Part 1: PENGENALAN REGRESI DATA PANEL A. Pengertian Data Panel Data panel adalah gabungan antara data runtut waktu (time series) dan data silang (cross section). Misalkan anda sebagai seorang peneliti ingin meneliti bank Mandiri dalam kurun waktu 2000-2013 maka anda melakukan penelitian menggunakn data time series. Contoh lain pada tahun 2009 keuntungan industri perbankan Indonesia di atas rata-rata negara-negara ASEAN, apabila anda ingin meneliti fenomena tersebut dengan memasukan data semua bank dalam waktu 2009 saja, penelitian anda disebut menggunakan data cross section. Sedangkan jika anda ingin meneliti banyak bank dan dengan beberapa periode waktu (misalnya 10 bank dalam kurun waktu 5 tahun) penelitian anda menggunakan data panel. Menurut Agus Widarjono (2009) penggunaan data panel dalam sebuah observasi mempunyai beberapa keuntungan yang diperoleh. Pertama, data panel yang merupakan gabungan dua data time series dan cross section mampu menyediakan data yang lebih banyak sehingga akan lebih menghasilkan degree of freedom yang lebih besar. Kedua, menggabungkan informasi dari data time series dan cross section dapat mengatasi masalah yang timbul ketika ada masalah penghilangan variabel (omitted-variabel). Hsiao (1986), mencatat bahwa penggunaan panel data dalam penelitian ekonomi memiliki beberapa keuntungan utama dibandingkan data jenis cross section maupun time series. 1. Pertama, dapat memberikan peneliti jumlah pengamatan yang besar, meningkatkan degree of freedom (derajat kebebasan), data memiliki variabilitas yang besar dan mengurangi kolinieritas antara variabel penjelas, di mana dapat menghasilkan estimasi ekonometri yang efisien. 2. Kedua, panel data dapat memberikan informasi lebih banyak yang tidak dapat diberikan hanya oleh data cross section atau time series saja. 3. Ketiga, panel data dapat memberikan penyelesaian yang lebih baik dalam inferensi perubahan dinamis dibandingkan data cross section. Oleh: Egi Fajar Nur Ali Mahasiswa Fakultas Ekonomi dan Bisnis UIN Syarif Hidayatullah Jakarta E-mail:
[email protected] Twitter: @Pemimpi_Msadpn Facebook: Egie Fa Web: egienews.blogspot.com
B. Model Regresi Data Panel Untuk dapat lebih memahami tentang regresi panel, kita akan langsung masuk pada praktikum, dalam pembahasan ini terdapat 13 part pembahasan yang setiap part akan dijelaskan secara terpisah. Diantaranya: Part 1: Pengenalan regresi data panel Part 2: Analisis regresi data panel dengan EViews Part 3: Uji Chow (pemilihan model regresi data panel) Part 4: Uji Hausman (pemilihan model regresi data panel) Part 5: Uji Lagrange Multiplier (pemilihan model regresi data panel) Part 6: Uji asumsi klasik regresi data panel dengan eviews (normalitas) Part 7: Uji asumsi klasik regresi data panel dengan eviews (multikolinearitas) Part 8: Uji asumsi klasik regresi data panel dengan eviews (heteroskedastisitas) Part 9: Uji asumsi klasik regresi data panel dengan eviews (autokorelasi) Part 10: Uji signifikasi (ajusted R square) dengan eviews Part 11: Uji signifikasi (uji f atau uji simultan) dengan eviews Part 12: Uji signifikasi (uji t atau uji parsial) dengan eviews Part 13: Interpretasi regresi data panel Judul penelitian yang akan kita pakai adalah “Analisis Pengaruh Non Performing Loan (NPL) dan Kurs Terhadap Penyaluran Kredit Bank Umum Periode 2007-2011” Model Regresi Panel dari judul diatas sebagai berikut ini:
Yit = α + b1X1it + b2X2it + e Keterangan: Y
= Variabel dependen (LDR)
α
= Konstanta
X1
= Variabel independen 1 (NPL)
Oleh: Egi Fajar Nur Ali Mahasiswa Fakultas Ekonomi dan Bisnis UIN Syarif Hidayatullah Jakarta E-mail:
[email protected] Twitter: @Pemimpi_Msadpn Facebook: Egie Fa Web: egienews.blogspot.com
X2
= Variabel independen 2 (Kurs)
b(1…2) = Koefisien regresi masing-masing variabel independen e
= Error term
t
= Waktu
i
= Perusahaan
C. Metode Estimasi Model Regresi Panel Dalam metode estimasi model regresi dengan menggunakan data panel dapat dilakukan melalui tiga pendekatan, antara lain: 1. Common Effect Model Merupakan pendekatan model data panel yang paling sederhana karena hanya mengkombinasikan data time series dan cross section. Pada model ini tidak diperhatikan dimensi waktu maupun individu, sehingga diasumsikan bahwa perilaku data perusahaan sama dalam berbagai kurun waktu. Metode ini bisa menggunakan pendekatan Ordinary Least Square (OLS) atau teknik kuadrat terkecil untuk mengestimasi model data panel. 2. Fixed Effect Model Model ini mengasumsikan bahwa perbedaan antar individu dapat diakomodasi dari perbedaan intersepnya. Untuk mengestimasi data panel model Fixed Effects menggunakan teknik variable dummy untuk menangkap perbedaan intersep antar perusahaan, perbedaan intersep bisa terjadi karena perbedaan budaya kerja, manajerial, dan insentif. Namun demikian slopnya sama antar perusahaan. Model estimasi ini sering juga disebut dengan teknik Least Squares Dummy Variable (LSDV). Oleh: Egi Fajar Nur Ali Mahasiswa Fakultas Ekonomi dan Bisnis UIN Syarif Hidayatullah Jakarta E-mail:
[email protected] Twitter: @Pemimpi_Msadpn Facebook: Egie Fa Web: egienews.blogspot.com
3. Random Effect Model Model ini akan mengestimasi data panel dimana variabel gangguan mungkin saling berhubungan antar waktu dan antar individu. Pada model Random Effect perbedaan intersep diakomodasi oleh error terms masing-masing perusahaan. Keuntungan menggunkan model Random Effect yakni menghilangkan heteroskedastisitas. Model ini juga disebut dengan Error Component Model (ECM) atau teknik Generalized Least Square (GLS) D. Pemilihan Model Untuk memilih model yang paling tepat digunakan dalam mengelola data panel, terdapat beberapa pengujian yang dapat dilakukan yakni: 1. Uji Chow Chow test yakni pengujian untuk menentukan model Fixed Effet atau Random Effect yang paling tepat digunakan dalam mengestimasi data panel. Pembahasan uji Chow akan dijelaskan lebih lanjut pada Part 3. 2. Uji Hausman Hausman test adalah pengujian statistik untuk memilih apakah model Fixed Effect atau Random Effect yang paling tepat digunakan. Pembahasan uji Hausman akan dijelaskan lebih lanjut pada Part 4. 3. Uji Lagrange Multiplier Untuk mengetahui apakah model Random Effect lebih baik daripada metode Common Effect (OLS) digunakan uji Lagrange Multiplier (LM). Pembahasan uji Hausman akan dijelaskan lebih lanjut pada Part 5. Oleh: Egi Fajar Nur Ali Mahasiswa Fakultas Ekonomi dan Bisnis UIN Syarif Hidayatullah Jakarta E-mail:
[email protected] Twitter: @Pemimpi_Msadpn Facebook: Egie Fa Web: egienews.blogspot.com
E. Kerangka Pemikiran Obyek Penelitian
Variabel Independen (X)
Variabel Dependen (Y)
Metode Estimasi Data Panel
Common Effect
Random Effect
Fixed Effect
Pemilihan Model Regresi Panel
Uji Chow
Uji Lagrange Multiplier
Uji Hausman
Uji Asumsi Klasik
Normalitas
Multikolinieritas
Heteroskedastisitas
Autokorelasi
Uji Signifikasi
Uji F
Uji t
Interpretasi
Oleh: Egi Fajar Nur Ali Mahasiswa Fakultas Ekonomi dan Bisnis UIN Syarif Hidayatullah Jakarta E-mail:
[email protected] Twitter: @Pemimpi_Msadpn Facebook: Egie Fa Web: egienews.blogspot.com
Adjusted R2
