Pemilihan Mode

Pada dasarnya ketiga teknik (model) estimasi pada data panel dapat dipilih sesuai dengan
keadaan penelitian, dilihat dari jumlah populasi dan variabel penelitiannya. Untuk memilih
model yang paling tepat dalam mengelola data panel, terdapat beberapa pengujian yang dapat
dilakukan, yakni uji chow, uji hausman, dan uji largrange multiplier

3.4.4.1 Uji Chow

Merupakan pengujian untuk menentukan fixed effectmodel atau common effectmodel yang
paling tepat digunakan dalam mengestimasi data panel. Apabila nilai F hitung lebih besar dari F
kritis maka hipotesis nol ditolak yang artinya model yang tepat untuk regresi data panel adalah
fixed effectmodel. Hipotesis yang dibentuk dalam uji chowadalah sebagai berikut:

H0: Common EffectModel

H1: Fixed Effect Model

Dasar penolakan terhadap hipotesis di atas adalah dengan membandingkan perhitungan nilai
probabilitas dari chi-squares, dengan ketentuan sebagai berikut:

Terima H0= Jika chi-square> 0,05

Tolak H0= Jika chi-square< 0,05

3.4.4.2 Uji Hausman

Merupakan pengujian statistik untuk memilih apakah fixed effectmodel atau random effect yang
paling tepat digunakan. Apabila nilai statistik hausman lebih besar dari nilai kritis chi-square
maka artinya model yang tepat untuk regresi data panel adalah fixed effectmodel. Pengujian ini
dilakukan dengan hipotesis sebagai berikut:

H0: Random EffectModel

H1: Fixed Effect Model

Dasar penolakan terhadap hipotesis di atas adalah dengan membandingkan perhitungan nilai
probabilitas dari chi-square, dengan ketentuan sebagai berikut:

Terima H0= Jika Chi-Square> 0,05

Tolak H0= Jika Chi-Square <0,05

3.4.4.3 Uji Lagrange Multiplier (LM)

Merupakan pengujian statistik untuk mengetahui apakah random effect model lebih baik
daripada common effectmodel. Apabila nilai Lagrange Multiplierhitung lebih besar dari nilai
kritis chi-squaremaka model yang tepat untuk regresi data panel adalah random effectmodel.
Hipotesis yang dibentuk dalam Lagrange Multipliertest adalah sebagai berikut:

H0: Common EffectModel

H1: Random EffectModel

Dasar penolakan terhadap hipotesis di atas adalah dengan membandingkan perhitungan nilai
probabilitas dari chi-square, dengan ketentuan sebagai berikut:

Terima H0= Jika Chi-Square> 0,05

Tolak H0= Jika Chi-Square< 0,05

(+) uji autokorelasi <- uji asumsi klasik

Analisis Regresi Data Panel

Analisis regresi adalah teknik statistika yang berguna untuk memerikasa dan memodelkan
hubungan diantara variabel-variabel.Regresi berganda seringkali digunakan untuk mengatasi
permasalahan analisis regresi yang mengakibatkan hubungan dari dua atau lebih variabel bebas.
Regresi data panel merupakan gabungan dari data time seriesdan data cross section(Basuki,
2016).Model regeresi datapanel yang digunakan dalam penelitian ini diformulasikan sebagai
berikut:

𝐹irm_𝑉alue= 𝛼+𝛽1SRit+𝛽2ROAit+𝛽3DERit+ 𝛽4SIZEit+𝑒

Keterangan:
Firm_Value = Nilai Perusahaan
α = konstanta persamaan regresi
SR = Pengungkapan sustainability report perusahaan i pada tahun ke t
ROA = Rasio Profitabilitas (Return on Asset Ratio) perusahaan i pada tahun ke t
DER = Rasio Leverage (Debt to Equity Ratio) perusahaan i pada tahun ke t
SIZE = Rasio Firm Size (Total Aset) perusahaan i pada tahun ke t
β1 = Koefisien regresi Pengungkapan sustainability report

β2 = Koefisien regresi Rasio Profitabilitas (Return on asset)

β3 = Koefisien regresi Rasio Leverage

β4 = Koefisien regresi Rasio Firm Size

e = error

Metode Model Regresi Data Panel

Untuk mengetahui model regresi tersebut layak atau tidak layak dipergunakan sebagai alat
analisis, maka perlu dilakukan pengujian. Menurut Basuki (2016), dalam metode regresi dengan
menggunakan data panel dapat digunakan melalui tiga pendekatan, yakni common effectmodel,
fixed effectmodel, dan random effectmodel.

3.4.3.1 Common EffectModel

Merupakan pendekatan model data panel yang paling sederhana karena hanya
mengkombinasikan data time seriesdan data 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. Common
Effectdinyatakan dalam model sebagai berikut:

Yit= a+ βjXjit+ eit

Keterangan:

Yit: Variabel terikat pada waktu tuntuk unit cross section i

a:Intercept
βj: Parameter untuk variabel ke-j
Xjit: Variabel bebasjdi waktu tuntuk unit cross section
ieit: Komponenerrordi waktu tuntuk unit cross section i
i: Urutan perusahaan yang diobservasi
t: Time series(urutan waktu)
j:Urutan variable

3.4.3.2 Fixed EffectModel

Pengertian Fixed Effectini didasarkan adanya perbedaan intercept antara perusahaan namun
intercept nya sama antar waktu. Disamping itu, model ini juga mengasumsikan bahwa koefisien
regresi (slope) tetap antar perusahaan dan antar waktu. Model Fixed Effectdengan teknik
variabeldummydapat ditulis sebagai berikut:
Yit= a+ βjXjit+ ∑iDi+ eit

Keterangan:
Yit: Variabel dependen pada waktu tuntuk unit cross section i
a: Intercept
βj: Parameter untuk variabel ke-j
Xjit: Variabel bebas jdi waktu tuntuk unit cross section i
eit: Komponen errordi waktu tuntuk unit cross section i
Di: Variabel dummy

3.4.3.3 Random EffectModel

Pada model Fixed Effectterdapat kekurangan yaitu berkurangnya derajat kebebasan (Degree Of
Freedom) sehingga akan mengurangi efisiensi parameter. Untuk mengatasi masalah tersebut,
maka dapat menggunakan pendekatan estimasi Random Effect. Pendekatan estimasi random
effect ini menggunakan variabel gangguan (error terms). Variabel gangguan ini mungkin akan
menghubungkan antar waktu dan antar perusahaan. Penulisan konstanta dalam model random
effect tidak lagi tetap, tetapi bersifat random. Untuk mengatasi kelemahan model ini maka
menggunakan dummyvariabel sehingga dapat ditulis dengan persamaan sebagai berikut:
Yit= a+ βjXjit+ eiteit= uit+ vit+ wit
Keterangan:
uit: Komponen cross section error
vit: Komponen time series error
wit: Komponen errorgabungan

Basuki, Agus Tri and Prawoto, Nano. 2016. Analisis Regresi Dalam Penelitian. Ekonomi &
Bisnis : Dilengkapi Aplikasi SPSS & EVIEWS.

Ghozali, Imam dan Ratmono, Dwi. 2017. Analisis Multivariat dan Ekonometrika dengan Eviews
10. Badan Penerbit Universitas Diponegoro: Semarang.