Kerangka Penelitian - KAJIAN PUSTAKA - PENGARUH FAKTOR INTERNAL DAN FAKTOR EKSTERNAL TERHADAP L

BAB II KAJIAN PUSTAKA

C. Kerangka Penelitian

Dalam penjabaran teori dan penelitian terdahulu maka dapat menghasilkan sebuah kerangka pemikiran dari penelitian ini seperti tampilan kerangka pada berikut ini:

1. Kerangka Penelitian Regresi Data Panel

Pengaruh Faktor Internal dan Faktor Eksternal Terhadap Laba Asuransi Jiwa Syariah di Indonesia

(Periode 2016-2020)

2. Kerangka Penelitian Autoregressive Distributed Lag (ARDL) Variabel Independen:

• Premi

• Hasil Investasi

• Inflasi

• Kurs

Variabel Dependen:

• Laba Asuransi Jiwa Syariah di Indonesia

Uji Model Common Uji Fixed Effect Random Effect Model

Uji Chow Uji Hausman

Fixed Effect/ Random Effect

Pengaruh Faktor Internal dan Faktor Eksternal Terhadap Laba Asuransi Jiwa Syariah di Indonesia

(Periode 2016-2020) Variabel Independen:

• Premi

• Hasil Investasi

• Inflasi

• Kurs

Variabel Dependen:

• Laba Asuransi Jiwa Syariah di Indonesia

Uji Stationeritas Uji Derajat Integrasi

Uji Kointegrasi Johansen

42 D. Keterkaitan Antar Variabel

1. Pengaruh Premi Terhadap Laba Asuransi Jiwa Syariah

Premi merupakan faktor yang digunakan dalam operasional perusahaan. Premi merupakan dana yang dibayarkan tertanggung kepada penanggung untuk mengganti suatu kerugian. Semakin besar biaya premi yang dibayarkan tertanggung, maka semakin besar pula dana yang akan diterima perusahaan. Semakin besar dana yang diterima perusahaan maka laba perusahaan akan meningkat. Besarnya laba suatu perusahaan asuransi jiwa syariah bergantung kepada seberapa banyak premi yang didapatkan perusahaan.

Semakin besar premi yang didapatkan diharapkan hasil operasional yang didapatkan akan semakin besar pula, hal tersebut dapat meningkatkan laba perusahaan dalam kinerjanya. Laba yang dihasilkan perusahaan menggambarkan prospek kedepan suatu perusahaan apakah perusahaan tersebut berjalan dengan baik atau tidak. Semakin besar premi yang dikumpulkan oleh perusahaan suatu perusahaan menandakan bahwa perusahaan tersebut mendapatkan peningkatan pada laba perusahaannya.

(Sastri, dkk, 2017)

2. Pengaruh Hasil Investasi Terhadap Laba Asuransi Jiwa Syariah Pengelolaan dana asuransi yang paling dominan yaitu dengan menginvestasikan dana yang terkumpul dari premi yang dibayarkan peserta asuransi kepada perusahaan. Pengaruh investasi terhadap laba yaitu

Analisis dan Interpretasi ARDL

Hubungan Jangka Pendek Hubungan Jangka Panjang

semakin tinggi kemampuan suatu perusahaan dalam mengelola dana investasi yang dimiliki, maka akan semakin tinggi pula laba yang akan perusahaan dapatkan. Investasi yang meningkat dapat memberikan sinyal positif bagi investor perusahaan.

Menurut penelitian Palupy (2006), perusahaan asuransi pada dasarnya memiliki kebutuhan penghasilan investasi yang tinggi dari aset-aset investasi yang dimiliki. Pengelolaan investasi yang baik akan memperkecil tingkat resiko kerugian dalam berinvestasi dimana pengelolaan investasi yang baik akan menciptakan hasil investasi yang baik pula dan pada akhirnya akan meningkatkan laba perusahaan.

Pengaruh hasil investasi terhadap laba yaitu semakin tinggi hasil investasi yang didapatkan perusahaan dalam kegiatan investasinya, maka akan semakin tinggi pula laba yang perusahaan dapatkan. Menurut penelitian yang dilakukan Sastri, dkk (2017) menyatakan bahwa hasil investasi berpengaruh positif terhadap laba perusahaan. Dimana jika hasil investasi meningkat maka akan meningkatkan pula keuntungan perusahaan.

Hasil investasi yang tinggi akan meningkatkan komponen pendapatan yang dihasilkan perusahaan dan tentunya meningkatkan laba perusahaan. Jika dana yang diinvestasikan besar perolehan investasinya pun akan tinggi, dimana perusahaan yang mempunyai tingkat hasil investasi yang tinggi akan semakin besar pula perolehan laba yang didapatkannya. (Sastri, dkk, 2017)

3. Pengaruh Inflasi Terhadap Laba Asuransi Jiwa Syariah

Kenaikan inflasi dapat menurunkan capital gain yang menyebabkan berkurangnya keuntungan yang diperoleh investor. Tingkat inflasi yang tinggi biasanya dikaitkan dengan kondisi ekonomi yang tidak stabil, ketidakstabilan perekonomian tersebut dapat mempengaruhi pertumbuhan laba industri salah satunya yaitu industri asuransi jiwa syariah. Inflasi yang meningkat pada cost push inflation meningkatkan harga barang mengalami peningkatan dan penurunan daya beli masyarakat, inflasi menyebabkan keuntungan perusahaan berkurang. Namun apabila inflasi tumbuh terlalu

rendah pun menandakan bahwa daya beli masyarakat rendah maka dari itu inflasi harus tumbuh dengan stabil tidak terlalu tinggi dan tidak terlalu rendah. Maka dari itu dapat disimpulkan bahwa inflasi mempunyai pengaruh negatif terhadap asuransi, karena apabila tingkat inflasi meningkat maka laba asuransi syariah akan menurun. (Faoziyyah, 2020)

4. Pengaruh Kurs Terhadap Laba Asuransi Jiwa Syariah

Nilai tukar rupiah terhadap dolar terdepresiasi (melemah), akan menimbulkan sikap khawatir dikalangan investor. Bagi investor, depresiasi rupiah terhadap dolar menandakan bahwa prospek perekonomian Indonesia suram, sebab depresiasi rupiah dapat terjadi apabila faktor fundamental perekonomian Indonesia tidaklah kuat, sehingga dolar Amerika akan menguat dan menurunkan perkonomian dan hal tersebut menurunkan tingkat pertumbuhan industri salah satunya industri asuransi jiwa syariah. Maka dari itu kurs memiliki pengaruh positif terhadap laba asuransi jiwa syariah, dimana ketika nilai kurs rupiah atas dollar meningkat maka menandakan perekonomian berjalan dengan stabil dan laba industri asuransi akan meningkat. (Yulianta & Nurjaya, 2021)

45 BAB III

METODE PENELITIAN A. Jenis dan Sumber Data

Jenis penelitian kali ini adalah penelitian asosiatif yang bertujuan untuk mengetahui hubungan antara dua variabel atau lebih. (Sujarweni, 2015).

Dimana asosiatif digunakan untuk mengetahui hubungan antara premi, hasil investasi, inflasi, dan kurs terhadap laba asuransi jiwa syariah.

Sementara kuantitatif digunakan karena data premi, hasil investasi, inflasi, dan kurs dijelaskan dengan angka-angka yang nantinya akan diolah menggunakan aplikasi pengolahan data eviews.

Data dalam penelitian ini menggunakan data sekunder. Dimana data sekunder merupakan data yang didapatkan dari suatu lembaga atau pihak lainnya yang telah dipublikasikan. Teknik pengambilan data yang dilakukan penulis yaitu dengan menggunakan berupa laporan keuangan masing-masing perusahaan asuransi jiwa unit usaha syari’ah yaitu PT. Asuransi Allianz Life Indonesia, BRI Life, PT. Asuransi Jiwa Manulife Indonesia, PT. Prudential Indonesia Assurance dan PT. Asuransi Jiwa Sinar Mas MSIG. Selain itu penelitian ini pula menggunakan data laporan publikasi pemerintah seperti OJK, Bank Indonesia dan BPS.

B. Populasi dan Sampel

Populasi penelitian ini adalah seluruh perusahaan asuransi syariah jiwa di Indonesia. Menurut data OJK per November 2020 jumlah perusahaan asuransi syariah yang beroperasi di Indonesia ada 13, terdiri atas asuransi jiwa (7), asuransi umum syariah (5), dan reasuransi syariah (1). Sedangkan jumlah UUS (Unit Usaha Syariah) sejumlah terdapat 49 perusahaan asuransi yang memiliki unit usaha syariah (www.ojk.go.id, 2021). Rinciannya yaitu adalah 24 jumlah asuransi jiwa, 22 asuransi umum syariah dan yang terakhir yaitu 3 pada reasuransi syariah. (www.ojk.go.id, 2021).

Pemilihan sampel diambil dengan metode purposive sampling berdasarkan ketentuan yaitu asuransi jiwa syariah yang terdaftar dan memiliki laporan keuangan secara lengkap mulai tahun 2016-2020. Pengambilan sampel tersebut didasarkan pada kriteria-kriteria berikut ini:

a. Unit usaha syari’ah asuransi jiwa yang secara konsisten menerbitkan laporan keuangan periode 2016-2020.

b. Unit usaha syariah asuransi jiwa yang terdaftar dalam Asosiasi Asuransi Syari’ah Indonesia (AASI) dan Otoritas Jasa Keuangan (OJK).

c. Unit usaha syariah asuransi jiwa yang memiliki kenaikan yang signfikan pada premi

d. Unit usaha syari’ah asuransi jiwa yang meraih penghargaan Infobank atas laporan kinerja keuangan keuangan yang bagus selama tahun 2016-2020.

Berdasarkan pemilihan sampel tersebut diperoleh 5 unit usaha syariah asuransi jiwa yang menjadi sampel penelitian yaitu PT. Asuransi Allianz Life Indonesia, BRI Life, PT. Asuransi Jiwa Manulife Indonesia, PT. Prudential Life Assurance dan PT. Asuransi Jiwa Sinar Mas MSIG.

C. Definisi Operasional Variabel 1. Variabel Dependen

Variabel dependen yaitu variabel yang dipengaruhi oleh variabel independen.

a. Laba

Laba merupakan kelebihan total pendapatan atas bebannya (Kasmir,2012). Laba asuransi jiwa syariah dalam penelitian ini diperoleh dari pembayaran premi peserta asuransi dan kegiatan investasi yang dilakukan perusahaan. Laba dalam penelitian ini menggunakan data laba bersih (Net Profit), yaitu laba operasi yang

didapatkan perusahaan yang telah dikurangi dengan biaya-biaya yang merupakan beban perusahaan dalam suatu periode dimana dalamnya termasuk pajak yang dibayarkan oleh perusahaan.

2. Variabel Independen

Variabel independen yaitu variabel yang mempengaruhi variabel dependen.

a. Premi

Premi didapatkan dari dana yang dibayarkan tertanggung kepada penanggung untuk mengganti suatu kerugian, kehilangan dan sebagainya (Wulandari, 2019). Premi yang dibayarkan pada penelitian ini yaitu premi yang dibayarkan pada asuransi jiwa unit usaha asuransi syariah periode 2016-2020.

b. Hasil Investasi

Hasil investasi merupakan dana yang didapatkan perusahaan atas kegiatan investasinya. Hasil investasi yang didapatkan perusahaan digunakan sebagai biaya pembayaran klaim peserta dan apabila terdapat sisa atas pembayarannya maka akan dimasukkan perusahaan ke dalam laba perusahaan (Nasution & Sistiyarini, 2019). Hasil investasi pada penelitian ini didapatkan perusahaan asuransi jiwa syariah atas investasinya pada sektor yang liquid (non riil) seperti investasi pada surat berharga. Investasi pada surat berharga seperti pada deposito, saham syariah, sukuk, government sukuk, reksadana syariah dan lain sebagainya.

c. Inflasi

Inflasi merupakan kenaikan harga secara umum dan berlangsung secara terus- menerus (www.bi.go.id, 2021). Metode perhitungan inflasi dengan menggunakan data bulanan. Sumber data berasal dari Badan Pusat Statistika dengan skala pengukuran persentase.

d. Kurs

Kurs merupakan nilai mata uang suatu negara dengan mata uang negara lain (Masri & Hadi, 2016). Penelitian ini menggunakan data

nilai mata uang rupiah terhadap dollar. Data didapatkan dari Bank Indonesia dengan jenis data bulanan dalam skala rupiah.

D. Teknik Analisis

Metode analisis pada penelitian ini ada 2 macam yaitu:

1. Metode analisis Regresi Data Panel. ➔ Teknik analisis digunakan untuk memberikan perbedaan konstanta pada masing-masing perusahaan asuransi periode 2016-2020.

2. Metode analisis Autoregressive Distributed Lag ➔ Teknik analisis digunakan untuk melihat pengaruh jangka pendek dan jangka panjang variabel independen terhadap variabel dependen.

1. Regresi Data Panel

Analisis regresi data panel adalah analisis regresi dengan struktur data panel. Data panel yaitu merupakan gabungan dari data cross section dan time series. Gujarati (2013) menyatakan bahwa regresi data panel merupakan teknik untuk menggabungkan data cross section dengan time series. Gujarati (2013) menyatakan beberapa keunggulan menggunakan data panel yaitu:

a. Data panel memberikan data yang lebih informatif, bervariasi, merendahkan tingkat kolinieritas, lebih besar degree of freedom, seta lebih efisien.

b. Data panel dapat digunakan dalam penelitian perubahan dinamis dengan menganalisis data cross section dalam beberapa periode.

c. Data panel mampu mendeteksi dan mengukur pengaruh yang tidak dapat diobservasi melalui murni data time series maupun murni data cross section.

d. Data panel dapat mempelajari model perilaku yang lebih komplek.

Contohnya fenomena skala ekonomi dan perubahan teknologi dapat lebih dipahami oleh data panel.

e. Data panel merupakan data yang berhubungan antar individu, perusahaan, negara dan lain sebagainya sepanjang waktu, maka data panel bersifat heterogen dalam unit tersebut. Teknik untuk mengestimasi data panel dapat memasukkan heteroginitas secara eksplisit untuk setiap variabel individu secara spesifik.

Sedangkan menurut Hsiao (2003) regresi data panel memiliki beberapa keuntungan utama yaitu: (Ghozali, 2017)

a. Data panel dapat memberikan peniliti jumlah yang besar, meningkatkan derajat kebebasan dalam penelitian, data yang dimiliki bervariabilitas yang besar serta mengurangi kolinieritas antar variabel independen sehingga dapat menghasilkan estimasi ekonometri yang efisien

b. Data panel memberikan informasi yang lebih banyak dibandingkan data yang hanya diberikan pada data cross section dan time series.

c. Data panel memberikan penyelesaian lebih baik dalam inferensi perubahan dinamis dibandingkan data cross section dan time series.

Dalam penelitian ini analisis regresi data panel digunakan untuk menganalisis pengaruh premi, hasil investasi, inflasi, dan kurs terhadap laba pada asuransi jiwa syariah di Indonesia pada periode 2016-2020. Hal itu dimaksudkan untuk mengetahui dan membandingkan pengaruh setiap variabel pada masing-masing perusahaan. Dalam regresi data panel terdapat 3 struktur model yaitu:

1. Common Effect Model

Model ini mengasumsikan bahwa tidak terdapat efek individual.

Dalam mengestimasi common effect model terdapat 4 parameter yaitu:

a. Ordinary Least Square (OLS), bersifat homoskedastik dan tidak ada cross-sectional correlation.

b. Weighted Least Square (WLS), bersifat heteroskedastik dan tidak ada cross-sectional correlation.

c. Seemingly Uncorelated Regression (SUR), bersifat heteroskedastik dan terdapat cross-sectional correlation

d. Feasible Generalized Least Square (FGLS) dengan proses Autoregressive (AR), bersifat heteroskedastisitas dan terdapat korelasi antar waktu pada residualnya. (Srihardianti, dkk 2016) 2. Fixed Effect Model (FEM)

FEM merupakan model yang memperhatikan adanya keberagaman variabel independen. Dalam mengestimasi fixed effect model terdapat 3 parameter. Parameter dalam fixed effect model sama dengan common effect, namun tidak termasuk Feasible Generalized Least Square (FGLS) dengan proses Autoregressive. (Srihardianti, dkk 2016)

3. Random Effect Model (REM)

Random effect terjadi apabila efek individual tidak memiliki korelasi dengan variabel independen. Dalam mengestimasi random effect model yaitu dengan Generalized Least Square (GLS) dengan asumsi homokedastik dan tidak ada cross-sectional correlation.

(Srihardianti, dkk 2016)

Dalam regresi data panel setelah melakukan rangkaian pengujian model, maka dipilihlah satu model untuk dilakukan ke dalam uji selanjutnya. Dalam penyeleksian model terdapat 3 rangkaian uji seleksi yaitu:

1. Uji Chow

Uji ini digunakan untuk memilih salah satu model dalam regresi data panel, yaitu antara Fixed Effect Model (FEM) dengan Common Effect Model (CEM). (Nasution & Sistiyarini, 2019) 2. Uji Langrange Multiplier (LM)

Uji ini digunakan untuk memilih salah satu model dalam regresi data panel, yaitu antara model Common Effect Model (PLS) atau Random Effect Model (REM). (Nasution & Sistiyarini, 2019) 3. Uji Hausman

Uji ini digunakan untuk memilih salah satu model dalam regresi data panel, yaitu antara model Fixed Model Effect (FEM) atau Random Effect Model (FEM). (Nasution & Sistiyarini, 2019) Setelah mendapatkan model yang cocok dalam analisis maka dapat dilakukan uji asumsi klasik. Uji asumsi klasik digunakan agar hasil regresi memenuhi standar BLUE (Best Linear Unbiased Estimator). Uji Asumsi Klasik terdiri dari:

a. Uji Normalitas b. Uji Multikolinearitas c. Uji Heteroskedastisitas d. Uji Autokorelasi

Uji asumsi klasik dilakukan pada penelitian ini. Uji asumsi klasik dilakukan pada uji regresi data panel. Uji asumsi klasik ini terdiri dari uji normalitas, uji multikolinearitas, uji heteroskedastisitas, dan uji autokorelasi.

a. Uji Normalitas

Uji normalitas bertujuan untuk menguji apakah di dalam regresi variabel dependen dan variabel independen atau keduanya memiliki distribusi normal atau tidak. Uji normalitas ini dilakukan dengan melihat grafik histogram, normal probability plots, dan Kolmogorov –Smirnov Test (Ghozali, 2017). Apabila nilai residual terdistribusi secara normal maka dapat dikatakan bahwa model regresi itu baik. Untuk mengetahui data terdistribusi normal atau tidak yaitu dengan melihat nilai koefisien pada Jarque Bera dan

probabilitasnya (Winarno, 2015). Jika nilai probabilitasnya (<5%) atau (0,05) maka data terdistribusi dengan normal. Dan jika nilai Jarque Bera (<2) maka data terdistribusi normal.

b. Uji Multikolinearitas

Uji multikolinearitas bertujan untuk menguji model regresi untuk menemukan adanya korelasi yang tinggi antara variabel independen (Ghozali, 2017). Model regresi yang baik pada uji multikolinearitas yaitu bebas dari masalah multikolinearitas. Jika antar variabel independen terjadi multikolinearitas sempurna maka koefisien regresi variabel X tidak dapat ditentukan dan nilai standar error menjadi tak terhingga. Cara dalam mengidentifkasi adanya korelasi yaitu dengan:

1. Nilai R2 yang dihasilkan sangat tinggi, tetapi secara individu banyak variabel independen yang tidak berpengaruh terhadap variabel dependen. Dasar pengambilan pada uji ini yaitu apabila nilai korelasi (R²) bernilai <0,8 dikatakan tidak memiliki masalah multikolinearitas.

2. Melihat nilai Tolerance dan nilai VIF. Besaran jumlah nilaai yang menunjukkan adanya multikolinearitas yaitu sebesar tolerance <0,10 atau VIF >10. (Ghazali, 2017:73)

c. Uji Heteroskedastisitas

Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan dalam varian residual satu pengamatan ke pengamatan lain. Model regresi yang baik yaitu ketika tidak terjadi heteroskedastisitas. Jika nilai signifikansi > 0,05 maka tidak terjadi masalah heteroskedastisitas dan apabila nilai signifikasi < 0,05 maka terdapat masalah heteroskedastisitas.

(Ghazali, 2017) d. Uji Autokorelasi

Uji autokorelasi digunakan untuk mengetahui apakah terjadi korelasi antara kesalahan pada periode t dengan kesalahan pada periode t-1 (periode sebelumnya) (Ghozali, 2017). Pengujian ini menggunakan metode Durbin Watson Test (DW Test). Jika nilai DW lebih besar dari upper bound (du) dan kurang dari 4-du (du < dw <

4-du). Maka tidak terdapat autokorelasi dalam model persamaan regresi tersebut (Gujarati, 2006). Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lain.

Jika nilai probability Chisquare <0,05 tidak ada masalah autokorelasi.

Pengujian Hipotesis

a. Uji F-statistik (Uji pengaruh Simultan)

Uji ini digunakan untuk mengetahui apakah semua variabel independen mempunyi pengaruh yang simultan terhadap variabel independen. Adapun langkah-langkahnya yaitu:

1. Menentukan Ho dan Ha

2. Membandingkan tingkat signifikansi dengan F hitung dengan F tabel.

Uji F bertujuan untuk menguji apakah pengaruh semua variabel independen terhadap variabel dependen sebagaimana diformulasikan dalam model regresi linear berganda maupun regresi data panel sudah tepat. Uji Statistik F menunjukkan apakah semua variabel independen yang dimasukkan dalam model regresi mempunyai pengaruh secara bersama-sama atau simulatan terhadap variabel dependen. (Ghozali, 2017). Menguji uji F yaitu dengan membandingkan nilai signifikansinya dengan nilai standard error of estimate yang telah ditetapkan sebesar 5% atau 0.05.

b. Uji t statistic

Uji t bertujuan untuk menguji signifikiansi variabel-variabel independen terhadap variabel dependen. Dalam melakukan uji t dengan menggunakan derajat kepercayaan sebesar 95% sedangkan tingkat kesalahan (α) yang ditoleransi sebesar 5%. Nilai probabilitasnya <0,05 dengan nilai α = 5% maka model yang diuji akan berpengaruh signifikan terhadap variabel-variabel tersebut.

Dalam melakukan uji t tahapan-tahapan yang digunakan yaitu:

1. Menentukan Ho dan Ha

2. Membandingkan nilai signifikansi t hitung dengan t tabel.

c. Koefisien Determinasi

Uji koefisien determinasi adalah besaran yang menunjukkan proporsi variabel independen yang mampu menjelaskan variabel dependen (Chandrarin, 2017). Koefisien determinasi digunakan untuk mengukur kemampuan variabel independen dalam menjelaskan variabel dependen dilihat pada nilai koefisien determinasinya, semakin tinggi nilai koefisien determinasinya maka semakin baik pula dalam menjelaskan variabel dependen. (Nasution

& Sistiyarini, 2019). Makin besar nilai R²maka semakin tepat suatu garis linear digunakan sebagai pendekatan. Nilai yang mendekati satu berarti variabel-variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variabel dependen. (Ghazali, 2017)

Dengan kerangka konseptual diatas maka alat analisis yang digunakan untuk menguji hipotesis penelitian adalah sebagai berikut.

Y = α + β1PREMI + β2HASIL_INV + β3IFL+ β4KURS ℮ Keterangan:

Y = Laba Perusahaan Asuransi Jiwa Syariah,

55 PREMI = Premi,

HASIL_INV = Hasil Investasi, IFL =Inflasi

KURS= Kurs α = Konstanta,

β = Koefisien Regresi,

℮ = Error (Kesalahan)

2. Autoregressive Distributed Lag

Alat analisis kedua dalam penelitian ini yaitu Autoregressive Distributed Lag (ARDL). Model ARDL dipilih karena model tersebut dapat melihat pengaruh variabel dependen dan variabel independen dari waktu ke waktu baik dalam jangka pendek maupun jangka panjang. Model ARDL merupakan gabungan dari AR (Autoregressive) dan DL (Distributed Lag) (Zaretta, 2019). Menurut Gujarati dan Porter (2012) model AR merupakan model yang menggunakan satu atau lebih data pada masa lampau variabel independen terhadap variabel dependen. Sedangkan model DL merupakan model regresi yang melibatkan data pada waktu masa kini dan masa lampau dari variabel penjelas. Model ARDL dapat membedakan respon dalam jangka panjang dan pendek dari variabel dependen terhadap perubahan dalam variabel independen.

Menurut Zaretta dan Yovita (2019) model Autoregressive Distributed Lag (ARDL) memiliki beberapa keunggulan yaitu:

1. Tidak bias dan efisien karena model ARDL dapat digunakan dalam sampel yang sedikit

2. ARDL dapat mengetimasi pengaruh jangka panjang maupun jangka pendek secara serentak yang akan mneghindarkan terjadinya masalah autokorelasi.

3. Metode ARDL dapat membedakan antar variabel independen dan variabel dependen.

Dalam menguji model ARDL terdapat beberapa tahapan dalam pengujiannya yaitu:

1. Uji Stasioneritas

Uji stasioneritas adalah proses random atau stokastik time series yang terjadi pada data time series. Konsep yang dipakai dalam uji stasioner yaitu uji akar unit. Maka apabila data runtut waktu tidak stasioner maka terdapat akar unit (unit root problem). Keberadaan akar unit dapat dilihat dengan membandingkan nilai t-statistic dengan nilai Augmented Dickey Fuller. Data dapat dikatakan stasioner apabila memenuhi tiga kriteria yaitu: (Ghozali, 2017)

a. Jika rata-rata konstan sepanjang waktu.

b. Jika variannya konstan sepanjang waktu.

c. Kovarian pada data time series hanya bergantung dari lag antara 2 periode.

Data yang tidak stasioner akan menimbulkan fenomena autokorelasi dan tidak dapat menggeneralisasi hasil regresi tersebut untuk waktu yang berbeda. Untuk mengetahui apakah data stasioner atau tidak maka digunakan uji akar unit. Uji akar unit dilakukan dengan melihat nilai Augmented Dickey Fuller (ADF) dengan hipotesa sebagai berikutGhozali, 2017)

a. H0: terdapat unit root (data tidak stasioner) b. H1: tidak terdapat unit root (data stasioner)

Dalam melihat data stasioner atau tidak dapat dilihat berdasarkan nilai Prob < Alpha maka H0 di tolak, artinya data stasioner. Pengujian ini dilakukan untuk mengetahui derajat atau order diferensi keberapa data akan stasioner. Jika ternyata data tidak stasioner pada derajat pertama maka pengujian dapat

dilakukan pada tingkat diferensi pertama mapaun kedua.

(Insukrindo, 1992) 2. Uji Derajat Integrasi

Uji derajat integrasi dilakukan apabila data tidak stasioner pada tingkat derajat pertama. Uji derajat integrasi dilakukan pada tingkat diferensi pertama sampai pada tingkat diferensi kedua. (Ghozali, 2017)

3. Uji Kointegrasi

Uji kointegrasi dilakukan untuk memberi indikasi awal bahwa model yang digunakan memiliki hubungan jangka panjang. Kointegrasi menjadi syarat mutlak digunakannya model ECM dan ARDL. ECM merupakan model linear dinamik untuk mengoreksi adanya ketidakseimbangan. Dalam model ECM data-data yang digunakan haruslah stasioner pada tingkat yang sama. Sedangkan apabila variabel-variabel tidak stssioner pada tingkat yang sama maka model yang digunakan menggunakan model ARDL. (Ghozali, 2017)

Dalam model ARDL uji kointegrasi yang digunakan berbeda dengan model ECM. Dalam metode ARDL ui kointegrasi yang digunakan adalah uji Bound Testing approach berdasarkan uji statistic F dan dapat pula menggunakan uji Johansen Cointegration, dimana indikatornya yaitu nilai trace

Dalam dokumen PENGARUH FAKTOR INTERNAL DAN FAKTOR EKSTERNAL TERHADAP LABA ASURANSI JIWA SYARIAH. (Studi Pada Unit Usaha Syariah Asuransi Jiwa di Indonesia (Halaman 57-0)