BAB IV METODOLOGI PENELITIAN

BAB IV METODOLOGI PENELITIAN IV.1 Model Penelitian Tujuan dari penelitian ini adalah ingin mengetahui efektifitas dari biaya iklan (promosi) terhadap dua perusahaan (Indosat dan Telkomsel) di industri telekomunikasi seluler dengan beberapa variabel kontrol antara lain, usia perusahaan, aktiva tetap dan biaya gaji. Efektivitas akan dilihat menggunakan profitabilitas sebagai proksi dari kinerja perusahaan karena profitabilitas merupakan ukuran dari kinerja operasional perusahaan seperti Rev/aset, Profit, ROE, ROA, NPM. Berdasarkan tujuan penelitian di atas, maka model operasional yang dibangun dalam penelitian ini adalah :

COMP (Rev/aset, Profit, ROE, ROA, NPM) = α + β1 dumISAT + β2 dumTLKM + β3 advert + β4 advISAT + β5 advTLKM + β6 salary + β7 fixaset + β8 usia + ε

(3.1)

Beberapa variabel pengukur efektivitas (COMP): Rev-aset

= rasio antara pendapatan dengan asset yang dimiliki perusahaan

Profit

= keuntungan yang dimiliki perusahaan

ROE

= rasio antara laba bersih dengan ekuitas perusahaan

ROA

= rasio antara laba bersih dengan asset perusahaan

NPM

= rasio antara laba bersih dengan pendapatan perusahaan

Penjelasan variabel independen: dumISAT

= nilai dummy untuk perusahaan Indosat

dumTLKM

= nilai dummy untuk perusahaan Telkomsel

advert

= biaya iklan (promosi) perusahaan

advISAT

= nilai perkalian antara biaya iklan dengan dummy perusahaan Indosat

advTLKM

= nilai perkalian antara biaya iklan dengan dummy perusahaan Telkomsel 30 Universitas Indonesia

Efektivitas promosi..., Grace Tania, FE UI, 2009

31

salary

= biaya gaji perusahaan

fixaset

= nilai asset tetap perusahaan

usia

= nilai usia (dihitung dari tahun data dikurangi tahun lahir) perusahaan

Untuk mengetahui ada tidaknya penurunan kinerja pada usia perusahaan maka dilakukan pengolahan akhir pada variabel terbaik dengan mengkuadratkan nilai variabel usia itu sendiri. Dari variabel yang diatas, model ini adalah model regresi linear berganda, dimana terdapat lebih dari satu variabel independen. Dengan banyaknya variabel dependen maka pada saat pengujian, akan menggunakan variabel independen yang sama dengan satu persatu variabel dependen. Model penelitian ini akan diuji dengan metode Pool Least Square, atau metode regresi dengan data panel. Hubungan yang akan diuji adalah hubungan satu arah, yaitu bagaimana pengaruh variabel independen terhadap variabel dependen. Walaupun dengan banyaknya variabel dependen maka hasil yang pengujian yang didapat akan memiliki banyak interpretasi masing-masing sesuai variabel dependennya.

IV.2 Operasionalisasi Variabel Setelah menentukan model yang akan digunakan, maka pada bagian ini akan dijelaskan variabel-variabel yang membentuk model tersebut. Salah satu variabel dependen dalam penelitian ini adalah ROA. ROA adalah rasio profitabilitas yang merupakan bagian dari penilaian terhadap kinerja operasional perusahaan. Rasio ini didapat dengan membagi laba bersih terhadap total aktiva perusahaan. Laba Bersih Return on Asset = Total Aktiva Variabel dependen lain adalah ROE. ROE adalah rasio profitabilitas yang menggambarkan kemampuan perusahaan untuk menghasilkan keuntungan melalui pengelolaan investasi ekuitas yang ditanamkan pemegang saham dalam perusahaan. ROE diperoleh dengan membagi laba bersih dengan ekuitas perusahaan.

Universitas Indonesia


32

Laba Bersih Return on Equity = Total Ekuitas Yang lainnya adalah NPM, net profit margin adalah rasio yang menunjukkan berapa persentase keuntungan bersih dari setiap penjualan/pendapatan yang berhasil diperoleh perusahaan. NPM (yang disebut juga return on sales, ROS) didapat dengan membandingkan antara laba bersih dengan penjualan/pendapatan perusahaan. Laba Bersih Net Profit Margin = Total Penjualan Variabel yang paling utama yang digunakan menjadi dependen variabel adalah profit atau keuntungan bersih yang didapat perusahaan, lalu ada juga Revenue dibagi asset atau nilai penjualan (pendapatan) dibagi dengan total aset suatu perusahaan. Rasio ini digunakan untuk menunjukkan seberapa besar persentase dari total penjualan (pendapatan) terhadap total aset perusahaan. Sehingga dapat diketahui seberapa besar perubahan pada aset perusahaan yang menghasilkan pendapatan perusahaan. Sementara, variabel independen utama yang hendak diujikan pengaruhnya terhadap kinerja (profitabilitas) perusahaan adalah biaya iklan (advertising). Dijadikan variabel independen utama karena yang ingin diketahui adalah efektivitasnya di industri telekomunikasi seluler terutama di dua perusahaan (Indosat dan Telkomsel). Pada model ini digunakan juga variabel dummy, variabel yang hanya akan menjelaskan suatu bagian yang diberi dummy (tanda). Terdapat 2 variabel dummy pada model ini yakni dummy untuk perusahaan Indosat dan Telkomsel. Variabel dummy lainnya adalah variabel perkalian dummy dengan variabel biaya iklan (advertising), sehingga terdapat juga variabel perkalian dummy Indosat dan Telkomsel. Penjelasan pada variabel ini cukup berbeda dengan analisa variabel biasa sehingga perlu analisa yang berbeda pula (variabel dummy dan interaksi variabel dummy).



33

Dalam penelitian ini penulis juga memasukkan beberapa variabel kendali yang memiliki potensi untuk mempengaruhi kinerja perusahaan (profitabilitas). Penggunaan

variabel

kendali

berfungsi

untuk

melihat

apakah

dengan

dimasukkannya variabel kendali ini ke dalam persamaan regresi, variabel biaya iklan

(advertising)

akan

tetap

dapat

menjelaskan

kinerja

perusahaan

(profitabilitas). Variabel kendali yang digunakan adalah aktiva tetap perusahaan, biaya gaji dan usia (umur) perusahaan. Pada variabel aktiva tetap dan biaya gaji digunakan bentuk logaritma natural untuk mengurangi perbedaan signifikan antara perusahaan yang terlalu besar dengan perusahaan yang kecil/sedang. Konversi ke bentuk logaritma natural ini bertujuan untuk membuat data aktiva tetap dan biaya gaji terdistribusi normal. Namun pada usia perusahaan tetap dipergunakan nilai sebenarnya karena pada model ini memang ingin diketahui apakah ada pengaruhnya kinerja perusahaan terhadap usia perusahaan.

IV.3 Hipotesis Penelitian Berdasarkan kajian teori yang telah dijabarkan dalam bab dua dan penelitianpenelitian sebelumnya di atas, maka pada bagian berikut akan diuraikan hipotesishipotesis yang diajukan dalam penelitian ini. IV.3.1 Hubungan kinerja perusahaan (ROE, ROA, NPM, Profit, Rev/Aset) dengan biaya iklan Pendekatan yang digunakan oleh penulis untuk mendapatkan data pergerakan iklan suatu perusahaan adalah menggunakan biaya iklan. Biaya iklan atau advertising

expense

adalah

biaya

yang

dikeluarkan

perusahaan

untuk

mengiklankan atau mempromosikan barang atau jasa dengan tujuan agar konsumen dapat memiliki pengetahuan tentang barang dan jasa. Seperti penelitian sebelumnya, hipotesis awal dari hubungan antara kinerja perusahaan dengan biaya iklan adalah positif. Tabel dibawah ini akan memperlihatkan hubungan antar variabel dependen dengan lebih spesifik. Tabel 4.1. Tabel Hipotesa Awal Variabel Advert (Biaya Iklan) Variabel

Biaya Iklan (Adv)

H1 (hipotesa)



34

ROE

+

ROA

+

NPM

+

Profit

+

Rev/Aset

+

Adv berpengaruh positif dan signifikan secara statistik terhadap ROE

Adv berpengaruh positif dan signifikan secara statistik terhadap ROA

Adv berpengaruh positif dan signifikan secara statistik terhadap NPM

Adv berpengaruh positif dan signifikan secara statistik terhadap Profit

Adv berpengaruh positif dan signifikan secara statistik terhadap Rev/Aset

IV.3.2 Hubungan kinerja perusahaan (ROE, ROA, NPM, Profit, Rev/Aset) dengan variabel dummy Indosat dan Telkomsel Variabel dummy adalah variabel yang menarik, karena dari variabel ini kita tidaklah langsung dapat menjelaskan sesuatu, tetapi variabel ini sangat membantu untuk menjelaskan suatu bagian yang ingin diketahui dibandingkan dengan yang lainnya. Sehingga variabel ini tidaklah lepas dari variabel intercept yang menjelaskan kinerja perusahaan, nilai variabel dummy Indosat dan Telkomsel ini hanya menjelaskan kinerja dari perusahaan mereka masing-masing sehingga nilai dari dummy ini yang sebenarnya adalah ketika nilainya positif akan menambah intercept untuk menjelaskan kinerja perusahaannya dan sebaliknya berkurang jika negatif. COMPtlkm = (α + β2 dumTLKM) + (β3 + β5) advTLKM + β6 salary + β7 fixaset + β8 usia + ε COMPisat = (α + β1) dumISAT + (β3 + β4) advISAT + β6 salary + β7 fixaset + β8 usia + ε Sehingga jika dijabarkan di dalam tabel maka hubungannya adalah sebagai berikut: Tabel 4.2. Tabel Hipotesa Awal Variabel dummy Indosat dan Telkomsel Variabel

Dummy

Dummy

Indosat

Telkomsel

H1 (hipotesa)

Dummy dapat berpengaruh positif atau ROE

+/-

+/-

negatif dan signifikan secara statistik terhadap ROE



35

Dummy dapat berpengaruh positif atau ROA

+/-

+/-

negatif dan signifikan secara statistik terhadap ROA

Dummy dapat berpengaruh positif atau NPM

+/-

+/-

negatif dan signifikan secara statistik terhadap NPM

Dummy dapat berpengaruh positif atau Profit

+/-

+/-

negatif dan signifikan secara statistik terhadap Profit

Dummy dapat berpengaruh positif atau Rev/Aset

+/-

+/-

negatif dan signifikan secara statistik terhadap Rev/Aset

IV.3.3 Hubungan kinerja perusahaan (ROE, ROA, NPM, Profit, Rev/Aset) dengan variabel dummy iklan Indosat dan Telkomsel Variabel dummy iklan adalah variabel yang terbentuk dari variabel biaya iklan dengan variabel dummy antara Indosat (dimana pada variabel ini nilai perusahaan Indosat “1” sedang perusahaan lain “0”) dan variabel dummy Telkomsel (dimana pada variabel ini nilai perusahaan Telkomsel “1” sedang perusahaan lain “0”). Jika melihat dari variabel pembentuk dari variabel dummy iklan, maka seharusnya variabel ini seharusnya memiliki kecenderungan nilai yang sama dengan variabel biaya iklan. Walaupun melihat perbedaan yang jelas antara variabel biasa dengan variabel dummy sehingga kecenderungan nilai yang berbedapun dimungkinkan karena seperti yang sudah dijelaskan diatas maka nilai dummy ini hanya membantu untuk mengetahui nilai periklanan (Advert) Indosat dan Telkomsel apakah bertambah (positif) atau berkurang (negatif) dari nilai variabel Advert sendiri. Sehingga hipotesa pada kedua variabel ini jika dihubungkan dengan kinerja perusahaan adalah positif atau negatif. Tabel 4.3. Tabel Hipotesa Awal Variabel dummy perkalian dengan Adv (biaya iklan) Indosat dan Telkomsel Variabel

ROE

Dummy Advert

Dummy Advert

Indosat

Telkomsel

+/-

+/-

H1 (hipotesa)

Dummy Advert berpengaruh positif atau negatif dan signifikan secara statistik terhadap ROE



36

ROA

+/-

+/-

NPM

+/-

+/-

Profit

+/-

+/-

Rev/Aset

+/-

+/-

Dummy Advert berpengaruh positif atau negatif dan signifikan secara statistik terhadap ROA

Dummy Advert berpengaruh positif atau negatif dan signifikan secara statistik terhadap NPM

Dummy Advert berpengaruh positif atau negatif dan signifikan secara statistik terhadap Profit

Dummy Advert berpengaruh positif atau negatif dan signifikan secara statistik terhadap Rev/Aset

IV.3.4 Hubungan kinerja perusahaan (ROE, ROA, NPM, Profit, Rev/Aset) dengan aktiva tetap Pemilihan penggunaan variabel aktiva tetap dibandingkan dengan penggunaan total aktiva adalah variabel ini akan lebih menggambarkan jumlah aset perusahaan yang tidak mudah berubah sehingga secara nyata dapat menggambarkan bagaimana perusahaan melaukan atau berstrategi dlihat dari nilai perubahan aktiva tetap perusahaan per tahun. Variabel ini dipilih sebagai salah satu variabel kontrol dari penggunaan variabel biaya iklan. Jika menggunakan penelitian sebelumnya maka hipotesis hubungan antara aktiva tetap dengan kinerja perusahaan adalah positif. Tabel 4.4. Tabel Hipotesa Awal Variabel Aktiva Tetap Variabel

Aktiva Tetap (FixAset)

ROE

+

ROA

+

NPM

+

Profit

+

Rev/Aset

+

H1 (hipotesa)

FixAset berpengaruh positif dan signifikan secara statistik terhadap ROE

FixAset berpengaruh positif dan signifikan secara statistik terhadap ROA

FixAset berpengaruh positif dan signifikan secara statistik terhadap NPM

FixAset berpengaruh positif dan signifikan secara statistik terhadap Profit

FixAset berpengaruh positif dan signifikan secara statistik terhadap Rev/Aset



37

IV.3.5 Hubungan kinerja perusahaan (ROE, ROA, NPM, Profit, Rev/Aset) dengan biaya gaji Biaya gaji dijadikan variabel untuk memperlihatkan kinerja dari para pekerjanya, digunakannya variabel ini karena dipercaya dapat dijadikan pendorong dan penguat kinerja perusahaan. Sehingga dapat disimpulkan bahwa hipotesa biaya gaji terhadap kinerja perusahaan adalah positif. Tabel 4.5. Tabel Hipotesa Awal Variabel Salary (Biaya Gaji) Variabel

Biaya gaji (Salary)

ROE

+

ROA

+

NPM

+

Profit

+

Rev/Aset

+

H1 (hipotesa)

Salary berpengaruh positif dan signifikan secara statistik terhadap ROE

Salary berpengaruh positif dan signifikan secara statistik terhadap ROA

Salary berpengaruh positif dan signifikan secara statistik terhadap NPM

Salary berpengaruh positif dan signifikan secara statistik terhadap Profit

Salary berpengaruh positif dan signifikan secara statistik terhadap Rev/Aset

IV.3.6 Hubungan kinerja perusahaan (ROE, ROA, NPM, Profit, Rev/Aset) dengan usia perusahaan Perusahaan yang usianya lebih mapan memiliki kesempatan untuk membangun perusahaannya dan akhirnya memiliki kinerja yang lebih baik dibandingkan dengan perusahaan baru atau usianya lebih muda. Karena perhitungan usia pada variabel ini adalah usia perusahaan sejak dibentuk (lahir) bukan berdasarkan tahun dilistingkan di BEI. Sehingga dapat dikatakan bahwa usia pada variabel ini benarbenar perhitungan kesempatan perusahaan berkarya. Jika demikian maka hubungan antara kinerja dengan usia dikatakan berhubungan positif. Tabel 4.6. Tabel Hipotesa Awal Variabel Usia Perusahaan Variabel

ROE

Usia Perusahaan

+

H1 (hipotesa)

Usia berpengaruh positif dan signifikan secara statistik terhadap ROE



38

ROA

+

NPM

+

Profit

+

Rev/Aset

+

Usia berpengaruh positif dan signifikan secara statistik terhadap ROA

Usia berpengaruh positif dan signifikan secara statistik terhadap NPM

Usia berpengaruh positif dan signifikan secara statistik terhadap Profit

Usia berpengaruh positif dan signifikan secara statistik terhadap Rev/Aset

IV.4 Sampel, Sumber Data dan Cara Pengumpulan Data Untuk memenuhi uji validitas hipotesis awal penulis mengenai efektivitas promosi dalam dua perusahaan (Indosat dan Telkomsel) pada industri telekomunikasi seluler, dibutuhkan data-data utama dalam bentuk panel. Data panel adalah data yang menggunakan beberapa periode waktu dengan beberapa variabel independen yang diuji. Data biaya iklan yang digunakan didapat dari data laporan keuangan perusahaan dari tahun 2000-2005, sejumlah 192 perusahaan sehingga jumlahnya adalah 1152. Data yang digunakan dalam penelitian ini adalah data sekunder yang dikumpulkan dari beberapa sumber, yaitu: 1. Data kinerja perusahaan ROE, ROA, NPM, Profit dan Revenue/Asset didapat dari data laporan keuangan yang sudah diringkas dalam ICMD (Indonesia Capital Market Directory) dari tahun 2000-2005, seluruh perusahaan yang disarikan hanya menjadi perusahaan yang menggunakan data biaya iklan di dalam laporan keuangan tahunannya. 2. Data biaya iklan didapat dari data laporan keuangan tahunan tiap perusahaan yang terdaftar (listing) di BEI dari tahun 2000-2005 3. Data biaya gaji, aktiva tetap didapat juga dari laporan keuangan tahunan tiap perusahaan yang terdaftar (listing) di BEI dari tahun 2000-2005 4. Data usia perusahaan adalah data yang dihitung dari tahun data dikurangi tahun lahir, tahun lahir perusahaan didapat dari data perusahaan di website BEI (www.idx.co.id)



39

Seperti yang telah disebutkan pada halaman terdahulu, beberapa data nantinya akan diubah ke dalam bentuk logaritma natural pada pengolahan data kedua. Selain karena mengikuti penelitian-penelitian sebelumnya, alasan penggunaan logaritma natural bagi kedua variabel ini adalah untuk mengurangi perbedaan signifikan antara observasi yang bernilai besar dengan observasi yang bernilai kecil sehingga distribusi data menjadi normal.

IV.5 Pengolahan Data Pada penelitian ini pengolahan data digunakan program STATA, Sedangkan metode pengolahan data yang digunakan adalah metode data panel. Dengan demikian pada bab berikutnya akan dibahas mengenai metode data panel. Data Panel Seperti telah disinggung di atas, data panel (pooled data) adalah sebuah set data yang berisi data sampel individu (propinsi) pada sebuah periode waktu tertentu. Dengan kata lain, data panel merupakan gabungan antara data deret waktu (timeseries) dengan data kerat lintang (cross-section). Simbol yang digunakan adalah t untuk periode observasi, sedangkan n adalah unit cross-section yang diobservasi. Proses pembentukan data panel adalah dengan cara mengkombinasikan unit-unit deret waktu dengan kerat-lintang sehingga terbentuklah suatu kumpulan data. Proses itu sendiri disebut pooling. Data panel dapat diolah jika memiliki kriteria t > 1 dan n > 1. Jika t = 1dan n ≥ 1 maka disebut deret-waktu murni, sedangkan jika t ≥ 1 dan n = 1 disebut kerat-lintang murni. Jika jumlah periode observasi sama banyaknya untuk tiap-tiap unit cross section maka dinamakan balanced panel. Sebaliknya jika jumlah periode observasi tidak sama untuk tiap-tiap unit cross section maka disebut unbalanced panel. Terdapat beberapa keuntungan yang didapat jika menggunakan data panel ini, pertama dapat mendalami efek-efek ekonomi yang tidak dapat diperoleh jika menggunakan data deret waktu ataupun data kerat lintang saja. Kedua, karena jumlah data dan observasi yang meningkat, menghasilkan kenaikan pada derajat kebebasan (degree of freedom) sehingga variasi koefisien menjadi efisien dan koefisien nilai menjadi lebih stabil (Hsiao, 1986). Ketiga, dengan mengakomodasi semua informasi yang terkait dengan variabel-variabel kerat-lintang maupun



40

deret-waktu, data panel secara substansial mampu menurunkan masalah omittedvariables; jika menghilangkan variabel yang relevan. Bersamaan dengan itu, masalah kesalahan spesifikasipun dapat dieliminir. Beberapa hal di atas sesuai dengan apa yang dikemukakan oleh Baltagi (2001). Baltagi menyatakan beberapa manfaat yang didapat ketika menggunakan data panel, diantaranya adalah: 1. Mampu mengontrol heterogenitas individu. 2. Memberikan lebih banyak informasi & lebih bervariasi daripada hanya data deret waktu atau kerat lintang. Data panel juga mengurangi kolinearitas antar variabel, meningkatkan degree of freedom, dan meningkatkan efisiensi. 3. Sangat baik untuk digunakan dalam studi perubahan yang dinamik (study of dynamics adjustment). 4. Dapat mendeteksi dan mengukur efek dengan lebih baik dibandingkan data deret-waktu murni dan kerat-lintang murni. 5. Memungkinkan untuk mempelajari model perilaku (behavioral model) yang lebih kompleks. Terdapat tiga cara dalam mengestimasi data panel, pertama Pooled (Ordinary least square, OLS). Kedua, fixed effect (dummy variable model, DMV). Ketiga, random effect (error component model, ECM). Tetapi karena pada pembahasan penelitian ini hanya menggunakan Pooled Least Square, maka hanya bagian ini yang akan dibahas pada bab ini. Pooled (Ordinary Least Square, OLS)

Proses estimasi dilakukan dengan menggunakan metode kuadrat terkecil biasa (OLS) yaitu: Yit = α + β Xit + εit.....(1)

(3.2)

Untuk I = 1, 2, …, N dan t = 1, 2, …, T N

: jumlah unit kerat-lintang

T

: jumlah periode deret-waktu Metode ini merupakan metode yang paling sederhana, namun hasilnya tidak

memadai dikarenakan setiap observasi diperlakukan seperti observasi yang berdiri sendiri. Proses estimasi yang dapat dilakukan untuk setiap unit kerat-lintang



41

dikarenakan terdapatnya asumsi yang menyatakan bahwa komponen error pada data panel ini sama dengan komponen error dalam pengolahan kuadrat terkecil biasa (OLS). Untuk periode t =1, akan diperoleh persamaan regresi kerat-lintang sebagai berikut: Yi1 = α + βX

i1 + εi1.......(2)

(3.3)

Persamaan di atas akan berimplikasi diperolehnya persamaan sebanyak T persamaan yang sama. Begitu juga sebaliknya, kita dapat memperoleh persamaan deret waktu sebanyak N persamaan untuk setiap T observasi. Namun, untuk mendapatkan parameter α dan β yang konstan dan efisien, akan dapat diperoleh dalam bentuk regresi yang lebih besar dengan melibatkan sebanyak NT observasi. Metode ini tidak memperhatikan perbedaan-perbedaan yang mungkin timbul akibat dimensi ruang dan waktu. Model ini mengasumsikan bahwa intercept dan slope koefisien dari dua variabel adalah identik untuk semua unit kerat-lintang. Karena terdapat kemungkinan atas “ketidakbenaran” asumsi ini maka model ini mungkin akan mendistorsi deskripsi dari hubungan Y dan X yang sebenarnya.

IV.6 Pengujian Model Upaya menguji model dapat dilakukan dengan melihat beberapa kriteria. Kriteriakriteria tersebut diantaranya adalah kriteria ekonomi, statistik dan ekonometrika. Pada penjelasan analisis di bab berikutnya secara eksplisit hanya mencakup kriteria statistik dan ekonometrika, sementara kriteria ekonomi dimasukkan pada analisis hasil estimasi. IV.6.1 Kriteria Ekonomi Pengujian hasil estimasi dengan menggunakan pendekatan ekonomi yang menitikberatkan pada bagaimana perubahan variabel dependen sebagai akibat dari perubahan variabel-variabel independennya. Kriteria ini berupaya menguji suatu model mengenai hubungan logis antara kedua variabel tersebut. Hubungan antar variabel dikatakan logis ketika didasarkan pada hukum ekonomi yang ada atau berdasar teori-teori atau penelitian-penelitian sebelumnya. Jika terdapat perbedaan hasil, katakan berkaitan dengan tanda besaran koefisien, apakah positif atau



42

negatif, maka perlu dicarikan jawaban berupa alasan atau argumentasi atas penemuan tersebut. IV.6.2 Kriteria Statistik a. Pengujian R Squared ( R2 ) Pengujian ini dilakukan untuk mengukur tingkat keberhasilan model regresi yang digunakan dalam memprediksi nilai variabel dependen. Nilai ini merupakan fraksi dari variasi yang mampu dijelaskan dengan baik oleh model. Nilai R2 berkisar antara nol dan satu. b. Pengujian Adjusted R Squared ( Adj R2 ) Salah satu permasalahan jika kita menggunakan ukuran R2 untuk menilai baik buruknya suatu model adalah kita akan selalu mendapatkan nilai yang terus naik seiring dengan penambahan variabel bebas ke dalam model. Adjusted R2 secara umum memberikan penalti atau hukuman terhadap penambahan variabel bebas yang tidak mampu menambah daya prediksi suatu model. Nilai Adj R2 tidak akan pernah melebihi R2, bahkan dapat turun jika kita memasukkan suatu variabel yang tidak perlu ke dalam model. Pada model yang memiliki kecocokan yang rendah (goodness of fit), nilai Adj R2-nya dapat memiliki nilai negatif. c. Uji signifikansi untuk masing-masing variabel bebas Dilakukan dengan menggunakan uji t-statistik pada tingkat kepercayaan 1%, 5% dan 10%. Uji ini dilakukan untuk melihat apakah nilai koefisien yang dihasilkan berbeda signifikan dengan nol. d. Pengujian Keabsahan Koefisien Regresi secara Keseluruhan Pengujian jenis ini dilakukan dengan menggunakan distribusi F. Nilai F akan mengikuti distribusi F dengan degree of freedom. Nilai F statistik yang besar lebih baik dibandingkan dengan nilai F statistik yang rendah. Sedangkan nilai probabilitas F merupakan tingkat signifikansi marginal dari F statistik. Pengujian dengan menggunakan F-statistik disebut pula dengan tes keseluruhan (overall test). IV.6.3 Kriteria Ekonometrik Setiap estimasi ekonometri harus dibersihkan dari penyimpangan terhadap asumsi dasar yang diharapkan. (Gujarati, 2003) Ada tiga masalah utama yang seringkali



43

muncul yang dapat mengakibatkan tidak terpenuhinya asumsi dasar yaitu heteroscedasticity, autocorelation dan multicolinearity. Dalam studi ini, hanya dua dari masalah tersebut yang akan dideteksi dalam persamaan yang digunakan. Dalam melakukan estimasi persamaan linear maka asumsi-asumsi harus dipenuhi, jika asumsi tidak terpenuhi maka tidak menghasilkan nilai parameter yang BLUE (Best Linear Unbiased Estimator). a. Uji Multicollinearity Multicolinearity terjadi ketika variabel bebas memiliki interdependensi yang signifikan. Hal ini dapat menghasilkan suatu koefisien estimasi yang tidak stabil secara numerik. Uji multicolinearity dilakukan dengan beberapa cara yaitu, pertama, dengan melihat apakah F statistik signifikansi namun t statistik tidak ada yang signifikan. Kedua, apabila R² relatif besar tapi statistik t tidak ada yang signifikan. Multicolinearity dapat ditentukan dengan melihat matriks korelasi dari variabel bebas. Jika terjadi korelasi lebih dari 0,8 atau 0,9 antar variabel bebas maka terdapat masalah yang serius dengan colinearity. Namun matriks korelasi tidak mengungkapkan tingkatan yang lebih tinggi dari colinearity. Ada cara lain yang dapat mengungkapkan hal tersebut, yaitu variance inflation factors (VIF). VIF merupakan suatu ukuran multicolinearity dalam suatu regresi (variabel bebas). VIF adalah versi skala dari koefisien korelasi berganda antara variabel j dengan variabel independen yang lainnya. VIF =

1 (1 − R 2 )

(3.4)

Di mana Rj adalah koefisien korelasi berganda. Jika Rj sama dengan nol (tidak ada korelasi antara Xj dengan variabel bebas yang lainnya), maka VIFj sama dengan 1. Ini adalah nilai terkecil. Neter, Wasserman dan Kutner (1990) merekomendasikan untuk melihat pada nilai VIF yang terbesar. Jika nilainya lebih besar dari 10 maka terdapat masalah multicolinearity.

b. Uji Heteroscedasticity Dilakukan dengan menggunakan Heteroscedasticity no cross term option. Di mana Ho adalah homoscedsticity, dan jika probabilita dari R-squared statistic lebih kecil dari alpha (α = 0,05), maka kita tolak H0 yang berarti bahwa ada masalah



44

heteroscedasticity. Cara mengatasinya ialah dengan men-treatment model tersebut dengan menggunakan metode Robust. Berbagai metode pengolahan data di atas dilakukan agar hasil estimasi model, paling tidak, memenuhi berbagai persyaratan (BLUE) sehingga interpretasi atas hasil estimasi dapat dipercaya. Bab selanjutnya akan memperlihatkan hasil pengolahan data berdasarkan urutan langkah yang sudah dijelaskan sebelumnya dan interpretasi atas hasil temuan empiris tersebut.



BAB IV METODOLOGI PENELITIAN

Recommend Documents