BAB III METODE PENELITIAN
3.9 Teknik Analisis Data
Teknik analisis data yang digunakan untuk menganalisis data-data yang telah dikumpulkan dalam penelitian ini adalah:
3.9.1 Analisis Deskriptif
Analisis deskriptif merupakan suatu metode dengan menggunakan data-data yang dikumpulkan, diklasifikasikan, dan diinterpretasikan secara objektif sehingga memberikan informasi dan gambaran mengenai topik yang dibahas. Hasil dari analisis biasanya berupa grafik atau tabel yang kemudian akan dijabarkan secara deskriptif.
3.9.2 Analisis Regresi Data Panel
Teknik analisis yang digunakan adalah analisis regresi linier data panel. Penelitian ini menggunakan program software EVIEWS untuk membantu mengolah data dan menyelesaikan penelitian ini. Analisis regresi linier data panel digunakan untuk menguji pengaruh dari variabel bebas terhadap variabel terikat. Menurut Pratomo (2010:167), data panel merupakan gabungan antara data berkala (time series) dan data individual (cross section).
Kelebihan data panel dibandingkan dengan data berkala dan data individual yaitu (Gujarati dan Dawn, 2012:237) :
1. Data panel berhubungan dengan individu, perusahaan, negara, propinsi, dan lain- lain selama beberapa waktu dengan batasan heterogenitas dalam setiap unitnya.
2. Dengan mengombinasikan data berkala dan data individual, data panel memberikan data yang lebih informatif, lebih variatif, kurang korelasi antar variabelnya, lebih banyak derajat kebebasannya, dan lebih efisien.
3. Lebih sesuai untuk mempelajari perubahan secara dinamis, misalnya untuk mempelajari pengangguran, perpindahan pekerjaan, atau mobilitas tenaga kerja. 4. Data panel dapat mendeteksi dan mengukur efek suatu data yang tidak dapat diukur oleh data berkala dan data individual, misalnya pengukuran efek undang- undang upah minimum regional dapat dipelajari dengan lebih baik jika kita mengikutkan variabel gelombang kenaikan upah minimum regional dalam setiap wilayah.
5. Data panel juga dapat digunakan untuk mempelajari model-model perilaku, misalnya pembelajaran fenomena perubahan skala ekonomi dan teknologi dapat dilakukan dengan lebih baik oleh data panel daripada data berkala atau data individual.
6. Dengan membuat data untuk beberapa ribu unit, data panel dapat meminimalkan bias yang mungkin terjadi apabila membahasnya dalam bentuk agregat.
Adanya keunggulan-keunggulan tersebut memiliki implikasi pada tidak harus dilakukan pengujian asumsi klasik dalam model data panel, karena penelitian yang menggunakan data panel memperbolehkan identifikasi parameter tertentu tanpa perlu membuat asumsi yang ketat atau tidak mengharuskan terpenuhinya semua asumsi klasik regresi linier seperti pada Ordinary Least Square (OLS) (Ajija, 2011:52).
Adapun model persamaan regresi linier data panel yang digunakan adalah: Capital Buffer (BUFF) = a + b1x1+ b2x2+b3x3 + b4x4 + b5x5 + E
dimana, a = constant
b1 – b5 = koefisien regresi tiap variabel x1 = Return on Equity (ROEt-1)
x2 = Non Performing Loan (NPLt-1) x3 = Lag of Capital Buffer (BUFFt-1) x4 = Loans to Total Assets (LOTA) x5 = Bank Size (SIZE)
E = Error
3.9.3 Pemilihan Model Data Panel
Data panel adalah data yang dikumpulkan secara cross section dan diikutu pada periode waktu tertentu. Karena data panel merupakan gabungan dari data cross section dan time series, jumlah pengamatan menjadi sangat banyak. Oleh karena itu diperlukan teknik tersendiri untuk mengatasi model yang menggunakan data panel. Terdapat beberapa teknik yang ditawarkan yaitu:
1. Common Effect Model atau Pooled Least Square
Teknik ini hampir mirip dengan membuat regresi dengan cross section atau time series. Tetapi, untuk data panel, sebelum membuat regresi atau cross section dan data time series harus digabungkan terlebih dahulu.
2. Model Efek Tetap (Fixed Effect)
Pendekatan fixed effect memperhitungkan kemungkinan bahwa peneiti menghadapi omitted-variables, yang mungkin membawa perubahan pada intercept time series atau cross section.
3. Model Efek Random (Random Effect)
Pendekatan radom effect memperbaiki efisiensi proses least square dengan memperhitungkan error dari cross section dan time series. Model random effect adalah variasi dari estimasi generalized least square (GLS).
Adapun langkah-langkah dalam melakukan pemilihan model data panel adalah sebagai berikut:
1. Estimasi dengan Common Effect Model atau Pooled Least Square. 2. Estimasi dengan Fixed Effect Model.
3. Uji Chow (Pooled Least Square atau Fixed Effect Model) Dengan kriteria pengujian:
H0 = Pooled Least Square
H1 = Fixed Effect Model
Tolak H0 jika p-value < nilai signifikan (0,05); maka H1 diterima.
4. Estimasi dengan Random Effect Model.
5. Uji Hausman (Random Effect Model atau Fixed Effect Model) Dengan kriteria pengujian:
H0 = Random Effect Model
Tolak H0 jika p-value < nilai signifikan (0,05); maka H1 diterima.
3.9.4 Uji Hipotesis
Pengujian hipotesis ini dilakukan untuk mengetahui pengaruh variabel bebas (independent variable) terhadap variabel terikat (dependent variable), baik uji koefisien regresi secara bersama-sama (serempak) (Uji-F) atau uji koefisien regresi secara individu (parsial) (Uji-t). Selanjutnya dilakukan uji koefisien determinasi (Uji R2) untuk mengetahui tingkat ketepatan perkiraan dalam analisis regresi.
3.9.4.1 Uji-F (Uji Simultan)
Uji-F digunakan untuk mengetahui apakah variabel-variabel independen secara bersama-sama (simultan) mempunyai pengaruh terhadap variabel dependennya. Perumusan hipotesisnya:
- H0 = b1 = b2 = b3 = b4 = b5 = 0, artinya Return On Equity, Non Performing Loan, Lag of Capital Buffer, Loans to Total Assets, dan Bank Size secara simultan berpengaruh tidak signifikan terhadap Capital Buffer pada Perbankan Konvensional yang terdaftar di Bursa Efek Indonesia.
- Ha: b1 ≠ b2 ≠ b3 ≠ b4 ≠ b5 ≠ 0 artinya Return On Equity, Non Performing Loan, Lag of Capital Buffer, Loans to Total Assets, dan Bank Size secara simultan berpengaruh s i g n i f i k a n terhadap Capital Buffer pada Perbankan Konvensional yang terdaftar di Bursa Efek Indonesia.
Jika Fhitung <
Jika Fhitung ≥ Ftabel atau nilai signifikan (α)≤ 0.05, maka Ha diterima. Ftabel atau nilai signifikan (α)≥ 0.05, maka H0 diterima.
3.9.4.2 Uji-T (Uji Parsial)
- H0 : bi = 0, artinya, Return On Equity, Non Performing Loan, Lag of Capital Buffer, Loans to Total Assets, dan Bank Size secara parsial berpengaruh tidak signifikan terhadap Capital Buffer.
- Ha : bi ≠ 0, artinya, Return On Equity, Non Performing Loan, Lag of Capital Buffer, Loans to Total Assets, dan Bank Size secara parsial berpengaruh signifikan terhadap Capital Buffer.
Kriteria pengambilan keputusannya sebagai berikut: 1. Jika thitung ≥ ttabel pada α = 5%, maka Ha diterima
2. Jika thitung ≤ ttabel pada α = 5%, maka H0 diterima 3.9.4.3 Koefisien Determinasi (R2)
Koefisien determinasi bertujuan untuk mengetahui seberapa besar kemampuan variabel independen menjelaskan variabel dependen. Koefisien determinasi berkisar antara nol sampai dengan satu (0 ≤ R 2 ≤1). R2 = 0 menunjukkan tidak adanya pengaruh variabel independen terhadap variabel dependen. Semakin besar R2 mendekati 1, menunjukkan semakin kuatnya pengaruh variabel independen terhadap variabel dependen, dan begitu pula sebaliknya, semakin R2 mendekati nol, maka semakin kecil pengaruh variabel independen terhadap variabel dependen.