Analisis Regresi Data Panel Dengan EVIEWS [PDF]

Citation preview

Analisis Regresi Data Panel Dengan EVIEWS



Analisis Regresi Data Panel Dengan EVIEWS Salam semuanya, pada postingan sebelumnya, mimin telah mencoba untuk menguraikan tahap-tahap yang dilakukan dalam melakukan analisis regresi berganda untuk data primer dan data sekunder dengan alat bantu software SPSS disertai dengan penjelasan mengenai output SPSS yang ada. Dan kali ini mimin akan mencoba untuk menguraikan tahapan-tahapan yang dilakukan dalam melakukan analisis regresi data panel dengan alat bantu Eviews dan juga cara membaca output dari Eviews yang keluar. Dan kali ini mimin akan mencoba untuk menjabarkan sebuah penelitian dengan judul Analisis Pengaruh Return On Equity (ROE), Dividend Pershare (DPS), Current Ratio (CR) Dan Book Value Pershare (BVPS) Terhadap Harga Saham (HS) Pada Perusahaan Manufaktur Yang Terdaftar Di Bursa Efek Indonesia (BEI) Periode 2010-2014. Dan berikut penjabaranya……. Metode Analisis Data Panel Sebelum melakukan pengujian regresi data panel, ada baiknya kita mengenal 3 pendekatan yang digunakan dalam metode analisis regresi data panel, ketiga model itu ialah common effect, fixed effect dan random effect dan berikut penjelalasan ringkas mengenai ketiga model tersebut: Pooled Least Square (Common Effect) Model Common Effect atau Pooled Least Square Model



adalah model estimasi yang



menggabungkan data time series dan data cross section dengan menggunakan pendekatan OLS (Ordinary Least Square) untuk mengestimasi parameternya. Dalam pendekatan ini tidak memperhatikan dimensi individu maupun waktu sehingga perilaku data antar perusahaan diasumsikan sama dalam berbagai kurun waktu. Pada dasarnya Model Common Effect sama



seperti OLS dengan meminimumkan jumlah kuadrat, tetapi data yang digunakan bukan data time series atau data cross section saja melainkan data panel yang diterapkan dalam bentuk pooled. Bentuk untuk model Ordinary Least Square adalah:



Yit = b0 + b1Xit + b2Xit +ɛit untuk i=1,2,…,n dan t=1,2,…,t Fixed Effect Model Teknik model Fixed Effect adalah teknik mengestimasi data panel dengan menggunakan variabel dummy untuk menangkap adanya perbedaan intersep. Pengertian Fixed Effect ini didasarkan adanya perbedaan intersep antara perusahaan namun intersepnya sama antar waktu (time in variant). Disamping itu, model ini juga mengansumsikan bahwa koefisien regresi (slope) tetap antar perusahaan dan antar waktu. Pendekatan dengan variabel dummy ini dikenal dengan sebutan Fixed Effect Model atau Least Square Dummy Variabel (LSDV) atau disebut juga Covariance Model. Persamaan pada estimasi dengan menggunakan Fixed Effect Model dapat ditulis dalam bentuk sebagai berikut:



Yit = b0 + b1Xit + b2Xit + b3D1i + b4D2i +……+ ɛit Dimana:



i = 1,2,...,n



t = 1,2,…,t



D = dummy



Random Effect Model Random Effect Model adalah model estimasi regresi panel dengan asumsi koefesien slope kontan dan intersep berbeda antara individu dan antar waktu (Random Effect). Dimasukannya variabel dummy di dalam Fixed Effect Model bertujuan untuk mewakili ketidaktahuan tentang model yang sebenarnya. Namun, ini juga membawa konsekwensi berkurangnya derajat kebebasan (degree of freedom) yang pada akhirnya mengurangi efesiensi parameter. Masalah ini bisa diatasi dengan menggunakan variabel gangguan (error terms) yang dikenal dengan metode Random Effect. Model ini akan mengestimasi data panel dimana variabel gangguan mungkin saling berhubungan antar waktu dan antar individu.



Model yang tepat digunakan untuk mengestimasi Random Effect adalah Generalized Least Square (GLS) sebagai estimatornya, karena dapat meningkatkan efesiensi dari least square. Bentuk umum untuk Random Effect adalah:



Yit = α1 + bjXjit + ɛit dengan ɛit = ui + vt + wit Dimana : ui ~ N ( 0, δu2) = komponen cross section error vt ~ N ( 0, δv2 ) = komponen time series error wit ~ N ( 0, δw2 ) = komponen eror kombinasi Pemilihan Model Estimasi Seperti telah dijelaskan sebelumnya bahwa di dalam analisis regresi data panel terdapat 3 macam pendekatan, maka kita perlu memilih pendekatan mana yang terbaik dari ketiga pendekatan itu yang akan kita gunakan untuk memprediksi model regresi dari penelitian yang dilakukan. Dan berikut beberapa uji yang dilakukan untuk mendapatkan pendekatan terbaik dalam analisis regresi data panel: Uji F Restricted (Chow Test) Uji Chow ialah pengujian untuk menentukan model Fixed Effet atau Common Effect yang lebih tepat digunakan dalam mengestimasi data panel. Hipotesis dalam uji chow adalah: H0



: Common Effect Model



H1



: Fixed Effect Model



Dasar penolakan terhadap hipotesis di atas adalah dengan membandingkan perhitungan F statistik dengan F tabel. Perbandingan dipakai apabila hasil F hitung lebih besar (>) dari F tabel, maka H0 ditolak yang berarti model yang lebih tepat digunakan adalah Fixed Effect Model. Begitupun sebaliknya, jika F hitung lebih kecil ( Chi-Square tabel, maka H0 diterima. Jika hasil dari LM hitung < Chi-Square tabel, maka H1 diterima. Atau dapat dilakukan dengan melihat nilai Cross-section random. Apabila nilainya berada di atas 0,05 atau tidak signifikan, maka H0 diterima dan jika berada dibawah 0,05 atau signifikan maka H0 ditolak dan H1 diterima.



Setelah melakukan uji-uji dalam mencari pendekatan terbaik dalam regresi data panel diantara common effect, fixed effect dan random effect dan telah kita ketahui pendekatan mana yang terbaik, maka langkah selanjutnya adalah melakukan uji asumsi klasik dan berikut penjelasanya: Uji Asumsi Klasik Uji Normalitas Uji normalitas dimaksudkan untuk menguji apakah nilai residual yang telah terstandarisasi pada model regresi berdistribusi normal atau tidak. Nilai residual dikatakan berdistribusi normal jika nilai residual terstandarisasi tersebut sebagian besar mendekati nilai rata-ratanya. Tidak terpenuhinya mormalitas pada umumnya disebabkan karena distribusi data tidak normal, karena terdapat nilai ekstrem pada data yang diambil. Untuk mendeteksi normalitas data dapat dilakukan dengan melihat koefisien Jarque-Bera dan probabilitasnya. Kedua angka ini saling mendukung. Ketentuanya adalah sebagai berikut: 1) Bila nilai J-B tidak signifikan (lebih kecil dari 2), maka data berdistribusi normal. 2) Bila probabilitas lebih besar dari tingkat signifikasi atau α, maka data berdistribusi normal (hipotesis nolnya adalah data berdistribusi normal). Uji Multikolinieritas Uji Multikolinieritas bertujuan untuk menguji apakah dalam model regresi yang terbentuk ada korelasi yang tinggi atau sempurna di antara variabel bebas. Multikolinieritas adalah hubungan liniear antar variabel independen di dalam regresi berganda. Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel independen. Metode untuk mendeteksi ada tidaknya masalah multikolinieritas dapat dilakukan dengan metode korelasi parsial antar variabel independen. Sebagai aturan yang kasar (rule of thumb), jika koefesien korelasi cukup tinggi di atas 0,85 maka kita duga ada multikolinieritas dalam model. Sebaliknya jika koefisien korelasi kurang dari 0,85 maka kita duga model tidak mengandung unsur multikolinieritas. Akan tetapi perlu kehati-hatian terutama pada data time series



seringkali menunjukan korelasi antara variabel independen yang cukup tinggi. Korelasi tinggi ini terjadi karena data time series seringkali menunjukan unsur tren, yaitu data bergerak naik dan turun secara bersamaan. Uji Heteroskedastisitas Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi yang terbentuk terjadi ketidaksamaan varian dari residual model regresi. Data yang baik adalah data yang homoskedastisitas. Homoskedastisitas terjadi jika varian variabel pada model regresi memiliki nilai yang sama atau konstan Heteroskesdastisitas berarti varian variabel gangguan yang tidak konstan. Masalah heteroskedastisitas dengan demikian lebih sering muncul pada cross section dari pada data time series. Jika varian dari residual suatu pengamatan ke pengamatan lainnya tetap, maka disebut heteroskedastisitas. ada beberapa akibat apabila residualnya bersifat heteroskedastisitas: 1) Estimator metode kuadrat terkecil tidak mempunyai varian yang minimum (tidak lagi best), sehingga hanya memenuhi karakteristik LUE (linear unbiased estimator). Meskipun 2)



demikian, estimator metode kuadrat terkecil masih bersifat linier dan tidak bias. Perhitungan standar eror tidak dapat lagi dipercaya kebenarannya, karena varian tidak



minimum. Varian yang tidak minimum mengakibatkan estimasi regresi yang tidak efisien. 3) Uji hipotesis yang didasarkan pada uji t dan uji F tidak dapat lagi dipercaya karena standar error-nya tidak dapat dipercaya. Metode yang digunakan untuk mendeteksi ada tidaknya masalah heteroskedastisitas dapat dilakukan dengan uji Park. Uji Park dilakukan dengan melakukan regresi fungsi-fungsi residual. Jika variabel independen tidak signifikan secara statistik, maka dapat disimpulkan bahwa model yang terbentuk dalam persamaan regresi tidak mengandung masalah heteroskedastisitas. Uji Autokorelasi



Uji Autokorelasi bertujuan untuk mengetahui apakah ada korelasi antara anggota serangkaian data observasi yang diurutkan menurut waktu atau ruang. Autokorelasi merupakan korelasi antar variabel gangguan satu observasi dengan variabel gangguan observasi lain. Autokorelasi sering muncul pada data time series. Autokorelasi muncul karena observasi yang beruntung sepanjang waktu berkaitan satu sama lain. Autokorelasi dapat diditeksi melalui metode Durbin-Waston (DW) dengan mengansumsikan bahwa variabel gangguannya hanya berhubungan dengan variabel gangguan periode sebelumnya (lag pertama) yang dikenal dengan model autoregresif tingkat pertama dan variabel independen tidak mengandung variabel independen yang merupakan kelambanan dari variabel dependen. Dasar pengambilan keputusannya adalah sebagai berikut : Nilai Statistik (Durbin-Watson) 0 < d < dl dl < d < du du < d < 4 – du 4 - du < d < 4 – dl 4 – dl < d < 4



d Hasil Menolak hipotesis nol : autokorelasi positif Daerah keragu-raguan : tidak keputusan Menerima hipotesis nol : tidak autokorelasi positif / negatif Daerah keragu-raguan : tidak keputusan Menolak hipotesis nol : autokorelasi negatif



ada ada ada ada ada



Analisis Korelasi Analisis korelasi parsial (Partial Correlation) digunakan untuk mengetahui hubungan antara dua variabel di mana variabel lainnya yang dianggap berpengaruh dikendalikan atau dibuat tetap (sebagai variabel kontrol). Koefisien korelasi tersebut dapat diperoleh dari : Rx1y =



n∑x1y – (∑x1) (∑y)



√{n∑x



2



√{n∑x



2



Rx2y =



2



– (∑x1)2} {n∑y2 – (∑y)2} n∑x2y – (∑x2) (∑y)



2



– (∑x2)2} {n∑y2 – (∑y)2}



Rx3y = n∑x3y – (∑x3) (∑y)



√{n∑x



3



2



– (∑x3)2} {n∑y2 – (∑y)2} Rx4y



=



n∑x4y – (∑x4) (∑y)



√{n∑x



4



2



– (∑x4)2} {n∑y2 – (∑y)2}



Keterangan : Rx1y = korelasi antara X1 dengan variabel Y Rx2y = korelasi antara X2 dengan variabel Y Rx3y = korelasi antara X3 dengan variabel Y Rx4y = korelasi antara X4 dengan variabel Y n = banyaknya sampel X1 = Return On Equity (ROE) X2 = Dividend Pershare (DPR) X3 = Current Ratio (CR) X4 = Book Value Pershare (BVPS) y = Harga Saham (HS) Secara umum nilai koefisien korelasi terletak antara -1 dan 1 atau -1 ≤ r ≤ 1. Koefisien korelasi mempunyai nilai paling kecil -1 dan paling besar 1, dengan kriteria sebagai berikut : Jika r=1, korelasi antara X dan Y adalah sempurna positif yang berarti kenaikan atau penurunan X sangat mempengaruhi kenaikan atau penurunan Y. Jika r = -1, korelasi antara X dan Y sempurna negatif yang berarti kenaikan atau penurunan X tidak mempengaruhi kenaikan atau penurunan Y. Jika r = 0, korelasi antara X dan Y lemah sekali (tidak ada hubungan) Pedoman Untuk Memberikan Interprestasi Koefisien Korelasi Interval koefisien



Tingkat hubungan



0,00-0,19



Sangat lemah



0,21-0,39



Lemah



0,40-0,59



Sedang



0,60-0,79



Kuat



0,80-1,00



Sangat kuat



Uji Hipotesis Persamaan Regresi Data Panel Model analisis ini merupakan analisis yang bersifat kuantitatif yang digunakan untuk mengetahui sejauh mana besarnya pengaruh antara variabel bebas dengan variabel terikat. Di dalam penelitian ini peneliti menggunakan uji regresi liner berganda yaitu pengujian yang dilakukan untuk melihat pengaruh dari dua variabel bebas terhadap variabel terikatnya namun masih menunjukkan hubungan yang linear. Model regresi data panel secara umum adalah sebagai berikut :



Ŷ = a + b1X1 + b2X2 + b3X3 + b4X4 + ε Dari persamaan regresi data panel tersebut, maka model persamaan regresi data panel yang digunakan pada penelitian ini adalah :



HS = a + b 1ROE + b2DPS + b3CR+ b3BVPS + ε Keterangan : Ŷ = variabel dependen (HS) X1 = variabel independen pertama (ROE) X2 = variabel independen kedua (DPS) X3 = variabel independen ketiga (CR) X4 = variabel independen keempat (BVPS) a = koefisien konstanta b1 = koefisien regresi ε = Error term Uji Koefisien Regresi Secara Parsial (Uji t) Uji t digunakan untuk melihat signifikasi dari pengaruh independen secara individu terhadap variabel dependen dengan menganggap variabel lain bersifat konstan. Untuk mengetahui



apakah variabel independen berpengaruh signifikan terhadap variabel dependen dalam penelitian ini dilakukan dengan melihat nilai signifikasi (probabilitas) masing-masing variabel independen dengan pengambilan keputusan sebagai berikut : 1) Jika nilai signifikasi pada variabel bebas > 0.05, maka Ho diterima, artinya secara individual variabel bebas tidak mempengaruhi variabel terikat. 2) Jika nilai signifikasi pada variabel bebas < 0.05, maka Ho ditolak, artinya secara individual variabel bebas mempengaruhi variabel bebas. Uji Koefisien Regresi Bersama-sama (Uji F) Uji F ini adalah pengujian yang bertujuan



untuk mengetahui seberapa besar pengaruh



koefisien regresi secara bersama-sama terhadap dependen variabel. Pengujian dilakukan dengan membandingkan nilai signifikansi dengan nilai α yang ditetapkan (0,05) atau 5%. Jika signifikansi < 0,05 maka Ho ditolak, yang berarti variabel independen bersama-sama mempengaruhi variabel dependen. Jika signifikansi > 0,05 atau 5% maka Ho diterima yang berarti variabel independen bersama-sama tidak mempengaruhi variabel dependen. Koefisien Determinasi (R2) Digunakan untuk mengetahui berapa besarnya konstribusi yang diberikan variabel X (ROE, DPS, CR dan BVPS) dalam menjelaskan variabel Y (Harga Saham). Rumus koefisien penentu (KD) dalam penelitian ini sebagai berikut :



KD = R2 x 100%



Keterangan : KD : Nilai koefisien determinasi R2 : Nilai koefisien korelasi Pembahasan dan Hasil Analisa Metode Analisis Data Panel Pemilihan Model Estimasi Uji F Restricted (Chow Test) Uji Chow ialah pengujian untuk menentukan model Fixed Effet atau Common Effect yang lebih tepat digunakan dalam mengestimasi data panel. Hipotesis dalam uji chow dalam penelitian ini adalah: H0 H1



: Common Effect Model : Fixed Effect Model



Dasar penolakan terhadap hipotesis di atas adalah dengan membandingkan perhitungan Fstatistik dengan F-tabel. Perbandingan dipakai apabila hasil F hitung lebih besar (>) dari F tabel, maka H0 ditolak yang berarti model yang lebih tepat digunakan adalah Fixed Effect Model. Begitupun sebaliknya, jika F hitung lebih kecil ( 0,05, hal ini menunjukkan pengaruh ROE terhadap HS negatif dan tidak signifikan.



Berdasarkan hasil pada tabel diatas nilai koefsien regresi variabel DPS sebesar 0,017 dengan t sebesar 0,057 dan signifikansi sebesar 0,955 > 0,05, hal ini menunjukan bahwa pengaruh DPS terhadap HS adalah positif tidak signifikan. Berdasarkan hasil riset pada tabel diatas nilai koefsien regresi variabel CR sebesar 0,249 dengan t sebesar 2,163 dan signifikansi 0,03 < 0,05 menunjukkan bahwa pengaruh variabel CR terhadap HS adalah positif dan signifikan. Berdasarkan hasil pada tabel diatas, nilai koefsien regresi variabel BVPS sebesar 0,001 dengan t sebesar 0,271 dan signifikansi 0,788 > 0,05 menunjukkan bahwa pengaruh variabel BVPS terhadap HS adalah negatif tidak signifikan. Uji Koefisien Regresi Bersama-sama (Uji F) Untuk menguji signifikansi parameter regresi secara simultan digunakan uji statistik F. Uji statistik F pada dasarnya menunjukkan apakah semua variabel bebas yang dimasukkan dalam model mempunyai pengaruh secara bersamaan terhadap variabel terikat atau dependen. Berdasarkan hasil uji statistik F tabel output model fixed effect di atas, output regresi menunjukkan nilai signifikansi 0,000 < 0,05 (5%), sehingga dapat disimpulkan bahwa secara bersama-sama variabel ROE, DPS, CR dan BVPS berpengaruh secara signifikan terhadap variabel Harga Saham.



Koefisien Determinasi Analisis koefisien determinasi digunakan untuk mengetahui persentase ROE, DPS, CR, dan BVPS terhadap HS. Dan berdasarkan tabel output model fixed effect di atas dapat diketahui bahwa nilai R-square sebesar 0,7480 artinya secara bersama-sama variabel ROE, DPS, CR, dan BVPS mempunyai kontribusi menjelaskan HS sebesar 74,8%, sedangkan sisanya sebesar



25,2% (100%- 74,8%) dijelaskan oleh variabel lain yang tidak diteliti atau tidak dimasukkan dalam model penelitian ini.



Sekian dulu untuk pembahasan mengenai analisis regresi data panel dengan Eviews. Next time, mimin akan mencoba untuk memposting tulisan lain tentang analisis data dengan judul yang berbeda dan metode analisis yang berbeda serta dengan software yang berbeda.



Terima Kasih………………



DAFTAR PUSTAKA Ghozali, Imam. “Aplikasi Analisis Multivariat dengan Program IBM SPSS”. Edisi 5 Cetakan V, Badan Penerbit Universitas Diponegoro, Semarang, 2011. Indriantoro, Nur & Bambang Supomo. “Metodologi Penelitian Bisnis untuk Akuntansi dan Manajemen”. BPFE Yogyakarta, 2002. Irawati, Susan. “Manajemen Keuangan, Cetakan Pertama”. PT Pustaka, Bandung, 2006 Kasmir. “Analisa Laporan Keuangan”. Kharisma Putra Utama, Jakarta, 2008. Kasmir. “Pengantar Manajemen Keuangan”. Kencana, Jakarta, 2010. Siamat, Dahlan. “Manajemen Lembaga Keuangan”. LPFE UI, Jakarta, 2005. Sugiyono. “Metode Penelitian Bisnis”. CV. Alfabeta, Bandung, 2003. Suharyadi dan Purwanto, “Statistika untuk Ekonomi dan Keuangan Modern”. Penerbit Salemba 4, Jakarta, 2008. Sulaiman, Wahid. “Analisis Regresi Menggunakan SPSS Contoh dan Pemecahanya”. Penerbit Andi, Yogyakarta, 2004. Suliyanto, “Ekonometrika Terapan, Teori dan Aplikasi dengan SPSS”, Penerbit Andi, Yogyakarta, 2011. Syahrial, Dermawan. “Manajemen Keuangan”. Mitra Wacana Media, Jakarta, 2007. Werner, R. Murhadi. “Analisis Saham Pendekatan Fundamental”. Penerbit Indeks, Jakarta, 2009. Widarjono, Agus. “Analisis Multivariat Terapan”. Unit Penerbit dan Percetakan STIM YKPN, 2010. Widarjono, Agus. “Ekonometrika Pengantar dan Aplikasinya”. Ekonisia FE UII, Yogyakarta, 2009.



Sumber http://jasaskripsi77.blogspot.co.id/2015/11/analisis-regresi-data-paneldengan.html di akses tanggal 21 juni 2016