Analisis data panel secara garis besar dibedakan menjadi dua macam yaitu statis dan dinamis. Pada analisis data panel dinamis, regressor-nya mengandung
variabel lag dependent-nya, sedangkan pada analisis data panel statis tidak. Secara umum, terdapat dua pendekatan dalam metode data panel, yaitu
Fixed Effect Model FEM dan Random Effect Model REM. Keduanya dibedakan berdasarkan ada atau tidaknya korelasi antara komponen error dengan
peubah bebas. Pada pendekatan one way komponen error hanya memasukkan komponen error yang merupakan efek dari individu
i
. Pada two way telah memasukkan efek dari waktu
t
ke dalam komponen error,
it
u diasumsikan tidak berkorelasi dangan
it
X . Jadi perbedaan antara FEM dan REM terletak pada ada atau tidaknya korelasi antara
i
dan
t
dengan
it
X .
3.3.1 Pemilihan Model dalam Pengujian Data Panel
Pemilihan model yang digunakan dalam sebuah penelitian perlu dilakukan berdasarkan pertimbangan statistik. Hal ini ditujukan untuk memperoleh dugaan
yang efisien. Diagram pengujian statistik untuk memilih model yang digunakan dapat diperlihatkan pada Gambar 6.
Gambar 6 Pengujian Pemilihan Model dalam Pengolahan Data Panel
Untuk memutuskan apakah akan menggunakan fixed effect atau random effect menggunakan uji Haussman. Hausman test dilakukan dengan hipotesis
sebagai berikut: H
: E τ
i
| x
it
= 0 atau REM adalah model yang tepat H
1
: E τ
i
| x
it
≠ 0 atau FEM adalah model yang tepat Sebagai dasar penolakan H
maka digunakan statistik Hausman dan membandingkannya dengan Chi square.
Jika nilai χ
2
statistik hasil pengujian lebih besar dari χ
2
tabel, maka cukup bukti untuk melakukan penolakan terhadap H
sehingga pendekatan yang
digunakan adalah fixed effect, begitu juga sebaliknya. 3.3.2 Uji Asumsi
Uji asumsi dilakukan untuk memenuhi persyaratan sebuah model yang akan digunakan. Setelah kita memutuskan untuk menggunakan suatu model
tertentu FEM atau REM berdasarkan HAUSMAN Test, maka kita dapat melakukan uji terhadap asumsi yang digunakan dalam model.
1 Uji Homoskedastisitas
Salah satu asumsi yang harus dipenuhi dalam persamaan regresi adalah bahwa taksiran parameter dalam model regresi bersifat BLUE Best Linier
Unbiased Estimate maka var u
i
harus sama dengan σ
2
konstan, atau semua residual atau error mempunyai varian yang sama. Kondisi itu disebut dengan
homoskedastisitas. Sedangkan bila varian tidak konstan atau berubah-ubah disebut dengan heteroskedastisitas.
Untuk mendeteksi adanya heteroskedastisitas dapat menggunakan metode General Least Square Cross section Weights yaitu dengan membandingkan sum
square residual pada Weighted Statistics dengan sum square residual unweighted Statistics. Jika sum square resid pada weighted statistics lebih kecil dari sum
square residual unweighted statistics, maka terjadi heteroskedastisitas.
1. Uji Autokorelasi
Autokorelasi adalah korelasi yang terjadi antar observasi dalam satu peubah atau korelasi antar error masa yang lalu dengan error masa sekarang. Uji
autokorelasi yang dilakukan tergantung pada jenis data dan sifat model yang digunakan. Autokorelasi dapat mempengaruhi efisiensi dari estimatornya. Untuk