BAB II LANDASAN TEORI DAN TELAAH LITERATUR
3.2. Hipotesis Penelitian
3.2.6. Pengaruh Stock Turnover Terhadap Asimetri Informasi
Perputaran saham menunjukkan seberapa sering saham diperjual berikan dimana semakin sering saham diperjual belikan semakin besar pula kepercayaan perusahaan terhadap publik. Mahardika (2018) menyatakan bahwa bahwa
semakin sering saham diperjualbelikan menunjukkan tingkat likuiditas yang tinggi serta kepercayaan akan informasi yang disampaikan sehingga akan menarik investor untuk menanamkan modalnya diperusahaan. Hal ini didukung oleh penelitian Tzu-Yi (2016) dimana rasio perputaran saham digunakan sebagai salah satu proksi dari asimetri informasi dan memperoleh hasil yang negatif signifikan terhadap asimetri informasi. Berdasarkan uraian tersebut maka dapat diambil hipotesis sebagai berikut:
H6: Stock turnover berpengaruh negatif terhadap asimetri informasi
3.2.7. Good governance dalam memoderasi pengaruh antara XBRL terhadap asimetri informasi
Good governance menunjukkan tata kelola yang baik dalam pengawasan kegiatan perusahaan adanya tata kelola ini, perusahaan akan menyampaikan informasi yang bermanfaat terhadap pihak-pihak yang berkepentingan. Penelitian yang dilakukan Mahardika (2018) menunjukkan bahwa good governance akan mempengaruhi hubungan antara XBRL terhadap asimetri informasi secara negatif dimana menunjukkan adanya penggunaan XBRL akan memperkuat mengurangi asimetri informasi. Berdasarkan uraian tersebut maka dapat diambil hipotesis sebagai berikut :
H7 : Good governance mampu memoderasi pengaruh antara XBRL terhadap asimetri informasi
3.2.8. Good governance dalam memoderasi pengaruh pengungkapan sukarela terhadap asimetri informasi
Pentingnya pengungkapan sukarela membantu pihak yang berkepentingan melihat sukarela perusahaan dalam menyampaikan informasi tambahan agar terhindarnya asimetri informasi pada perusahaan. Disamping itu, adanya tata kelola yang baik juga mendukung penguatan berkaitan tentang pengungkapan sukarela akan memperkuat pengaruh negatif terhadap asimetri informasi. Hasil penelitian yang dilakukan oleh Indriani (2013) menunjukkan bahwa pengungkapan sukarela berpengaruh terhadap asimetris informasi. Berdasarkan uraian tersebut makadapat diambil hipotesis sebagai berikut :
H8: Good governance mampu memoderasi pengaruh antara pengungkapan sukarela terhadap asimetri informasi.
3.2.9. Good governance dalam memoderasi pengaruh volatility terhadap asimetri informasi
Adanya informasi baru yang masuk akan mempengaruhi investor dalam mengambil keputusan. Oleh sebab itu, volatility akan berdampak terhadap peningkatan asimetri informasi. Hal ini didukung oleh penelitian yang dilakukan Cahyani, dkk (2019) yang menyatakan bahwa volatility berpengaruh terhadap asimetri informasi. Tetapi adanya good governance bertujuan untuk mengawasi informasi yang disampaikan sehingga akan mengurangi pengaruhnya terhadap asimetri informasi. Berdasarkan uraian tersebut maka dapat diambil hipotesis sebagai berikut :
H9: Good governance mampu memoderasi pengaruh antara volatility terhadap asimetri informasi
3.2.10. Good governance dalam memoderasi pengaruh kualitas audit terhadap asimetri informasi
Informasi yang disampaikan pada laporan keuangan membantu investor dalam membuat keputusan. Informasi yang bias akan membuat investor kesulitan dalam membuat keputusan investasi. Oleh sebab itu, kualitas audit akan membantu investor dalam memastikan bahwa informasi yang disampaikan dalam laporan keuangan sudah wajar. Disamping itu, adanya tata kelola yang baik pada perusahaan akan memperkuat informasi yang wajar sehingga akan mengurangi terjadinya asimetri informasi. Oleh sebab itu, adanya kualitas audit yang baik akan mengurangi terjadinya asimetri informasi dengan melalui pengawasan tata kelola yang baik pada perusahaan.
Shobani (2012) mendefinisikan kualitas audit adalah kemungkinan auditor akan menemukan dan melaporkan salah saji material dalam laporan keuangan klien atau sistem akuntansi. Tujuan dari auditor adalah menyediakan reliabilitas dari laporan keuangan, maka kualitas audit merupakan terbebasnya laporan keuangan dari salah saji material. Penelitian Setiawan dan Daljono (2013) yang menggunakan proksi tersebut menyatakan bahwa kualitas audit berpengaruh negatif. Berdasarkan uraian tersebut maka dapat diambil hipotesis sebagai berikut:
H10 : Good governance mampu memoderasi pengaruh antara kualitas audit terhadap asimetri informasi
3.2.11. Good Governance dalam memoderasi pengaruh firm size terhadap asimetri informasi
Good governance merupakan salah satu sistem pengendalian internal perusahaan yang salah satu tujuan utama yaitu mewujudkan tata kelola yang baik pada perusahaan sehingga dapat terhindardari risiko yang signnifikan. Salah satu prinsip dari good governance yaitu transparansi, dengan diterapkannya prinsip tersebut perusahaan akan menghasilkan kualitas laporan keuangan yang baik dan dapat terhindar dari risiko asimetri informasi. Manajer dituntut untuk menciptakan tata kelola perusahaan yang baik agar kinerja perusahaan semakin baik dan tingkat kepercayaan investor juga meningkat, yang selanjutnya akan berpengaruh kepada nilai dari perusahaan itu sendiri. Dengan ukuran perusahaan yang besar serta didukung dengan tata kelola yang baik akan memberikan kinerja dan kepercayaan yang baik juga terhadap publik serta terhindar dari asimetri informasi.
Berdasarkan uraian tersebut maka dapat diambil hipotesis sebagai berikut :
H11 : Good governance mampu memoderasi pengaruh antara firm size terhadap asimetri informasi
3.2.12. Good Governance dalam memoderasi pengaruh stock turnover terhadap asimetri informasi
Stock turnover menunjukkan adanya perputaran perdagangan saham dimana publik mengidentifikasi kinerja yang baik yang terdapat diperusahaan.
Disamping itu, tata kelola yang baik pada perusahaan akan menjamin informasi
yang disampaikan memberikan keuntungan bagi investor dan men gurangi adanya asimetri informasi. Berdasarkan uraian diatas dapat ditarik hipotesis bahwa:
H12 : Good governance mampu memoderasi pengaruh antara stock turnover terhadap asimetri informasi
53 4.1. Desain Penelitian
Desain penelitian merupakan arahan yang digunakan untuk menghubungkan antara pertanyaan penelitian dengan metode penelitian (Erlina, 2019). Desain penelitian ini adalah penelitian eksplanatori yaitu desain penelitian untuk menganalisis hubungan antara variabel untuk menguji suatu teori atau hipotesis dari penelitian yang sudah ada. Sugiyono (2017) berpendapat bahwa penelitian eksplanatori disebut juga penelitian kausal, dimana hubungan kausal adalah hubungan yang bersifat sebab akibat yang terdiri dari variabel independen, dan variabel dependen.
Dalam penelitian ini, metode yang digunakan adalah dokumentasi, yaitu dengan mengumpulkan data sekunder perusahaan sampel berupa laporan keuangan, catatan-catatan maupun informasi lainnya yang berkaitan dengan penelitian melalui pustaka, media internet dan media masa lainnya. Data yang digunakan merupakan data sekunder, yaitu data primer yang telah diolah lebih lanjut, misalnya dalam bentuk angka, tabel, grafik, diagram dan sebagainya sehingga lebih informatif jika digunakan oleh pihak luar (Umar, 2003). Data sekunder pada penelitian ini berasal dari laporan keuangan perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia periode 2010-2020 yang diunduh dari situs Bursa Efek Indonesia yaitu www.idx.co.id .
4.2. Definisi Operasional Variabel
Definisi operasional merupakan suatu definisi yang didasarkan pada karakteristik yang dapat diobservasi dari apa yang sedang didefinisikan atau mengubah konsep-konsep yang berupa konstruk dengan kata-kata yang menggambarkan perilaku atau gejala yang dapat diminati dan yang dapat diuji dan ditentukan kebenarannya oleh orang lain (Sarwono, 2006).
4.2.1. Variabel Dependen
Variabel dependen dalam penelitian ini adalah Asimetri Informasi.
Pengukuran tingkat asimetri informasi di pasar modal tidak dapat diobservasi secara langsung. Oleh karena itu diperlukan proksi yang dapat menggambarkan tingkat asimetri informasi. Penelitian ini mengukur tingkat asimetri Informasi dengan menggunakan analisis rasio bid –ask spread. Penggunaan bid –ask spread sebagai salah satu proksi asimetri informasi selaras dengan penelitian yang dilakukan oleh Yoon et al. (2011), F Tzu et al. (2016), Chong et al (2017).
4.2.2. Variabel Independen
Variabel independen disebut juga variabel bebas, Sugiyono (2017) berpendapat bahwa variabel bebas merupakan variabel yang mempengaruhi atau yang menjadi sebab perubahan atau timbulnya variabel dependen (terikat). Maka variabel independen pada penelitian ini terdiri dari:
4.2.2.1. eXtensible Business Reporting Language (XBRL)
XBRL adalah penggunaan teknologi untuk pelaporan keuangan, sehingga laporan keuangan yang disajikan telah terformat standarisasi, dan lebih mudah diakses untuk analisis lebih lanjut. XBRL merupakan dummy variable untuk adopsi XBRL, yang bernilai 1 jika berada pada periode setelah pengadopsian XBRL (sudah mengadopsi) dan akan bernilai 0 jika berada pada periode sebelum pengadopsian (belum mengadopsi). Hal ini dikarenakan penelitian ini bertujuan melihat pengaruh pengadopsian XBRL terhadap asimetri informasi sehingga variabel ini diperlakukan sebagai variabel dummy.
4.2.2.2. Pengungkapan Sukarela
Pengungkapan sukarela merupakan tambahan informasi yang diungkapkan perusahaan dalam laporan keuangan yang sifatnya sukarela sehingga membantu pihak yang berkepentingan dalam membuat keputusan.Adapun pengungkapan sukarela diukur dengan daftar indek pengungkapan sukarela yang diterbitkan melalui peraturan Bapepam No: KEP-347/BL/2012. Adapun perhitungannya diukur melalui pembagian dari total pengungkapan sukarela yang disampaikan pada laporan keuangan dibagi total item pengungkapan sukarela yang seharusnya.
4.2.2.3. Volatility
Volatility (volatilitas) saham mengindikasikan tingkat risiko ketidakpastian saham. Untuk mendapatkan standar deviasi tahunan, standar deviasi harian
tersebut disetahunkan dengan cara mengalikan dengan akar 250, dengan asumsi bahwa terdapat 250 hari perdagangan dalam satu tahun. Jika asimetri informasi cukup rendah dan pasar cukup efisien, maka volatilitas harga saham cenderung rendah. Wang et al (2014) berpendapat bahwa jika terjadi peningkatan asimetri informasi maka akan menyebabkan volatilitas harga saham meningkat karena adanya adverse selection yang cukup kuat di antara investor di pasar modal.
4.2.2.4. Kualitas Audit
Kualitas audit diidentifikasi sebagai pihak luar yang dipercayakan prinsiple untuk memeriksa laporan keuangan yang disampaikan oleh agen berkaitan dengan kegiatan operasional perusahaan selama 1 tahun atau 1 periode akuntansi. Pengukuran dari kualitas audit ini menggunakan variabel dummy dimana apabila diperiksa oleh KAP yang berafiliasi dengan big four maka diberi nilai 1 sedangkan apabila tidak berafiliasi dengan big four akan diberi nilai 0.
4.2.2.5. Firm Size
Penelitian yang di lakukan oleh Yoon et al (2011) penerapan XBRL pada perusahaan besar dapat mengurangi tingkat asimetri informasi lebih signifikan dari pada perusahaan kecil maupun menengah. Selain itu, pada penelitian sebelumnya menemukan bahwa asimetri informasi mempunyai hubungan negatif dengan ukuran perusahaan (Chiang dan Venkatesh 1988; Hasbrouck 1991;
Greenstein dan Sami 1994; Leuz dan Verrecchia 2000; Easley et al. 2002).
Perusahaan besar cenderung mempunyai aktivitas perdagangan lebih sering dan menerima sorotan dari media dan para analis, sehingga asimetri informasi perusahaan besar lebih rendah daripada perusahaan kecil. Yoon et al (2011) ukuran perusahaan dihitung dengan menggunakan kapitalisasi pasar saham yaitu, harga saham x jumlah saham yang beredar pada periode itu.
4.2.2.6. Stock Turnover
Stock turnover menunjukkan jumlah perputaran saham dalam aktivitas jual beli. Pada penelitian Tzu-Yi (2016) rasio perputaran saham digunakan sebagai salah satu proksi dari asimetri informasi dan memperoleh hasil yang negatif signifikan terhadap asimetri informasi. Stock turnover dapat dihitung dengan membagi jumlah total saham yang diperdagangkan selama periode dengan rata-rata jumlah saham yang beredar untuk periode tersebut. Selanjutnya rasio turnover harian tersebut dirata-ratakan selama satu tahun. Rasio ini mencerminkan tingkatan dari aktivitas perdagangan saham dimana seberapa sering saham itu diperjual belikan.
4.2.3. Variabel Moderating
Variabel moderating dalam penelitian ini adalah corporate governance.
Variabel corporate governance (CG) menjadi variabel moderating dalam penelitian ini, yaitu menjadi pemoderasi atas pengaruh pengadopsian XBRL terhadap asimetri informasi. Pada penelitian sebelumnya yang dilakukan oleh Verrecchia (2001), terdapat hubungan negatif antara efektivitas dewan pengawas
dengan asimetri informasi perusahaan. CG score yang digunakan terdiri dari beberapa komponen, yaitu : (1) struktur dewan, (2) kebijakan kompensasi, (3) fungsi dewan, (4) hak pemegang saham.
Untuk mengukur variabel CG, digunakan CG score yang diperoleh dari Datastream. Perhitungan CG Score tersebut meliputi 4 aspek, yaitu struktur dewan, kebijakan kompensasi/insentif, fungsi dewan, dan hak pemegang saham.Skor untuk masing-masing aspek tersebut digabungkan untuk memeroleh skor secara keseluruhan dengan rentang 0% (penerapan CG rendah) sampai dengan 100% (penerapan CG tinggi). XBRL, CG menunjukkan variabel moderating yang diperoleh dengan cara mengalikan variabel XBRL dengan CG.
Tabel 4.1 Definisi Operasional Variabel
Variabel Definisi Operasional Indikator Skala Asimetri
XBRL (X1) Pelaporan keuangan berbasis digital melalui
dalam membuat keputusan.
Volatility (X3) Volatility pada umumnya menjelaskan risiko atau
Firm Size (X5) Menunjukan aktivitas perdagangan lebih sering
4.3. Populasi, Sampel, dan Teknik Pengambilan Sampel
Populasi adalah wilayah generalisasi yang terdiri dari objek/subjek yang mempunyai kualitas dan karakteristik tertentu yang ditetapkan oleh peneliti untuk dipelajari dan kemudian ditarik kesimpulannya (Sugiyono, 2017). Populasi
dalam penelitian ini adalah perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia secara berturut-turut pada periode 2010-2020. Jumlah populasi perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia secara berturut-turut pada periode 2010-2020 adalah 81 perusahaan. Sampel adalah bagian dari jumlah dan karakteristik yang dimiliki oleh populasi (Sugiyono, 2017). Teknik pengambilan sampel dalam penelitian ini menggunakan teknik purposive sampling. Teknik purposive sampling merupakan salah satu teknik sampling non random sampling dimana peneliti menentukan pengambilan sampel dengan cara menetapkan ciri-ciri khusus yang sesuai dengan tujuan penelitian sehingga diharapkan dapat menjawab permasalahan penelitian (Sugiyono,2017). Adapun kriteria sampel yang digunakan dalam penelitian ini adalah:
Tabel 4.2 Kriteria Pemilihan Sampel
NO Kriteria Jumlah
1 Perusahaan manufaktur yang tercatat di Bursa Efek Indonesia
125
2 Perusahaan manufaktur yang tidak tercatat di BEI berturut-turut selama tahun 2010-2020.
(0)
3 Perusahaan manufaktur yang terdaftar periode 2010-2020 dan tidak menerbitkan laporan keuangan berturut-turut selama periode tersebut.
(44)
Total Sampel Perusahaan Manufaktur yang Memenuhi Kriteria
81
Maka jumlah sampel dalam penelitian ini adalah sebanyak 81 perusahaan manufaktur. Angka tahun pengamatan yang digunakan dalam penelitian ini adalah 11 tahun berturut-turut sehingga jumlah observasi dalam penelitian ini adalah 11 x 81 sampel maka diperoleh sebanyak 891 sampel observasi.
4.4. Teknik Pengumpulan Data
Teknik pengumpulan data dalam penelitian ini adalah dokumentasi, yaitu dengan mengumpulkan data sekunder perusahaan sampel berupa laporan keuangan, catatan-catatan maupun informasi lainnya yang berkaitan dengan penelitian melalui pustaka, media internet dan media masa lainnya.
Data penelitian ini diperoleh melalui situs resmi Bursa Efek Indonesia dengan cara mengunduh seluruh laporan keuangan dan laporan tahunan yang menjadi sampel penelitian di www.idx.co.id.
4.5. Teknik Analisis Data
Metode analisis data dalam penelitian ini adalah statistik deskriptif, analisis regresi berganda (Multiple Regression Analysis) dan uji Moderate Regression Analysis (MRA) untuk variabel moderating. Data penelitian ini diolah dengan menggunakan program Statistical Eviews. Analisis regresi berganda bermaksud untuk meramalkan bagaimana keadaan variabel dependen bila dihubungkan dengan dua atau lebih variabel independen. Untuk menguji variabel moderating menggunakan uji Moderate Regression Analysis (MRA) atau lebih dikenal dengan uji interaksi.Untuk mengadakan analisis dengan model regresi
terlebih dahulu harus diadakan pengujian kualitas data dengan mengunakan statistik deskriptif dan uji asumsi klasik.
4.5.1. Statistik Deskriptif
Statistik deskriptif ini digunakan untuk memberikan gambaran umum untuk profil dari sampel. Penelitian ini menggunakan statistik deskriptif yang terdiri dari nilai rata-rata, standar deviasi, minimum dan maksimum.
4.5.2. Uji Asumsi Klasik
Analisis regresi berganda perlu dilakukan pengujian asumsi klasik sebagai persyaratan dalam analisis agar data dapat bermakna dan bermanfaat. Pengujian asumsi klasik yang digunakan dalam penelitian ini meliputi uji normalitas, uji multikolinearitas, uji autokorelasi, dan uji heteroskedastisitas.
1. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi variabel terikat dan variabel bebas serta variabel moderating mempunyai distribusi normal atau tidak normal. Uji normalitas yang digunakan dalam penelitian ini dengan menggunakan metode Kolmogorov-Smirnov Test. Apabila nilainya lebih besar dari 5% maka data berdistribusi normal sedangkan apabila tingkat signifikannya lebih kecil dari 5% maka data tidak berdistribusi normal (Ghozali, 2013). Dalam penelitian ini, uji normalitas terhadap residual dengan menggunakan uji Jarque-Bera (J-B), dengan tingkat signifikansi yang digunakan adalah α=0,05. Dasar pengambilan keputusan adalah melihat angka probabilitas dari statistik J-B, dengan ketentuan sebagai berikut.
Jika nilai probabilitas p ≥ 0,05, maka asumsi normalitas terpenuhi.
Jika probabilitas < 0,05, maka asumsi normalitas tidak terpenuhi.
2. Uji Multikolinearitas
Uji Multikolinearitas bertujuan untuk menguji apakah dalam model regresi ditemukan adanya korelasi antar variabel bebas (independen). Model regresi yang baik seharusnya tidak terjadi korelasi antar variabel independen (Ghozali 2013).
Jika variabel independen saling berkorelasi, maka variabel tidak orthogonal. Uji multikolinearitas dilakukan dengan menggunakan tolerance dan varians inflating faktor (VIF). VIF merupakan suatu cara mendeteksi multikolinearitas untuk melihat sejauh mana sebuah variabel penjelas dalam persamaan regresi. Untuk mengetahui terjadi atau tidaknya multikolinearitas dapat diketahui dengan kriteria berikut ini :
a) Jika VIF 10, maka tidak terjadi multikolinearitas b) Jika VIF > 10,maka terjadi multikolinearitas c) Jika tolerance 0,01, maka terjadi multikolinearitas
d) Jika tolerance < 0,01, maka tidak terjadi multikolinearitas.
3. Uji Autokorelasi
Autokorelasi yaitu adanya hubungan kesalahan pengganggu yang muncul pada data runtut waktu (time series). Dalam penaksiran model regresi linear mengandung asumsi bahwa tidak terdapat autokorelasi antara kesalahan pengganggu. Pengujian autokorelasi dapat diuji dengan menggunakan uji Durbin-Watson, menurut Field (2009:220), secara khusus, Durbin-Watson menguji apakah residu yang berdekatan berkorelasi. Uji statistik dapat bervariasi antara 0 dan 4 dengan nilai 2 yang berarti bahwa residual tidak berkorelasi.
4. Uji Heterokedastisitas
Uji Heterokedasitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varian dari residual satu pengamatan kepengamatan yang lain. Jika varian residual satu pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas atau tidak terjadi heteroskedastisitas. Model regresi yang baik adalah yang homoskedastisitas atau tidak terjadi heterokedastisitas (Ghozali, 2013). Uji heterokedasitas dapat dilakukan dengan grafik Scatterplot. Dikatakan model regresi tidak terjadi heterokedastisitas apabila titik yang dihasilkan menyebar tidak membentuk suatu pola. Uji statistik yang digunakan adalah uji white.
Kriteria Uji White adalah Jika :
a) Obs* R square > c2 tabel, maka ada heterokedasitas.
b) Obs* R square < c2 tabel, maka tidak ada heterokedasitas. Atau c) Prob Obs* R square < 0.05, maka ada heterokedasitas
d) Prob Obs* R square > 0.05, maka tidak ada heterokedasitas
4.5.3. Metode Pemilihan Model
Metode pemilihan model dalam penelitian ini menggunakan data panel.
Menurut Basuki dan Prawoto (2017) data panel merupakan gabungan antara data runtut waktu (time series) dan data silang (cross section). Data time series merupakan data yang terdiri atas satu atau lebih variabel yang akan diamati pada satu unit observasi dalam kurun waktu tertentu. Sedangkan data cross section adalah data observasidari beberapa unit observasi dalam satu titik waktu.
Pemilihan data panel dikarenakan di dalam penelitian ini menggunakan rentang
waktu beberapa tahun dan juga banyak perusahaan. Data time series digunakan karena penelitian ini menggunakan rentang waktu sebelas tahun yaitu dari tahun 2010-2020. Sedangkan data cross section dilihat dari adanya beberapa perusahaan (pooled) yang dijadikan sampel penelitian, dalam penelitian ini ada 81 sampel perusahaan. Dalam regresi data panel, terdapat tiga model estimasi yang dapat digunakan (Basuki dan Prawoto, 2017), antara lain sebagai berikut:
1. Model Efek Umum (Common Effect Model (CEM) atau Pooled Least Square (PLS)
Merupakan pendekatan model data panel yang paling sederhana karena hanya mengkombinasikan data time series dan cross section. Metode ini bisa menggunakan pendekatan Ordinary Least Square (OLS) atau teknik kuadrat terkecil untuk mengestimasi model data panel. Karena tidak memperhatikan dimensi waktu maupun individu, maka formula Common Effect Model ditampilkan sebagai berikut :
𝑌it = 𝛼 + β X it + 𝜀it
2. Model Efek Tetap (Fixed Effect Model)
Model ini mengasumsikan bahwa perbedaan antar individu dapat diakomodasi dari perbedaan intersepnya, dimana setiap individu merupakan parameter yang tidak diketahui. Oleh karena itu, untuk mengestimasi data panel model fixed effect, digunakan teknik variabel dummy untuk menangkap perbedaan intersep antar perusahaan, yang dapat terjadi karena adanya perbedaan budaya kerja, manajerial, dan insentif.
Namun demikian, slopnya sama antar perusahaan. Model estimasi ini
disebut juga dengan teknik Least Square Dummy Variable (LSDV). LSDV dapat diterapkan untuk efek tiap individu dan waktu yang bersifat sistemik, melalui penambahan variabel dummy waktu didalam model.
Rumus Fixed Effect Model ialah sebagai berikut:
Yit = α + β X it + αit +ε it
Dimana , αit merupakan efek tetap diwaktu t untuk unit cross section i.
3. Model Efek Random (Random Effect Model)
Model ini akan mengestimasi data panel di mana variabel gangguan mungkin saling berhubungan antar waktu dan antar individu. Berbeda dengan fixed effect model, efek spesifik dari masing-masing individu diperlakukan sebagai bagian dari komponen error yang bersifat acak (random) dan tidak berkorelasi dengan variabel penjelas yang teramati.
Keuntungan menggunakan random effect model ini yakni dapat menghilangkan heteroskedastisitas. Model ini disebut juga dengan Error Component Model (ECM). Metode yang tepat untuk mengakomodasi model random effect ini adalah Generalized Least Square (GLS), dengan asumsi komponen error bersifat homokedastik dan tidak ada gejala cross-sectionalcorrelation. Random Effect Model secara umum dapat diformulasikan sebagai berikut:
Yit= α + βXit+wit, adapun wit= ε it+ u i Dimana:
𝜀i~ N(0, σv2) = merupakan komponen timeseries error ui~N(0,σu2) = merupakan komponen cross section error
wi~N(0,σw2) = merupakan timeseries dan cross section error
4.5.4. Pemilihan Model Regresi Data Panel
Untuk memilih model yang terbaik diantara ketiga model tersebut, maka dilakukan beberapa metode pengujian, yaitu melalui uji Chow, uji Hausman, dan uji Lagrange Multiplier. Penjelasan lebih lanjut mengenai ketiga metode pengujian tersebut adalah sebagai berikut (Basuki dan Prawoto, 2017):
1. Uji Chow
Uji ini dilakukan untuk menentukan model common effect atau fixed effect yang paling tepat digunakan dalam mengestimasi data panel. Untuk melakukan uji chow, data diregresikan terlebih dahulu dengan menggunakan model common effect dan fixed effect, kemudian dilakukan fixed/random effect testing dengan menggunakan redundant fixed effect – likelihood ratio. Selanjutnya, dibuat hipotesis untuk diuji, yaitu sebagai berikut:
H0 : maka digunakan model common effect H1 : maka digunakan model fixed effect
Pedoman yang akan digunakan dalam pengambilan kesimpulan uji chow adalah sebagai berikut:
1) Jika nilai Probability Cross-section Chi-square < α (5%), maka H0
1) Jika nilai Probability Cross-section Chi-square < α (5%), maka H0