baik.
3.8.4 Uji Serempak F-test
Uji F merupakan alat uji statistik secara bersama-sama atau keseluruhan dari koefisien regresi variabel independen terhadap variabel
dependennya. Dari uji F dapat diketahui variabel independen yang masuk dalam model memiliki pengaruh secara bersama-sama atau tidak terhadap
variabel dependen. Jika F
hitung
F
tabel
maka H ditolak dan H
1
diterima sedangkan apabila F
hitung
F
tabel
maka H diterima dan H
1
ditolak, dimana ;
Universitas Sumatera Utara
H : variabel CAR, LDR, NIM, NPL dan BOPO bukan merupakan penjelas
yang signifikan terhadap variabel ROA. H
1
: variabel CAR, LDR, NIM, NPL dan BOPO secara simultan merupakan penjelas yang signifikan terhadap variabel ROA.
3.8.5 Uji Parsial t-test
Uji t dilakukan untuk mengetahui apakah variabel independen secara individual mempengaruhi variabel dependennya. Uji t dapat dilakukan
dengan dua cara, pertama dengan membandingkan t
hitung
dengan t
tabel
. Nilai t
hitung
dapat diperoleh dari nilai t-statistik dapat diperoleh pada output Eviews, sedangkan nilai t
tabel
dapat diperoleh dari tabel t dengan menggunakan degree of freedom df sebesar n-k. Jika t
hitung
t
tabel
maka H ditolak dan H
1
diterima, sebaliknya jika t
hitung
t
tabel
maka H diterima dan H
1
ditolak. Cara kedua yaitu membandingkan nilai probabilitas output Eviews dengan nilai α.
Apabila nilai probabilitasα maka H ditolak dan H
1
diterima, sebaliknya jika nilai probabilitasα maka H
diterima dan H
1
ditolak.
3.9 Jadwal Penelitian Tabel 3.2