UJI ASUMSI KLASIK (AUTOKORELASI, HETEROSKEDASTISITAS, MULTIKOLINERITAS DAN NORMALITAS) UNTUK DATA PANEL (DENGAN SPSS, EVIEWS DAN STATA)

Bismillahirrahmanirrahim…

Sebelum saya bicara lebih lanjut, pertama-tama anda harus berjanji untuk membaca tulisan ini SECARA TUNTAS DAN BERURUTAN agar anda tidak tersesat! Serius. Saya yakin sekarang anda berada dalam posisi yang sangat sulit, sulit mencari tutorial baik di blog maupun di youtube mengenai tutorial uji asumsi klasik untuk data panel yang anda miliki. Kata kunci google anda dipenuhi dengan kalimat-kalimat: uji heteroskedastisitas data panel eviews, uji autokorelasi data panel SPSS, blablabla… Tapi tak satupun blog maupun youtube yang membahasnya. Kalaupun anda, paling-paling mereka hanya menjelaskan Uji regresi data panel dengan Eviews! Benar bukan? Tenang saja, saya juga pernah berada pada posisi yang sama dengan anda saat ini. Hal ini karena satu alasan mendasar: LOGIKA “UJI ASUMSI KLASIK” BELUM ANDA PAHAMI SECARA TUNTAS. Hal ini bisa disebabkan oleh beberapa alasan: dosen anda tidak pernah mengajarkan, dosen anda mengajarkan tidak tuntas, atau dosen anda mengajarkan dengan baik tapi anda malah buka Instagram di pojokan… Hehehe

Oke, sebelum kita bicara tentang uji asumsi klasik, saya harus pastikan dulu bahwa data yang anda miliki memang data panel. Seperti yang kita ketahui, data panel merupakan gabungan antara data cross section dan data time series. Seperti contoh data saya sebagai berikut:

  

Data diatas merupakan data contoh date panel, dengan unit cross section berupa kode saham bank (AGRO, BABP, BACA, etc.) dan dengan unit time series berupa tahun (2010-2014). Adapun CAR, NPL, LDR, TDR dan EAR merupakan variabel independen sedangkan variabel dependennya yaitu ROA. Untuk anda yang berasal dari jurusan ekonomi pasti tidak dengan asing lagi dengan variabel-variabel tersebut, ya mereka adalah variabel-variabel pengukur kinerja perbankan. Tapi, untuk lebih memudahkan, maka vaiabel-variabel independen tadi saya ganti dengan X1, X2, X3, X4 dan X5 sedangkan variabel dependen akan saya ganti dengan Y.

Bila anda ingin melakukan uji asumsi klasik dan uji regresi data panel baik dengan SPSS maupun Eviews maka “WAJIB” hukumnya anda mengikuti format data seperti diatas. Saran saya, data tersebut anda ketikkan dalam Microsoft Excel, sehingga anda mudah mengkopinya ke SPSS atau ke Eviews. Oke, setelah anda memastikan bahwa data yang anda miliki memang benar data panel, maka langkah selanjutnya adalah dengan melakukan uji asumsi klasik. Ya, sebelum kita melakukan uji regresi maka terbebas dari pelanggaran uji asumsi klasik adalah syarat “wajib” yang data anda harus penuhi terlebih dulu. Bicara soal common effect, fixed effect dan random effect nanti belakangan. Fokus saja dulu disini!

1. Uji Autokorelasi

Apa yang dimaksud dengan uji autokorelasi? Apa tujuannya uji autokorelasi? Uji autokorelasi ditujukan untuk melihat apakah observasi pada tahun t dipengaruhi oleh tahun sebelumnya (t-1). Sebagai contoh dengan menggunakan data saya, maka analoginya apakah data tahun 2012 mendapatkan pengaruh dari tahun 2011? Inilah yang coba dijawab oleh uji autokorelasi. Bila terdapat pengaruh, maka dikatakan pada data tersebut terdapat masalah autokorelasi. Lalu, kita kembali kepada data panel. Coba anda amati contoh data saya baik-baik! Data tahun 2014 dari bank AGRO berbatasan langsung dengan data tahun 2010 dari bank BABP. Apakah bisa kita memperbandingkan data dari dua perusahaan yang berbeda? Jawabannya tidak bisa saudara-saudara. Eits, tunggu dulu, sepertinya anda berfikir saya mengada-ada. Yang perlu anda ketahui sebenarnya adalah “TIDAK ADA YANG NAMANYA UJI ASUMSI KLASIK UNTUK DATA PANEL”. Untuk melakukan uji asumsi klasik, maka kedudukan data anda harus jelas, apakah modelnya time series atau cross section!!! Lalu bagaimana dengan contoh data saya? Coba anda perhatikan baik-baik data saya! Lebih mendekati mana, time series atau cross section? Ya, “Data panel sama dengan data cross section”. Jawabannya sederhana, data time series tidak akan mengulang-ngulang periode! Lihat data saya! 2010, 2011, 2012, 2013, 2014, lalu… kembali ke 2010… Lalu bagaimana dengan uji autokorelasinya? Sekali lagi saya bertanya, apa tujuan uji autokorelasi? “untuk mengetahui apakah data pada periode sebelumnya mempengaruhi data pada periode sekarang”, lalu apakah kita bisa membandingkan data AGRO tahun 2014 dengan data BABP tahun 2010? Atau dengan kata lain, apakah kita bisa mengatakan data yang dikeluarkan perusahaan BABP pada tahun 2010 mendapatkan pengaruh oleh data yang dikeluarkan oleh AGRO pada tahun 2014??? It’s making no sense, right? TIDAK MASUK AKAL masbro mbabro…  Hadehh. Maka dari itu, Uji Autokorelasi hanya ditujukan untuk data yang bersifat time series! Kan jadi masuk akal jika saya membandingkan data AGRO tahun 2010 ke 2011, data tahun 2011 ke 2012, dst. Right? So, jawaban dari pergelutan anda mengenai uji autokorelasi pada data panel adalah… TIDAK ADA UJI AUTOKORELASI PADA DATA PANEL!!! Kalaupun ada skripsi atau jurnal yang melakukan uji autokorelasi, maka hasil ujinya “tidak memiliki makna sama sekali” atau cuma buat nambah-nambah tebal halaman saja…

2. Uji Heteroskedastisitas

Kembali pada pertanyaan yang sama dengan uji autokorelasi… Apa yang dimaksud uji heteroskedastisitas? Apa tujuannya? Uji ini dilakukan untuk melihat apakah varians variabel dalam model regresi sama atau tidak. Jika sama maka disebut homoskedastisitas, jika tidak disebut heteroskedastisitas. Masih bingung??? Tanya aja mbah google, jujur saya juga masih bingung sama defenisi dan tujuannya. Tujuan saya adalah untuk memberikan anda pemahaman pada hubungan uji asumsi klasik dengan data panel, jadi masalah lain Insha ALLAH banyak kok pembahasannya (padahal gak tau sebenarnya hehe).  Intinya, uji heteroskedastisitas wajib digunakan , mau anda menggunakan data time series, cross section dan data panel sekalipun! Apakah anda sudah coba dan gagal? Tenang saja, ada banyak metode uji heteroskedastisitas, kalau yang satu gagal cari yang lain sampai berhasil. Dan itu hukumnya “sah-sah saja” hehe. Beberapa metodenya antara lain: Analisis grafik, metode Glejser, metode Park, metode White, metode Rank Spearman dan metode Goldfeld-Quandt. Dan perlu anda ingat, saat ingin melakukan uji ini di aplikasi Eviews, bentuk data anda tidak boleh “Pooled” tapi dengan model biasa. Caranya? Googling saja, banyak kok di youtube. Saran saya, karena aplikasi Eviews susah-susah gampang, pakai SPSS saja. Serius, daripada anda kebingungan pakai SPSS saja! Hehe.

3. Uji Multikolinearitas

Langsung saja, uji multikolinearitas dilakukan untuk menguji apakah terjadi korelasi linear yang mendekati sempurna antara lebih dari dua variabel bebas. Jadi intinya, yang diperbandingkan adalah variabelnya, bukan data-datanya! So, uji multikolinearitas sama dengan uji heteroskedastisitas juga hukumnya “WAJIB” dilakukan! Uji ini dilakukan dengan melihat nilai VIF (variance inflation factor) dan nilai Tolerance (TOL) setiap variabel. Yang perlu anda ketahui, adalah bahwa nilai VIF = 1/TOL. Jadi kalo didapatkan TOL = 2, maka nilai VIF-nya? Ya, 0.5 alias 1/2. Standar aman variabel anda dikatakan bebas dari masalah multikolinearitas adalah jika nilai VIF-nya kurang dari 10 dan/atau nilai TOL-nya lebih besar dari 0,10 (0,10 ini bukan berasal dari nilai alpha, seperti 0.1, 0.05, atau 0.01). Caranya? Silahkan di googling, ada ratusan tutorialnya. Saran saya sekali lagi, pakai SPSS! (tanpa bermaksud merendahkan Eviews atau STATA hehe).

4. Uji Normalitas

Nah ini dia salah satu uji asumsi klasik yang harus anda pahami logikanya sama dengan uji autokorelasi. Uji normalitas dan uji autokorelasi adalah partner in crime melawan DATA PANEL. Oke, kembali ke laptop. Sebelumnya anda harus tahu persis apa sih tujuannya uji normalitas? Uji normalitas dilakukan dengan tujuan untuk mengetahui apakah data anda terdistribusi secara normal atau tidak. Bila pada data anda terdapat nilai-nilai ekstrim sebagai contoh seperti -876 atau +876 sedangkan rata-rata data anda berkisar +/-20, maka data anda tidak terdistribusi secara normal. Lalu, bagaimana dengan rasio keuangan perusahaan? Perhitungan mereka sudah seperti itu, masa kita mau salahkan perusahaan yang mengeluarkan data yang jauh beda dengan nilai rata-rata data perusahaan lain??? Eits… sabar dulu. Kita kembali pada tujuan uji normalitas, tujuannya adalah untuk mengetahui “APAKAH DATA TIDAK MELENCENG TERLALU JAUH DARI NILAI RATA-RATA”. So, bila yang anda gunakan berasal dari data sekunder apalagi bersifat panel dengan sampel yang lebih dari satu perusahaan, maka anda “dianjurkan” untuk tidak melakukan uji normalitas. Alasannya sama dengan uji autokorelasi, hasilnya tidak akan ada artinya sama sekali!!! Maka dari itu, uji normalitas biasanya dilakukan karena anda menggunakan data primer, terjun langsung ke lapangan, pakai kuesioner dan sebagainya. Lalu pertanyaannya, apakah semua data sekunder tidak harus melakukan uji normalitas??? Eits, jangan cepat ambil kesimpulan dulu. Anda tetap wajib melakukan uji normalitas jika anda mengamati satu perusahaan saja, meskipun datanya bersifat sekunder.

Oke, sebagai kesimpulan, bagi anda-anda yang memiliki data panel dan hendak melakukan uji asumsi klasik, maka yang diwajibkan bagi anda adalah uji heteroskedastisitas dan uji multikolinearitas. Untuk uji autokorelasi dan normalitas sebaiknya tidak dilakukan, karena hasilnya tidak memberikan makna sama sekali. Dan sekali lagi, tidak ada uji asumsi klasik khusus untuk data panel, karena uji asumsi klasik hanya untuk data yang posisinya jelas apakah time series atau cross section, adapun data panel sendiri lebih bersifat cross section. Adapun untuk uji regresinya silahkan anda menggunakan regresi data panel yang disediakan aplikasi Eviews. Caranya? Silahkan di googling hehe…

Wassalam.

Akhmad Azhari

S1 Fakultas Ekonomi Dan Bisnis

Universitas Hasanuddin

Ditulis: Makassar, 26 Februari 2016