ANALISIS DAN PEMBAHASAN
B. Analisis dan Pembahasan
2. Analisis Regresi Panel
Untuk menguji pengaruh corporate governance terhadap YTM sukuk, dilakukan dengan menggunakan regresi data panel.
a. Pemilihan Teknik Estimasi Regresi Panel
Untuk mendapatkan analisis regresi data panel yang terbaik antara model common, fixed atau random effect, maka dilakukan teknik pemilihan model. Terdapat tiga uji yang digunakan untuk menentukan teknik yang paling tepat untuk mengestimasi regresi data panel, diantaranya adalah (Widardjono, 2013:362):
1) Uji Signifikansi F (Uji Chow)
Uji signifikansi F (Uji Chow) digunakan untuk mengetahui apakah teknik regresi data panel dengan fixed effect lebih baik dari model regresi data panel tanpa variabel dummy (common effect).
Tabel 4.7
Hasil Uji Signifikansi F (Uji Chow)
Redundant Fixed Effects Tests Equation: Untitled
Test cross-section fixed effects
Effects Test Statistic d.f. Prob.
Cross-section F 0.462060 (17,31) 0.9522
Cross-section Chi-square 11.970059 17 0.8019
97 Hasil output di atas menunjukan bahwa nilai Prob. Cross-section F sebesar 0.9522. Untuk melihat model yang terbaik, dapat dilihat dari nilai Prob. Cross-Section F yang dibandingkan
dengan α sebesar 5%. Nilai Prob. Cross-section F sebesar 0.9522 > 0.05, maka Ho diterima dan Ha ditolak, yang berarti model yang lebih tepat digunakan adalah model common effect. Oleh sebab itu, dapat dilanjutkan dengan uji Langrange-Multiplier (LM) untuk memilih model terbaik antara common effect atau random effect.
2) Uji Langrange-Multiplier (LM)
Untuk mengetahui apakah model random effect lebih baik dari model common effect (OLS Pooled) digunakan uji Langrange Multiplier (LM).
Tabel 4.8
Hasil Uji Langrange-Multiplier (LM)
Lagrange Multiplier Tests for Random Effects Null hypotheses: No effects
Alternative hypotheses: Two-sided (Breusch-Pagan) and one-sided (all others) alternatives
Test Hypothesis
Cross-section Time Both
Breusch-Pagan 2.068218 4.291538 6.359757
(0.1504) (0.0383) (0.0117)
Sumber: data diolah dengan menggunakan EViews 9.0 (2016) Hasil output di atas menunjukan bahwa nilai Prob. Cross-section Breusch-Pagan sebesar 0.1504. Untuk melihat model yang terbaik, dapat dilihat dari nilai Prob. Cross-Section Breusch-Pagan yang dibandingkan dengan α sebesar 5%. Nilai
98 Prob. Cross-section sebesar 0.1504 > 0.05, maka keputusannya adalah Ho diterima dan Ha ditolak, yang berarti bahwa model terbaik dalam penelitian ini adalah model common effect atau OLS.
b. Uji Asumsi Klasik
Setelah mendapatkan model yang terbaik yaitu model common effect, langkah selanjutnya adalah melakukan uji asumsi klasik. 1) Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel dependen dan variabel independen maupun keduanya berdistribusi normal atau tidak. Model regresi yang baik adalah yang memiliki distribusi data normal atau mendekati normal. Apabila nilai probabilitas > α 5%, maka Ho diterima
dan Ha ditolak, yang berarti bahwa data berdistribusi normal, sedangkan jika nilai probabilitas < α 5%, dapat menerima Ha,
99 Gambar 4.1
Hasil Uji Normalitas
0 1 2 3 4 5 6 7 8 -1.5 -1.0 -0.5 0.0 0.5 1.0 1.5
Series: Standardized Residuals Sample 2011 2015 Observations 53 Mean -0.008643 Median 0.005497 Maximum 1.414058 Minimum -1.715822 Std. Dev. 0.853952 Skewness -0.172843 Kurtosis 1.960999 Jarque-Bera 2.647839 Probability 0.266090
Sumber: data diolah dengan menggunakan EViews 9.0 (2016) Dilihat dari nilai probabilitas dalam gambar di atas menunjukan hasil sebesar 0.266090. Hasil ini menunjukan bahwa nilai probabilitas 0.266090 > 0.05, maka menerima Ho dan menolak Ha, yang berarti bahwa penelitian ini memiliki data yang berdistribusi normal.
2) Multikolinearitas
Uji multikolinearitas dilakukan untuk melihat hubungan linier antara variabel independen dalam suatu regresi. Untuk mendeteksi masalah multikolinearitas dalam model regresi salah satunya dengan menguji koefisien korelasi antar variabel independen. Jika koefisien korelasi di atas 0.85, maka diduga ada multikolinearitas dalam model (Widardjono, 2013:104).
100 Tabel 4.9
Hasil Uji Multikolinearitas
BLOCK INSTOWN BRDSIZE KOMINDP
BLOCK 1.000000 -0.719013 -0.486291 0.369624
INSTOWN -0.719013 1.000000 0.222060 -0.664583
BRDSIZE -0.486291 0.222060 1.000000 -0.202181
KOMINDP 0.369624 -0.664583 -0.202181 1.000000
Sumber: data diolah dengan menggunakan EViews 9.0 (2016) Berdasarkan tabel 4.8, dapat diketahui bahwa nilai dari hubungan variabel independen satu ke variabel independen lainnya tidak ada yang melebihi 0.85 atau hubungan antara satu variabel independen dengan variabel independen lainnya < 0.85. Dapat disimpulkan bahwa penelitian ini tidak memiliki masalah multikolinearitas.
3) Autokorelasi
Autokorelasi adalah adanya korelasi antar variabel gangguan satu observasi dengan observasi lain yang berlainan waktu. Untuk mendeteksi masalah autokorelasi dapat dilakukan dengan uji Durbin-Watson (D-W). Tabel D-W terdiri atas dua nilai yaitu batas bawah (dL) dan batas atas (dU). Nilai dL dandU didapatkan dengan menentukan n (jumlah observasi) dan k (jumlah variabel independen tidak termasuk konstanta) ditabel statistik Durbin-Watson. Untuk menguji ada atau tidaknya autokorelasi, dibangun sebuah desain hipotesis sebagai berikut:
101
Ho : ρ = 0 : tidak ada autokorelasi
Ha : ρ ≠ 0 : terdapat autokorelasi Dengan aturan pengambilan keputusan:
0 < d < dL : Menolak hipotesis nol; ada autokorelasi positif
dL< d < dU : Daerah keragu-raguan; tidak ada keputusan dU < d < 4 - dU : Gagal menolak hipotesis nol; tidak ada
autokorelasi positif/negatif
4 - dU< d < 4 - dL : Daerah keragu-raguan; tidak ada keputusan 4 - dL< d < 4 : Menolak hipotesis nol; ada autokorelasi
Negatif
Tabel 4.10
Nilai Weighted Statistik Durbin-Watson
Weighted Statistics
R-squared 0.647293 Mean dependent var 20.65292
Adjusted R-squared 0.617901 S.D. dependent var 35.32993
S.E. of regression 0.888867 Sum squared resid 37.92409
F-statistic 22.02259 Durbin-Watson stat 1.781138
Prob(F-statistic) 0.000000
Sumber: data diolah dengan menggunakan EViews 9.0 (2016) Berdasarkan tabel di atas, terlihat bahwa nilai Durbin-Watson (DW) sebesar 1.781138. Nilai dL dan dU masing-masing sebesar 1.378 dan 1.721, didapat dari n = 53 dan k = 4. Dengan aturan pengambilan keputusan dU < d < 4 – dU, nilai D-W terletak diantara 1.721 < 1.7811 < 2.279 (4 – 1.721). Dapat disimpulkan bahwa dalam model ini tidak terdapat autokorelasi.
102 4) Heteroskedastisitas
Heteroskedastisitas merupakan penyimpangan terhadap asumsi homoskedastisitas, yaitu ketika variabel gangguan (error terms) mempunyai varian yang tidak konstan. Jika variabel gangguan tidak mempunyai rata-rata nol, maka tidak mempengaruhi slope, hanya akan mempengaruhi intersep. Dampak adanya hal tersebut adalah tidak efisiennya proses estimasi, sementara hasil estimasinya sendiri tetap konsisten dan tidak bias serta akan mengakibatkan hasil uji t dan uji F menjadi tidak berguna. Menurut Widardjono (2013:125), permasalahan heteroskedastisitas dapat dideteksi dengan metode White. Dasar pengambilan keputusannya adalah, jika nilai probabilitas > 0.05, maka Ho diterima yang berarti tidak terjadi heteroskedastisitas, sedangkan jika nilai probabilitas < 0.05, maka Ha diterima yang berarti terjadi heteroskedastisitas.
Tabel 4.11
Hasil Uji Heteroskedastisitas
Dependent Variable: RESID^2 Method: Panel Least Squares Date: 10/21/16 Time: 09:05 Sample: 2011 2015
Periods included: 5
Cross-sections included: 18
Total panel (unbalanced) observations: 53
Variable Coefficient Std. Error t-Statistic Prob.
C -3.029075 2.275179 -1.331357 0.1894
BLOCK 0.117774 0.190887 0.616981 0.5402
INSTOWN 0.031059 0.015428 2.013192 0.0497
BRDSIZE -0.032761 0.064975 -0.504218 0.6164
KOMINDP 0.036140 0.021485 1.682092 0.0990
103
Adjusted R-squared 0.035980 S.D. dependent var 1.188354
S.E. of regression 1.166779 Akaike info criterion 3.235960
Sum squared resid 65.34594 Schwarz criterion 3.421836
Log likelihood -80.75293 Hannan-Quinn criter. 3.307439
F-statistic 1.485196 Durbin-Watson stat 2.351430
Prob(F-statistic) 0.221444
Sumber: data diolah dengan menggunakan EViews 9.0 (2016) Berdasarkan hasil output di atas, dapat dilihat bahwa nilai Prob. (probabilitas) sebesar 0.221444 > 0.05, sehingga dapat disimpulkan bahwa data dalam penelitian ini tidak mengandung heteroskedastisitas.
c. Uji Signifikansi
Berdasarkan hasil Uji Chow dan Uji LM, model estimasi data panel yang terpilih adalah model common effect (OLS). Selanjutnya dilakukan uji signifikansi dari model yang terpilih.
Tabel 4.12
Nilai Weight Statistik Estimasi Model Common Effect
Weighted Statistics
R-squared 0.647293 Mean dependent var 20.65292
Adjusted R-squared 0.617901 S.D. dependent var 35.32993
S.E. of regression 0.888867 Sum squared resid 37.92409
F-statistic 22.02259 Durbin-Watson stat 1.781138
Prob(F-statistic) 0.000000
Sumber: data diolah dengan menggunakan EViews 9.0 (2016)
1) Uji Koefisien Determinasi (R2)
Koefisien determinasi (R2) digunakan untuk menjelaskan seberapa besar proporsi variasi variabel dependen yang dijelaskan oleh variasi variabel independen. Koefisien determinasi ini nilainya tidak pernah menurun jika kita terus
104 menambah variabel independen, artinya koefisien determinasi akan semakin besar jika kita terus menambah variabel independen dalam model. Salah satu persoalan besar penggunaan koefisien R2dengan demikian adalah nilai R2selalu naik ketika menambah variabel independen dalam model, walaupun penambahan variabel independen belum tentu mempunyai justifikasi dari teori ekonomi ataupun logika ekonomi. Para ahli ekonometrika telah mengembangkan alternatif lain yaitu digunakan R2yang disesuaikan (Widardjono, 2015:276).
Nilai adjusted R2 dalam model ini sebesar 0.647293, menunjukan bahwa pengaruh corporate governance sebagai variabel independen (blockholder, kepemilikan institusional, board size dan komisaris independen) terhadap YTM sukuk, dapat dijelaskan oleh model sebesar 64.73%, dan sisanya sebesar 35.27% dijelaskan oleh variabel lain di luar model. 2) Uji Signifikansi Simultan (Uji Statistik F)
Tabel 4.13
Nilai Weighted Statistik Estimasi Blockholder, Kepemilikan Institusional, Board Size dan Komisaris Independen terhadap
YTM Sukuk
Weighted Statistics
R-squared 0.647293 Mean dependent var 20.65292
Adjusted R-squared 0.617901 S.D. dependent var 35.32993
S.E. of regression 0.888867 Sum squared resid 37.92409
F-statistic 22.02259 Durbin-Watson stat 1.781138
Prob(F-statistic) 0.000000
105 Uji F adalah uji pengaruh semua variabel independen secara serempak terhadap variabel dependen. Uji F dapat dilakukan dengan membandingkan F hitung dan F tabel. F tabel didapat
dari besarnya α dan df. Besar df ditentukan oleh numerator (k - 1) dan df untuk denominator (n – k), dimana n adalah jumlah observasi dan k adalah jumlah variabel termasuk intersep. Berdasarkan hasil estimasi output di atas, diketahui bahwa F hitung atau F statistik sebesar 22.02259, sementara F tabel didapatkan dengan perhitungan sebagai berikut:
F tabel = α ; df = (n-k),(k-1) = 5% ; df = (53-5),(5-1) F tabel = 5% ; df (48,4) = 2.61
Dari perhitungan F tabel di atas, diketahui bahwa, nilai F hitung > F tabel (22.02259 > 2.61), maka keputusan yang diambil adalah menolak Ho dan menerima Ha. Selain itu, dapat juga membandingkan Prob (F statistic) dengan α, nilai Prob (F statistic) 0.00000 > 0.05. Hasil ini menunjukan bahwa variabel independen corporate governance (blockholder, kepemilikan institusional, board size dan komisaris independen) secara simultan atau keseluruhan signifikan berpengaruh terhadap variabel dependen YTM sukuk.
106 3) Uji Signifikansi Parsial (Uji Statistik t)
Tabel 4.14
Hasil Estimasi Blockholder, Kepemilikan Institusional, Board Size dan Komisaris Independen terhadap YTM Sukuk
Variable Coefficient Std. Error t-Statistic Prob.
C 14.08847 1.393741 10.10839 0.0000
BLOCK -0.117829 0.091081 -1.293678 0.2020
INSTOWN -0.034075 0.009580 -3.556843 0.0009
BRDSIZE -0.057976 0.022717 -2.552125 0.0139
KOMINDP -0.025045 0.016778 -1.492674 0.1421
Sumber: data diolah dengan menggunakan EViews 9.0 (2016) Uji statistik t digunakan untuk mengetahui apakah variabel independen mempengaruhi variabel dependen secara individual. Uji t dapat dilakukan dengan membandingkan nilai t hitung dan t tabel pada α dan df sebesar n-k, dimana n adalah jumlah observasi dan k adalah jumlah variabel termasuk intersep. Selain itu, dapat juga membandingkan nilai Prob dengan α. Jika nilai t hitung > nilai t tabel atau Prob> α = 5%, maka Ho ditolak yang
berarti secara statistik variabel independen signifikan mempengaruhi variabel dependen dan sebaliknya, jika nilai t hitung < nilai t tabel, maka Ho diterima yang berarti secara statistik variabel independen tidak signifikan mempengaruhi variabel dependen (Widardjono, 2015:282). Untuk memperoleh nilai t tabel dilakukan perhitungan sebagai berikut:
t tabel = ; df = (n-k) = 2.5% ; df = (53-5) t tabel = 0.025 ; df (48) = 2.021
107 Berikut ini adalah uji t dari masing-masing variabel independen terhadap variabel dependen:
a) Variabel Blockholder
Melihat hasil output pada tabel di atas, didapat nilai t hitung pada variabel independen blockholder sebesar -0.1293678, yang berarti nilai t hitung (0.1293678) < t tabel (2.021), selain itu, dapat juga membandingkan nilai Prob sebesar 0.2020 > 0.05, maka Ho ditolak dan Ha diterima. Hal ini dapat disimpulkan bahwa blockholder secara individual tidak berpengaruh signifikan terhadap YTM sukuk.
b) Variabel Kepemilikan Institusional
Berdasarkan hasil output pada tabel di atas, didapat nilai t hitung pada variabel independen kepemilikan institusional sebesar -3.556843. Bila dibandingkan dengan t tabel, nilai t hitung (3.556843) > nilai t tabel (2.021), selain itu dapat juga membandingkan nilai Prob sebesar 0.0009 < 0.05, sehingga keputusannya adalah menolak Ho dan menerima Ha. Hal ini dapat disimpulkan bahwa variabel independen kepemilikan institusional secara individual berpengaruh signifikan negatif terhadap YTM sukuk. Tanda negatif menunjukan bahwa terdapat hubungan yang berlawanan arah antara kepemilikan institusional terhadap YTM sukuk,
108 sehingga peningkatan kepemilikan institusional menyebabkan menurunnya YTM sukuk atau sebaliknya. c) Variabel Board Size
Hasil t hitung untuk variabel board size sebesar -2..552125. Bila dibandingkan dengan t tabel, nilai t hitung (2.552125) > nilai t tabel (2.021), selain itu dapat juga membandingkan nilai Prob sebesar 0.0139 < 0.05, sehingga keputusannya adalah menolak Ho dan menerima Ha. Hal ini dapat disimpulkan bahwa secara individual variabel independen board size berpengaruh signifikan negatif terhadap YTM sukuk. Tanda negatif menunjukan bahwa terdapat hubungan yang berlawanan arah antara board size terhadap YTM sukuk, sehingga peningkatan board size menyebabkan menurunnya YTM sukuk atau sebaliknya.
d) Variabel Komisaris Independen
Dapat diketahui bahwa nilai t hitung variabel komisaris independen adalah -1.492674. Bila dibandingkan dengan t tabel, nilai t hitung < t tabel (1.492674 < 2.021), selain itu dapat juga membandingkan nilai Prob sebesar 0.1421 > 0.05, sehingga keputusan yang diambil adalah menerima Ho dan menolak Ha. Hal ini dapat disimpulkan bahwa variabel komisaris independen tidak berpengaruh signifikan terhadap YTM sukuk.
109 d. Persamaan Analisis Regresi Panel
Tabel 4.15
Hasil Estimasi Blockholder, Kepemilikan Institusional, Board Size dan Komisaris Independen terhadap Yield Sukuk
Dependent Variable: YTM
Method: Panel EGLS (Cross-section weights) Date: 10/21/16 Time: 09:08
Sample: 2011 2015 Periods included: 5
Cross-sections included: 18
Total panel (unbalanced) observations: 53 Linear estimation after one-step weighting matrix
Variable Coefficient Std. Error t-Statistic Prob.
C 14.08847 1.393741 10.10839 0.0000 BLOCK -0.117829 0.091081 -1.293678 0.2020 INSTOWN -0.034075 0.009580 -3.556843 0.0009 BRDSIZE -0.057976 0.022717 -2.552125 0.0139 KOMINDP -0.025045 0.016778 -1.492674 0.1421 Weighted Statistics
R-squared 0.647293 Mean dependent var 20.65292
Adjusted R-squared 0.617901 S.D. dependent var 35.32993
S.E. of regression 0.888867 Sum squared resid 37.92409
F-statistic 22.02259 Durbin-Watson stat 1.781138
Prob(F-statistic) 0.000000
Unweighted Statistics
R-squared 0.216685 Mean dependent var 9.731887
Sum squared resid 39.00720 Durbin-Watson stat 2.297072
Sumber: data diolah dengan menggunakan EViews 9.0 (2016)
Berdasarkan Uji Chow dan Uji LM, estimasi model yang terpilih adalah dengan menggunakan model common effect (OLS). Dari hasil analisis regresi dengan menggunakan model common effect, diperoleh persamaan model sebagai berikut:
=
110 Dari persamaan regresi di atas, dapat dijelaskan bahwa:
6) Berdasarkan persamaan regresi di atas diperoleh koefisien regresi untuk konstanta sebesar 14.08847. Hal ini mengindikasikan bahwa jika variabel independen sama dengan 0, maka YTM akan meningkat sebesar 14.09%. 7) Koefisien regresi blockholder (BLOCK) sebesar negatif 0.117829 dan
tidak berpengaruh signifikan pada α = 5%. Jika variabel lainnya dianggap konstan maka blockholder tidak berpengaruh signfikan terhadap YTM sukuk.
8) Koefisien kepemilikan institusional (INSTOWN) sebesar negatif 0.034075
dan signifikan pada α = 5%. Hal ini mengindikasikan, setiap kenaikan 1%
persentase kepemilikan institusional, maka akan menurunkan YTM sebesar 0.034074% dengan asumsi variabel lain dianggap konstan.
9) Koefisien board size (BRDSIZE) sebesar negatif 0.057976 dan siginifikan
pada pada α = 5%. Hal ini mengindikasikan, setiap kenaikan 1 orang direksi, maka akan menurunkan YTM sebesar 0.057976% dengan asumsi variabel lain dianggap konstan.
10) Koefisien komisaris independen (KOMINDP) sebesar negatif 0.025045
dan tidak signifikan pada α = 5%. Jika variabel lainnya dianggap konstan
maka komisaris independen tidak berpengaruh signfikan terhadap YTM sukuk.