adanya regresi palsu adalah R
2
nilai Durbin Watson Statistik sehingga akan menimbulkan autokorelasi.
Ada beberapa cara yang dapat dilakukan untuk menguji kestasioneran data, diantaranya adalah dengan The Augmented Dickey-Fuller ADF test dan
Phillips-Perron PP test . PP digunakan untuk menguji data yang mengalami
peningkatan atau penurunan secara drastis. Jika nilai ADF statistik atau nilai PP statistiknya lebih kecil dari Mackinnon Critical Value, maka dapat disimpulkan
bahwa data tersebut stasioner.
3.3.2. Ordinary Least Square
Analisis regresi yang digunakan dalam penelitian ini adalah metode Kuadrat Terkecil Biasa KTB atau metode Ordinary Least Square OLS.
Metode ini merupakan yang paling luas digunakan. Hal ini disebabkan dengan menggunakan asumsi-asumsi tertentu, metode ini mempunyai beberapa sifat yang
sangat menarik. Adanya asumsi-asumsi tertentu tersebut membuat metode OLS merupakan penduga linier tak bias terbaik atau Best Linear Unbiased Estimator
BLUE.
3.3.3. Pengujian Model
Pada saat melakukan pengujian model, terdapat tiga kriteria yang harus dipenuhi. Kriteria-kriteria tersebut antara lain:
1. Kriteria Ekonometrika
1. Uji Multikolinearitas Uji Multikolinearitas digunakan untuk menguji apakah terdapat
hubungan fungsional yang bersifat linier antara dua atau lebih variabel
bebas yang begitu kuat sehingga secara signifikan berpengaruh terhadap koefisien-koefisien hasil estimasi, atau koefisien-koefisien hasil regresi
dari variabel bebas. Konsekuensi adanya multikolinearitas Gujarati, 2003 adalah 1
meskipun penaksir OLS mungkin diperoleh, kesalahan standarnya cenderung semakin besar dengan meningkatnya tingkat korelasi antar
variabel; 2 karena besarnya kesalahan standar, selang keyakinan untuk parameter populasi yang relevan cenderung lebih besar; 3 dalam kasus
multikolinearitas yang tinggi, kecenderungan untuk menerima probabilitas yang salah sangat tinggi; 4 selama miltikolinearitas tidak sempurna,
penaksiran koefisien regresi adalah mungkin, tetapi taksiran dan kesalahan standarnya menjadi sangat sensitif terhadap sedikit perubahan dalam data;
5 jika multikolinearitas tinggi, R
2
yang tinggi akan diperoleh, tetapi tidak satupun atau sangat sedikit koefisien yang penting secara statistik.
Suatu model dikatakan memiliki gejala multikolinearitas apabila korelasi atau hubungan antara dua variabel bebas adalah sebesar 0,80
Sarwoko, 2005. 2. Uji Heteroskedastisitas
Suatu model regresi dikatakan baik apabila tidak melanggar asumsi homoskedastisitas, yaitu semua gangguan disturbance
µ
i
yang muncul dalam fungsi regresi populasi mempunyai varian yang sama Gujarati,
1978. Apabila asumsi ini dilanggar, maka akan menimbulkan apa yang disebut heteroskedastisitas, yaitu semua gangguan disturbance yang
muncul dalam fungsi regresi populasi mempunyai varian yang berbeda- beda.
Konsekuensi adanya heteroskedastisitas adalah koefisien-koefisien hasil estimasi,
β , β
1
,..., dan β
ι
dalam persamaan tetap tidak bias, akan tetapi nilai-nilai koefisien tersebut berfluktuasi lebih tajam daripada nilai-
nilai normalnya. Ini berarti apabila sample data ditambah maka koefisien- koefisien hasil estimasi akan ikut berubah dan berfluktuasi di sekitar nilai
tengah. Ada beberapa cara yang digunakan untuk mendeteksi adanya heteroskedastisitas, salah satunya adalah dengan menggunakan uji White
Heteroscedasticity. Hipotesis:
Ho: γ
ι
= 0 tidak terdapat heteroskedastisitas H
1 :
γ
i
≠ 0 terdapat heteroskedastisitas Kriteria uji yang digunakan:
• Apabila nilai probability ObsR-Square taraf nyata α yang digunakan, maka hipotesis Ho diterima dan dapat disimpulkan bahwa
tidak terdapat gejala heteroskedastisitas. • Apabila nilai probability ObsR-Square taraf nyata α yang
digunakan, maka hipotesis Ho ditolak dan dapat disimpulkan bahwa pada model terdapat gejala heteroskedastisitas.
3. Uji Autokorelasi Autokorelasi autocorrelation merupakan pelanggaran asumsi
klasik yang menyatakan bahwa dalam pengamatan-pengamatan yang
berbeda tidak terdapat korelasi antar error term. Adanya gejala autokorelasi atau yang sering juga disebut korelasi serial dalam suatu
persamaan akan menyebabkan persamaan tersebut memiliki selang kepercayaan yang semakin besar dan mengakibatkan pengujian menjadi
kurang akurat. Uji yang sering digunakan untuk mendeteksi ada atau tidaknya
korelasi serial adalah uji-d Durbin-Watson Stat. Nilai stat-d yang berada di kisaran angka dua menandakan bahwa pada model tersebut tidak
terdapat korelasi serial. Sebaliknya, semakin jauh dari angka dua, maka peluang terjadinya korelasi serial semakin besar.
Pengujian lain untuk mendeteksi gejala korelasi serial adalah dengan menggunakan uji serial Correlation LM test.
Hipotesa: Ho:
ρ
ι
= 0 tidak terdapat korelasi serial H
1 :
ρ
i
≠ 0 terdapat korelasi serial Kriteria uji yang digunakan:
• Apabila nilai probability ObsR-Square taraf nyata α yang digunakan, maka hipotesis Ho diterima dan dapat disimpulkan bahwa
tidak terdapat korelasi serial. • Apabila nilai probability ObsR-Square taraf nyata α yang
digunakan, maka hipotesis Ho ditolak dan dapat disimpulkan bahwa pada model terdapat korelasi serial.
2. Kriteria Statistik
1. Uji F Uji F dilakukan untuk menguji pengaruh seluruh variabel bebas terhadap
variabel terikatnya secara serentak atau bersama-sama, dengan hipotesa sebagai berikut:
Ho: β
1
= β
2
= ...= β
ι
= 0 tidak ada variabel bebas yang mempengaruhi variabel terikat
H
1 :
minimal ada satu β
ι
≠ 0 sekurang-kurangnya satu variabel bebas yang mempengaruhi variabel terikat
Kriteria uji yang digunakan: • Apabila probabilitas F-statistik taraf nyata α yang digunakan, maka
tolak Ho dan dapat disimpulkan bahwa minimal ada satu variabel bebas yang mempengaruhi variabel tak bebasnya.
• Apabila probabilitas F-statistik taraf nyata α yang digunakan, maka terima Ho dan dapat disimpulkan bahwa tidak ada variabel bebas yang
mempengaruhi variabel tak bebasnya. 2. Uji t
Uji ini digunakan untuk mengetahui pengaruh variabel-variabel bebas terhadap variabel terikat secara parsial atau terpisah dengan hipotesis
sebagai berikut; Ho:
β
ι
= 0 variabel bebas ke-i tidak mempengaruhi variabel terikat H
1 :
β
i
≠ 0 variabel bebas ke-i mempengaruhi variabel terikat
Kriteria uji yang digunakan: • Apabila probabilitas t-statistik dari masing-masing variabel taraf
nyata α yang digunakan, maka tolak Ho dan dapat disimpulkan
bahwa variabel bebas tersebut berpengaruh secara signifikan terhadap variabel tak bebasnya.
• Apabila probabilitas t-statistik dari masing-masing variabel taraf nyata
α yang digunakan, maka terima Ho dan dapat disimpulkan bahwa variabel bebas tersebut tidak mempengaruhi variabel tak
bebasnya secara signifikan. 3. Uji Tingkat Kesesuaian
Uji tingkat kesesuaian ini dapat dijelaskan oleh koefisien determinasi R
2
yang mengukur sejauh mana variabel bebas mampu menerangkan keragaman variabel tak bebasnya. Nilai R
2
berkisar antara 0 sampai dengan 1, semakin mendekati 1 berarti semakin baik.
3. Kriteria Ekonomi
Pengujian model dengan menggunakan kriteria ini berarti melihat kecocokan tanda dan nilai koefisien penduga dengan teori ekonomi yang berlaku.
Artinya, tanda dan nilai koefisien penduga todak boleh bertentangan dengan hipotesa penelitian yang dibuat sesuai dengan teori ekonomi yang berlaku.
IV. GAMBARAN UMUM INDUSTRI PERBANKAN SYARIAH
