40
Ho : Common Effect Ha : Fixed Effect Model
Apabila nilai F hitung lebih besar dari F kritis maka hipotesis nul ditolak yang artinya model yang tepat untuk regresi data panel adalah model Fixed
Effect. Dan sebaliknya, apabila nilai F hitung lebih kecil dari F kritis maka hipotesis nul diterima yang artinya model yang tepat untuk regresi data
panel adalah model Common Effect. 2.
Uji Hausman Statistik uji Hausman mengikuti distribusi statistik Chi-Squares dengan
derajat kebebasan df sebesar jumlah variabel bebas. Hipotesis dalam uji Hausman adalah :
Ho : Random Effect Model Ha : Fixed Effect Model
Apabila nilai statistik Hausman lebih besar dari nilai kritis Chi- Squares maka hipotesis nul ditolak yang artinya model yang tepat untuk
regresi data panel adalah model Fixed Effect. Dan sebaliknya, apabila nilai statistik Hausman lebih kecil dari nilai kritis Chi-Squares maka hipotesis
nul diterima yang artinya model yang tepat untuk regresi data panel adalah model Random Effect.
3.7.2 Model Regresi
Dalam menguji pengaruh diversifikasi pendapatan terhadap kinerja dan risiko berbasis pasar, penelitian ini menggunakan model regresi linear berganda
Universitas Sumatera Utara
41
yaitu model regresi dengan lebih dari satu variabel bebas independent variable. Variabel bebas yang digunakan ada dua, yaitu fee based income dan trading
income, Pengaruh variabel bebas tersebut akan diuji pengaruhnya terhadap dua variabel terikat yaitu kinerja berbasis pasar dan risiko berbasis pasar. Oleh sebab
itu, terdapat dua model regresi dalam penelitian ini : Model regresi yang pertama adalah untuk menentukan pengaruh variabel bebas
terhadap kinerja berbasis pasar yang dinyatakan dalam model regresi sebagai berikut :
Y
t
: Kinerja berbasis pasar α
: Intercept β
1
: Slope fee based income FBI
1t
: Fee based income β
2
: Slope trading income TI
2t
: Trading income X
: Variabel kontrol μ
it
: error term
Sedangkan model regresi kedua adalah untuk menentukan pengaruh variabel bebas terhadap risiko berbasis pasar yang dinyatakan dalam model regresi sebagai
berikut : Y
it
= α + β
1
FBI
1t
+ β
2
TI
2t
+
it
+ μ
it
Universitas Sumatera Utara
42
R
t
: Risiko berbasis pasar α
: Intercept β
1
: Slope fee based income FBI
1t
: Fee based income β
2
: Slope trading income TI
2t
: Trading income X
: Variabel kontrol μ
it
: error term
3.7.3 Uji Asumsi Klasik
Data panel memiliki beberapa keunggulan sehingga dalam pengunaannya, data panel tidak mengharuskan adanya uji asumsi klasik. Menurut Wibisono
2005, keunggulan-keunggulan data panel yaitu antara lain : 1.
Panel data mampu memperhitungkan heterogenitas individu secara ekspilisit dengan mengizinkan variabel spesifik individu.
2. Kemampuan mengontrol heterogenitas ini menjadikan data panel dapat
digunakan untuk menguji dan membangun model perilaku lebih kompleks. 3.
Data panel mendasarkan diri pada observasi cross-section yang berulang- ulang time series, sehingga metode data panel cocok digunakan sebagai
study of dynamic adjustment. R
it
= α + β
1
FBI
1t
+ β
2
TI
2t
+ X
it
+ μ
it
Universitas Sumatera Utara
43
4. Tingginya jumlah observasi memiliki implikasi pada data yang lebih
informatif, lebih variatif, dan kolinieritas multiko antara data semakin berkurang, dan derajat kebebasan degree of freedomdf lebih tinggi
sehingga dapat diperoleh hasil estimasi yang lebih efisien. 5.
Data panel dapat digunakan untuk mempelajari model perilaku yang kompleks.
6. Data panel dapat digunakan untuk meminimalkan bias.
Dengan keunggulan tersebut maka implikasi pada tidak harus dilakukannya pengujian asumsi klasik dalam model data panel Gujarati, 2006; Wibisono, 2005;
Aulia; 2004, dalam Shochrul R, Ajija, dkk. 2011
3.7.4 Uji Signifikansi