HASIL ANALISA DATA
STATISTIK DESKRIPTIF Date: 06/15/16 Time: 11:07 Sample: 2005 2754
Mean Median Maximum Minimum Std. Dev. Skewness Kurtosis
ROE
LDA
DA
SDA
SG
SIZE
17.63677 11.00000 4039.120 -317.5300 154.7926 23.75536 612.0735
0.106643 0.059216 0.708050 0.000000 0.125659 1.347171 4.627271
0.265135 0.251129 1.633801 0.000000 0.191116 0.974657 6.492215
0.357526 0.320484 1.831483 0.002332 0.206879 1.113934 6.632954
0.257541 0.140704 53.39483 -0.839975 2.029984 24.34700 630.6448
21.15267 21.21051 26.03005 14.98463 1.680859 -0.092882 3.510543
Interpretasi hasil : Berdasarkan tabel di atas, Nilai ROE 75 perusahaan pada periode tahun 2005 s.d 2014 adalah berada pada rentang antara -317,530 sampai dengan 4039,120 dengan nilai rata-rata sebesar 17,637 Nilai LDA 75 perusahaan pada periode tahun 2005 s.d 2014 adalah berada pada rentang antara 0,000 sampai dengan 0,708 dengan nilai rata-rata sebesar 0,107 Nilai DA 75 perusahaan pada periode tahun 2005 s.d 2014 adalah berada pada rentang antara 0,000 sampai dengan 1,634 dengan nilai rata-rata sebesar 0,265 Nilai SDA 75 perusahaan pada periode tahun 2005 s.d 2014 adalah berada pada rentang antara 0,002 sampai dengan 1,831 dengan nilai rata-rata sebesar 0,358 Nilai SG 75 perusahaan pada periode tahun 2005 s.d 2014 adalah berada pada rentang antara -0,839 sampai dengan 53,395 dengan nilai rata-rata sebesar 0,258 Nilai SG 75 perusahaan pada periode tahun 2005 s.d 2014 adalah berada pada rentang antara 14,985 sampai dengan 26,030 dengan nilai rata-rata sebesar 21,153
4.1 Estimasi Pemilihan Model Sebelum melakukan estimasi pemilihan model, maka dilakukan persiapan data yang akan diestimasi berdasarkan individu i dan periode tahun t. Pengujian estimasi ini dilakukan dengan bantuan perangkat lunak E-Views dengan tingkat signifikan sebesar ∝= 5%, sehingga tingkat kepercayaan yang dihasilkan adalah sebesar 95%.
4.2.1
Estimasi Pemilihan Model CEM dan FEM Estimasi pemilihan model CEM dan FEM dilakukan dengan menggunakan Chow
Test. Dalam pengujian ini, hipotesis nol menyatakan bahwa model yang akan digunakan dalam penelitian ini adalah model CEM, yaitu model dengan slope dan intercept konstan, sedangkan hipotesis alternatif menyatakan bahwa model penelitian dalam penelitian ini adalah model FEM, yaitu model penelitian dengan slope konstan sedangkan intercept tidak konstan. Pada uji Chow, jika nilai statistik F yang dihasilkan dibandingkan dengan nilai F tabel pada tingkat signifikansi yang digunakan, maka hipotesis nol (Ho) ditolak, hal ini berarti asumsi slope dan intercept konstant tidak terpennuhi sehingga model yang tepat untuk penelitian ini adalah model FEM. Hasil estimasi uji Chow dapat dilihat pada tabel 4.3 berikut : Tabel 4.3 Hasil Estimasi Uji Chow Test Summary
F statistik
Cross-Section F
8,005242
F dF 74,670
F Tabel 74,670
Prob 0,0000
Tingkat Signifikansi α= 0,05 Sumber : Lampiran (diolah)
Berdasarkan hasil pengujian Chow test pada tabel 4.4 diperoleh nilai F statistik sebesar 8,005242 yang lebih besar dari nilai F tabel sebesar 3,40 dan nilai probabilitas sebesar 0,0000 lebih keci dari tingkat signifikan yang digunakan yaitu 𝛼 = 0,05, sehingga hipotesis nol (Ho) ditolak dan model yang digunakan adalah model FEM.
4.2.2
Estimasi Pemilihan Model FEM dan REM Estimasi pemilihan model ini dengan menggunakan uji Hausman yaitu untuk
memilih model terbaik antara FEM dan REM. Pengujian ini dilakukan dengan membandingkan hipotesis nol (Ho) dan hipotesis alternatif (Ha). Dalam pengujian ini hipotesis nol menyatakan bahwa model REM adalah model yang tepat digunakan dalam penelitian ini, sedangkan hipotesis alternatif menyatakan bahwa model FEM lebih tepat digunakan dalam penelitian ini. Hipotesis nol diterima jika nilai Chi-Square lebih kecil dari nilai Chi-Square tabel, sedangkan hipotesis nol akan ditolak jika nilai Chi-Square lebih besar dari nilai Chi-Square tabel atau dengan kata lain probabilitas lebih kecil dari tingkat signifikan yang digunakan. Hasil estimasi uji Hausman dapat dilihat pada tabel 4.4 berikut : Tabel 4.4 Hasil Estimasi Uji Hausman Test Summary
Chi-Sq statistik
Chi-Sq dF
Chi-Sq Tabel
Prob
Cross-Section Random
592,387914
5
7,8147
0,0000
Tingkat Signifikansi α= 0,05 Sumber : Lampiran 3 (diolah)
Dari tabel 4.4 di atas, nilai ChiSquare statistik sangat besar yaitu sebesar 592,387914 lebih besar dari nilai ChiSquare tabel sebesar 7,8147 dan nilai probabilitas 0,0000 lebih kecil dari tingkat signifikansi yang digunakan yaitu α = 0,05, sehingga dari hasil pengujian hipotesis nol (Ho) ditolak yang berarti penggunaan model merujuk kepada FEM.
4.2 Uji Asumsi Dasar Klasik 4.3.1 Uji Autokorelasi Uji Autokoreasi diakukan untuk mengetahui apakah terdapat korelasi pada observasi yang diakukan menurut data cross section atau time series. Pengujian ini diakukan dengan menggunakan metode Durbin Watson atau yang biasa disebut dengan dstatistik. Kriteria pengambilan keputusan adalah nilai DW yang berada antara 0 – dL atau (4 – dL) berarti ada autokorelasi positif atau negatif, nilai DW antara dL – dU dan (4-dU) – (4dL) maka terletak di daerah keragu-raguan atau tidak dapat disimpulkan dan apabia nilai DW di antara dU dan 4-dL maka tidak ada autokorelasi positif atau negatif. Hasil analisis regresi yang dilakukan dengan menggunakan model FEM ( Lampiran 8), diketahui nilai DW atau d-statistik sebesar 0,421993. Berdasarkan tabel Durbin Watson dengan jumlah observasi 750, jumlah variabel bebas 5 (n =750, k=5) dan tingkat signifikan
α = 0,05 maka didapatkan nilai dU = 1,7804, dL = 1,5710 dan nilai 4-dL = 2,429, sehingga diartikan bahwa DW < dl yang berarti terdapat autokorelasi antara variabel bebas dalam model. Namun penelitian ini menganggap tidak terdapat permasalahan autokorelasi dalam model, hal ini didasarkan kepada pendapat Torres(2007) yang menyatakan bahwa korelasi serial (serial correlation) hanya terdapat pada data makro yaitu data yang mempunyai time series lebih banyak (10 - 30 tahun) sehingga pada data yang menggunakan time series lebih sedikit autokorelasi tidak menjadi sebuah masalah.
4.3.2 Uji Heteroskedastisitas Uji Heteroskedastisitas digunakan untuk melihat homogenitas variansi dari error. Uji heteroskedastisitas ini dilakukan dengan metode Uji White dengan tingkat signifikansi α = 0,05. Hipotesis daa pengujian ini adalah: Ho : Tidak Ada heteroskedastisitas Ha : Ada heteroskedastisitas Kriterian pengujian : Tolak Ho jika sig. <0,05. Hasil Uji White dapat dilihat pada tabel 4.5 berikut : Tabel 4.5 Hasil Uji White Heteroskedasticity Test: White F-statistic Obs*R-squared Scaled explained SS
6.857155 118.7320 35134.63
Prob. F(20,728) Prob. Chi-Square(20) Prob. Chi-Square(20)
0.6043 0.5344 0.3988
Sumber : Lampiran 9 (diolah)
Test Equation: Dependent Variable: Berdasarkan hasil uji White pada RESID^2 tabel 4.5, nilai signifikan yang didapat adalah 0,3988, nilai Method: Least Squares ini lebih besar Date: dari 0,05 yang Time: berarti Ho tidak ditolak dan disimpulkan bahwa model dalam 06/15/16 11:01 Sample: 2005 2754 penelitian ini tidak mengalami heteroskedastisitas. Included observations: 749 Variable
4.3.3 Uji Multikolinearitas C
Coefficient
Std. Error
t-Statistic
Prob.
-537617.8
2279301.
-0.235870
0.8136
LDA^2 -933747.4untuk 2897769. -0.322230ada korelasi 0.7474 atau Pengujian multikolinearitas dilakukan melihat apakah LDA*DA
4183218.
3634069.
1.151111
0.2501
hubungan yang sempurna bebas 2688177. dalam model. Penentuan terjadinya LDA*SDAantar variabel -2881549. -1.071934 0.2841 LDA*SG
-2806551.
945590.5
-2.968040
0.0031
LDA
242786.8
4301368.
0.056444
0.9550
DA*SG DA*SIZE DA SDA^2 SDA*SG SDA*SIZE SDA SG^2 SG*SIZE SG SIZE^2 SIZE
3518283. 65466.94 -1255057. 891019.8 668009.9 -98374.84 1097784. 17908.42 -210546.0 3581302. 221.2106 29496.72
652347.9 175836.5 3544001. 928163.5 467896.2 133340.5 2605902. 3503.311 39683.78 709450.6 5435.964 223168.5
5.393262 0.372317 -0.354136 0.959981 1.427688 -0.737772 0.421269 5.111855 -5.305594 5.047994 0.040694 0.132172
0.0000 0.7098 0.7233 0.3374 0.1538 0.4609 0.6737 0.0000 0.0000 0.0000 0.9676 0.8949
korelasi antar variabel bebas dalam model adalah apabila terdapat nilai korelasi lebih dari LDA*SIZE -6918.739 206812.5 -0.033454 0.9733 0,8 di antara variabel bebas. Uji Multikolinearitas dapat dilakukan dengan cara pengujian DA^2 -3431247. 1345502. -2.550161 0.0110 DA*SDAHasil pengujian 2769078. 0.1353: partialcorrelation coeficient. ini dapat1851931. dilihat pada1.495238 tabel 4.6 berikut
Tabel 4.6 Hasil Uji Multikolinearitas
SDA LDA DA SIZE SG
SDA
LDA
DA
SIZE
SG
1.000000 -0.203032 0.452688 0.037986 -0.033771
-0.203032 1.000000 0.572263 0.228204 0.051811
0.452688 0.572263 1.000000 0.069547 0.002143
0.037986 0.228204 0.069547 1.000000 0.055399
-0.033771 0.051811 0.002143 0.055399 1.000000
Sumber : Lampiran (diolah)
Dari hasil uji multikolinearitas yang disajikan pada tabel 4.6 di atas, nilai setiap variabel bebas tidak ada yang lebih dari 0,8. Hal ini berarti bahwa antara variabel bebas tidak ada yang memiliki hubungan linear yang sempurna, sehingga disimpulkan model dalam penelitian ini terbebas dari gejala multikolinearitas.
4.3.4 Normalitas Uji Normalitas pada penelitian ini bertujuan untuk melihat apakah nilai residual yang terstandarisasi pada model yang digunakan sudah berdistribusi normal atau tidak. Metode uji normalitas dalam pengujian ini dilakukan dengan menggunakan metode grafik dan Jarque-Bera. Hipotesis dalam pengujian ini adalah hipotesis nol (Ho) apabilai nilai statistik Jarque-Bera lebih besar dari nilai ChiSquare tabel yang artinya bahwa nilai residual model yang terstandarisasi telah berdistribusi normal. Tingkat signifikansi yang digunakan dalam pengujian adalah ∝ = 0,05. Hasil pengujian normalitas dapat dilihat pada gambar 4.4 berikut : 6
Series: Residuals Sample 2004 2033 Observations 30
5
4
3
2
Mean Median Maximum Minimum Std. Dev. Skewness Kurtosis
-6.21e-10 33060.83 1738679. -1755231. 854510.4 0.034821 2.776291
Jarque-Bera Probability
0.068620 0.966272
1
0 -1999998
-999998
Sumber : data primer (diolah)
3
1000003
Pada gambar 4.4 di atas dapat dilihat output dari hasil uji normalitas bahwa nilai statistik JarqueBera adalah sebesar 0,06862, yang berarti nilai statistik Jarque-Bera lebih kecil dari nilai ChiSquare (0,06862 < 7,81473). Dapat disimpulkan bahwa data dalam penelitian ini berdasarkan residual yang terstandarisasi adalah berdistribusi normal dengan menolak hipotesis nol (Ho). 4.3 Pengujian dan Pembahasan Dari hasil estimasi pemilihan model sebelumnya yang memilih model FEM sebagai model terbaik yang akan digunakan dalam analisis, maka selanjutnya dilakukan estimasi model regresi data panel dengan menggunakan model FEM. Hasil estimasi model FEM disajikan pada tabel 4.7 berikut : Tabel 4.7 Hasil Estimasi Regresi Data Panel
Variabel Konstanta SDA LDA DA SIZE SG
Koefisien Regresi 1932,287 -0,000484 -4,671085 -6,497373 2,095332 3,737065
R Square
Prob F statistik
0,523942
0,000
Prob (T statistik) 0,0000 0,3600 0,0004 0,0001 0,1323 0,0000
Sumber : Lampiran (diolah) Persamaan regresi data panel yang tersaji pada tabel 4.8 dapat ditransformasikan menjadi persamaan 4.1 berikut : Y = 1932,287 -0,000484 X1 - 4,671085 X2 + 6,497373 X3+2,095332 X4+3,737065 X5 Dengan : X1 = SDA X2 = LDA X3= DA X4 = SIZE X5= SG Y= PROFITABILITAS (ROE)
4.4.1
Uji Signifikansi Simultan (Uji Statistik F)
Uji signifikansi simultan atau uji F ini dilakukan untuk mengetahui apakah variabel bebas secara bersama-sama mempengaruhi variabel terikat. Hipotesis yang akan diuji adalah apakah semua variabel bebas dalam model berpengaruh secara simultan terhadap variabel terikat sesuai dengan pernyataan hipotesis nol (Ho). Berikut adalah hipotesis nol dan alternatif dalam pengujian ini : Ho : 𝛽1 = 𝛽2 = 𝛽3 = 0 Ha : 𝛽1 ≠ 𝛽2 ≠ 𝛽3 ≠ 0 Keputusan menolak atau menerima Ho didasarkan jika Fhitung> F tabel (kritis) berarti menolak hipotesis nol (Ho) dan sebaliknyaa jika Fhitung< F tabel berarti menerima hipotesis nol (Ho). Nilai F tabel kritis ditentukan berdasarkan bearnya tingkat signifikansi yang digunakan yaitu pada ∝ = 0,05. Hasil pengujian F statistik dapat dilihat pada tabel 4.8 berikut : Tabel 4.8 Hasil Estimasi Uji F Statistik Variabel Terikat
Variabel Bebas
F Statistik
F tabel
Prob (F statistik)
9,3341
7,8
0,0000
SDA LDA PROFITABILITAS (ROE)
DA SIZE SG
Sumber : Lampiran 9 (diolah) Dari hasil estimasi yang disajikan pada tabel 4.8, nilai F hitung = 9,3341 dengan nilai dF1 = k – 1 = 4 – 1 = 3 dan dF2 = 750 – k = 750– 4 = 746 atau dF (19,75) pada ∝ = 0,05 diperoleh nilai F tabel sebesar 3,4 yang berarti nilai Fhitung > F tabel (9,3341 > 7,8 ) sehingga dapat dijelaskan bahwa hipotesis nol (Ho) ditolak, yang berarti seluruh variabel bebas secara simultan berpengaruh signifikan terhadap variabel terikat. Hal ini dapat diperjelas dengan Gambar 4.5 berikut :
Gambar 4.5 Kurva Penerimaan dan Penolakan Hipotesis Uji F 4.4.2 Koefisien Determinasi Koefisien determinasi digunakan untuk mengetahui besar pengaruh variabel bebas terhadap variabel terikat. Semakin tinggi nilai koefisien determinasi maka semakin tinggi pula kemampuan variabel bebas menjelaskan variabel terikat. Koefisien determinasi mempunyai kelemahan dalam menjelaskan model yang menggunakan data cross section yang dikarenakan besarnya perubahan variasi yang telah disesuaikan (adj. R Square ) yang dinilai mampu menjelaskan setiap perubahan variasi yang terjadi apabila terdapat penambahan variabel, sehingga nilai koefisien determinasi yang telah disesuaikan dapat naik atau turun. Dari hasil estimasi regresi yang telah dilakukan pada model fixed effect, nilai koefisien determinasi yang disesuaikan adalah 0,523942. Hal ini menunjukkan bahwa kontribusi yang diberikan variabel SDA, LDA, DA, SIZE dan SG terhadap Profitabilitas (ROE) adalah sebesar 52,39%. Sedangkan sisanya dijelaskan oleh variabel lain di luar variabel bebas tersebut. 4.4.3 Uji Signifikansi Individual (Uji Statistik t) Uji signifikansi individual atau uji statistik t dimaksudkan untuk mengetahui besar kemampuan setiap variabel bebas dalam menjelaskan variabel terikat secara individual. Jika nilai t hitung > t tabel atau nilai probabilitas < 0,05, maka dapat disimpulkan bahwa variabel bebas tersebut mempunyai hubungan yang signifikan terhadap variabel terikat, sedangkan jika nilai t hitung < t tabel atau nilai probabilitas > 0,05 maka disimpulkan bahwa tidak terdapat hubungan signifikan antara variabel bebas dan variabel terikat. Adapun hasil estimasi uji t statistik ditampilkan pada tabel 4.9 berikut :
Tabel 4.9 Ringkasan Hasi Estimasi Uji T-Statistik
Variabel
Koefisien
T Statistik
T Tabel
Prob. T
SDA
1,932287
-0,915963
2,0555
0,3600
LDA
-0,000484
-3,544791
2,0555
0,0004
DA
-4,671085
-3,956318
2,0555
0,0001
SIZE
2,095331
1,507083
2,0555
0,1323
SG
3,737065
25,11290
2,0555
0,0000
Sumber : Lampiran 9 ( diolah) Berikut ini adalah penjelasan dari uji signifikansi individual masingmasing variabel bebas terhadap variabel terikat : 1. Variabel SDA Variabel SDA memiliki t hitung sebesar -0,915963 dan nilai probabilitas t hitung sebesar 0,3600. Hal ini menunjukkan bahwa nilai t hitung sebesar -0,915963 < t tabel (2,0555) dan nilai probabilitas 0,3600 > ∝= 0,05, maka dengan demikian dapat dijelaskan bahwa variabel SDA secara parsial tidak berpengaruh signifikan terhadap Profitabilitas 2. Variabel Fund LDA Variabel LDA memiliki t hitung sebesar -3,544791 dan nilai probabilitas t hitung sebesar 0,0004. Hal ini menunjukkan bahwa nilai t hitung sebesar -3,544791 < t tabel (2,0555) dan nilai probabilitas 0,0004 > ∝= 0,05, maka dengan demikian dapat dijelaskan bahwa variabel LDA secara parsial berpengaruh signifikan terhadap Profitabilitas 3. Variabel DA Variabel DA memiliki t hitung sebesar -3,95631 dan nilai probabilitas t hitung sebesar 0,0001. Hal ini menunjukkan bahwa nilai t hitung sebesar -3,544791 < t tabel (2,0555) dan nilai probabilitas 0,0001 > ∝= 0,05, maka dengan demikian dapat dijelaskan bahwa variabel DA secara parsial berpengaruh signifikan terhadap Profitabilitas 4. Variabel Expense SIZE Variabel SIZE memiliki t hitung sebesar 1,507083 dan nilai probabilitas t hitung sebesar 0,1323. Hal ini menunjukkan bahwa nilai t hitung sebesar 1,507083 < t tabel (2,0555) dan nilai probabilitas 0,1323 > ∝= 0,05, maka dengan demikian dapat dijelaskan bahwa variabel SIZE secara parsial tidak berpengaruh signifikan terhadap Profitabilitas 5. Variabel Turnover SG
Variabel SG memiliki t hitung sebesar 25,11290 dan nilai probabilitas t hitung sebesar 0,0000. Hal ini menunjukkan bahwa nilai t hitung sebesar 25,11290 < t tabel (2,0555) dan nilai probabilitas 0,0000 > ∝= 0,05, maka dengan demikian dapat dijelaskan bahwa variabel SG secara parsial berpengaruh signifikan terhadap Profitabilitas
