BAB III METODE PENELITIAN
E. Uji Instrumen Penelitian
Dalam penelitian ini, hipotesis akan diuji dengan menggunakan path analysis. Sebelum penganalisisan dilaksanakan, terlebih dahulu akan dilakukan uji asumsi klasik. Pengujian ini dilakukan untuk menghasilkan nilai parameter model penduga yang sah. Jika pengujian asumsi klasik memenuhi asumsi normalitas, serta tidak terjadi multikolinieritas, autokorelasi, dan heteroskedastisitas, maka nilai tersebut akan terpenuhi.
1. Uji Statistik Deskriptif
Langkah awal penganalisisan data dimulai dari analisis statistik deskriptif. Ghozali (2013) menjelaskan bahwa analisis statistik deskriptif akan memberikan gambaran atau deskripsi suatu data yang berkaitan dengan nilai rata-rata (mean), standar deviasi, varian, maksimum, minimum, sum, range, kurtosis, dan skewness (kemencengan distribusi). 2. Uji Akar Unit
Uji stasioneritas data bertujuan untuk mengetahui apakah data panel bersifat stasioner atau tidak. Pengujian ini sangat penting karena akan berkaitan dengan metode estimasi yang digunakan. Untuk menguji stasioneritas data, juga dapat digunakan uji akar unit (unit root test) yang dikembangkan oleh Dickey_Fuller. Data yang tidak stasioner bila diregresi akan mudah menyebabkan regresi lancung. Data dikatakan stasioner bila memenuhi syarat berikut:
45
a. Rata-rata dan variannya konstan sepanjang waktu
b. Kovarian antara dua data runtut waktu tergantung pada kelambanan antara dua periode tersebut. Oleh karenanya data yang tidak stasioner harus dijadikan stasioner.
Untuk menjadikan data tidak stasioner menjadi stasioner biasanya data cukup didiferensi saja. Pada tingkat diferensi pertama, biasanya data sudah menjadi stasioner. Kalau ternyata belum, kemungkinan besar pada diferensi kedua sudah stasioner. Hanya pada kasus yang sangat ekstrim mungkin bisa sampai ke diferensi ketiga dan seterusnya. Suatu data dapat dikatakan stasioner dapat dilihat dari nilai probabilitasnya apabila lebih kecil dari 0.05, maka data sudah stasioner (Winarno, 2015: 11.5). 3. Metode Estimasi Data Panel
Menurut Winarno (2015) Estimasi model/ persamaan (Equation Estimation) dilakukan dengan cara mengestimasi model yang dibentuk apakah Fixed Effect (FE) atau Random Effect (RE) yaitu sebagai berikut:
a. Pendekatan Efek Tetap (Fixed Effect)
Teknik yang paling sederhana mengasumsikan bahwa data gabungan yang ada, menunjukkan kondisi yang sesungguhnya. Hasil analisis regresi dianggap berlaku pada semua objek pada semua waktu. Metode ini sering disebut dengan common effect. Kelemahan asumsi ini adalah ketidaksesuaian model dengan keadaaan yang sesungguhnya. Kondisi tiap objek saling berbeda, bahkan satu objek pada suatu waktu akan sangat berbeda dengan kondisi objek tersebut
46
pada waktu yang lain. Oleh karena itu diperlukan suatu model yang dapat menunjukkan perbedaan konstanta antar objek, meskipun dengan koefisien regresor yang sama. Model ini dikenal dengan model regresi fixed effect (efek tetap). Efek tetap di sini maksudnya adalah bahwa satu objek, memiliki konstanta yang tetap besarnya untuk berbagai periode waktu. Demikian juga dengan koefisien regresinya, tetap besarnya dari waktu ke waktu.
b. Pendekatan Efek Random (Random Effect)
Selain dengan metode efek tetap, kita juga dapat menganalisis regresi data dengan efek random. Efek random digunakan untuk mengatasi kelemahan metode efek tetap yang menggunakan variabel semu, metode efek random menggunakan residual, yang diduga memiliki hubungan antar waktu dan antar objek.
c. Pemilihan Model
Untuk memilih model terbaik dapat digunakan Uji Chow dan Uji Hausman yaitu sebagai berikut:
1) Uji Chow
Uji Chow digunakan untuk menentukan apakah model data panel diregresi dengan metode Common Effect atau dengan metode Fixed Effect, apabila dari hasil uji tersebut ditentukan bahwa Common Effect yang digunakan, maka tidak perlu diuji kembali dengan Uji Hausman, namun apabila dari hasil Uji Chow tersebut ditentukan bahwa metode Fixed Effect yang
47
digunakan, maka harus ada uji lanjutan dengan Uji Hausman. Adapun penilaiannya dengan memperhatikan nilai probabilitas untuk cross section F. Jika nilainya lebih dari 0.05 maka model yang terpilih adalah Common Effect, tetapi jika kurang dari 0.05 maka model yang terpilih Fixed Effect.
2) Uji Hausman
Hausman test adalah pengujian statistik untuk memilih apakah model Fixed Effect atau Random Effect yang paling tepat digunakan apabila dari Uji Chow tersebut ditentukan bahwa motode Fixed Effect yang digunakan, maka harus ada uji lanjutan dengan Uji Hausman untuk memilih antara metode Fixed Effect atau metode Random Effect yang akan digunakan untuk mengestimasi regresi data panel. Adapun penilaiannya dengan memperhatikan nilai probabilitas untuk cross section F. Jika nilainya lebih dari 0.05 maka model yang terpilih adalah Random Effect, tetapi jika kurang dari 0.05 maka model yang terpilih Fixed Effect (Winarno, 2015: 9.25).
4. Uji Asumsi Klasik a. Uji Normalitas
Uji normalitas dilakukan untuk menguji apakah di dalam suatu model regresi, variabel pengganggu atau residualnya berdistribusi normal ataukah tidak. Terdapat dua cara untuk mengetahui apakah variabel pengganggu atau residualnya
48
berdistribusi normal atau tidak, yaitu dengan analisis grafik dan uji statistik. Normalitas residual dapat dilihat dengan analisis grafik melalui grafik histogram yang membandingkan antara data observasi dengan distribusi yang mendekati distribusi normal sedangkan untuk uji statistik dapat dilakukan dengan melihat nilai kurtosis dan skewness dari residual. Dalam analisis multivariate, para peneliti menggunakan pedoman setiap variabel terdiri dari 30 data, maka sudah berdistribusi normal. Dapat dikatakan berdistribusi normal jika nilai Jarque-Bera kurang dari 2 atau Probabilitas lebih dari 0.05 (Winarno, 2015).
b. Uji Multikolinieritas
Uji multikolinieritas dilakukan untuk menguji apakah di dalam suatu model regresi terdapat korelasi antar variabel bebasnya (independen) ataukah tidak. Model regresi yang baik, di dalamnya tidak akan terdapat variabel-variabel independen yang saling berkorelasi (Ghozali, 2015). Erlangga dan Suryandari (2012) menyebutkan bahwa model regresi yang bebas dari multikolinieritas jika nilai korelasi antar semua variabel bebas yang diuji kurang dari 0.9 (Sarwono, 2016: 161).
c. Uji Otokorelasi
Ghozali (2015) menerangkan bahwa uji otokorelasi dilakukan untuk menguji apakah di dalam suatu model regresi terdapat korelasi antara kesalahan pengganggu pada periode t dengan kesalahan
49
pengganggu pada periode t-1 (sebelumnya). Pendeteksian terhadap ada tidaknya autokorelasi dapat dilakukan dengan melakukan Durbin h Test. Adapun ketentuannya tidak terdapat otokorelasi pada sebaran data jika nilai h kurang dari 1.645 yaitu nilai pada tabel standar distribusi normal dengan alpha 0.05 (Pamungkas, 2013).
d. Uji Heteroskedastisitas
Uji heteroskedastisitas dilakukan untuk menguji apakah di dalam suatu model regresi terdapat ketidaksamaan variance dari residual satu pengamatan kepengamatan yang lain ataukah tidak. Model regresi yang baik adalah model yang di dalamnya tidak terjadi heteroskedastisitas (Ghozali, 2015). Pendeteksian terhadap ada tidaknya heteroskedastisitas dapat dilakukan dengan melakukan uji Glejser. Model regresi yang bebas dari heteroskedastisitas adalah model yang memiliki nilai uji Glejser > 0,05 (Erlangga dan Suryandari, 2012).
5. Pengujian Hipotesis
a. Uji R2/Koefisien Determinasi
Pada intinya, koefisien determinasi (R2) digunakan untuk melihat seberapa jauh kemampuan model dalam menjelaskan variasi variabel dependennya. Koefisien determinasi bernilai antara nol dan satu. Nilai R2 yang kecil menunjukkan bahwa kemampuan variabel-variabel independen amat terbatas di dalam menjelaskan variasi-variasi variabel dependen. Nilai yang mendekati satu berarti bahwa
50
hampir semua informasi yang diperlukan untuk memprediksi variasi variabel dependen diberikan oleh variabel-variabel independen (Ghozali, 2015).
b. Uji Signifikansi Simultan (Uji F Statistik)
Uji F-statistik ini dilakukan untuk mengetahui apakah variable independent secara bersama-sama mampu memberikan pengaruh terhadap variable dependent. Nilai F-statistik dapat diketahui dengan cara mencari nilai F tabel berdasarkan nilai alpha sebesar 0.05 dan numerator k-1 dengan dominator n-k. Kriteria untuk pengujian jika F hitung > F tabel maka variable independent secara bersama-sama mempengaruhi variable dependent. Jika F hitung < F tabel maka variable independent secara bersama-sama tidak mempengaruhi variable dependent (Sarwono, 2016).
c. Uji Signifikansi Individual (Uji t Statistik)
Uji signifikansi individual (uji t statistik) merupakan pengujian yang dilakukan untuk melihat seberapa jauh pengaruh dari satu variabel independen terhadap variabel dependen. Nilai t ini digunakan untuk melakukan pengujian hipotesis untuk melihat signifikan nilai koefisien regresi yang mencerminkan besarnya pengaruh variablel independent terhadap variable dependent. Dengan kriteria untuk pengujiannya jika t hitung > t tabel maka variable independent berpengaruh secara signifikan terhadap variable dependent. Jika t hitung < t tabel maka variable
51
independent tidak berpengaruh secara signifikan terhadap variable dependent (Sarwono, 2016).
6. Analisis Jalur (Path Analysis)
Untuk menguji pengaruh variabel intervening digunakan metode analisis jalur (Path Analysis). Analisis jalur adalah penggunaan analisis regresi untuk menaksir hubungan kausalitas antar variabel (model causal) yang telah ditetapkan sebelumnya berdasarkan teori.Analisis jalur sendiri tidak dapat menentukan sebab-akibat dan juga tidak dapat digunakan sebagai substitusi bagi peneliti untuk melihat hubungan kausalitas antar variabel. Hubungan kausalitas antar variabel telah dibentuk dengan model berdasarkan landasan teoritis.Apa yang dapat dilakukan oleh analisis jalur adalah menentukan pola hubungan antara tiga atau lebih variabel dan tidak dapat digunakan untuk mengkonfirmasi atau menolak hipotesis kasualitas imajiner (Sunyoto, 2011).