Uji Dasar Asumsi Klasik

144 Menurut Widarjono 2009:240 dasar penolakan terhadap hipotesis diatas adalah dengan membandingkan antara nilai statistik Hausman dan nilai kritisnya. Jika nilai statistik Hausman nilai kritisnya = H ditolak Jika nilai statistik Hausman niali kritisnya = H diterima Tabel 4.16 Uji Hausman Correlated Random Effects - Hausman Test Equation: REM2 Test cross-section random effects Test Summary Chi-Sq. Statistic Chi-Sq. d.f. Prob. Cross-section random 12.638559 8 0.1249 Sumber: Data diolah 2016 menggunakan Eviews 8.0 Seperti yang dapat dilihat pada output diatas tabel 4.16. nilai prob menunjukkan sebesar 0,1249 untuk Cross-section Random, yang berarti lebih besar dari 0,05. Selain itu untuk nilai statistik Hausman didapat sebesar 12,638559. sementara nilai kritis Chi- square dengan df sebesar 8 pada α = 5 adalah sebesar 15,50731 yang berarti nilai kritis Chi-square lebih besar dari nilai statistik Hausman. Dengan demikian dapat disimpulkan bahwa H diterima dan H 1 ditolak dengan tingkat keyakinan 95 persen yang berarti model model yang paling tepat untuk digunakan dalam penelitian ini adalah model Random Effect.

6. Uji Dasar Asumsi Klasik

Hasil penelitian diatas dapat diketahui bahwa persamaan regresi yang paling sesuai adalah model Random Effect dengan data perusahaan 145 2010-2014. Syarat agar dapat menggunakan persamaan regresi tersbut adalah dengan terpenuhinya asumsi klasik untuk mendapatkan estimator yang linear, tidak bias dan mempunyai varian yang minimum atau BLUE Best Linear Unbiased Estimator dari suatu persamaan regresi dengan metode kuadrat kecil Least Square. Persyaratan asumsi klasik yang harus dipenuhi adalah sebagai berikut :

a. Uji Normalitas

Uji normalitas bertujuan utnuk menguji apakah nilai residual yang telah terstandarisasi dalam model regresi panel variabel- variabelnya berdistribusi normal atau tidak. Model regresi yang baik adalah model yang memiliki distribusi data normal atau mendekati normal. Tidak terpenuhinya normalitas pada umumnya disebabkan karena distribusi data yang dianalisistidak normal, karena terdapat nilai ekstrem pada data yang diambil. Nilai ektrem ini dapat terjadi karena adanya kesalahan dalam pengambilan sampel, bahkan karena kesalahan dalam melakukan input data atau memang karena karakteristik data tersebut sangat jauh dari rata-rata Suliyanto, 2011:69. Dalam penelitian ini, normalitas data diketahui dengan membandingkan statistik Jarque-Bera JB dengan x 2 tabel. Jika nilai Jarque-Bera JB ≤ x 2 tabel maka nilai residual terstandarisasi dinyatakan berdistribusi normal Suliyanto, 2011:75. 146 Menurut Winarno 2011, untuk mengetahui sebuah data berdisitribusi normal atau tidak dapat dilakukan dengan melihat probabilitasnya, apabila lebih besar dari 5 bila menggunakan tingkat signifikansi tersebut, maka data berdistribusi normal. Berikut adalah hipotesis, hasil dari uji normalitas dan keputusan yang diambil berdasarkan uji normalitas dengan pengolahan menggunakan software Eviews 8.0. Hipotesis yang digunakan dalam uji normalitas adalah sebagai berikut : H : residual dari model berdistribusi normal H 1 : residual dari model tidak berdistribusi normal Gambar 4.10 Uji Normalitas 2 4 6 8 10 12 -0.10 -0.05 0.00 0.05 0.10 0.15 Series: Standardized Residuals Sample 2010 2014 Observations 65 Mean 5.29e-17 Median -0.004490 Maximum 0.170008 Minimum -0.124874 Std. Dev. 0.065207 Skewness 0.322342 Kurtosis 2.954564 Jarque-Bera 1.131219 Probability 0.568014 Sumber: Data diolah 2016 menggunakan Eviews 8.0 Pada hasil grafik histogram Kebijakan Hutang DAR diatas menunjukkan nilai Jarque-Bera JB sebesar 1,131219 yang jika dibandingkan dengan niai x 2 tabel dengan df sebesar 8 pada α = 5 adalah sebesar 15,50731. Karena nilai statistik Jarque-Bera JB 1,131219 ≤ nilai x 2 tabel 15,50731 dan nilai probabilitas yang 147 lebih besar dari 5 yaitu 0,568014. Maka dapat disimpulkan bahwa data yang dipakai dalam penelitian ini terstandarisasi berdistribusi normal.

b. Uji Multikolinearitas

Uji Multikolinearitas bertujuan untuk menguji apakah dalam model regresi panel ditemukan adanya korelasi antar variabel independen atau tidak. Adanya multikolinearitas masih menghasilkan estimatir BLUE, tetapi menyebabkan suatu model mempunyai varian yang besar Widarjono, 2009:104. Menurut Widarjono 2009:106 ada aturan dalam menentukan ada tidaknya multikolinearitas dalam suatu model, yaitu: Jika koefisien korelasi 0,8 maka diduga adanya multikolinearitas dalam model Jika koefisien korelasi 0,8 maka diduga tidak adanya multikolinearitas dalam model. Tabel 4.17 Uji Multikolinearitas Sumber: Data diolah 2016 menggunakan Eviews 8.0 DPR FCF GROWTH _ASSET GROWTH _SALES LIKUIDIT AS ROA SIZE STRUKTUR _AKTIVA DPR 1 -0.11825 -0.31004 -0.27232 0.161531 0.259642 -0.3263 -0.01379 FCF -0.11825 1 -0.64573 0.008595 0.089716 0.856981 -0.27888 0.81015 GROWTH_ASSET -0.31004 -0.64573 1 0.331225 -0.2633 -0.69509 0.406042 -0.60723 GROWTH_SALES -0.27232 0.008595 0.331225 1 -0.12712 -0.09766 0.169978 -0.01214 LIKUIDITAS 0.161531 0.089716 -0.2633 -0.12712 1 0.094564 -0.54985 -0.07465 ROA 0.259642 0.856981 -0.69509 -0.09766 0.094564 1 -0.43388 0.794239 SIZE -0.3263 -0.27888 0.406042 0.169978 -0.54985 -0.43388 1 -0.16525 STRUKTUR_AKTIVA -0.01379 0.81015 -0.60723 -0.01214 -0.07465 0.794239 -0.16525 1 148 Dari matriks korelasi diatas terlihat bahwa hubungan antara variabel independennya semuanya berada dibawah 0,8 sehingga dapat disimpulkan bahwa data yang digunakan dalam penelitian ini terbebas dari masalah multikolinearitas.

c. Uji Heteroskedastisitas

Dalam mengetahui ada tidaknya masalah heteroskedastisitas dapat dilakukan dengan uji Park deteksi masalah heteroskedastisitas varian yang tidak konstan atau masalah heteroskedastisitas muncul karena residual ini tergantung dari variabel independennya yang ada didalam model. Uji heteroskedastisitas dalam penelitian ini menggunakan uji Park dengan hipotesis sebagai berikut : H : Probability 0,05 : tidak ada heteroskedastisitas H 1 : Probability 0,05 : ada heteroskedastisitas 149 Tabel 4.18 Uji Park Dependent Variable: LOGRES2 Method: Panel EGLS Cross-section random effects Date: 032616 Time: 23:44 Sample: 2010 2014 Periods included: 5 Cross-sections included: 13 Total panel balanced observations: 65 Swamy and Arora estimator of component variances Variable Coefficient Std. Error t-Statistic Prob. C -9.980811 8.037879 -1.241722 0.2195 DPR -0.366394 0.739302 -0.495595 0.6221 FCF -2.621598 2.549089 -1.028445 0.3082 GROWTH_ASSET -1.759522 2.046957 -0.859580 0.3937 GROWTH_SALES -0.173299 0.457556 -0.378748 0.7063 LIKUIDITAS -0.220679 0.139804 -1.578484 0.1201 ROA 2.683498 2.198638 1.220527 0.2274 SIZE 0.161633 0.269716 0.599271 0.5514 STRUKTUR_AKTIVA -1.507445 1.949873 -0.773099 0.4427 Sumber: Data diolah 2016 menggunakan Eviews 8.0 Dari hasil uji park diatas dapat dilihat bahwa semua variabel independen nilai probabilitasnya lebih besar dari 0,05 yaitu sebesar 0,6221, 0,3082, 0,3937, 0,7063, 0,1201, 0,2274, 0,5514 dan 0,4427 maka dapat disimpulkan H diterima yang berarti data dalam penelitian ini tidak mengandung gejala heteroskedastisitas atau dikatakan tidak terjadi heteroskedastisitas.

d. Uji Autokorelasi

Uji autokorelasi bertujuan untuk mengetahui apakah dalam model regresi terjadi korelasi antara variabel pengganggu error pada periode t dan periode t-1 sebelumnya. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lainnya Imam Ghozali, 2005. 150 Untuk mendeteksi ada tidaknya masalah autokorelasi model regresi data panel dalam penelitian ini dilakukan dengan uji Durbin Watson DW. Uji DW merupakan salah satu uji yang banyak dipakai untuk mengetahui ada tidaknya autokorelasi Winarno, 2011:5.28. Tabel 4.19 Pengambilan keputusan ada tidaknya autokorelasi dengan uji Durbin Watson DW Tolak H berarti ada autokorelasi positif Tidak dapat diputuskan Tidak menolak H berarti tidak ada autokorelasi Tidak dapat diputuskan Tolak H berarti ada autokorelasi negatif d L d U 2 4-d U 4-d L 4 1,10 1,54 2,46 2,90 Tabel 4.20 Uji Autokorelasi Weighted Statistics R-squared 0.949864 Mean dependent var 0.101524 Adjusted R-squared 0.942702 S.D. dependent var 0.170376 S.E. of regression 0.040783 Sum squared resid 0.093141 F-statistic 132.6212 Durbin-Watson stat 1.738838 ProbF-statistic 0.000000 Sumber: Data diolah 2016 menggunakan Eviews 8.0 Dari hasil output tabel uji autokorelasi diatas terlihat bahwa nilai Durbin-Watson statistik sebesar 1,738838 yang berada diantara 1,54 dan 2,46 sehingga dapat disimpulkan bahwa model dalam penelitian ini tidak mengandung masalah autokorelasi.

7. Uji Hipotesis a. Uji Signifikansi F Simultan