BAB IV HASIL DAN PEMBAHASAN
4.4. Uji Asumsi Klasik
56 Tabel 4.6.
Hasil Uji Hausman untuk Model Persamaan Regresi Kedua
Sumber: Output Eviews 10 Lite Student Version, diolah (2018)
Hasil uji Hausman menunjukkan nilai cross section random sebesar 52,362639 dengan tingkat probabilitas lebih rendah dari 0,05, yakni 0,000. Dengan demikian dapat dikatakan bahwa model fixed effect lebih baik dibanding model random effect untuk penelitian ini.
Hasil dari uji chow dan uji hausman menunjukkan kecenderungan model yang sama yaitu fixed effect model. Maka tidak perlu dilakukan uji ketiga yaitu Langrangge Multiplier (LM) Test, yang mana memperbandingkan antara common effect model dengan random effect model.
57 Tabel 4.7.
Uji Heteroskedastisitas Model Persamaan Regresi Pertama
Sumber: Output Eviews 10 Lite Student Version, diolah (2018)
Berdasarkan hasil uji terebut diketahui signifikansi likelihood ratio sebesar 0,000 di mana artinya hipotesis null yang menyatakan bahwa data bersifat homoskedastisitas ditolak. Dengan kata lain data terkena asumsi heteroskedastisitas.
Apabila pada suatu model regresi terdeteksi heteroskedastisitas, maka standar eror dari regresi daat menjadi bias. (Ariefianto, 2012, p. 42) menjelaskan pada program eviews koreksi yang dapat dilakukan salah satunya ialah dengan mentransformasi dan me-reestimasi persamaan dengan metode Generalized Least Square (GLS).
4.4.1.2. Uji Autokorelasi
Uji autokorelasi untuk penelitian ini dilakukan dengan uji Durbin Watson.
Persamaan Regresi pertama merupakan regresi sederhana yang memiliki satu variabel independen, dengan jumlah observasi sebanyak 72.
Hasil persamaan regresi pertama dengan fixed effect model Cross section weight menunjukkan statistik DB pada kisaran 2,063038. Sementara dL= 1,5895 dan dU
= 1,6457. Maka dapat disimpukan bahwa data terbebas dari asumsi autokorelasi.
dU < d < 4-dU (2,3543).
Panel Cross-section Heteroskedasticity LR Test Null hypothesis: Residuals are homoskedastic Equation: EQ01
Specification: ROA C LN_FINANCING
Value df Probability
Likelihood ratio 161.2728 12 0.0000 LR test summary:
Value df
Restricted LogL 139.3948 70 Unrestricted LogL 220.0313 70
Unrestricted Test Equation:
Dependent Variable: ROA
Method: Panel EGLS (Cross-section weights) Date: 08/08/18 Time: 15:05
Sample: 2011 2017 Periods included: 7
Cross-sections included: 12
Total panel (unbalanced) observations: 72 Iterate weights to convergence
Convergence achieved after 29 weight iterations
Variable Coefficient Std. Error t-Statistic Prob.
C 0.014680 0.012346 1.189039 0.2384
LN_FINANCING -0.000181 0.000443 -0.409936 0.6831 Weighted Statistics
R-squared 0.002395 Mean dependent var 0.049564 Adjusted R-squared -0.011857 S.D. dependent var 0.077488 S.E. of regression 0.036307 Akaike info criterion -6.056424 Sum squared resid 0.092275 Schwarz criterion -5.993183 Log likelihood 220.0313 Hannan-Quinn criter. -6.031247 F-statistic 0.168047 Durbin-Watson stat 0.982578 Prob(F-statistic) 0.683105
Unweighted Statistics
R-squared -0.051155 Mean dependent var 0.001711 Sum squared resid 0.092275 Durbin-Watson stat 1.482635
58 4.4.1.3. Uji Normalitas
Uji normalitas menggunakan program eviews dilakukan pada residual regresi model persamaan. Uji tersebut dilakukan dengan memilih melakukan perintah Histogram-Normality Test pada persamaan model fixed effect. Adapun hasil uji normalitas untuk persamaan regresi pertama tersaji pada Gambar 4.2.
Gambar 4.2.
Hasil Uji Normalitas Persamaan Regresi Pertama
Sumber: Output Eviews 10 Lite Student Version, diolah (2018)
Berdasarkan hasil uji normalitas pada persamaan pertama seperti yang terlihat pada Gambar 4.1, nilai Jaque-Bera sebesar 1,492619 dengan nilai probability sebesar 0.474113. Nilai probabilitas ini lebih besar dari 0.05 atau 0.474113 > 0.05 sehingga dapat disimpulkan bahwa residu persamaan regresi model pertama terdistribusi normal.
4.4.2. Uji Asumsi Klasik Persamaan Regresi Kedua
Persamaan regresi kedua melibatkan pembiayaan berbasis bagi hasil dan profitabilitas dalam memberikan dampak pada pertumbuhan ekonomi, serta keberadaan kualitas pembiayaan sebagai faktor yang memoderasi profitabilitas bank syariah dalam mempengaruhi pertumbuhan ekonomi. Data yang digunakan ialah unbalanced data panel dengan variabel independen lebih dari satu. Adapun keempat uji asumsi klasik diterapkan untuk memastikan hasil estimasi yang baik,
0 2 4 6 8 10 12 14
-0.08 -0.06 -0.04 -0.02 0.00 0.02 0.04 0.06 0.08
Series: Standardized Residuals Sample 2011 2017
Observations 72 Mean -1.45e-18 Median 0.004512 Maximum 0.079777 Minimum -0.075296 Std. Dev. 0.026919 Skewness -0.236701 Kurtosis 3.522906 Jarque-Bera 1.492619 Probability 0.474113
59 yakni uji multikolinearitas, uji heteroskedastisitas, dan uji normalitas. Berikut adalah persamaan regresi keduaa yang digunakan dalam penelitian ini.
Ln_PDB = β1 ln_syrkah financing + β2 ROA + β3 NPF + β4 ROA*NPF + ε.
4.4.2.1. Uji Multikolinearitas
Pada model persamaan regresi pertama tidak dilakukan uji multikolinearitas dikarenakan variabel independen hanya ada satu (1), sementara pada model persamaan regresi variabel independen lebih dari satu sehingga perlu dilakukan uji multikolinearitas. Adapun hasil uji multikolinearitas dapat disajikan pada Tabel 4.8.
Tabel 4.8.
Uji Multikolinearitas
Sumber: Output Eviews 10 Lite Student Version, diolah (2018)
(Ghozali & Ratmono, 2013, p. 83) memberikan batasan korelasi yang baik ialah kurang dari 0,9. Berdasarkan hasil uji multikolinearitas pada tabel 4.8. diketahui tidak ada korelasi antar variabel independen yang memiliki korelasi di atas 0,9.
Dengan demikkian dapat disimpulkan bahwa data terbebas dari asumsi multikolinearitas.
4.4.2.2. Uji Heteroskedastisitas
Uji Heteroskedastisitas dilakukan dengan melihat rasio likelihood. Sebelumnya uji heteroskedastisitas menggunakan program eviews ialah menggunak4an metode Glejser, White, ataupun Breusch-Pagan-Godfrey. Sementara uji heteroskedastisitas menggunakan rasio likelihood dilakukan dengan program Stata. Akan tetapi dengan Eviews versi 10, uji heteroskedastisitas data panel dapat menggunakan rasio likelihood. Adapun hasil uji dapat disajikan pada Tabel 4.9.
ROA LN_FINANC... NPF ROA 1.000000 0.020561 -0.846822 LN_FINANC... 0.020561 1.000000 -0.090829 NPF -0.846822 -0.090829 1.000000
60 Tabel 4.9.
Hasil Uji Heteroskedastisitas Model Persamaan Regresi Kedua
Sumber: Output Eviews 10 Lite Student Version, diolah (2018)
Tabel 4.9. menunjukkan probabilitas likelihood ratio sebesar 0,2320 di mana apabila hasil tidak signifikan, maka hipotesis null yang menyatakan bahwa data bersifat homoskedastisitas diterima. Dengan kata lain data terbebas dari asumsi heteroskedastisitas.
4.4.2.3. Uji Autokorelasi
Uji autokorelasi pada model persamaan regresi kedua menunjukkan nilai Durbin Watson sebesar 0,945107. Sementara dL= 1,5895 dan dU = 1,6457. Penentuan keputusan apakah data terkena autokorelasi dapat dilihat berdasarkan Tabel Durbin Watson (Tabel 3.1.).
Berdasarkan Tabel 3.1., diketahui bahwa data terkena autokorelasi positif.
Gujarati (2003) dalam (Ariefianto, 2012, p. 28) menjelaskan bahwa jika model terkena asumsi autokorelasi maka varians residual bukan pada nilai minimum, sehingga model menjadi tidak BLUE. Sehingga hasil estimasi cenderung terlalu rendah dan hasil uji t terlihat lebih besar. Meski demikian hasil estimasi tetap konsiste, terdistribusi normal, serta tidak bias.
Dikarenakan terkena asumsi autokorelasi positif, maka model persamaan regresi kedua perlu mengoreksi standar eror. Adapun teknik yang dapat dilakukan adalah white periode robust standard error.
Panel Cross-section Heteroskedasticity LR Test Null hypothesis: Residuals are homoskedastic Equation: EQ02
Specification: LN_PDB C ROA LN_FINANCING NPF ROA_NPF
Value df Probability
Likelihood ratio 15.17571 12 0.2320 LR test summary:
Value df
Restricted LogL 38.67210 67 Unrestricted LogL 46.25995 67
Unrestricted Test Equation:
Dependent Variable: LN_PDB
Method: Panel EGLS (Cross-section weights) Date: 08/08/18 Time: 15:23
Sample: 2011 2017 Periods included: 7
Cross-sections included: 12
Total panel (unbalanced) observations: 72 Iterate weights to convergence
Convergence achieved after 54 weight iterations
Variable Coefficient Std. Error t-Statistic Prob.
C 14.60144 0.219988 66.37366 0.0000
ROA -0.787381 0.559896 -1.406298 0.1643 LN_FINANCING 0.101899 0.007681 13.26657 0.0000
NPF 2.308862 0.277212 8.328876 0.0000
ROA_NPF 14.75762 4.772138 3.092455 0.0029 Weighted Statistics
R-squared 0.878914 Mean dependent var 46.43091 Adjusted R-squared 0.871685 S.D. dependent var 51.45819 S.E. of regression 0.220265 Akaike info criterion -1.146110 Sum squared resid 3.250606 Schwarz criterion -0.988008 Log likelihood 46.25995 Hannan-Quinn criter. -1.083169 F-statistic 121.5809 Durbin-Watson stat 0.725067 Prob(F-statistic) 0.000000
Unweighted Statistics
R-squared -0.930995 Mean dependent var 17.55971 Sum squared resid 3.250707 Durbin-Watson stat 0.402712
61 4.4.2.4. Uji Normalitas
Uji normalitas dilakukan pada model kedua persamaan regresi. Adapun hasil uji normalitas dapat disajikan pada Gambar 4.2.
Gambar 4.3.
Hasil Uji Normalitas Model Persamaan Regresi Kedua
Sumber: Output Eviews 10 Lite Student Version, diolah (2018)
Berdasarkan Gambar 4.2. diketahui hasil uji normalitas persamaan regresi kedua memberikan nilai Jarque Bera sebesar 5.60569 dengan tingkat probabilitas lebih dari 0,05, yaitu 0,060569. Dengan demikian dapat dikatakan bahwa data residu persamaan regresi model kedua terdsitribusi normal.