Sebelum analisis data panel dilakukan, maka harus dilakukan dulu uji asumsi klasik untuk memastikan apakah model regresi digunakan tidak terdapat
masalah normalitas, multikolinearitas, heteroskedastisitas, dan autokorelasi. Jika terpenuhi maka model analisis layak digunakan.
3.8.1 Statistik Deskriptif
Statistik deskriptif dalam penelitian pada dasarnya merupakan proses transformasi data penelitian dalam bentuk tabulasi sehingga mudah dipahami dan
diinterprestasikan. Tabulasi menyajikan ringkasan, pengaturan atau penyusunan data dalam bentuk tabel numerik dan grafik. Statistik deskriptif umumnya
digunakan oleh peneliti untuk memberikan informasi mengenai karakteristik variable penelitian yang utama. Ukuran yang digunakan dalam deskripsi antara
lain berupa rata-rata mean, median, modus, standar deviasi, maksimum, dan minimum.
3.8.2 Uji Asumsi Klasik
Uji asumsi klasik adalah persyaratan statistik yang harus dipenuhi pada analisis regresi linear berganda yang berbasis ordinary least square OLS. Jadi
analisis regresi yang tidak berdasarkan OLS tidak memerlukan persyaratan asumsi klasik, misalnya regresi logistik atau regresi ordinal. Demikian juga tidak semua
uji asumsi klasik harus dilakukan pada analisis regresi linear, misalnya uji multikolinearitas tidak dapat dipergunakan pada analisis regresi linear sederhana.
Uji asumsi klasik juga tidak perlu dilakukan untuk analisis regresi linear yang bertujuan untuk menghitung nilai pada variabel tertentu. Misalnya nilai
return saham yang dihitung dengan market model, atau market adjusted model. Perhitungan nilai return yang diharapkan dilakukan dengan persamaan regresi,
tetapi tidak perlu diuji asumsi klasik
Ada lima uji asumsi klasik yang digunakan dalam penelitian ini yaitu uji normalitas, uji multikolinearitas, uji heteroskedastisitas, dan uji autokorelasi.
a. Uji Normalitas
Uji normalitas digunakan untuk melihat apakah nilai residual terdistribusi normal atau tidak. Model regresi yang baik adalah memiliki nilai residual
yang terdistribusi normal. Jadi uji normalitas bukan dilakukan pada masing-masing variabel tetapi pada nilai residualnya. Sering terjadi
kesalahan yang jamak yaitu bahwa uji normalitas dilakukan pada masing- masing variabel. Hal ini tidak dilarang tetapi model regresi memerlukan
normalitas pada nilai residualnya bukan pada masing-masing variabel penelitian. Uji normalitas dapat dilakukan dengan uji histogram, uji
normal P Plot, uji Chi Square, Skewness dan Kurtosis atau uji Kolmogorov Smirnov.
b. Uji Multikolinearitas
Multikolinearitas adalah kondisi adanya hubungan liniear antar variabel independen. Karena melibatkan beberapa variabel independen, maka
multikolinearitas tidak akan terjadi pada persamaan regresi sederhana yang
terdiri atas satu variabel dependen dan satu variabel independen Winarno 2009:5.
penelitian ini mendeteksi multikolinieritas dengan melakukan uji korelasi parsial antar variabel independen. Jika koefisien korelasi diatas 0,85, dapat
disimpulkan terdapat masalah multikolinieritas pada model. Sebaliknya, jika koefisien korelasi relatif rendah 0,85 maka diduga model tidak
mengandung unsur multikolinearitas Ajija, 2011:35.
c. Uji Heteroskedastisitas
Uji heteroskedastisitas
adalah untuk
melihat apakah
terdapat ketidaksamaan varians dari residual satu ke pengamatan ke pengamatan
yang lain. Model regresi yang memenuhi persyaratan adalah di mana terdapat kesamaan varians dari residual satu pengamatan ke pengamatan
yang lain tetap atau disebut homoskedastisitas. Uji heteroskedasitas dalam penelitian ini dilakukan dengan cara, melihat pola residual dari hasil
estimasi regresi. Jika residual bergerak konstan, maka tidak ada heteroskedasitas. Akan tetapi, jika residual membentuk suatu pola tertentu,
maka hal tersebut mengindikasikan adanya heteroskedasitas.
d. Uji Autokorelasi
Uji autokorelasi adalah untuk melihat apakah terjadi korelasi antara residual kesalahan penggangu antara suatu periode t dengan periode
sebelumnya t -1. Secara sederhana adalah bahwa analisis regresi adalah untuk melihat pengaruh antara variabel bebas terhadap variabel terikat,
jadi tidak boleh ada korelasi antara observasi dengan data observasi
sebelumnya. Uji autokorelasi hanya dilakukan pada data time series runtut waktu dan tidak perlu dilakukan pada data cross section seperti
pada kuesioner di mana pengukuran semua variabel dilakukan secara serempak pada saat yang bersamaan. Beberapa uji statistik yang sering
dipergunakan adalah uji Durbin-Watson.
Uji DW dilakukan dengan formula berikut.
d = 2 1
2 1
.
t t
t
e e
e
∑
−
........................................................................3.6
Mekanisme tes Durbin Watson adalah sebagai berikut, dengan mengasumsikan bahwa asumsi yang mendasari tes dipenuhi :
1. Jika H adalah bahwa tidak ada korelasi positif, maka jika
d d
L
: H ditolak
d d
L
: H diterima
d
L
≤ d ≤ d
U
: Pengujian tidak meyakinkan
2. Jika H adalah bahwa tidak ada korelasi negatif, maka jika
d 4 - d
L
: H ditolak
d 4 - d
U
: H diterima
4 – d
U
≤ d ≤ 4 – d
L
: Pengujian tidak meyakinkan
3. Jika H adalah dua-ujung, yaitu bahwa tidak ada korelasi positif
atauapun negatif, maka jika d d
L
: H ditolak
d 4 - d
L
: H ditolak
d
U
d 4 - d
U
: H diterima
atau d
L
≤ d ≤ d
U
Pengujian tidak meyakinkan 4 - d
U
≤ d ≤ 4 – d
L
3.8.3 Rancangan Analisis Data
