Nama : Meldiyana Trianadifa Suharto

NIM : 1402194014

Kelas : AK-43-03

Mata Kuliah: Aplikasi Riset Akuntansi

TUGAS DATA PANEL

Misalkan akan dilakukan penelitian mengenai “Pengaruh Current Ratio, Debt to Equity Ratio,
dan Total Asset Turnover Terhadap Pertumbuhan Laba (Studi Kasus Pada Perusahaan Sub
Sektor Makanan dan Minuman yang Terdaftar di Bursa Efek Indonesia Periode 2013-
2016)”
Berikut merupakan pertanyaan penelitian berdasarkan rumusan masalah:

1. Bagaimana pengaruh current ratio, debt to equity ratio, dan total asset turnover secara simultan
terhadap pertumbuhan laba pada perusahaan manufaktur sub sektor makanan dan minuman?

2. Bagaimana pengaruh current ratio, debt to equity ratio, dan total asset turnover secara parsial
terhadap pertumbuhan laba pada perusahaan manufaktur sub sektor makanan dan minuman?

1. Uji Asumsi Klasik

1) Uji Normalitas
Pengujian ini tidak dilakukan karena jumlah observasi lebih dari 30. Uji normalitas ini
bertujuan untuk mengetahui apakah error term mendekati distribusi normal. Seperti
pernyataan dari Ajija (2011) bahwa uji normalitas diperlukan ketika jumlah observasi
kurang dari 30 dan apabila jumlah observasi melebihi 30, maka tidak perlu dilakukan uji
normalitas karena distribusi sampling error term telah mendekati normal.

2) Uji Multikoleniaritas
Uji multikolinearitas dilakukan dengan tujuan untuk menguji apakah dalam model regresi
ditemukan adanya korelasi yang tinggi atau sempurna diantara variabel independent.
Dalam mendeteksinya dapat dilihat dari nilai tolerance dan nilai Variance Inflation Factor
(VIF). Terdapat kriteria dalam pengambilan keputusan untuk uji multikolinearitas adalah
sebagai berikut:
 1. Apabila antar variabel bebas pada korelasi memiliki nilai di atas 0,90, maka adanya
multikolinearitas.
2. Jika nilai VIF < 10, maka dalam data tidak terdapat multikolinearitas.

Variance Inflation Factors

Date: 10/31/22 Time: 16:50
Sample: 1 44
Included observations: 44

Coefficient Uncentered Centered

Variable Variance VIF VIF

C 3560.566 29.70832 NA
CR 0.011972 7.034594 2.070385
DER 0.089702 10.04869 2.069246
TATO 0.032886 6.645383 1.002437

Dari hasil output Eviews 12.0 diatas, menunjukkan bahwa masing-masing variabel
independent yaitu Current Ratio, Debt to Equity Ratio, dan Total Asset Turnover memiliki
nilai VIF < 10 dengan masing-masing besarnya nilai VIF adalah 2,07; 2,06; 1,00. Artinya
dalam penelitian ini tidak adanya hubungan antara variabel independen satu sama lain.

3) Uji Autokorelasi

Peneliti tidak perlu melakukan uji autokrelasi, karena walaupun menggunakan data
time series, tetapi bukan merupakan time series murni. Pengujian autokorelasi pada data
yang tidak bersifat time series (cross section atau panel) akan sia-sia semata atau tidaklah
berarti. Dengan demikian, uji autokeralsi tidak perlu dilakukan.

4) Uji Heteroskedastisitas
Uji heterokedastisitas digunakan untuk mendeteksi apakah dalam model regresi terdapat
ketidaksamaan variance dari residual satu pengamatan ke pengamatan lainnya. Dasar
pengambilan keputusan dalam uji heteroskedastisitas adalah:
a. Apabila nilai probabilitas < 0,05, maka terjadi heterokedastisitas.
b. Apabila nilai probabilitas > 0,05, maka tidak terjadi heterokedastisitas.
 Heteroskedasticity Test: Breusch-Pagan-Godfrey
Null hypothesis: Homoskedasticity

F-statistic 2.813341 Prob. F(3,40) 0.0514

Obs*R-squared 7.666409 Prob. Chi-Square(3) 0.0534
Scaled explained SS 21.10993 Prob. Chi-Square(3) 0.0001

Dari hasil output Eviews 12.0 diatas, menunjukkan nilai probability yaitu sebesar
0,7450 dan nilai probability chi-square sebesar 0,7377 yang mana nilai tersebut > 0,05,
sehingga dapat bahwa model regresi tidak terjadi heteroskedastisitas.

2. Analisis Regresi Data Panel

1) Uji Chow
Uji chow atau seringkali disebut uji signifikan fixed effect merupakan pengujian yang
dilakukan untuk mengetahui apakah teknik regresi data panel dengan fixed effect atau
common effect yang paling tepat digunakan untuk estimasi pada data panel penelitian.
Dalam pengambilan keputusan terdapat syarat yang harus dipenuhi adalah berikut:
a. Jika nilai probabilitas cross-section chi-square < α = 0,05, maka H0 ditolak yang
artinya model regresi data panel yang digunakan yaitu model fixed effect.
b. Jika nilai probabilitas cross-section chi-square ≥ α = 0,05, maka H0 diterima yang
artinya model regresi data panel yang digunakan yaitu model common effect.
Berikut adalah hasil uji chow dalam penelitian ini.

Redundant Fixed Effects Tests

Equation: FEM
Test cross-section fixed effects

Effects Test Statistic d.f. Prob.

Cross-section F 1.075840 (10,30) 0.4101

Cross-section Chi-square 13.484438 10 0.1978

Berdasarkan hasil output Eviews 12.0 diatas yang menyajikan hasil uji chow
menunjukkan nilai probabilitas cross-section chi-square sebesar 0,1978 > 0,05 (α = 0,05).
Hal tersebut dapat diartikan bahwa model common effect lebih tepat untuk digunakan
dibandingkan dengan model fixed effect.
2) Uji Hausman
Uji hausman adalah pengujian yang dilakukan untuk menentukan mana yang paling
tepat digunakan dalam penelitian antara model fixed effect atau model random effect.
Dalam pengambilan keputusan terdapat syarat yang harus dipenuhi adalah berikut:
a. Jika nilai probabilitas cross-section random < α = 0,05, maka H0 ditolak yang
artinya model regresi data panel yang digunakan yaitu model fixed effect.
b. Jika nilai probabilitas cross-section random ≥ α = 0,05, maka H0 diterima yang
artinya model regresi data panel yang digunakan yaitu model random effect.
Berikut adalah hasil uji hausman dalam penelitian ini.

Dalam penelitian ini, tidak diperlukan pengujian hausman, karena uji hausman
dilakukan untuk menguji metode estimasi regresi antara random effect model dan fixed
effect model. Pada uji chow sebelumnya diketahui bahwa common fixed effect lebih tepat
daripada fixed effect model, sedangkan pada uji langrange multiplier diketahui bahwa
random effect model jauh lebih tepat dalam penelitian ini daripada common effect model.
Oleh karena itu, penggunaan random effect model akan lebih tepat digunakan sebagai
model regresi data panel dalam penelitian ini daripada kedua model estimasi lainnya.

3) Uji Lagrange Multiplier

Uji lagrange multiplier adalah pengujian yang dilakukan untuk menentukan mana yang
paling tepat digunakan dalam penelitian antara model random effect atau model common
effect Dalam pengambilan keputusan terdapat syarat yang harus dipenuhi adalah berikut:
a. Jika nilai probabilitas Breusch-Pagan < α = 0,05, maka H0 ditolak yang artinya
model regresi data panel yang digunakan yaitu model random effect.
b. Jika nilai probabilitas Breusch-Pagan ≥ α = 0,05, maka H0 diterima yang artinya
model regresi data panel yang digunakan yaitu model common effect.
Berikut adalah hasil uji lagrange multiplier dalam penelitian ini.
 Lagrange Multiplier Tests for Random Effects
Null hypotheses: No effects
Alternative hypotheses: Two-sided (Breusch-Pagan) and one-sided
(all others) alternatives

Test Hypothesis
Cross-section Time Both

Breusch-Pagan 4.242874 0.173411 4.416285

(0.0394) (0.6771) (0.0356)

Berdasarkan hasil output Eviews 12.0 diatas yang menyajikan hasil uji lagrange
multiplier menunjukkan nilai probabilitas cross-section Breusch-Pagan sebesar 0,0356 <
0,05 (α = 0,05). Hal tersebut dapat diartikan bahwa model random effect lebih tepat untuk
digunakan dibandingkan dengan model common effect.
3. Hasil Pemilihan Model Regresi Data Panel

Berdasarkan dari hasil pengujian yang telah dilakukan diketahui bahwa model random
effect merupakan model yang tepat untuk digunakan dalam penelitian ini. Berikut hasil dari regresi
data panel yang menyajikan hubungan antara variabel dependen dan variabel independen.

Dependent Variable: PL
Method: Panel EGLS (Cross-section random effects)
Date: 10/31/22 Time: 17:20
Sample: 2013 2016
Periods included: 4
Cross-sections included: 11
Total panel (balanced) observations: 44
Swamy and Arora estimator of component variances

Variable Coefficient Std. Error t-Statistic Prob.

C -12.87496 59.11272 -0.217804 0.8287

CR -0.034412 0.108395 -0.317467 0.7525
DER -0.002719 0.296703 -0.009166 0.9927
TATO 0.377023 0.179651 2.098641 0.0422

Effects Specification
S.D. Rho

Cross-section random 0.000000 0.0000

Idiosyncratic random 71.93964 1.0000

Weighted Statistics

R-squared 0.102707 Mean dependent var 33.24010

Adjusted R-squared 0.035410 S.D. dependent var 73.93930
S.E. of regression 72.61842 Sum squared resid 210937.4
F-statistic 1.526169 Durbin-Watson stat 2.109756
Prob(F-statistic) 0.222497

Unweighted Statistics

R-squared 0.102707 Mean dependent var 33.24010

Sum squared resid 210937.4 Durbin-Watson stat 2.109756