BAB IV ANALISA DAN PEMBAHASAN
4.4. Uji Asumsi Klasik
4.4.1. Uji Multikolinieritas
Pengujian ini dilakukan untuk mengidentifikasi adanya hubungan atau korelasi antar variabel. Ketentuan yang menentukan adanya multikolineraitas apabila terdapat variabel yang bernilai lebih dari 0,8. Peneliti memisahkan variabel moderasi ke dalam 2 (dua) model penelitian. Tabel 4.4 menunjukkan hasil uji multikolinieritas 1, yaitu tabel yang menunjukkan hasil uji multikolinieritas untuk variabel-variabel yang diproksikan dengan DA, KOM, ACHANGE, LEV, OSHIP, ROA, dan GCG. Tabel 4.5 menunjukkan hasil uji multikolinieritas 2, yaitu tabel yang menunjukkan hasil uji multikolinieritas untuk variabel-variabel yang diproksikan dengan DA, KOM, ACHANGE, LEV, OSHIP, ROA, dan RCG pada perusahaan perbankan untuk periode tahun 2011 sampai dengan 2015.
Tabel 4.4
Hasil Uji Multikolinieritas 1
Sumber: output eviews diolah, 2017
Tabel 4.5
Hasil Uji Multikolinieritas 2
Sumber: output eviews diolah, 2017
Berdasarkan hasil pengolahan data yang dilakukan, dapat dilihat pada tabel 4.4 dan 4.5 di atas bahwa nilai tersebut tidak ada yang melebihi nilai 0,8.
Sehingga dapat disimpulkan bahwa dalam penelitian ini tidak ditemukan adanya multikolineritas antar variabel independen.
4.4.2. Uji Autokorelasi
Pengujian autokorelasi ini dilakukan untuk menguji adanya hubungan antara residual satu observasi dengan residual observasi lainnya. Pengujian yang dilakukan adalah dengan menggunakan Uji Durbin-Watson (Uji D-W).
Ketentuan yang ditetapkan dalam pengujian ini adalah apabila nilai D-W
KOM ACHANGE LEV OSHIP ROA GCG
KOM 1,000000 -0,064954 -0,245693 0,301575 0,454793 -0,519752 ACHANGE -0,064954 1,000000 0,038567 -0,054358 -0,239468 -0,327419 LEV -0,245693 0,038567 1,000000 -0,218003 -0,181169 0,186731 OSHIP 0,301575 -0,054358 -0,218003 1,000000 0,246170 -0,067423 ROA 0,454793 -0,239468 -0,181169 0,246170 1,000000 -0,356831 GCG -0,519752 -0,327419 0,186731 -0,067423 -0,356831 1,000000
KOM ACHANGE LEV OSHIP ROA RCG
KOM 1,000000000 -0,064954344 -0,245692703 0,301575424 0,454792665 0,051346582 ACHANGE -0,064954344 1,000000000 0,038566602 -0,054358032 -0,239468424 -0,045850995 LEV -0,245692703 0,038566602 1,000000000 -0,218002689 -0,181168882 0,129452800 OSHIP 0,301575424 -0,054358032 -0,218002689 1,000000000 0,246169942 -0,194587312 ROA 0,454792665 -0,239468424 -0,181168882 0,246169942 1,000000000 0,015258577 RCG 0,051346582 -0,045850995 0,129452800 -0,194587312 0,015258577 1,000000000
berada di antara 1,54 – 2,46 maka tidak terdapat autokorelasi. Peneliti memisahkan variabel moderasi ke dalam 2 (dua) model penelitian. Tabel 4.6 menunjukkan hasil uji autokorelasi 1, yaitu tabel yang menunjukkan hasil uji autokorelasi untuk variabel-variabel yang diproksikan dengan DA, KOM, ACHANGE, LEV, OSHIP, ROA, dan GCG. Tabel 4.7 menunjukkan hasil uji autokorelasi 2, yaitu tabel yang menunjukkan hasil uji autokorelasi untuk variabel-variabel yang diproksikan dengan DA, KOM, ACHANGE, LEV, OSHIP, ROA, dan RCG pada perusahaan perbankan untuk periode tahun 2011 sampai dengan 2015.
Tabel 4.6
Hasil Uji Autokorelasi 1
R-squared 0.270688 Mean dependent var -0.010419 Adjusted R-squared 0.187982 S.D. dependent var 0.055113 S.E. of regression 0.049663 Akaike info criterion -3.063561 Sum squared resid 0.239243 Schwarz criterion -2.767266 Log likelihood 178.9641 Hannan-Quinn criter. -2.943403 F-statistic 3.272909 Durbin-Watson stat 1.923576 Prob(F-statistic) 0.000767
Sumber: output eviews diolah, 2017
Tabel 4.7
Hasil Uji Autokorelasi 2
R-squared 0.209638 Mean dependent var -0.010419 Adjusted R-squared 0.120009 S.D. dependent var 0.055113 S.E. of regression 0.051700 Akaike info criterion -2.983172 Sum squared resid 0.259270 Schwarz criterion -2.686877 Log likelihood 174.5829 Hannan-Quinn criter. -2.863014 F-statistic 2.338962 Durbin-Watson stat 2.002574 Prob(F-statistic) 0.013393
Sumber: output eviews diolah, 2017
Berdasarkan pengolahan data yang sudah dilakukan, seperti yang tampak disajikan pada tabel 4.6 bahwa nilai DW pada model penelitian pertama
telah ditetapkan, sehingga dapat disimpulkan bahwa model penelitian pertama tidak mengalami autokorelasi. Selain itu, berdasarkan pengolahan data yang sudah dilakukan, seperti yang tampak disajikan pada tabel 4.7 bahwa nilai DW pada model penelitian kedua sebesar 2,002574 yang artinya bahwa nilai D-W sesuai dengan kriteria yang telah ditetapkan, sehingga dapat disimpulkan bahwa model penelitian kedua juga tidak mengalami autokorelasi.
4.4.3. Uji Heteroskedatisitas
Pengujian heteroskedastisitas dilakukan dengan meregresikan variabel independen terhadap logaritma natural resid kuadrat (LN resid2). Apabila p- value > 0.05, maka dapat dikatakan tidak adanya heteroskedastisitas pada data. Sebaliknya, jika p-value < 0.05 maka adanya heteroskedastisitas pada model penelitian. Peneliti memisahkan variabel moderasi ke dalam 2 (dua) model penelitian. Tabel 4.8 menunjukkan hasil uji heterokedastisitas 1, yaitu tabel yang menunjukkan hasil uji heterokedastisitas untuk variabel-variabel yang diproksikan dengan DA, KOM, ACHANGE, LEV, OSHIP, ROA, dan GCG.
Tabel 4.9 menunjukkan hasil uji heterokedastisitas 2, yaitu tabel yang menunjukkan hasil uji heterokedastisitas untuk variabel-variabel yang diproksikan dengan DA, KOM, ACHANGE, LEV, OSHIP, ROA, dan RCG pada perusahaan perbankan untuk periode tahun 2011 sampai dengan 2015.
Tabel 4.8
Hasil Uji Heterokedastisitas 1
Variable Coefficient Std. Error t-Statistic Prob.
KOM -0.343108 0.186630 -1.838440 0.0689 ACHANGE 0.000769 0.936974 0.000820 0.9993 LEV -2.410453 4.775026 -0.504804 0.6148 OSHIP 90.61392 85.68060 1.057578 0.2927 ROA 0.209562 13.15740 0.015927 0.9873 GCG -0.129151 0.367124 -0.351792 0.7257 C 3.739205 6.435568 0.581022 0.5625
Sumber: output eviews diolah, 2017
Tabel 4.9
Hasil Uji Heterokedastisitas 2
Variable Coefficient Std. Error t-Statistic Prob.
KOM -0.333437 0.191929 -1.737290 0.0854 ACHANGE 0.246720 0.876934 0.281343 0.7790 LEV -3.239866 5.492463 -0.589875 0.5566 OSHIP 83.58497 133.4594 0.626295 0.5325 ROA 13.19718 13.19471 1.000187 0.3196 RCG -0.047402 0.036331 -1.304747 0.1949
Sumber: output eviews diolah, 2017
Berdasarkan data yang telah diolah dengan menggunakan software Eviews 9 sebagaimana yang telah terlampir pada tabel 4.8 dan 4.9, bahwa tidak adanya variabel independen yang nilainya dibawah 0,05. Maka dapat disimpulkan bahwa tidak adanya heteroskedastisitas dalam kedua model penelitian ini.
4.5. Analisis Regresi Data Panel
4.5.1. Penentuan Model Data Panel 4.5.1.1.Common Effect
Dalam menentukan model estimasi yang tepat, terlebih dahulu perlu dilakukan Uji Chow. Uji Chow dilakukan untuk memilih model
penelitian terbaik antara common effect atau fixed effect. Hipotesis yang digunakan pada uji chow adalah sebagai berikut:
Ho = Menggunakan model Common Effect Ha = Menggunakan model Fixed Effect
Apabila setelah pengujian diperoleh nilai probabilitas Chi Square > 0,05, maka Ho diterima yang artinya model terbaik untuk digunakan dalam penelitian adalah model common effect. Namun, apabila setelah pengujian diperoleh nilai probabilitas Chi Square <
0,05, maka Ho ditolak yang artinya model terbaik untuk digunakan dalam penelitian adalah fixed effect.
Peneliti memisahkan variabel moderasi ke dalam 2 (dua) model penelitian. Tabel 4.10 menunjukkan hasil Uji Chow 1, yaitu tabel yang menunjukkan hasil Uji Chow untuk model penelitian dengan moderasi GCG. Tabel 4.11 menunjukkan hasil Uji Chow 2, yaitu tabel yang menunjukkan hasil Uji Chow untuk model penelitian dengan moderasi RCG pada perusahaan perbankan untuk periode tahun 2011 sampai dengan 2015.
Tabel 4.10 Hasil Uji Chow 1
Effects Test Statistic d.f. Prob.
Cross-section F 1.181416 (21,76) 0.2916
Cross-section Chi-square 30.792663 21 0.0772
Sumber: output eviews diolah, 2017
Berdasarkan tabel 4.10, hasil Uji Chow menunjukkan nilai
probabilitas Chi Square sebesar 0,0772 atau 7,72% yang lebih besar dari 5%, sehingga dapat disimpulkan bahwa Ho tidak dapat ditolak dan terbaik untuk digunakan dalam penelitian adalah model common effect. Dengan demikian penelitian ini tidak dilanjutkan ke Uji Hausman.
Tabel 4.11 Hasil Uji Chow 2
Effects Test Statistic d.f. Prob.
Cross-section F 1.151225 (21,76) 0.3182
Cross-section Chi-square 30.104983 21 0.0899
Sumber: output eviews diolah, 2016
Berdasarkan tabel 4.11, hasil Uji Chow menunjukkan nilai probabilitas Chi Square sebesar 0,0899 atau 8,99% yang lebih besar dari 5%, sehingga dapat disimpulkan bahwa Ho tidak dapat ditolak dan terbaik untuk digunakan dalam penelitian adalah model common effect. Dengan demikian, penelitian ini juga tidak dilanjutkan ke Uji Hausman.