Menurut Wibisono 2005 dalam Ajija et al.,2011 keunggulan regresi data panel antara lain : Pertama, panel data mampu memperhitungkan heterogenitas individu
secara eksplisit dengan mengijinkan variabel spesifik individu; kedua. Kemampu an mengontrol heterogenitas individu ini selanjutnya menjadikan data panel dapat
digunakan untuk menguji dan membangun model perilaku yang lebih kompleks; Ketiga, data panel mendasarkan diri pada observasi cross section yang berulang-
ulang time series, sehingga metode data panel cocok digunakan sebagai studi of dinamic adjusment; Keempat, tingginya jumlah observasi memiliki implikasi data
yang lebih informatif, lebih variatif dan kolinieritas antar variabel yang semakin berkurang dan peningkatan derajat kebebasan degrees of freedomdf sehingga
dapat diperoleh hasil estimasi yang lenih efisien; Kelima, data panel dapat digunakan untuk mempelajari model-model perilaku yang kompleks, Keenam,
data panel dapat meminimalkan bias yang mungkin ditimbulkan oleh agregasi data individu.Menurut Widarjono 2007 h,251, untuk mengestimasi parameter
model dengan data panel, terdapat tiga teknik model yaitu : 1. Model Comman Effect
Yaitu dengan menkombinasikan data cross section dan time series sebagai satu kesatuan tanpa melihat adanya perbedaan waktu dan entitas individu.
Pendekatan yang sering dipakai adalah metode Ordinary Least SquareOLS, Model Comman Effect mengabaikan adanya perbedaan data antar individu
sama dalam berbagai kurun waktu. 2.
Model Fixed Effect Pendekatan model Fixed Effect mengasumsikan bahwa intersep dari setiap
individu adalah berbeda sedangkan slope antar individu adalah tetap sama.
Teknik ini menggunakan variabel dummy untuk menangkap adanya perbedaan intersep antar individu. Akan tetapi metode ini membawa kelemahan yaitu
berkurangnya derajat kebebasan degree of fredom yang pada akhirnya mengurangi efisiensi paramater.
3. Metode Random Effect. Adalah metode yang akan menstimasi data data panel dimana variabel
gangguan mungkin saling berhubungan antar waktu dan antar individu. Teknik yang digunakan dalam metode Random Effect adalah dengan menambahkan
variabel gangguan error terms yang mungkin saja akan muncul pada hubungan antar waktu dan antar entitas. Teknik metode OLS tidak dapat
digunakan untuk mendapatkan estimator yang efisien, sehingga lebih tepat untuk menggunakan Metode generalized Least Square GLS.
Untuk menguji permodelan regresi data panel ketiga estimasi model regresi dengan melakukan Uji Chow dan Uji Hausman untuk menentukan apakah model
data panel dapat diregresi dengan metode Common Effect, metode Fixed Effect atau metode Random Effect.
Uji Chow digunakan untuk menentukan apakah model data panel diregresi dengan metode Common Effect atau dengan metode Fixed Effect, apabila dari
hasil uji tersebut ditentukan bahwa metode Common Effect yang digunakan maka tidak perlu lagi diuji kembali dengan uji Hausman, namun apabila dari hasil Uji
Chaw tersebut ditentukan bahwa metode Fixed Effect yang digunakan, maka harus ada uji lanjutan dengan uji Hausman untuk memilih antara metode Fixed
Effect atau metode Random Effect yang akan digunakan untuk mengestimasi regresi data panel.
Pengujian yang dilakukan melakukan menggunakan Chow-test atau lakelihood ratio test, dengan asumsi yaitu : H0 : model mengikuti Common dan H1 : model
mengikuti Fixed. Pengujian yang dilakukan dengan menggunakan Hausman test dengan asumsi :
H0 : model mengikuti Random Effect dan H1 : model mengikuti Fixed Effect.
Dalam penelitian ini variabel independen adalah PAD, DAU dan SILPA, sedangkan variabel dependen adalah OPA. Adapun model regresi data panel
sebagai berikut : OPA
it
= β + β
1
PAD
it
+ β
2
DAU
it
+ β
3
SILPA
it
+ ε Keterangan :
β =
Konstanta β
1
β
2
β
3
= Koefisien variabel independen
.
ε = error
PAD = Pendapatan Asli Daerah.
DAU = Dana Alokasi Umum.
SILPA = Sisa Lebih Perhitungan Anggaran.
3.6. Pengujian Asumsi Klasik
Pengujian asumsi klasik bertujuan untuk mengetahui dan menguji kelayakan atas model regresi yang digunakan dalam penelitian supaya hasilnya BLUE atau
BestLinear Unbiased Estimator Ghozali, 2011.
3.6.1. Uji Multikoloniearitas
Uji multikoloniearitas bertujuan untuk menguji apakah pada model regresi ditemukan adanya korelasi antar variabel bebas Ghozali, 2011.
Multikoloniearitas terjadi dalam analisis regresi berganda apabila variabel - variabel bebas saling berkorelasi yang dapat dilihat dari nilai tolerance dan
lawannya Variance Inflation Factor VIF. Kedua ukuran tersebut menunjukkan variabel independen mana yang dijelaskan oleh variabel independen yang
lainnya. Tolerane mengukur variabilitas variabel independen yang terpilih yang tidak dijelaskan oleh variabel independen lainnya. Nilai tolerance yang rendah
sama dengan nilai VIF tinggi karena VIF=1tolerance. Nilai cut off yang umum dipakai untuk menunjukkan adanya multikoloniearitas adalah nilai Tolerance
0.10 atau sama dengan nilai VIF 10 Ghozali,2011.
3.6.2. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan
yang lain. Jika variance dari residual satu pengamatan ke pengamatan yang lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut heteroskedas
tisitas. Model regresi yang baik adalah Homoskedastisitas atau tidak terjadi heteroskedastisitas Ghozali, 2011. Uji statistik yang digunakan untuk men
deteksi ada tidaknya heteroskedastisitas dalam penelitian ini adalah Uji Glejser.
Uji Glejser dilakukan dengan meregresikan variabel bebas terhadap nilai residual mutlaknya dengan probabilitas signifikansi 5. Suatu model regresi dikatakan
tidak mengandung adanya heteroskedastisitas, jika tida kada satupun variabel
independen yang signifikan secara statistik mempengaruhi variabel dependen Ghozali, 2011.
3.6.3. Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode
t
dengan kesalahan pengganggu pada periode
t-1
Ghozali,2011. Untuk mengetahui ada tidaknya autokorelasi dapat dilihat dari nilai Durbin Watson pada output pengujian.
Model regresi terbebas dari auto korelasi jika nilai Durbin Watson hitung terletak didaerah no autocorrelation atau tidak terletak di daerah negative
positive autocorrelation. Penentuan letak tersebut dibantu dengan tabel dL dan dU, sesuai nilai K yang merupakan jumlah variabel Ghozali,2011.
3.6.4. Uji Goodness of Fit dan Pengujian Hipotesis
Ketepatan fungsi regresi suatu sampel dalam menaksir nilai aktual dapat diukur dari goodnessoffit-nya Ghozali,2011. Secara statistik, setidaknya ini dapat
diukur dari nilai koefisien determinasi R
2
, nilai statistik F dan nilai statistik t.
3.6.5. Uji Koefisien Determinasi Adjusted R Square
Hipotesis yang sudah ditetapkan akan di ukur dengan menggunakan Adjusted R Square. Nilai koefisien determinasi ditunjukkan dengan nilai adjusted R Square bukan R
Square dari model regresi karena R Square bias terhadap jumlah variabel dependen yang dimasukkan ke dalam model, sedangkan adjusted R Square dapat
naik turun jika suatu variable independen ditambahkan dalam model Ghozali, 2006. Secara umum, koefisien determinasi untuk data runtut waktu time series
biasanya mempunyai nilai koefisien determinasi yang tinggi.
3.6.6.Uji F
Uji statistik F pada dasarnya menunjukkan apakah semua variabel independen atau bebas yang dimasukkan dalam model mempunyai pengaruh secara bersama-
sama terhadap variabel dependenterikat Ghozali, 2011. Uji F dapat dilakukan dengan melihat nilai signifikansi F pada output hasil regresi menggunakan Eviews
dengan significance level 0,05 5. Jika nilai signifikansi lebih besar dari 0,05 maka hipotesis ditolak koefisien regresi tidak signifikan, yang berarti secara
simultan variabel-variabel bebas tidak mempunyai pengaruh yang signifikan terhadap variabel terikat. Jika nilai signifikansi lebih kecil dari 0,05 maka hipotesis
tidak dapat ditolak koefisien regresi signifikan. Ini berarti bahwa secara simultan variabel-variabel bebas mempunyai pengaruh yang signifikan terhadap variabel
terikat.
3.6.7. Uji t
Pengujian ini bertujuan untuk mengetahui apakah masing-masing variabel independen mempengaruhi variabel dependen secara signifikan. Dasar pengambil
an keputusannya dilakukan dengan melihat nilai signifikansi t masing – masing
variabel pada output hasil regresi dengan eviews dengan tingkat signifikansi 0,05. Jika hasil regresi menunjukkan nilai signifikansi 0,05, maka kita menerima
hipotesis alternatif yang menyatakan bahwa suatu variabel independen secara individual mempengaruhi variabel dependen Ghozali, 2011.
