BAB III METODE PENELITIAN
E. Jenis dan Sumber Data
Jenis data yang digunakan pada penelitian ini adalah sekunder, berupa data laporan keuangan perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia periode 2016-2020 yang diperoleh dari website resmi Bursa Efek Indonesia yaitu www.idx.co.id.
2. Sumber data
Data yang digunakan dalam penelitian ini berasal dari situs resmi Bursa Efek Indonesia yaitu www.idx.co.id. data yang dimaksud adalah laporan keuangan perusahaan manufaktur yang terdaftar di Bursa efek Indonesia periode 2016-2020.
F. Teknik Pengumpula Data
Teknik pengumpulan data merupakan terpenting dalam melaukan penelitian karena tujuan utama dari penelitian ini adalah memperoleh data (Sugiyono, 2014:401). Teknik pengumpulan data yang digunakan yaitu teknik dokumentasi yaitu Pengumpulan data dilakukan dengan cara mengumpulkan data sekunder berupa laporan keuangan perusahaan yang diperoleh melalui situs web resmi Bursa Efek Indonesia di www.idx.co.id.
G. Teknik Analisis Data
Sesuai dengan tujuan dan hipotesis penelitian, analisis data ini bertujuan untuk mengetahui seberapa besar pengaruh variabel independen (variabel bebas) dalam mempengaruhi variabel dependen (variabel terikat).
Pada penelitian ini data diolah dengan menggunakan alat olah data statistik yaitu EVIEWS.
Analisis dalam penelitian ini menggunakan data panel yang merupakan gabungan antara data deret waktu (time series) dan data deret lintang (cross section).
Analisis regresi dilakukan dengan melihat pengaruh variabel laba kotor, laba operasi dan laba bersih terhadap arus kas di masa mendatang.
Maka pada penelitian ini, analisis regresi yang digunakan denganmetode analisis regresi data panel dengan persamaan sebagai berikut:
Yit = β0 + β1X1it + β2X2it + β3X3it + εit Keterangan:
Yit = Arus kas masa mendatang
β0 = Konstanta
X1it = Laba kotor X2it = Laba Operasi X3it = Laba bersih
β1...β3 = koefisien variabel independen i = cross section
t = time series
untuk mengistemasikan koefisien-koefisien data panel , program EVIEWS menyediakan beberapa teknik yaitu:
1. Analisis Deskriptif
Statistik deskriptif merupakan sebuah pengujian yang memberikan gambaran atau deskripsi suatu data yang dilihat dari nilai rata-rata (mean),
standar deviasi, maksimum, minimum dan lain-lain dari masing-masing variable yang digunakan pada penelitian ini.
2. Metode estimasi model regresi
Menurut Widarjono (2007:251) untuk mengistemasikan parameter model dengan data panel, terdapat tiga model yang digunakan:
a) Model common effect
Model common effect merupakan teknik sederhana yang digunakan untuk mengistemasikan data panel dengan mengkombinasikan cross section dan times square sebagai satu kesatuan tanpa melihat adanya perbedaan waktu dan individu Pendekatan yang dipakai pada model ini adalah metode Ordinary Least Square (OLS). Berdasarkan asumsi ini maka model CEM dinyatakan sebagai berikut:
Yit = β0 + β1X1it + β2X2it + β3X3it + εit b) Model fixed effect
Model fixed effect merupakan teknik yang menggunakan variabel dummy untuk mengetahui perbedaan karakter antara objek penelitian. Agar dapat membedakan satu objek dengan objek lainnya maka digunakan variabel semu. Sehigga model ini sering juga disebut dengan least square dummy variabels (LSDV).
Yit = β0 + β1X1it + β2X2it + β3D1i + εit
c) Model random effect
Model rancom effect merupakan teknik mengistemasikan data panel, dimana variabel gangguan memungkinkan akan saling
berhubungan antar individu dan waktu. Perbedaan antar individu dan waktu diakomodasikan lewat error. Dengan adanya korelasi antar variabel gangguan maka metode OLS tidak dapat digunakan maka model random effect menggunakan metode Generalized Least Square (GLS).
Yit = β0 + µi + β1X1it + β2X2it + β3X3it + εit 3. Pemilihan model regresi
Terdapat tiga jenis uji untuk memilih teknis estimasi data panel yaitu uji Chow (uji statistik F), uji hausman, dan uji lagrange multiplier (Widarjono, 2007:258).
1) Uji chow, bertujuan untuk menguji atau menentukan model fixed effect atau common effect yang paling tepat digunakan untuk mengistimasi data panel. Pengambilan keputusan jika:
a. Nilai prob. F < batas kritis, maka H0 ditolak atau model fixed effect yang terpilih dari pada model common effect
b. Nilai prob. F > batas kritis, maka H0 diterima atau model Common effect yang terpilih dari pada model fixed effect.
2) Uji hausman, bertujuan untuk menguji atau menentukan model fixed effect atau random effect yang paling tepat digunakan untuk mengistimasi data panel. Pengambilan keputusan jika:
a. Nilai chi squares hitung > chi squares tabel atau nilai profitabilitas chi squares < taraf signifikasi, maka H0 ditolak atau model fixed effect yang terpilih dari pada model random effect.
b. Nilai chi squares hitung < chi squares tabel atau nilai profitabilitas chi squares > taraf signifikasi, maka H0 diterima atau model random effect yang terpilih dari pada model fixed effect.
3) Uji lagrange multiplier, bertujuan untuk menguji atau menentukan model random effect atau common effect yang paling tepat digunakan.
Pengambilan keputusan jika:
a. nilai p value < batas kritis, maka H0 ditolak atau model random effect yang terpilih dari pada model common effect.
b. nilai p value > batas kritis, maka H0 diterima atau model common effect yang ter[ilih dari pada model random effect.
4. Uji asumsi klasik
Uji asumsi klasik dilakukan untuk menguji kelayakan atas model regresi yang digunakan dalam penelitian ini. Uji asumsi klasik terdiri atas uji normalitas, uji autokorelasi. Uji heteroskedastisitas dan uji multikoliniaritas.
a. Uji normalitas
Uji normalitas digunakan untuk menguji apakah variabel-variabel dalam model regresi panel berdistribusi normal atau tidak. Model regresi yang baik adalah memiliki distribusi data normal atau mendekati normal. Untuk mendeteksi normalitas data dapat dilakukan menggunakan uji jarque bera dengan menggunakan ukuran skewness dan kurtosis. Menurut Widarjono (2007:54) Pedoman yang akan digunakan dalam pengambilan kesimpulan adalah sebagai berikut:
a) Jika nilai chi squares hitung < chi squares tabel atau probabilitas jarque bera > taraf signifikan, H0 diterima atau berdistribusi normal.
b) Jika nilai chi square hitung > chi square tabel atau probabilitas jarque bera < taraf signifikan, maka H0 di tolak atau tidak berdistribusi normal.
b. Uji multikoliniaritas
Uji multikoliniaritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas (independen).
Untuk mendeteksi multikoliniaritas dapat menggunakan metode korelasi berpasangan. Metode ini lebih bermanfaat karena dapat mendeteksi secara rinci variabel bebas apa saja yang memiliki korelasi kuat. Menurut Widarjono (2007:114). pengambiilan keputusan untuk metode korelasi berpasangan dilakukan jika:
a. Nilai korelasi masing-masing variabel bebas < 0,85, H0 diterima, atau tdak terjadi multikolinieritas.
b. Nilai korelasi masing-masing variabel bebas > 0,85 maka H0 ditolak atau terjadi multikolinieritas.
c. Uji autokorelasi
Uji autokorelasi dilakukan untuk mengetahui ada tidaknya korelasi antar faktor pengganggu yang satu dengan yang lainnya.
Metode untuk mendeteksi autokorelasi yaitu grafik, langrange multiplier, durbin-waston dan run. Data autokorelasi pada data panel dapat menggunakan uji Durbin-Watson untuk mendeteksi autokorelasi di Eviews. Penentuan pengambilan keputusan autokorelasi sebagai berikut:
1. Jika d < dl, maka terdapat autokorelasi positif 2. Jika d > (4-dl), maka terjadi autokorelasi negatif
3. Jika du < d < (4-dl), maka tidak terdapat autokorelasi 4. Jika dl < d < du atau (4-du), maka tidak dapat disimpulkan d. Uji heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah tedapat ketidaksamaan dari residual satu pengamatan ke residual pengamatan lain dalam model regresi. Metode white dapat digunakan sebagai metode alternatif untuk mendeteksi heteroskedastisitas. Metode ini juga dapat digunakan dengan cross terms maupun tanpa adanya cross terms. Menurut Widarjono (2007:141) pengambilan keputusan white dilakukan jika:
a. Nilai chi squares hitung < chi squares tabel atau probabilitas chi squares > taraf signifikansi, maka H0 diterima atau tdak terdapat heteroskedastisitas.
b. Nilai chi squares hitung > chi squares tabel atau probabilitas chi squares < taraf signifikansi, maka H0 di tolak atau terdapat heteroskedastisitas.
5. Uji hipotesis
Pegujian hipotesis pada penelitian ini menggunakan pengujian secara persial (uji T).
a. Uji t
Uji t digunakan untuk melakukan uji persial terhadap hipotesis untuk mengetahui variabel independen memiliki pengaruh secara individu terhadap variabel dependen. Menerut Gujarati, (2007:105), pengambilan keputusan uji t dilakukan jika:
Nilai t hitung > t tabel atau nilai prob. t-statistik < taraf signifikasi,
maka H0 di tolak yang berarti variabel bebas berpengaruh di dalam model terhadap variabel terikat.
Nilai t hitung > t tabel atau nilai prob. t-statistik > taraf signifikansi,
maka H0 di terima yang berarti variabel bebas tidak berpengaruh di dalam model terhadap variabel terikat.
b. Koefisien determinasi
Nilai koefisien determinasi pada dasarnya mengukur seberapa baik kemampuan model dapat menjelaskan perubahan variabel dependen. Nilai koefisien determinasi adalah di antara nol dan satu.
Jika nilai R2 mendekati angka satu maka model dianggap baik dan sebaliknya jika nilai R2 mendekati 0 maka model tersebut kurang baik (Widarjono, 2007:198). Oleh karena itu, kualitas model regresi di tentukan oleh nilai R2 yaitu Antara 0 dan 1. Dengan adanya kelemahan bahwa nilai R2 tidak menurun maka digunakan nilai adjusted R2, dimana nilai adjusted R2 mampu naik atau turun apabila terjadi penabahan satu variabel independen.
46 BAB IV
HASIL PENELITIAN DAN PEMBAHASAN
A. Gambaran Umum Objek Penelitian 1. Deskripsi Objek Penelitian
Pasar modal sudah ada jauh sebelum indonesia merdeka. Pasar modal atau bursa efek sudah ada sejak zaman penjajahan Belanda yang terjadi di Batavia pada tahun 1912. Pasar modal waktu itu didirikan oleh pemerintah Hindia Belanda untuk kepentingan pemerintah atau VOC.
Meskipun pasar modal telah hadir sejak tahun 1912. namun pertumbuhan dan perkembangan pasar modal tidak berkembang sesuai yang diharapkan, dan bahkan ada beberapa kegiatan pasar modal mengalami kevakuman. Hal tersebut disebabkan oleh berbagai factor seperti perang dunia ke I dan II, penyerahan kekuasaan dari pemerintah colonial kepada pemerintah Republik Indoneisa dan berbagai kondisi yang menghambat operasi Bursa Efek tidak berjalan sesuai yang diharapkan.
Pada tahun 1956-1977 berdagangan di bursa efek harus vakum.
Pemerintah Republik Indonesia memulai kembali pasar modal pada tahum 1977, dan presiden Suharto meresmikan kembali Bursa Efek pada 10 Agustus 1987. Peluncuran kembali pasar modal ini juga di tandai dengan go public PT. Semen Cibinong sebagai emiten pertama.
Namun pada tahun 19770-1987 perdagngan Bursa Efek sangat lesu, hanya mencapai 24 emiten. Pada saat itu, masyarakat lebih memilih menggunakan perbankan dibandingkan dengan pasar modal. Namun
beberapa tahun kemudian, dengan berbagai insentif dan regulasi yang dikeluarkan oleh pemerintah, pasar modal mengalami pertumbuhan.
Bursa Efek Indonesia merupakan gabungan dari Bursa Efek Jakarta (BEJ) dengan Bursa Efek Indonesia Surabaya (BES). Dari pertimbangan efisiensi operasional dan transaksi, pemerintah memutuskan untuk menggabungkan Bursa Efek Jakarta menjadi pasar saham, dan Bursa Efek Surabaya menjadi pasar obligasi dan derivative menjadi BEI. Penggabungan akan mulai beroperasi pada tanggal 1 Desember 2007.
2. Visi dan Misi Bursa Efek Indonesia
Visi : Menjadi bursa yang kompetitif dengan kredibilitas tingkat dunia Misi : Menciptakan infrastruktur pasar keuangan yang terpercaya dan kredibel untuk mewujudkan pasar yang teratur, wajar, dan efisien, serta dapat diakses oleh semua pemangku kepentingan melalui produk dan layanan yang inovati
3. Struktur Organisasi
Gambar 4.1
Struktur Organisasi Bursa Efek Indonesia
4. Nama-nama perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia (BEI).
Adapun beberapa perusahaan manufaktur yang dijadikan sampel pada penelitian ini sebagai berikut:
Tabel 4.1 Sampel Penelitian
No Kode Saham Nama Perusahaan Sub Sektor Industri
1 INTP Indocement Tunggal
Prakarsa tbk Semen
2 SMBR Semen Baturaja (Persero)
Tbk Semen
3 SMGR Semen Indonesia Tbk Semen
4 WTON Wijaya Karya Beton Tbk Semen
5 ARNA Arwana Citramulia Tbk Keramik, Porselen, dan Kaca
6 MARK Mark Dynamics Indonesia Tbk
Keramik, Porselen, dan kaca
7 MLIA Mulia Industrindo Tbk Keramik, porselen, dan Kaca
8 ALKA Alaska Industrindo Tbk Keramik, porselen, dan Kaca
9 INAI Indal Aluminium Industry Tbk Logam & Sejenisnya 10 ISSP Steel Pipe Industry o
Indonesia Tbk Logam & Sejenisnya
11 AGII Aneka Gas Industri Tbk Kimia
12 DPNS Duta Pertiwi Nusantara Tbk Kimia
13 EKAD Ekadharma Internasional Tbk Kimia 14 INCI Intanwijaya Internasional Tbk Kimia
15 SRSN Indo Acidatama Tbk Kimia
16 AKPI Argha karya Prima Industry
Tbk Plastik & Kemasan 17 IGAR Champion Pratama Industri
tbk Plastik & Kemasan 18 IMPC Impack Pratama Industri Tbk Plastik & Kemasan 19 TALF Tunas Alfin Tbk Plastik & Kemasan 20 TRST Trias Sentosa Tbk Plastik & Kemasanta
21 CPIN Chareon Pokphand
Indonesia Tbk Pekan Ternak 22 JPFA Japfa Comfeed Indonesia
Tbk Pekan Ternak
23 ALDO Alkindo Naratama Tbk Bubur Kertas & Kertas 24 FASW Fajar Surya Wisesa Bubur Kertas & Kertas 25 KDSI Kedawung Setia Industrial
Tbk Bubur Kertas & kertas
26 SPMA Suparma Tbk Bubur Kertas & Kertas
27 AMIN Ateliers Mecaniques
D’Indonesie Tbk Mesin & Alat Berat 28 ASII Astra International Tbk Otomotif & Komponen 29 INDS Indospring Tbk Otomotif & Komponen 30 SMSM Selamat Sempurna Tbk Otomotif & komponen
31 IKBI Sumi Indo Kabel Tbk Kabel
32 JECC Jembo Cable Company Tbk Kabel
33 KBLM Kabelindo Murni Tbk Kabel
34 SCCO Suoreme cable
Manufacturing & Commerce Kabel
35 VOKS Voksel Electric Tbk Kabel
36 JSKY Sky energy Indonesia Tbk Elektronika 37 ADES Akasha Wira International
Tbk Makanan & Minuman 38 BUDI Budi Starch & Sweetener Tbk Makanan & Minuman 39 CAMP Campina Ice Cream Industry
Tbk Makanan & Minuman 40 CEKA Wilmar Cahaya Indonesia
Tbk Makanan & Minuman 41 CLEO Sariguna Primatirta Tbk Makanan & Minuman 42 DLTA Delta Djakarta Tbk Makanan & Minuman
43 ICBP Indofood CBP Sukses
makmur tbk Makanan & Minuman 44 INDF Indofood Sukses Makmur
Tbk Makanan & Minuman 45 MLBI Multi Bintang Indonesia Tbk Makanan & Minuman 46 MYOR Mayora Indah Tbk Makanan & Minuman 47 ROTI Nippon Indosari Corpindo
Tbk Makanan & Minuman
48 SKBM Sekar Bumi Tbk Makanan & Minuman
49 STTP Siantar Top Tbk Makanan & Minuman
50 TBLA Tunas Baru lampung Tbk Makanan & Minuman 51 ULTJ Ultra jaya Milk Industry &
Trading Company Tbk Makanan & Minuman
52 GGRM Gudang Garam Tbk Rokok
53 HMSP H.M. Sampoerna Tbk Rokok
54 WIIM Wismilak Inti Makmur Tbk Rokok
55 DVLA Daryna-Varia Laboratoria Tbk Farmasi
56 KAEF Kimia Farma Tbk Farmasi
57 KLBF Kalbe Farma Tbk Farmasi
58 MERK Meck Tbk Farmasi
59 PEHA Phapros Tbk Farmasi
60 PYFA Pyridam farma Tbk Farmasi
61 SCPI Merck Sharp Dohme Pharma
Tbk Farmasi
62 SIDO Industri Jamu dan Farmasi
sido Muncul Tbk Farmasi
63 TSPC Tempo Scan Pacific Tbk Farmasi
64 KINO Kino Indonesia Tbk Kosmetik & Keperluan Rumah Tangga 65 UNVR Unilever Indonesia tbk Kosmetik & Keperluan
Rumah Tangga 66 CINT Chitose Internasional Tbk Peralatan Rumah
Tangga
67 HRTA Hartadinata Abadi Tbk Lainnya
Sumber: data BEI 2016-2020
B. Penyajian Data dan Hasil Penelitian
Peneliti melakukan penelitian ini dengan penyajian data dan hasil dari penelitian dengan mengambil populasi dari perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia pada tahun 2016-2020. Berdasarkan tabel pemilihan dan penentuan sampel sebelumnya diperoleh sampel sebanyak 67 perusahaan. Adapan pengujian ini dengan menggunakan program Eviews 11 untuk memperoleh hasil penelitian adalah sebagai berikut:
1. Statistik Deskriptif
Statistic deskriptif merupakan sebuah pengujian yang memberikan gambaran atau deskripsi suatu data yag dilihat dari nilai minimum, maksumum, nilai rata-rata (mean), dan standar deviasi dari masing-masing variabel. Berikut merupakan hasil analisis statistic deskriptif.
Tabel 4.2 Statistik Deskriptif
Sumber : Hasil Olah Data Eviews 11, 2021
Berdasarkan tabel diatas pada variabel arus kas (Y) menunjukkan nilai rata-rata sebesar -4.547943, nilai tertingginya sebesar 0.061949 Maka data tersebut menunjukkan bahwa perusahaan manufaktur yang terdaftar di bursa efek indonesia masih ada perusahan yang memiliki arus kas rendah bahkan ada yang negatif.
Variabel Laba Kotor (X1) menunjukkan nilai rata-rata 0.203005, nilai tertinggi sebesar 1.661610 yang terjadi pada PT. Semen Indonesia (Persero) Tbk ditahun 2016, kemudian nilai terendah 0.0000009 yang terjadi pada PT. Astra Internasional Tbk ditahun 2016, dengan nilai standar deviasi 0.276449.
Variabel Laba Operasi (X2) menunjukkan nilai rata-rata sebesar 0.104903, nilai tertinggi sebesar 1.577547 yang terjadi pada PT. Jembo Cable Company Tbk ditahun 2016 kemudian nilai terendah 0.0000003
Date: 09/18/21 Time: 15:47 Sample: 2016 2020
LOG(ARUS... LABA_KOTOR LABA_OPE... LABA_BERSIH
Mean -4.547943 0.203005 0.104903 0.077370
Median -3.237426 0.090468 0.037289 0.022505 Maximum 0.061949 1.661610 1.577547 2.596706 Minimum -14.32494 9.00E-07 3.18E-07 4.52E-07 Std. Dev. 3.326750 0.276449 0.194902 0.187088 Skewness -0.842745 1.813125 4.300753 8.271481 Kurtosis 2.714070 6.368250 26.77000 101.7852
Jarque-Bera 40.79506 341.9066 8919.355 140032.6 Probability 0.000000 0.000000 0.000000 0.000000
Sum -1523.561 68.00680 35.14241 25.91903
Sum Sq. Dev. 3696.467 25.52570 12.68758 11.69062
Observations 335 335 335 335
terjadi pada PT. Astra Internasional Tbk ditahun 2020 dengan nilai standar deviasi 0.194902.
Variabel Laba Bersih (X3) menunjukkan nilai rata-rata sebesar 0.077370, nilai tertinggi sebesar 2.596706 yang terjadi pada PT. Mark Tbk ditahun 2018, kemudian nilai terendah 0.0000005 terjadi pada PT. Astra Internasional Tbk ditahun 2016 dengan nilai standar deviasi 0.187088.
2. Metode Estimasi Model Regresi
Estimasi model regresi data panel memiliki tujuan untuk memprediksi parameter model regresi yaitu nilai intersep atau konstanta dan slope atau koefisien regresi. Menggunakan data panel pada regresi akan menghasilkan intersep dan slope yang berbeda pada setiap perusahaan pada periode tertentu. Terdapat tiga teknik yang ditawarkan untuk mengestimasikan model dengan data panel yaitu Model Common Effect, Model Fixed Effect dan Model random Effect.
a. Model Common Effect
Tabel 4.3
Model Common Effect
Sumber : Hasil Olah Data Eviews 11, 2021
Dependent Variable: LOG(ARUS_KAS) Method: Panel Leas t Squares Date: 09/18/21 Tim e: 15:48 Sam ple: 2016 2020 Periods included: 5 Cros s -s ections included: 67
Total panel (balanced) obs ervations : 335
Variable Coefficient Std. Error t-Statis tic Prob.
C -5.908705 0.193631 -30.51524 0.0000
LABA_KOTOR 4.944918 0.649518 7.613216 0.0000
LABA_OPERASI 2.454546 1.049753 2.338213 0.0200
LABA_BERSIH 1.285108 1.032368 1.244816 0.2141
Root MSE 2.800435 R-s quared 0.289263
Mean dependent var -4.547943 Adjus ted R-s quared 0.282821 S.D. dependent var 3.326750 S.E. of regres s ion 2.817305 Akaike info criterion 4.921307 Sum s quared res id 2627.216 Schwarz criterion 4.966849 Log likelihood -820.3189 Hannan-Quinn criter. 4.939463 F-s tatis tic 44.90459 Durbin-Wats on s tat 0.263313 Prob(F-s tatis tic) 0.000000
Terknik ini adalah teknik yang paling sederhana dalam mengestimasikan data panel, karena menggabungkan data cross section dan time series menjadi satu kesatuan tanpa melihat adnya perbedaan antara waktu dan individu. pada model ini tidak memperhatikan dimensi waktu dan individu, sehingga perilaku data perusahaan sama dalam berbagai kurun waktu.
b. Model Fixed Effect
Tabel 4.4 Model Fixed Effect
Sumber : Hasil Olah Data Eviews 11, 2021
Teknik ini menggunakan variabel Dummy untuk mengestimasikan data panel untuk mengetahui adanya perbedaan intersep. Ini didasarkan pada perbedaan intersep antara perusahaan, namun intersepnya sama antar waktu. Model ini mengasumsikan bahwa slope tetap antar perusahaan dan antar waktu.
Dependent Variable: LOG(ARUS_KAS) Method: Panel Least Squares Date: 09/18/21 Time: 15:49 Sample: 2016 2020 Periods included: 5 Cross-sections included: 67
Total panel (balanced) observations: 335
Variable Coefficient Std. Error t-Statistic Prob.
C -5.067224 0.108536 -46.68698 0.0000
LABA_KOTOR 1.750741 0.421817 4.150471 0.0000 LABA_OPERASI 1.126857 0.690868 1.631074 0.1041 LABA_BERSIH 0.590162 0.432413 1.364811 0.1735
Effects Specification Cross-section fixed (dummy variables)
Root MSE 0.917901 R-squared 0.923643
Mean dependent var -4.547943 Adjusted R-squared 0.903761 S.D. dependent var 3.326750 S.E. of regression 1.032037 Akaike info criterion 3.084456 Sum squared resid 282.2515 Schwarz criterion 3.881438 Log likelihood -446.6463 Hannan-Quinn criter. 3.402189 F-statistic 46.45702 Durbin-Watson stat 1.955093 Prob(F-statistic) 0.000000
c. Model Random Effect
Tabel 4.5 Model Random Effect
Sumber : Hasil Olah Data Eviews 11, 2021
Teknik ini mengestimasikan dimana variabel gangguan memungkinkan akan saling berhubungan antar waktu dan individu.
perbedaa antar individu dan waktu diakomodasikan lewat error.
3. Pemilihan Model Regresi
Model regresi data panel harus dilakukan pengujian untuk memilih dari ketiga model regresi yang telah di estimasi mana yang tepat digunakan pada penelitian ini. Pengujian model regresi yang dilakukan dalam penelitian ini sebagai berikut:
Dependent Variable: LOG(ARUS_KAS)
Method: Panel EGLS (Cross-section random effects) Date: 09/19/21 Time: 02:08
Sample: 2016 2020 Periods included: 5 Cross-sections included: 67
Total panel (balanced) observations: 335
Swamy and Arora estimator of component variances
Variable Coefficient Std. Error t-Statistic Prob.
C -5.173261 0.335583 -15.41573 0.0000
LABA_KOTOR 2.083180 0.408224 5.103035 0.0000 LABA_OPERASI 1.459046 0.662089 2.203700 0.0282 LABA_BERSIH 0.638020 0.430244 1.482926 0.1390
Effects Specification
S.D. Rho
Cross-section random 2.610686 0.8648
Idiosyncratic random 1.032037 0.1352
Weighted Statistics
Root MSE 1.042571 R-squared 0.132200
Mean dependent var -0.791749 Adjusted R-squared 0.124335 S.D. dependent var 1.120843 S.E. of regression 1.048851 Sum squared resid 364.1294 F-statistic 16.80816 Durbin-Watson stat 1.529923 Prob(F-statistic) 0.000000
Unweighted Statistics
R-squared 0.204849 Mean dependent var -4.547943 Sum squared resid 2939.248 Durbin-Watson stat 0.189535
a. Uji Chow
Uji chow digunakan untuk memilih apakah model fixed effect atau common effect yang paling tepat digunakan untuk mengistimasi data panel. Berikut merupakan hasil pengujian dengan menggunakan uji chow pada aplikasi Eviews:
Tabel 4.6 Uji Chow
Sumber : Hasil Olah Data Eviews 11, 2021
Berdasarkan tabel diatas diperoleh hasil berupa nilai probabilitas chi squares 0.0000. karena itu nilai probabilitas chi squares lebih besar dari taraf signifikansi (0.0000<0.05), artinya model fixed effek yang lebih tepat dibandingkan model common effect.
b. Uji Hausman
Uji hausman digunakan untuk memilih apakah model fixed effect atau random effect yang paling tepat digunakan pada penelitian ini.
Pengujian hausman dilakukan dengan hipotesis berikut:
Berikut merupakan hasil pengujian dengan mengunakan uji hausman.
Redundant Fixed Effects Tests Equation: Untitled
Test cross-section fixed effects
Effects Test Statistic d.f. Prob.
Cross-section F 33.358137 (66,265) 0.0000
Cross-section Chi-square 747.345189 66 0.0000
Tabel 4.7 Uji Hausman
Sumber : Hasil Olah Data Eviews 11, 2021
Berdasarkan tabel diatas diperoleh hasil berupa nilai probabiliats chi squares sebesar 0.0031. karena nilai probabilitas chi squares lebih kecil dari taraf signifikansi (0.0031<0.05), maka model fixed effect yang lebih tepat dibandingkan model random effect.
4. Uji Asumsi Klasik a. Uji Normalitas
Uji normalitas digunakan untuk menguji apakah variabel-variabel pada model regresi panel berdistribusi normal atau tidak. Model regresi yang baik adalah memiliki distribusi data normal atau mendekati normal. Untuk mendeteksi normalitas dapat dilakukan dengan menggunakan uji jarque bera.
Sumber : Hasil Olah Data Eviews 11, 2021 Gambar 4.2
Uji Normalitas
Correlated Random Effects - Hausman Test Equation: Untitled
Test cross-section random effects
Test Summary Chi-Sq. Statistic Chi-Sq. d.f. Prob.
Cross-section random 13.873413 3 0.0031
Cross-section random 13.873413 3 0.0031