Teknik Analisis Data

METODOLOGI PENELITIAN

H. Teknik Analisis Data

Teknik analisis data yang digunakan dalam penelitian ini adalah menggunakan analisis regresi data panel diolah menggunakan program

Eviews 10 dan Ms. Excel. Data panel yang dimaksudkan dalam penelitian

ini adalah penggabungan antara periode penelitian (tahun 2013-2019) dengan data seluruh variabel yang dilihat per kabupaten/kota di Provinsi

121 Syofian Siregar, Statistik parametrik untuk penelitian kuantitatif, (Jakarta: PT Bumi Aksara), 2014, h. 125

72

Banten (meliputi Kabupaten pandeglang, Kabupaten Lebak, Kabupaten Tangerang, Kabupaten Serang, Kota Tangerang, Kota Cilegon, Kota Serang, Kota Tangerang selatan).

Data panel dapat didefinisikan sebagai sebuah kumpulan data di mana perilaku unit cross sectional (misalnya individu, perusahaan, negara). Diamati sepanjang waktu.¹²²

Dari segi jenis data, regresi data panel memiliki karakteristik data yang bersifat cross section dan time series. Sedangkan dilihat dari tujuan analisis data, data panel berguna untuk melihat perbedaan karakteristik antar setiap individu dalam beberapa periode pada objek penelitian.¹²³

Menurut Wibisono dalam Agus Tri Basuki, terdapat beberapa keunggulan dalam menggunakan data panel, yaitu:

1. Panel data mampu memperhitungkan heterogenitas individu secara eksplisit dengan mengizinkan variabel spesifik individu.

2. Kemampuan mengontrol heterogenitas ini selanjutnya menjadikan data panel dapat digunakan untuk menguji dan membangun model perilaku lebih kompleks.

3. Data panel mendasarkan diri pada observasi cross section yang berulang -ulang (time series), sehingga metode data panel cocok digunakan sebagai study of dynamis adjustment.

4. Tingginya jumlah observasi memiliki implikasi pada data yang lebih informatif, lebih variatif, dan kolinearitas antara data semakin berkurang, dan derajat kebebasan lebih tinggi sehingga dapat diperoleh hasil estimasi yang lebih efisien.

5. Data panel dapat digunakan untuk mempelajari model -model perilaku yang kompleks.

122 Imam Ghazali dan Dwi Ratmono, Analisis Multivariant dan Ekonometrika (Teori, Konsep,

dan aplikasi dengan eviews 10) edisi 2, (Semarang: Badan Penerbit Undip), 2018, h.195.

123 Indra Sakti, Modul Eviews 9: Analisis Regresi Data Panel menggunakan eviews, (Jakarta: Universitas Esa Unggul, 2018), h. 2.

73

6. Data panel dapat digunakan untuk meminimalkan bias yang mungkin ditimbulkan oleh regresi data individu.¹²⁴

1. Analisis Statistik Deskriptif

Statistik deskriptif berkenaan dengan bagaimana cara mendeskripsikan, menggambarkan, menjabarkan, atau menguraikan, data agar mudah dipahami dengan beberapa cara yang antara lain:

a. Menentukan ukuran dari data, seperti nilai modus, rata-rata, median.

b. Menentukan ukuran variabilitas data, seperti (varian), tingkat penyimpangan (deviasi standar), dan jarak (range).

c. Menentukan ukuran bentuk data.125

2. Estimasi Model Regresi Data Panel

Dalam penentuan estimasi model regresi data panel, terdapat tiga pendekatan, antara lain:

a. Common Effect Model

Merupakan pendekatan model data panel yang paling sederhana karena hanya mengkombinasikan data time series dan

cross section. Pada model ini tidak diperhatikan dimensi waktu

maupun individu, sehingga diasumsikan bahwa perilaku data perusahaan sama dalam berbagai kurun waktu. Metode ini bisa menggunakan pendekatan Ordinary Least Square (OLS) atau teknik kuadrat terkecil untuk mengestimasi model data panel.126

Dari pendekatan ini kita dapat melihat perbedaan antar individu dan perbedaan antar waktu karena interseptnya maupun slope sama. Model ini tidak memperhatikan adanya perbedaan karakteristik dalam cross section maupun time series dalam persamaan nya dapat ditulis sebagai berikut:

𝑌𝑖𝑡= 𝛽1+𝛽2+𝛽3𝑋3𝑖𝑡+⋯+𝛽𝑛𝑋𝑛𝑖𝑡+𝑒𝑖𝑡

124 Agus Tri Basuki, Bahan ajar regresi data panel: Panduan regresi data panel, (Jakarta: Universitas Muhammadiyah Jakarta), h.2.

125 Siregar, op.cit., h. 2. 126 Basuki, op. cit., h.3.

74

b. Fixed Effect Model

Dalam model ini memiliki intercept yang mungkin berubah-ubah untuk setiap individu dan waktu, dimana setiap unit cross section bersifat tetap secara time series persamaan dari model adalah sebagai berikut:

𝑌𝑖𝑡 = 𝛼1 + 𝛼𝑛𝐷𝑛 + … + 𝛽3𝑋3𝑖𝑡 + ⋯ +𝛽𝑛𝑋𝑛𝑖𝑡 + 𝜀𝑖𝑡

Dengan keterangan merupakan variabel dummy sebanyak N-1 dan T-1, selain itu model ini masih banyak mempunyai kekurangan yaitu kekurangan derajat kebebasan (degree of freedom) akibat jumlah sample yang terbatas dan adanya multikolinieritas yang diakibatkan oleh banyaknya variabel dummy yang diestimasi sedangkan kemampuan estimasinya masih terbatas, terutama jika terdapat variabel dummy yang diestimasi, ditambah lagi kemungkinan korelasi diantara komponen residual spesifik (cross section dan time series).

c. Random Effect Model

Model ini mumpunyai kesamaan dengan model sebelumnya yaitu fixed effects, dimana dimasukan juga dimensi individu dan waktu namun pembeda model ini dari fixed effects adalah dalam mengestimasi dimasukan juga error term karena dalam mengansumsikan error term berhubungan dengan dimensi individu maupun waktu, dalam persamaannya yang ditulis sebagai berikut:

𝑌𝑖𝑡 = 𝛽0 + 𝛽1𝑋1𝑖𝑡 + 𝛽2𝑋2𝑖𝑡 + 𝛽3𝑋3𝑖𝑡 + ⋯ +𝛽𝑛𝑋𝑛𝑖𝑡 + 𝑒𝑖𝑡 Dimana 𝑒𝑖𝑡 adalah gangguan (error term) yang merupakan gabungan dari time series dan cross section, untuk melihat apakah model yang digunakan adalah Fixed Effects atau Random Effects maka harus dilakukan uji Correlated Random Effects–Hausman Test.¹²⁷

127 Dias Satria, Modul stata panel data: analisis regresi model data panel, (Malang: Universitas Brawijaya, 2018). h.3.

75

3. Pemilihan Model Regresi Data Panel

Untuk mengetahui model regresi data panel yang terbaik, maka perlu dilakukan pengujian, yaitu uji chow dan uji hausman.

a. Uji Chow

Uji Chow merupakan uji untuk menentukan model terbaik antara

Fixed Effect Model dengan Common/ Pool effect model. Jika hasil

menyatakan menerima hipotesis nol maka model yang terbaik untuk digunakan adalah Common effect model. Akan tetapi, jika hasilnya menyatakan menolak hipotesis nol maka model terbaik yang digunakan adalah Fixed effect model, dan pengujian akan beranjut ke Uji Hausman.

H0 : Common Effect Model H1 : Fixed Effect Model b. Uji Hausman

Hausman test yakni pengujian untuk menentukan model fixed effect atau random effect yang paling tepat digunakan dalam mengestimasi data panel. Hipotesis dalam uji chow adalah:

H0: Random Effeect Model H1: Fixed Effect Model

Jika dari hasil uji hausman tersebut menyatkan meneriman hipotesis nol maka model yang terbaik untuk digunakan adalah model Random Effect. Akan tetapi, jika hasilnya meyatakan menolak hipotesis nol maka model yang terbaik adalah model Fixed

Effect.¹²⁸

4. Pengujian Asumsi Klasik a. Uji Normalitas Data

Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu mempunyai distribusi normal. Seperti diketahui, bahwa uji t dan F mengasumsikan nilai residual

76

mengikuti distribusi normal. Jika asumsi ini tidak terpenuhi maka hasil uji statistik menjadi tidak valid khusunya untuk ukuran sampel kecil. Terdapat dua cara mendeteksi apakah residual memiliki distribusi normal atau tidak yaitu dengan analisis grafik dan uji statistik.¹²⁹

b. Uji Multikolinearitas

Uji multikolinearitas bertujuan untuk menguji apakah dalam model regresi ditemukan adanya korelasi yang tinggi atau sempurna antarvariabel independen. Jika antar variabel independen Xs terjadi multikolinearitas sempurna, maka koefisien regersi variabel X tidak dapat ditentukan dan nilai standar error menjadi tak terhingga. Jika multikolinearitas antar variabel Xs tidak sempurna tetapi tinggi, maka koefisien regersi X dapat ditentukan, tetapi memiliki nilai

standart error tinggi yang berarti nilai koefisien regresi tidak dapat

diestimasi dengan tepat.130

c. Uji Heteroskedastisitas

Asumsi heteroskedastisitas berarti sama (homo) dan sebaran (scedasticity) memiliki variance yang sama (equal variance) atau secara matematis dapat ditulis sebagai berikut:

E(µi²) = σ2 i = 1,2,3,……,n

Heteroskedastisitas tidak menyebabkan estimator (koefisien variabel independen) menjadi bias karena residual bukan komponen menghitungnya. Namun, menyebabkan estimator jadi tidak efisien dan BLUE lagi serta standard error dari model regresi menjadi bias sehingga menyebabkan nilai t statistik dan F hitung bias. Dampak akhirnya adalah pengambilan kesimpulan statistik untuk pengujian hipotesis menjadi tidak valid.¹³¹

129 Ghazali, Op. cit., h. 145 130 Ibid., h.71.

77

d. Uji Autokorelasi

Uji autokorelasi bertujuan menguji apakah dalam suatu model regresi linier ada korelasi antar kesalahan pengganggu (residual) pada periode t dengan kesalahan pada periode t-1 (sebelumnya). Jika terjadi korelasi, maka dinamakan ada masalah autokorelasi. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lain. Masalah ini timbul karena

residual (kesalahan pengganggu) tidak bebas dari satu observasi ke

observasi lainnya. Hal ini sering ditemukan pada data runtun waktu karena gangguan pada seorang individu/kelompok yang sama pada periode berikutnya. Pada data silang waktu, masalah autokorelasi relatif jarang terjadi karena gangguan pada observasi yang berbeda berasal dari individu/kelompok yang berbeda.¹³²

5. Pengujian Statistik

a. Uji Signifikansi Parsial (Uji t)

Digunakan untuk menguji apakah suatu variabel bebas berpengaruh atau tidak terhadap variabel terikat. Uji t merupakan alat uji statistik yang digunakan untuk menguji hipotesis komparatif dua sampel bila datanya berada pada skala interval atau rasio.133 Adapun kriteria yang digunakan untuk melihat pengaruh satu variabel bebas secara parsial terhadap variabel terikat dalam uji t adalah sebagai berikut:

1. Jika nilai p atau sig < α (alpha = 0,05), maka dapat diartikan ada pengaruh signifikan dari variabel independent terhadap variabel dependen secara parsial.

2. Jika nilai p atau sig > α (alpha = 0,05), maka dapat diartikan bahwa tidak ada pengaruh yang signifikan dari variabel independent terhadap variabel dependen secara parsial.

132 Ibid., h. 121.

78

b. Uji Signifikan Simultan (Uji F)

Uji statistik F pada dasarnya menunjukkan apakah semua variabel independen yang dimasukan dalam model mempunyai pengaruh secara bersama-sama atau simultan terhadap variabel dependen. Hipotesis nol adalah joint hypotesis bahwa β1, β2,…... βk secara simultan sama dengan nol.

H0 : β1 = β2 = ……= βk = 0

Pengujian hipotesis ini sering disebut pengujian signifikansi keseluruhan terhadap garis regresi yang ingin menguji apakah Y secara linier berhubungan dengan kedua X1 dan X2. Joint hypotesis dapat diuji dengan teknik analisis variance (ANOVA).¹³⁴

c. Koefisien Determinasi (R2)

Koefisien determinasi pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen. Nilai koefisien determinasi adalah antara nol dan satu. Nilai R2 yang kecil berati kemampuan variabel-variabel independen dalam menjelaskan variasi variabel dependen amat terbatas. Nilai yang mendekati satu berarti variabel-variabel independen memberikan hampir semua informasi semua yang dibutuhkan untuk memprediksi variasi variabel dependen. Secara umum koefisien determinasi untuk data silang relatif rendah karena adanya variasi yang besar antara masing-masing pengamatan, sedangkan untuk data runtun waktu biasanya mempunyai nilai koefisien determinasi yang tinggi.¹³⁵

134 Ghazali, op. cit., h. 56. 135 Ibid., h. 55.

108 BAB V