Dokumen tersebut membahas tentang pelatihan panel data menggunakan Eviews, yang mencakup jenis data panel, metode panel data seperti common effect, fixed effect, dan random effect beserta uji statistiknya seperti uji Chow, Hausman, serta interpretasi hasil regresi data panel.
Makin maraknya beberapa kasus pajak di media akhir-akhir, baik berupa penghindaran pajak (tax avoidance) maupun penggelapan pajak (tax evasion) membuat banyak masyarakat yang semakin ingin mengetahui tentang perpajakan lebih dekat, khususnya kalangan pemula ( mahasiswa )
Sejak dilakukannya reformasi Tahun 1983, perpajakan menjadi primadona bagi pemasukan negara menggantikan peranan minyak dan gas bumi yang cadangannya semakin menipis. Pentingnya peranan perpajakan dalam kontribusinya membangun negeri ini membawa konsekuensi pada sumber daya manusia, dalam hal ini wajib pajak, yang harus siap dalam mengimplementasikan peraturan dan perundang-undangan perpajakan agar dalam pelaksanaannya tidak mengalami kesalahan yang ujungnya akan merugikan wajib pajak itu sendiri.
Tidak kalah peranannya dalam menyukseskan penerimaan negara dari sektor perpajakan ini adalah perguruan tinggi yakni dengan memberi mata kuliah perpajakan kepada mahasiswanya agar mereka siap dengan dinamika perkembangan perpajakan terutama perpajakan indonesia yang selalu dinamis dan berubah dari waktu ke waktu mengikuti perekonomian, politik dan lain-lain.
Buku ini sengaja di desain berdasarkan hasil pengalaman dan penelitian penulis dalam memberikan Mata Kuliah Perpajakan agar mahasiswa dapat dengan mudah memahami tentang dunia perpajakan secara sistematis, yang mungkin selama ini mata kuliah perpajakan menjadi momok bagi mahasiswa yang belum mengenal lebih dekat.
Makin maraknya beberapa kasus pajak di media akhir-akhir, baik berupa penghindaran pajak (tax avoidance) maupun penggelapan pajak (tax evasion) membuat banyak masyarakat yang semakin ingin mengetahui tentang perpajakan lebih dekat, khususnya kalangan pemula ( mahasiswa )
Sejak dilakukannya reformasi Tahun 1983, perpajakan menjadi primadona bagi pemasukan negara menggantikan peranan minyak dan gas bumi yang cadangannya semakin menipis. Pentingnya peranan perpajakan dalam kontribusinya membangun negeri ini membawa konsekuensi pada sumber daya manusia, dalam hal ini wajib pajak, yang harus siap dalam mengimplementasikan peraturan dan perundang-undangan perpajakan agar dalam pelaksanaannya tidak mengalami kesalahan yang ujungnya akan merugikan wajib pajak itu sendiri.
Tidak kalah peranannya dalam menyukseskan penerimaan negara dari sektor perpajakan ini adalah perguruan tinggi yakni dengan memberi mata kuliah perpajakan kepada mahasiswanya agar mereka siap dengan dinamika perkembangan perpajakan terutama perpajakan indonesia yang selalu dinamis dan berubah dari waktu ke waktu mengikuti perekonomian, politik dan lain-lain.
Buku ini sengaja di desain berdasarkan hasil pengalaman dan penelitian penulis dalam memberikan Mata Kuliah Perpajakan agar mahasiswa dapat dengan mudah memahami tentang dunia perpajakan secara sistematis, yang mungkin selama ini mata kuliah perpajakan menjadi momok bagi mahasiswa yang belum mengenal lebih dekat.
Mengevaluasi dan Meningkatkan Pengendalian Internal - Bagian 1Fauzan Wahyuabdi
Dokumen ini bermaterikan prinsip-prinsip utama untuk mengevaluasi dan meningkatkan pengendalian internal dalam organisasi. Selanjutnya, diharapkan dapat dipublikasikan dokumen yang tidak terpisahkan, yang bermaterikan Pedoman Pelaksanaan untuk Mengimplemetasikan Prinsip-2. Selamat membaca.
Standar internasional praktik profesional audit internal (standar)Dr. Zar Rdj
Standar menggunakan istilah-istilah, sebagaimana didefinisikan secara khusus dalam Daftar Istilah. Unuk dapat memahami dan menerapkan Standar secara benar, perlu dipertimbangkan makna khusus istilah pada Daftar Istilah. Lebih lanjut, Standar menggunakan istilah ‘harus’ untuk persyaratan yang mutlak harus dipenuhi, dan istilah ‘semestinya’, untuk kesesuaian yang sangat dianjurkan (kecuali apabila berdasarkan pertimbangan profesional, keadaan yang ada membenarkan perlunya deviasi).
Standar terdiri dari dua kelompok utama: Standar Atribut dan Standar Kinerja. Standar Atribut mengatur atribut organisasi dan individu yang melaksanakan audit internal.
Standar Kinerja mengatur sifat audit internal dan menetapkan kriteria mutu untuk mengukur kinerja jasa audit internal. Standar Atribut dan Standar Kinerja diterapkan pada seluruh jenis jasa audit internal.
Standar Implementasi merinci Standar Atribut dan Standar Kinerja dengan menyajikan persyaratan tertentu untuk setiap jenis jasa audit internal, yaitu dengan kode (A) untuk asurans/Assurance, dan kode (C) untuk konsultansi/Consulting.
Jasa assurance (asurans) merupakan kegiatan penilaian bukti obyektif oleh auditor internal untuk memberikan pendapat atau simpulan mengenai suatu entitas, operasi, fungsi, proses, sistem, atau subyek lainnya. Sifat dan ruang lingkup suatu penugasan asurans ditentukan oleh auditor. Pada umumnya, terdapat tiga pihak yang berperan serta dalam pelaksanaan jasa asurans, yaitu (1) seorang atau sekelompok orang yang terlibat secara langsung dengan entitas, operasi, fungsi, proses, sistem, atau permasalahan lainnya – disebut pemilik proses; (2) seorang atau sekelompok orang yang melakukan penilaian/assessment – disebut auditor internal; (3) seorang atau sekelompok orang yang memanfaaatkan hasil penilaian/assessment – disebut pengguna.
Davia et al. mengelompokan fraud dalam ketiga kelompok sebagai berikut:
a. Fraud yang sudah ada tuntunan hukum (prosecution), tanpa memperhatikan bagamana keputusan pengadian.
b. Fraud yang ditemukan, tapi belum ada tuntunan hukum.
c. Fraud yang belum ditemukan.
Mengevaluasi dan Meningkatkan Pengendalian Internal - Bagian 1Fauzan Wahyuabdi
Dokumen ini bermaterikan prinsip-prinsip utama untuk mengevaluasi dan meningkatkan pengendalian internal dalam organisasi. Selanjutnya, diharapkan dapat dipublikasikan dokumen yang tidak terpisahkan, yang bermaterikan Pedoman Pelaksanaan untuk Mengimplemetasikan Prinsip-2. Selamat membaca.
Standar internasional praktik profesional audit internal (standar)Dr. Zar Rdj
Standar menggunakan istilah-istilah, sebagaimana didefinisikan secara khusus dalam Daftar Istilah. Unuk dapat memahami dan menerapkan Standar secara benar, perlu dipertimbangkan makna khusus istilah pada Daftar Istilah. Lebih lanjut, Standar menggunakan istilah ‘harus’ untuk persyaratan yang mutlak harus dipenuhi, dan istilah ‘semestinya’, untuk kesesuaian yang sangat dianjurkan (kecuali apabila berdasarkan pertimbangan profesional, keadaan yang ada membenarkan perlunya deviasi).
Standar terdiri dari dua kelompok utama: Standar Atribut dan Standar Kinerja. Standar Atribut mengatur atribut organisasi dan individu yang melaksanakan audit internal.
Standar Kinerja mengatur sifat audit internal dan menetapkan kriteria mutu untuk mengukur kinerja jasa audit internal. Standar Atribut dan Standar Kinerja diterapkan pada seluruh jenis jasa audit internal.
Standar Implementasi merinci Standar Atribut dan Standar Kinerja dengan menyajikan persyaratan tertentu untuk setiap jenis jasa audit internal, yaitu dengan kode (A) untuk asurans/Assurance, dan kode (C) untuk konsultansi/Consulting.
Jasa assurance (asurans) merupakan kegiatan penilaian bukti obyektif oleh auditor internal untuk memberikan pendapat atau simpulan mengenai suatu entitas, operasi, fungsi, proses, sistem, atau subyek lainnya. Sifat dan ruang lingkup suatu penugasan asurans ditentukan oleh auditor. Pada umumnya, terdapat tiga pihak yang berperan serta dalam pelaksanaan jasa asurans, yaitu (1) seorang atau sekelompok orang yang terlibat secara langsung dengan entitas, operasi, fungsi, proses, sistem, atau permasalahan lainnya – disebut pemilik proses; (2) seorang atau sekelompok orang yang melakukan penilaian/assessment – disebut auditor internal; (3) seorang atau sekelompok orang yang memanfaaatkan hasil penilaian/assessment – disebut pengguna.
Davia et al. mengelompokan fraud dalam ketiga kelompok sebagai berikut:
a. Fraud yang sudah ada tuntunan hukum (prosecution), tanpa memperhatikan bagamana keputusan pengadian.
b. Fraud yang ditemukan, tapi belum ada tuntunan hukum.
c. Fraud yang belum ditemukan.
Apa itu SP2DK Pajak?
SP2DK adalah singkatan dari Surat Permintaan Penjelasan atas Data dan/atau Keterangan yang diterbitkan oleh Kepala Kantor Pajak (KPP) kepada Wajib Pajak (WP). SP2DK juga sering disebut sebagai surat cinta pajak.
Apa yang harus dilakukan jika mendapatkan SP2DK?
Biasanya, setelah mengirimkan SPT PPh Badan, DJP akan mengirimkan SP2DK. Namun, jangan khawatir, dalam webinar ini, enforce A akan membahasnya. Kami akan memberikan tips tentang bagaimana cara menanggapi SP2DK dengan tepat agar kewajiban pajak dapat diselesaikan dengan baik dan perusahaan tetap efisien dalam biaya pajak. Kami juga akan memberikan tips tentang bagaimana mencegah diterbitkannya SP2DK.
Daftar isi enforce A webinar:
https://enforcea.com/
Dapat SP2DK,Harus Apa? enforce A
Apa Itu SP2DK? How It Works?
How to Response SP2DK?
SP2DK Risk Management & Planning
SP2DK? Surat Cinta DJP? Apa itu SP2DK?
How It Works?
Garis Waktu Kewajiban Pajak
Indikator Risiko Ketidakpatuhan Wajib Pajak
SP2DK adalah bagian dari kegiatan Pengawasan Kepatuhan Pajak
Penelitian Kepatuhan Formal
Penelitian Kepatuhan Material
Jenis Penelitian Kepatuhan Material
Penelitian Komprehensif WP Strategis
Data dan/atau Keterangan dalam Penelitian Kepatuhan Material
Simpulan Hasil Penelitian Kepatuhan Material Umum di KPP
Pelaksanaan SP2DK
Penelitian atas Penjelasan Wajib Pajak
Penerbitan dan Penyampaian SP2DK
Kunjungan Dalam Rangka SP2DK
Pembahasan dan Penyelesaian SP2DK
How DJP Get Data?
Peta Kepatuhan dan Daftar Sasaran Prioritas Penggalian Potensi (DSP3)
Sumber Data SP2DK Ekualisasi
Sumber Data SP2DK Ekualisasi Penghasilan PPh Badan vs DPP PPN
Sumber Data SP2DK Ekualisasi Biaya Gaji , Bonus dll vs PPh Pasal 21
Sumber Data SP2DK Ekualisasi Biaya Jasa, Sewa & Bunga vs PPh Pasal 23/2 & 4 Ayat (2)/15
Sumber Data SP2DK Mirroring
Sumber Data SP2DK Benchmark
Laporan Hasil P2DK (LHP2DK)
Simpulan dan Rekomendasi Tindak Lanjut LHP2DK
Tindak lanjut SP2DK
Kaidah utama SP2DK
How to Response SP2DK?
Bagaimana Menyusun Tanggapan SP2DK yang Baik
SP2DK Risk Management & Planning
Bagaimana menghindari adanya SP2DK?
Kaidah Manajemen Perpajakan yang Baik
Tax Risk Management enforce A APPTIMA
Tax Efficiency : How to Achieve It?
Tax Diagnostic enforce A Discon 20 % Free 1 month retainer advisory (worth IDR 15 million)
Corporate Tax Obligations Review (Tax Diagnostic) 2023 enforce A
Last but Important…
Bertanya atau konsultasi Tax Help via chat consulting Apps enforce A
Materi ini telah dibahas di channel youtube EnforceA Konsultan Pajak https://youtu.be/pbV7Y8y2wFE?si=SBEiNYL24pMPccLe
2. JENIS DATA
• Data cross section merupakan data yang dikumpulkan dalam satu periode waktu.
• Data time series merupakan data yang bentuknya bersifat periodik (misal bulan,
tahun).
• Data panel merupakan penggabungan data yang bersifat cross section dan time
series. Data panel (juga dikenal sebagai data time-series longitudinal atau
crosssectional) adalah dataset di mana perilaku entitas diamati sepanjang waktu.
Entitas ini dapat berupa negara, kabupaten/kota, perusahaan, rumah tangga,
maupun individu.
3. kabupatenkota tahun pdrb
Kab. Bandung 2018 77,603,122
Kab. Bandung Barat 2018 29,888,888
Kab. Bekasi 2018 242,023,294
Kab. Bogor 2018 148,204,049
kabupatenkota tahun pdrb
Kota Tasikmalaya 2011 9,758,072
Kota Tasikmalaya 2012 10,324,523
Kota Tasikmalaya 2013 10,961,871
Kota Tasikmalaya 2014 11,637,308
Kota Tasikmalaya 2015 12,370,623
Kota Tasikmalaya 2016 13,225,248
Kota Tasikmalaya 2017 14,207,798
Kota Tasikmalaya 2018 14,861,531
kabupatenkota tahun pdrb
Kab. Bandung 2015 64,701,522
Kab. Bandung 2016 68,804,851
Kab. Bandung 2017 73,039,454
Kab. Bandung 2018 77,603,122
Kab. Bandung Barat 2015 25,486,171
Kab. Bandung Barat 2016 26,925,876
Kab. Bandung Barat 2017 28,330,025
Kab. Bandung Barat 2018 29,888,888
Kab. Bekasi 2015 205,950,394
Kab. Bekasi 2016 216,228,364
Kab. Bekasi 2017 228,725,925
Kab. Bekasi 2018 242,023,294
Cross-section
Time-Series
Panel
5. METODE PANEL DATA
• Common Effect
• Teknik ini merupakan teknik yang paling sederhana untuk mengestimasi parameter
model data panel, yaitu dengan mengkombinasikan data cross section dan time series
sebagai satu kesatuan tanpa melihat adanya perbedaan waktu dan individu.
• Pendekatan yang dipakai pada model ini adalah metode Ordinary Least Square (OLS).
• Fixed Effect
• Dibedakan antar individu pada intersep
• Sering dikenal dengan model Least Square Dummy Variable (LSDV)
• Random Effect
• Teknik ini akan mengestimasi data panel dimana variabel gangguan mungkin saling
berhubungan antar waktu dan antar individu.
• Perbedaan antar individu dan antar waktu diakomodasi lewat error, karena adanya
korelasi antar variabel gangguan maka metode OLS tidak bisa digunakan sehingga
model random effect menggunakan metode Generalized Least Square (GLS).
6. COMMENT EFFECT VS FIXED EFFECT DALAM
EVIEWS
• Uji Chow test
• pengujian untuk menentukan model fixed effect atau common effect yang paling tepat
digunakan dalam mengestimasi data panel.
• Chow test merupakan metode pengujian untuk menentukan model Common Effect (CE)
ataukah Fixed Effect (FE) yang paling tepat digunakan dalam mengestimasi data panel.
• Kriterianya adalah apabila probabilitas ≥ 0.05 maka H0 diterima, artinya model CEM
(pool least square) yang akan digunakan. Tetapi jika nilai probabilitas < 0.05, maka H1
diterima, berarti menggunakan pendekatan FEM.
7. Klik view Fixed/Random Effect Testing Redundant
Fixed Effecvts – Likelihood Ratio
Berdasarkan tabel diatas, diperoleh hasil berupa nilai
probabilitas chi squares sebesar 0,000. Karena nilai
probabilitas chi squares lebih kecil dari taraf
signifikansi (0,000<0,05), artinya model fixed effect
lebih tepat dibandingkan model common effect.
8. RANDOM EFFECT VS FIXED EFFECT DALAM
EVIEWS
• Uji Hausman
• Setelah uji chow dilakukan, bila hasil menunjukan bahwa model FEM, model data panel
harus dibandingkan lagi antara FEM dengan REM dengan menggunakan Uji Hausman.
• Uji Hausman digunakan untuk memilih apakah model FEM atau model REM yang paling
tepat digunakan. Jika probabilitas chi-square ≥ α (0.05), maka Ho artinya REM diterima,
jika nilai probabilitas chi-square < α (0.05), maka FEM diterima.
• Pendekatan REM memiliki syarat bahwa number of unit cross section harus lebih besar
daripada number of time series.
9. Klik view Fixed/Random Effect Testing Correlated
Random Effects – Hasuman Test
Diperoleh hasil berupa nilai probabilitas chi square
sebesar 0,2688. Karena nilai probabilitas chi squares
lebih besar dari taraf signifikansi (0,000>0,05), artinya
model random effect lebih tepat dibandingkan model
random effect.
10. COMMENT EFFECT VS FIXED VS
RANDOM EFFECT DALAM EVIEWS
Redundant Fixed Effects Tests
Equation: HASILREGRESTERAKHIR2
Test cross-section fixed effects
Effects Test Statistic d.f. Prob.
Cross-section F 613.574584 (25,126) 0.0000
Cross-section Chi-square 750.371911 25 0.0000
Uji Chow
Hasil : fixed effect
Correlated Random Effects - Hausman Test
Equation: HASILREGRESTERAKHIR2
Test cross-section random effects
Test Summary
Chi-Sq.
Statistic Chi-Sq. d.f. Prob.
Cross-section random 110.647919 4 0.0000
Uji Hausman
Hasil : fixed effect
11. COMMENT EFFECT VS FIXED VS
RANDOM EFFECT DALAM EVIEWS
Uji Chow
Hasil : fixed effect
Uji Hausman
Hasil : fixed effect
Redundant Fixed Effects Tests
Equation: Untitled
Test cross-section fixed effects
Effects Test Statistic d.f. Prob.
Cross-section F 474.380731 (30,121) 0.0000
Cross-section Chi-square 740.261933 30 0.0000
Correlated Random Effects - Hausman Test
Equation: Untitled
Test cross-section random effects
Test Summary
Chi-Sq.
Statistic Chi-Sq. d.f. Prob.
Cross-section random 5.707136 3 0.1268
13. UJI STATISTIK
• Uji T
• Melihat signfikansi masing-masing variabel independen kepada variabel dependen
• Uji F
• Melihat signifikansi variabel dependen secara bersama-sama terhadap variabel
dependen
• Tingkat signifikansi 1%, 5% dan 10%
14. UJI T
Dependent Variable: POV
Method: Panel EGLS (Cross-section random effects)
Date: 05/03/20 Time: 03:42
Sample (adjusted): 2014 2018
Periods included: 5
Cross-sections included: 31
Total panel (balanced) observations: 155
Swamy and Arora estimator of component variances
Variable Coefficient Std. Error t-Statistic Prob.
C 33.38461 4.426479 7.542023 0.0000
AHH(-1) -0.111441 0.054620 -2.040281 0.0431
LPMTB -0.531876 0.173602 -3.063759 0.0026
LGSPEND -0.182511 0.035521 -5.138086 0.0000
Setelah melakukan uji chow
dan uji hausman
Dilihat dari masing-masing
variabel dependen
Signifikansi dilihat dari tk
kepercayaan 1%, 5%, 10%
15. UJI T
Setelah melakukan uji chow
dan uji hausman dinyatakan
sebagai FE/RE
Dilihat dari masing-masing
variabel dependen
Signifikansi dilihat dari tk
kepercayaan 1%, 5%, 10%
Dependent Variable: LEGROWTH
Method: Panel Least Squares
Date: 03/13/20 Time: 01:27
Sample (adjusted): 2012 2017
Periods included: 6
Cross-sections included: 26
Total panel (balanced) observations: 156
Cross-section weights (PCSE) standard errors & covariance (no d.f.
correction)
Variable Coefficient Std. Error t-Statistic Prob.
C 3.672103 0.806601 4.552566 0.0000
LEDUC 2.590349 0.208986 12.39487 0.0000
LLEXP 0.270902 0.158333 1.710963 0.0895
LUNEMP -0.040446 0.017722 -2.282190 0.0242
LGOV(-1) 0.039421 0.009995 3.944157 0.0001
LEDUC signifikan/tdk signifikan ? -> Level signifikansi ?
LLEXP signifikan/tdk signifikan ? -> Level signifikansi ?
LUNEMP signifikan/tdk signifikan ? -> Level signifikansi ?
LGOV(-1) signifikan/tdk signifikan ? -> Level signifikansi ?
16. UJI F
R-squared 0.325740 Mean dependent var 0.509025
Adjusted R-squared 0.312345 S.D. dependent var 0.660066
S.E. of regression 0.547359 Sum squared resid 45.23995
F-statistic 24.31646 Durbin-Watson stat 1.279233
Prob(F-statistic) 0.000000
Setelah melakukan uji chow
dan uji hausman dinyatakan
sebagai FE/RE
Dilihat dari Prob (F-statistic)
Signifikansi dilihat dari tk
kepercayaan 1%, 5%, 10%
Variabel independent secara bersama-sama
mempengaruhi/signifikan terhadap variabel dependen
17. UJI ASUMSI KLASIK
• Multikolinearitas :
• Heterokedastisitas :
• Digunakan untuk melihat apakah residual dari model yang terbentuk memiliki varians
yang konstan atau tidak
• Uji heterokedastisitas dilakukan untuk mengetahui ada atau tidak terjadi penyimpangan
pada ketidaksamaan varian dan residual dalam model regresi.
• Autokorelasi :
• Menurut Gujarati (2012), bahwa uji autokorelasi memperlihatkan korelasi antar anggota
yang diobservasi berdasarkan waktu.
• Jika terjadi permasalahan autokorelasi (Gujarati, 2012),
• Metode untuk mendeteksi autokorelasi adalah durbin-watson test, maupun lagrange
multiplier
18. MULTIKOLINEARITAS :
• Kondisi adanya korelasi yang tinggi diantara masing-masing variabel independen
• Umumnya variabel yang digunakan saling terkait dalam model regresi
• Mis : pengaruh pendapatan dan tabungan terhadap konsumsi
• Pertanyaan :
• Pengaruh tenaga kerja dan penduduk terhadap PDB (multi/tidak multi)
• Pengaruh pengangguran dan penduduk terhadap kemiskinan (multi/tidak multi)
19. UJI ASUMSI KLASIK
MULTIKOLINEARITAS
Quick Group Statistics Correlation Masukan
nama variabel indepeden Ok Masukan nama semua variabel independen yang
digunakan dalam model :
ln_pajak ln_pop ln_pdrbkap
Kemudian klik OK
20. Muncul tabel dibawah ini yang
menunjukan korelasi antar variabel
independen yang digunakan dalam
model studi kasus. Masalah
multikolinearitas timbul ketika angka
korelasi lebih besar dari 0,8.
Hasil pengujian multikolinearitas pada studi kasus kali ini
tidak menunjukan adanya masalah multikolinearitas
dalam model penelitian.
22. UJI ASUMSI KLASIK
AUTOKORELASI
Dalam melakukan uji Autokorelasi dengan
menggunakan stata, kita harus
menggunakan data yang bersifat
unstructured / undate. Tahap pertama yang
harus dilakukan adalah membuka kembali
data kita kemudian pilih
unstructured/undated pada pilihan Basic
Structure.
File Open Foreign Data as Workfile
23. Kemudian klik view residual diagnostics serial
correlation LM test
Masukan lag = 2 Klik OK
Maka akan diperoleh hasil sebagai berikut
Hasil pengujian menunjukan bahwa nilai dari Pob. Chi-Square
(0.000) kurang dari nilai signifikansi atau α=5%=0.05, maka
dapat disimpulkan bahwa model ini mengandung masalah
autokorelasi.
25. UJI ASUMSI KLASIK
HETEROKEDASTISITAS
Untuk melakukan uji heteroskedastisitas dengan
menggunakan metode white,
pilih view residual diagnostics heteroskedasticity
test, pilih white.
Pilih White Klik OK
26. diperoleh hasil sebagai berikut:
Hasil pengujian menunjukan bahwa
nilai dari Pob. Chi-Square (0.000)
kurang dari nilai signifikansi atau
α=5%=0.05, maka dapat disimpulkan
bahwa model ini mengandung masalah
Heterokedastisitas.
27. HASIL REGRESI DATA PANEL
• Intepretasi Arah (positif atau negatif) dan besaran dari koefisien
• Uji t-statistik variabel independen secara individual mempunyai pengaruh
yang signifikan atau tidak terhadap variabel dependen
• Uji F-statistik variabel-variabel independen secara simultan mempunyai
pengaruh yang signifikan atau tidak terhadap variabel dependen
• R-squared Nilai koefisien determinasi mencerminkan seberapa besar
variabel independen yang dapat menjelaskan variabel depeden. Nilai 𝑅2
berkisar antara 0 dan 1.
29. INTERPRETASI PANEL DATA
Konstanta dan Koefisien
Hasil pemilihan metode yang sudah dilakukan
sebelumnya menunjukan bahwa metode terbaik yang
dapat digunakan untuk model regresi pada studi kasus ini
adalah random effect model.
Hasil estimasi regresi menunjukan 2 hal:
Variabel capital berpengaruh positif terhadap
investasi. Ketika capital meningkat sebesar 1 satuan
maka investasi akan meningkat sebesar 0.308
satuan.
Variabel value berpengaruh positif terhadap investasi.
Ketika value meningkat sebesar 1 satuan maka
investasi akan meningkat sebesar 0.109 satuan.
30. INTERPRETASI PANEL DATA
Dependent Variable: LNPDRB
Method: Panel EGLS (Cross-section weights)
Date: 02/20/20 Time: 17:13
Sample: 2012 2017
Periods included: 6
Cross-sections included: 33
Total panel (balanced) observations: 198
Linear estimation after one-step weighting matrix
Cross-section weights (PCSE) standard errors & covariance (d.f. corrected)
Variable Coefficient Std. Error t-Statistic Prob.
C -1.549107 0.708069 -2.187793 0.0301
IPTIK 0.090426 0.005273 17.14813 0.0000
LNPMTB 0.095731 0.022833 4.192697 0.0000
LNGOVEXP 0.008983 0.003753 2.393313 0.0178
LNTKER 0.194214 0.051459 3.774187 0.0002
Variabel dependen (lnPDRB) menunjukkan intersep
dengan nilai koefisien sebesar -1.549107
Sehingga dapat disimpulkan bahwa variabel dependen
pada suatu objek penelitian tanpa ada pengaruh dari
variabel lain dapat menurunkan rata-rata sebesar
1.549107%.
Bagaimana dengan variabel
independen ?