LANDASAN TEORI

Data Panel
Istilah data panel berkaitan dengan data dua dimensi. Hal ini berbeda dengan data time series
dan cross section, yang keduanya merupakan data satu dimensi.
Data panel adalah kombinasi/gabungan dari data time series (runtun waktu) dan data cross
section (antar individu/ruang). Untuk menggambarkan data panel secara singkat, misalkan pada
data cross section, nilai dari satu variabel atau lebih dikumpulkan untuk beberapa unit sampel
pada suatu waktu. Dalam data panel, unit cross section yang sama di survei dalam beberapa
waktu
Kelebihan data panel dibandingkan dengan data time series dan data cross section adalah
sebagai berikut:
1. Data panel memberikan data yang lebih informatif, lebih variatif, kurang korelasi antar
variabelnya, lebih banyak derajat kebebasannya, dan lebih efisien.
2. Lebih sesuai untuk mempelajari perubahan secara dinamis.
3. Data panel dapat digunakan untuk mempelajari model-model perilaku, misalnya pembelajaran
fenomena perubahan skala ekonomi.

Fixed Effect Model (FEM)

Fixed effect adalah adanya perbedaan intersep antara individu namun sama antar waktu (time
invariant), sedangkan koefisen regresi (slope) dianggap tetap baik antar kelompok individu
maupun antar waktu. Walaupun intersep setiap individu berbeda, namun tidak berbeda menurut
waktu.
Model regresi data panel yang menggunakan pendekatan fixed effect dinamakan Fixed Effect
Model (FEM) merupakan model yang mengasumsikan koefisien slope konstan tetapi intersep
bervariasi antar individu. Istilah “fixed effect” ini dikarenakan fakta bahwa meskipun intersep
berbeda antar individu, namun antar waktu tetap sama. Kasus seperti ini dinamakan time
invariant.
Y it =α i + β 1 X 1 it +β 2 X 2it +…+ β k X kit +ε it
Keterangan:
Yit : Variabel responden/dependen
Xit : Variabel prediktor/independen
αi : Intersep model yang selalu berubah antar unit cross section (C dalam output
eviews)
β : Slope
i : Individu ke-i
t : periode waktu ke-t
ε : Error
 PEMBAHASAN

Gambar 1. Hasil output FE dengan kredit sebagai variable dependen

Tabel 1. Hubungan Variabel Independen Terhadap Variabel Dependen (Kredit)

No Variabel Koefisien Probabilitas Hubungan Hasil
1 ATI -0.884429 0.0000 Negatif Signifikan
2 Tabungan -0.007186 0.7357 Negatif Tidak Signifikan
3 Deposito -0.203364 0.0000 Negatif Signifikan
4 Total Aset 0.765137 0.0000 Positif Signifikan
5 Modal Inti 0.694001 0.0000 Positif Signifikan
6 Modal Disetor -0.103613 0.1614 Negatif Tidak Signifikan
7 Laba (Rugi) Tahun 1.168144 0.0000 Positif Signifikan
Berjalan
8 Laba (Rugi) Tahun -0.220511 0.0059 Negatif Signifikan
Lalu
Berdasarkan hasil output pada Tabel 1, semua variabel signifikan dalam model akan masuk
dalam persamaan estimasi FEM sebagai berikut:
Kreditit = -2731020 - 0.884429ATIit - 0.203364Depositoit + 0.765137Total_Asetit +
0.694001Modal_Intiit + 1.168144Laba_(Rugi)_Tahun_Berjalanit -
0.220511Laba_(Rugi)_Tahun_Laluit

Kesimpulan (Kredit sebagai dependen):

1. Jika Total Aset, Modal Inti, Laba (Rugi) Tahun Berjalan meningkat maka Kredit akan
meningkat secara signifikan. Begitupula sebaliknya.
2. Jika Total ATI, Deposito, Laba (Rugi) Tahun Lalu meningkat maka Kredit akan menurun
secara signifikan. Begitupula sebaliknya.

Namun dikarenakan Prob dari variabel prediktor Tabungan dan Modal Disetor, nilainya
masing-masing adalah 0,7357 dan 0,1614 (tidak signifikan), yaitu lebih dari batas kritis 0,05,
maka H0 yang diterima atau berarti variabel prediktor Tabungan dan Modal Disetor tidak
memiliki pengaruh yang bermakna terhadap variabel response Kredit secara statistik.

Berdasarkan informasi Gambar 1 menunjukkan nilai koefisien determinasi (R-squared /R2) dari
estimasi model sebesar 0.9969. Nilai ini menunjukkan bahwa variabel ATI, Deposito, Total
Aset, Modal Inti, Laba (Rugi) Tahun Berjalan, dan Laba (Rugi) Tahun Lalu dapat mempengaruhi
perubahan volume kredit tiap tahunnya hingga 99.69% sedangkan sisanya dipengaruhi oleh
faktor diluar model. Hal ini juga menjadi salah satu indicator bahwa model yang digunakan
sudah baik.