Uji Hausman Estimasi Model Regresi Data Panel

66 H 1 : Fixed Effect Model FEM Dengan ketentuan apabila nilai probabilitas 0,05, maka H diterima dan tolak H 1 yang artinya model yang tepat menggunakan pendekatan random effect. Namun apabila nilai probabilitas 0,05, maka H ditolak dan menerima H 1 yang artinya model yang tepat adalah menggunakan pendekatan fixed effect. Tabel 4.10 Hasil Random Effect Model Dependent Variable: ROA Method: Panel EGLS Period random effects Sample: 2011Q1 2016Q2 Periods included: 22 Cross-sections included: 4 Total panel balanced observations: 88 Swamy and Arora estimator of component variances Variable Coefficient Std. Error t-Statistic Prob. C 9.587571 0.507040 18.90889 0.0000 D_METODE -0.103566 0.066711 -1.552465 0.1244 CAR -0.009170 0.006934 -1.322593 0.1896 NPF -0.083294 0.018234 -4.568094 0.0000 BOPO -0.085230 0.005032 -16.93702 0.0000 FDR -0.006064 0.003244 -1.869267 0.0652 Effects Specification S.D. Rho Period random 0.087645 0.1257 Idiosyncratic random 0.231185 0.8743 Weighted Statistics R-squared 0.870319 Mean dependent var 0.667536 Adjusted R-squared 0.862412 S.D. dependent var 0.650367 S.E. of regression 0.241240 Sum squared resid 4.772126 F-statistic 110.0644 Durbin-Watson stat 1.109178 ProbF-statistic 0.000000 Unweighted Statistics R-squared 0.862990 Mean dependent var 0.837727 Sum squared resid 5.534992 Durbin-Watson stat 1.069765 Sumber : Output Eviews 67 Tabel 4.11 Hasil Uji Hausman Correlated Random Effects - Hausman Test Equation: Untitled Test period random effects Test Summary Chi-Sq. Statistic Chi-Sq. d.f. Prob. Period random 0.000000 5 1.0000 Period test variance is invalid. Hausman statistic set to zero. Sumber : Output Eviews Berdasarkan hasil output di atas nilai probabilitas 1.000 tingkat signifikansi α = 0,05, maka H diterima dan tolak H 1 Karena hasil tersebut menunjukkan bahwa H diterima, maka dapat dikatakan bahwa random effect model lebih tepat digunakan daripada fixed effect model.

D. Uji Statistik

Berdasarkan hasil uji chow dan uji hausman, dapat disimpulkan bahwa model yang lebih tepat digunakan dalam penelitian ini adalah model random effect. Langkah selanjutnya adalah melakukan uji signifikansi model yang terpilih.

1. Uji Pengaruh Parsial Uji t

Uji parsial atau uji t digunakan untuk menguji pengaruh setiap variabel independen terhadap variabel dependennya. Apabila nilai t hitung t tabel, maka tolak H dan dapat disimpulkan bahwa variabel independen berpengaruh secara nyata terhadap variabel dependennya. Apabila nilai t hitung 68 t tabel, maka terima H dan dapat disimpulkan bahwa variabel independen tidak mempengaruhi variabel dependennya secara nyata. Dengan hipotesis : H : Variabel independen dummy metode pemisahan, CAR, NPF, BOPO dan FDR secara parsial tidak berpengaruh signifikan terhadap ROA. H 1 : Variabel independen variabel dummy metode pemisahan, CAR, NPF, BOPO dan FDR secara parsial berpengaruh signifikan terhadap ROA. Dengan menggunakan tingkat keyakinan 95 atau α = 5, dan df = n-k = 82, maka didapat bahwa t tabel pada penelitian ini adalah sebesar 1,98932. Selain itu, dapat pula dilihat dari nilai probabilitas pada variabel independen. Apabila probabilitas lebih kecil dari nilai α = 0,05 maka dapat disimpulkan bahwa variabel independen berpengaruh signifikan terhadap variabel dependen. Berikut hasil pengujian hipotesis variabel independen secara parsial terhadap variabel dependen uji t pada penelitian ini: a. Pengaruh Metode Pemisahan Terhadap ROA Bank Umum Hasil Pemisahan Berdasarkan tabel 4.10 dapat dilihat bahwa nilai probabilitas variabel dummy metode pemisahan sebesar 0,1244 . Nilai tersebut lebih besar dari α = 0,05 0,1244 0,05, sehingga dapat dikatakan bahwa metode pemisahan tidak berpengaruh secara signifikan terhadap Return On Asset ROA bank umum syariah hasil pemisahan. Hasil tersebut dibuktikan kembali dengan melihat t tabel. Berdasarkan hasil t hitung pada variabel dummy metode pemisahan