NIM : C1A020072
Tugas Ekonometrika II
Rumusan Masalah :
1. Apakah profitabilitas memiliki pengaruh terhadap audit report lag pada
perusahaan manufaktur sektor consumer goods yang terdaftar di BEI tahun 2017-
2019 ?
2. Apakah leverage memiliki pengaruh terhadap audit report lag pada perusahaan
manufaktur sektor consumer goods yang terdaftar di BEI tahun 2017-2019 ?
3. Apakah ukuran perusahaan memiliki pengaruh terhadap audit report lag pada
perusahaan manufaktur sektor consumer goods yang terdaftar di BEI tahun 2017-
2019 ?
Variabel Penelitian :
Variabel Dependen (Y)
Variabel dependen yang digunakan adalah variabel audit report lag pada
perusahaan manufaktur sektor consumer goods yang terdaftar di BEI
Variabel Independen (X)
X1 : Profitabilitas dalam penelitian ini menggunakan Return On Asset, yang
menunjukkan besarnya kontribusi asset untuk menciptakan net profit.
X2 : leverage diukur dengan Debt to Equity Ratio, yang menunjukkan besarnya
proporsi utang terhadap modal.
X3 : ukuran perusahaan
Langkah – Langkah
Tabel 1
YEAR Y X1 X2 X3
2017 94 -0.0567 1.6459 27.7348
2018 100 -0.0298 1.8669 27.7352
2019 108 -0.0067 1.8982 27.7295
2017 88 0.0359 0.4455 27.8226
2018 88 0.0617 0.1342 27.6353
2019 115 0.0726 0.1306 27.687
2017 66 0.0771 0.5422 27.9622
2018 74 0.0793 0.1969 27.7871
2019 79 0.1547 0.2314 27.9625
2017 68 0.0759 1.2181 27.2169
2018 67 0.0762 0.3123 27.4494
2019 69 0.105 0.6249 27.8503
2017 85 0.2087 0.1714 27.9243
2018 87 0.2219 0.1864 28.052
2019 80 0.2229 0.175 27.9859
2017 82 0.0831 0.2122 27.081
2018 84 0.1189 0.3475 27.3551
2019 90 0.1222 0.3228 27.4669
2017 75 0.1121 0.5557 31.0848
2018 78 0.1356 0.5135 31.1681
2019 80 0.1385 0.4514 31.2871
2017 75 0.0577 0.8768 32.1129
2018 78 0.0514 0.934 32.201
2019 80 0.0614 0.7748 32.1974
2017 53 0.5267 1.3571 28.5513
2018 46 0.4239 1.0749 28.6921
2019 52 0.4163 1.5279 28.6947
2017 74 0.1093 1.0282 30.3334
2018 74 0.1001 1.0593 30.4984
2019 90 0.1071 0.923 30.5775
2017 92 0.01 0.4688 25.6707
2018 87 -0.0714 0.3276 25.4891
2019 141 -0.0803 0.4809 25.5732
2017 85 0.0466 1.3071 27.2614
2018 80 -0.0668 1.8722 27.271
2019 90 -0.0337 3.3389 27.3612
2017 85 0.0297 0.6168 29.1483
2018 72 0.0289 0.5063 29.1112
2019 59 0.0505 0.514 29.1748
2017 73 0.0361 1.0687 27.1789
2018 71 0.0428 1.2029 27.3397
2019 72 0.0568 1.0791 27.3964
2017 157 0.0922 0.6916 28.4822
2018 89 0.0969 0.5982 28.9985
2019 148 0.1675 0.9415 28.6894
A. Uji Chow
- Hipotesis
a. H0 : Jika nilai p > 0.05, maka model yang terpilih adalah common effect model
b. H1 : Jika nilai p < 0.05, maka model yang terpilih adalah fixed effect model
- Keputusan
Berdasarkan Tabel uji chow tersebut, kedua nilai probabilitas Cross-section F dan
Cross-section Chi-square lebih kecil dari 0.05. Jadi menunjukkan fixed effect
model terbaik untuk digunakan, maka pengujian data berlanjut ke uji hausman.
B. Uji Hausman
- Hipotesis
a. H0 : Jika nilai p > 0.05, maka model yang terpilih adalah random effect model
b. H1 : Jika nilai p < 0.05, maka model yang terpilih adalah fixed effect model
- Keputusan
Berdasarkan Tabel uji hasuman tersebut, nilai probabilitas Cross-section random
lebih besar dari 0.05. Jadi menunjukkan random effect model terbaik untuk
digunakan
Chi-Sq.
Test Summary Statistic Chi-Sq. d.f. Prob.
D. Uji Normalitas
12
Series: Standardized Residuals
10 Sample 2017 2019
Observations 45
8
Mean 8.21e-15
Median -2.754227
6
Maximum 72.53932
Minimum -27.59728
4
Std. Dev. 19.94070
Skewness 2.113947
2 Kurtosis 8.215708
0 Jarque-Bera 84.52257
-30 -20 -10 0 10 20 30 40 50 60 70 Probability 0.000000
- Persyaratan normalitas :
Jika nilai probability < 0.05, maka residual tidak terdistribusi normal
Jika nilai probability > 0.05, maka residual terdistribusi normal
- Hasil dari uji normalitas residual di atas : nilai p value sebesar 0.000000 dimana
< 0.05 sehingga residual tidak terdistribusi normal.
E. Uji Multikolinearitas
- Ketentuan
a. Jika nilai dibawah 0.8 data tidak terdapat multikolinearitas
b. Jika nilai diatas 0.8 data terdapat masalah multikolinearitas
- Keputusan
Berdasarkan data tersebut nilainya dibawah 0.8, sehingga dapat disimpulkan data
tidak terdapat masalah multikolinearitas
X1 X2 X3
X1 1 -0.1206280811520209 0.2226878378327326
X2 -0.1206280811520209 1 -0.014061922504872
X3 0.2226878378327326 -0.014061922504872 1
F. Uji Heteroskedastisitas
- Ketentuan
a. Jika nilai probabilitas < 0.05, maka data terdapat masalah heteroskedastisitas
b. Jika nilai probabilitas > 0.05, maka data tidak terdapat masalah
heteroskedastisitas
- Keputusan
Berdasarkan data tersebut nilai probabilitasnya yaitu 0,726731 dimana > 0,05.
Maka dapat disimpulkan bahwa data tersebut tidak terdapat masalah
heteroskedastisitas
Effects Specification
S.D. Rho
Weighted Statistics
Unweighted Statistics
a. Ketentuan
- Jika DU < DW < 4 – DU, maka tidak terjadi masalah autokorelasi
- Jika 0 ≤ DW ≤ DL, maka terjadi masalah autokorelasi positif
- Jika 4 – DL ≤ DW ≤ 4, maka terjadi masalah autokorelasi negatif
b. DW Unweight Statistic => dimana 0 ≤ DW ≤ DL = 0 ≤ 1.073162 ≤ 1,383. Maka
dapat disimpulkan bahwa data tersebut terjadi masalah autokorelasi positif
Dependent Variable: Y
Method: Panel EGLS (Cross-section random effects)
Date: 10/02/22 Time: 15:50
Sample: 2017 2019
Periods included: 3
Cross-sections included: 15
Total panel (balanced) observations: 45
Swamy and Arora estimator of component variances
Effects Specification
S.D. Rho
Weighted Statistics
Unweighted Statistics
Dependent Variable: Y
Method: Panel EGLS (Cross-section random effects)
Date: 10/02/22 Time: 12:37
Sample: 2017 2019
Periods included: 3
Cross-sections included: 15
Total panel (balanced) observations: 45
Swamy and Arora estimator of component variances
Effects Specification
S.D. Rho
Cross-section random 16.59279 0.5865
Idiosyncratic random 13.93352 0.4135
Weighted Statistics
Unweighted Statistics