Monggo…

Buat yang berminat..

t

Reserve requirement (RR) atau legal reserve requirement (LRR) di Indonesia dikenal dengan istilah Giro Wajib Minimum (GWM) adalah suatu simpanan minimum yang wajib diperlihara dalam bentuk giro pada Bank Indonesia bagi semua bank  (Dendawijaya, 2009:115). LRR atau GWM merupakan instrumen Bank Indonesia untuk membuat kebijakan moneter dalam pengendalian inflasi, nilati tukar (kurs) dan jumlah uang yang beredar. Sedangkan bagi perbankan sendiri, selain haru memenuhi GWM juga harus menyediakan Kas yang berupa uang tunai untuk memenuhi kebutuhan operasional jika nasabah akan mengambil simapanannya secara tunai. Dengan demikian selain menjaga GWM, bank juga harus menjaga cash ratio-nya yang besarnya tergantung perhitungan atau kebutuhan masing-masing bank, saat ini berkirar antara 0.5% sampai 1,25% dari Dana Pihak Ketiga (DPK)

Saat ini terdapat 3 jenis GWM yang perlu dipenuhi oleh bank yaitu : GWM Primer dalam bentuk giro pada Bank Indinesia minimal 8% dari Dana Pihak Ketiga (DPK), GWM Sekunder minimal 4% bisa dalam bentuk Sertifikat Bank Indonesia (SBI) dan , GWM LDR. jika Loan to Deposit Rasio (LDR) dibawah 78% atau melebihi 92% (PBI Nomor : 15/15/PBI/2013).

Pasca paket oktober 28 tahun 1988 besarnya GWM adalah 2% (SE BI No.23/17/13/PPP), berubah menjadi 3% pada tahun 1996 (Wijaya, 115:115) dan sejak tahun 1997 mejadi 5%, kemudian sejak Juni tahun 2004 menjadi *% (PBI No.6/21/PBI/2004) tentang GWM. Dalam melakukan kegiatan bank, majanejemn likuditas memegang peranan yang sangat penting (Riyadi, 2006:27), karena berdasarkan data empiris bahwa sebagian besar dana bank berasal dari DPK, sedangkan yang bersal dari Modal hanya berkisar 10%.

Alat likudid bank pada umumnya berupa Kas dan Giro pada Bank Indonesia, yang merupakan aset tidak produktif (tidak menghasilkan) jadi mempunyai perilaku yang bertolak belakang dengan pendapatan bank, dalam arti bahwa semakin tinggi cash rasio maka akan menurunkan pendapatan bank. Dengan demikian pengelolaannya harus dilakukan secermat dan setepat mungkin, agar setiap saat bank dapat memenuhi kewajibannya kepada nasabah, tetai dijaga agar tidak terjadi Idle Fund. Pengelolaannya ibaratnya seperti orang menggenggam telur, terlalu kencang pecah dan kendor juga pecah (karena terlepas dari genggaman). Untuk itu diperlukan keahlian khusus atas dasar pengalaman yang sangat baik dan sempurna.

Setiap negara memiliki ketentuan yang berbeda mengenai besarnya GWM, disesuaikan dengan kondisi dan kebijkan moneter pada masing-masing negara. Untuk negara-negara yang sistem moneternya sudah stabil, maka besarnya GWM relatif rendah. Artikel ini hanya membahas GWM untk valuta rupiah pada Bank umum biasa (bukan bank syariah).

Referensi :

Bank Indonesia, SE BI No.23/17/13/PPP tetang Giro Wajib Minimum tanggal 28 Februari 1992

Bank Indonesia, PBI No.15/15/PBI/2013 tanggal 24-12-2013 tentang Giro Wajib Minimum (GWM)

Riyadi, Selamet, Banking Assets And Liabilitiy Management Edisi Ketiga, Lembaga Penebrit FE UI, 2006

Wijaya, Lukman, Manajemen Perbankan, Ghalia Indonesia, 2009

Dosen sebagai salah satu komponen terpenting dalam pendidikan tinggi  mempunyai peran yang sangat signifikan bagi PT untuk menjalankan fungsinya. Lebih  dari itu, peran dosen diharapkan dapat mengejar kemajuan perkembangan ilmu  pengetahuan, teknologi dan seni dari negara-negara lain terutama negara-negara di Asia.

Dengan diberlakukannya Undang-Undang Nomor 14 tahun 2005 tentang Guru dan Dosen, maka peran dan tugas pokok dosen telah berkembang dari yang semula lebih ditekankan pada tugas mengajar menjadi pendidik profesional dan ilmuwan dengan tugas utama mentransformasikan, mengembangkan, dan menyebarkan ilmu pengetahuan, teknologi, dan seni melalui pendidikan/pengajaran, penelitian dan  pengabdian kepada masyarakat. Perubahan yang bersifat mendasar ini menuntut penyesuaian yang bersifat mendasar pula terhadap pemahaman dan persyaratan jabatan akademik dosen.

Kenaikan jabatan akademik dosen merupakan bentuk pemberian penghargaan  pemerintah atas prestasi kerja yang dicapai dosen, dengan demikian setiap dosen yang telah mempunyai prestasi kerja sesuai dengan peraturan perundangan berhak  mendapatkan penghargaan kenaikan jabatan akademik. Dasar dan mekanisme pemberian penghargaan kenaikan jabatan akademik/pangkat dengan filosofi pemberian penghargaan perlu dirumuskan sehingga adil, akuntabel dan bertanggung jawab.

Dirjen Dikti, 2014

PERMENPAN DAN RB NOMOR 17 TAHUN 2013  SEBAGAIMANA TELAH DIUBAH DENGAN PERMENPAN DAN RB RI NOMOR 46 TAHUN 2013 TENTANG JABATAN FUNGSIONAL DOSEN DAN ANGKA KREDITNYA

Pasal 2
Jabatan Akademik Dosen berkedudukan sebagai pelaksana teknis fungsional di bidang pendidikan, penelitian, dan pengabdian kepada masyarakat.
Pasal 3
Tugas pokok Jabatan Akademik Dosen adalah melaksanakan  pendidikan, penelitian, dan pengabdian kepada masyarakat.
Pasal 4
Jabatan Akademik Dosen termasuk dalam rumpun pendidikan tingkat pendidikan tinggi.
Pasal 5
(1) Jabatan Akademik Dosen merupakan jabatan Keahlian.
(2) Jenjang Jabatan Akademik Dosen dari yang paling rendah sampai dengan yang paling tinggi, yaitu:
a. Asisten Ahli;
b. Lektor;
c. Lektor Kepala; dan
d. Profesor.

Sosialisasi PAK, pengantar 01 Desember 2014

Petunjuk-Operasional-PAK_27-1-2015

pb_tahun2014_VIII_nomor004_lampiran4-12

1. PERMENPANRB 17-2013-dan 46-2013_update 6 Des 2014

2. PB 04DIKTI-24BKN_KETENTUAN PELAKSANAAN PJAD_kirim narasumber_PENETAPAN12082014_DIUNDANGKAN20082014ok_update 6 Des

3. JUKNIS PELAKSANAAN PAK JFD PERMENDIKBUD 92-2014 update 6 Des 2014

4. PEDOMAN OPERASIONAL update 6 Des 2014

permendikbud_tahun2014_nomor092

permendikbud_tahun2014_nomor092_lampiran

Berikut ini adalah materi lengkap Pelatihan Penulisan Artikel Ilmiah Nasional yang diselenggarakan DIKTI Tahun 2014 :

Sesi 2 EVALUASI DIRI NASKAH, STRATEGI PEMILIHAN BERKALA, PENGUASAAN PETUNJUK PENULISAN

Sesi 3 Etika Penulisan Karya Ilmiah

Sesi 4 Judul, Baris Kepemilikan, Abstrak, Dan Kata Kunci Untuk Artikel Ilmiah

Sesi 6 Material, Pendahuluan & Metode

Sesi 6 Pendahuluan dan Metode.ppt

Sesi 7 Hasil, Pembahasan & Simpulan

Sesi 8 Teknik Ilustrasi dalam Penulisan Artikel Ilmiah

Sesi 9 Pengacuan dalam Penulisan Artikel untuk Terbitan Berkala

Sesi 10 Bahasa Artikel Ilmiah

Sesi 11 Swasunting Artikel Ilmiah dan Daftar Cek Zotero untuk penulisan ilmiah 2014

Operasionalisasi Regresi Data Panel

(dengan Eviews 8)

Pada bagian ini akan dijelakan secara rinci tentang penggunaan software Eviews 8 untuk metode regresi data panel. Secara umum, kami membagi menjadi 4 (empat) bagian/tahapan. Bagian Pertama menerangkan Pendahuluan (Persiapan/Input Data), yang isinya bagaimana format penyusunan data untuk keperluan input data ke dalam software Eviews 8. Setelah itu, dilanjutkan dengan input data panel ke dalam software Eviews 8 yang prosedurnya relatif panjang. Bagian Kedua menjelaskan cara melakukan estimasi (pembuatan) model regresi data panel yang terdiri dari Common Effect (CE), Fixed Effect (FE) dan Random Effect (RE). Setelah kita mengetahui bagaimana melakukan estimasi model, maka Bagian Ketiga adalah memilih model regresi data panel yang paling tepat untuk tujuan penelitian. Bagian Keempat, penyembuhan terhadap adanya kasus heteroskedastisitas.

selengkapnya bisa dilihat di Operasionalisasi Regresi Data Panel

Tahapan Analisis Regresi Data Panel

Berikut ini adalah tahapan analisis regresi data panel:

(1)   Estimasi Model Regresi Data Panel

Model persamaan data panel yang merupakan gabungan dari data cross section dan data time series adalah sebagai berikut:

Y_it = α + β₁X_1it + β₂X_2it  + … + β_nX_nit + e_it

dimana:

Y_it            = variabel terikat (dependent)

X_it            = variabel bebas (independent)

i               = entitas ke-i

t               = periode ke-t

Persamaan di atas merupakan model regresi linier berganda dari beberapa variabel bebas dan satu variabel terikat. Estimasi model regresi linier berganda bertujuan untuk memprediksi parameter model regresi yaitu nilai konstanta (α) dan koefisien regresi (β_i). Konstanta biasa disebut dengan intersep dan koefisien regresi biasa disebut dengan slope. Regresi data panel memiliki tujuan yang sama dengan regresi linier berganda, yaitu memprediksi nilai intersep dan slope. Penggunaan data panel  dalam regresi akan menghasilkan intersep dan slope yang berbeda pada setiap entitas/ perusahaan dan setiap periode waktu. Model regresi data panel yang akan diestimasi membutuhkan asumsi terhadap intersep, slope dan variabel gangguannya. Menurut Widarjono (2007) ada beberapa kemungkinan yang akan muncul atas adanya asumsi terhadap intersep, slope dan variabel gangguannya.

1)      Diasumsikan intersep dan slope adalah tetap sepanjang periode waktu dan seluruh entitas/perusahaan. Perbedaan intersep dan slope dijelaskan oleh variabel gangguan (residual).

2)      Diasumsikan slope adalah tetap tetapi intersep berbeda antar entitas/perusahaan.

3)      Diasumsikan slope tetap tetapi intersep berbeda baik antar waktu maupun antar individu.

4)      Diasumsikan intersep dan slope berbeda antar individu.

5)      Diasumsikan intersep dan slope berbeda antar waktu dan antar individu.

Dari berbagai kemungkinan yang disebutkan di atas muncullah berbagai kemungkinan model/teknik yang dapat dilakukan oleh regresi data panel. Dalam banyak literatur hanya asumsi pertama sampai ketiga saja yang sering menjadi acuan dalam pembentukan model regresi data panel.

Menurut Widarjono (2007, 251), untuk mengestimasi parameter model dengan data panel, terdapat tiga teknik (model) yang sering ditawarkan, yaitu:

1. Model 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 entitas (individu). Dimana pendekatan yang sering dipakai adalah metode Ordinary Least Square (OLS). Model Commen Effect mengabaikan adanya perbedaan dimensi individu maupun waktu atau dengan kata lain perilaku data antar individu sama dalam berbagai kurun waktu.

2. Model Efek Tetap (Fixed Effect)

Pendekatan model Fixed Effect mengasumsikan bahwa intersep dari setiap individu adalah berbeda sedangkan slope antar individu adalah tetap (sama). Teknik ini menggunakan variabel dummy untuk menangkap adanya perbedaan intersep antar individu.

3. Model Efek Random (Random Effect)

Pendekatan yang dipakai dalam Random Effect mengasumsikan setiap perusahaan mempunyai perbedaan intersep, yang mana intersep tersebut adalah variabel random atau stokastik. Model ini sangat berguna jika individu (entitas) yang diambil sebagai sampel adalah dipilih secara random dan merupakan wakil populasi. Teknik ini juga memperhitungkan bahwa error mungkin berkorelasi sepanjang cross section dan time series.

(2)   Pemilihan Model (Teknik Estimasi) Regresi Data Panel

Pada dasarnya ketiga teknik (model) estimasi data panel dapat dipilih sesuai dengan keadaan penelitian, dilihat dari jumlah individu bank dan variabel penelitiannya. Namun demikian, ada beberapa cara yang dapat digunakan untuk menentukan teknik mana yang paling tepat dalam mengestimasi parameter data panel. Menurut Widarjono (2007: 258), ada tiga uji untuk memilih teknik estimasi data panel. Pertama, uji statistik F digunakan untuk memilih antara metode Commom Effect atau metode Fixed Effect. Kedua, uji Hausman yang digunakan untuk memilih antara metode Fixed Effect atau metode Random Effect. Ketiga, uji Lagrange Multiplier (LM) digunakan untuk memilih antara metode Commom Effect atau metode Random Effect.

Menurut, Nachrowi (2006, 318), pemilihan metode Fixed Effect atau metode Random Effect dapat dilakukan dengan pertimbangan tujuan analisis, atau ada pula kemungkinan data yang digunakan sebagai dasar pembuatan model, hanya dapat diolah oleh salah satu metode saja akibat berbagai persoalan teknis matematis yang melandasi perhitungan. Dalam software Eviews, metode Random Effect hanya dapat digunakan dalam kondisi jumlah individu bank lebih besar dibanding jumlah koefisien termasuk intersep. Selain itu, menurut beberapa ahli Ekonometri dikatakan bahwa, jika data panel yang dimiliki mempunyai jumlah waktu (t) lebih besar dibandingkan jumlah individu (i), maka disarankan menggunakan metode Fixed Effect. Sedangkan jika data panel yang dimiliki mempunyai jumlah waktu (t) lebih kecil dibandingkan jumlah individu (i), maka disarankan menggunakan metode Random Effect.

a)      Uji Statistik F (Uji Chow)

Untuk mengetahui model mana yang lebih baik dalam pengujian data panel, bisa dilakukan dengan penambahan variabel dummy sehingga dapat diketahui bahwa intersepnya berbeda dapat diuji dengan uji Statistik F. Uji ini digunakan untuk mengetahui apakah teknik regresi data panel dengan metode Fixed Effect lebih baik dari regresi model data panel tanpa variabel dummy atau metode Common Effect.

Hipotesis nul pada uji ini adalah bahwa intersep sama, atau dengan kata lain model yang tepat untuk regresi data panel adalah Common Effect, dan hipotesis alternatifnya adalah intersep tidak sama atau model yang tepat untuk regresi data panel adalah Fixed Effect.

Nilai Statistik F hitung akan mengikuti distribusi statistik F dengan derajat kebebasan (deggre of freedom) sebanyak m untuk numerator dan sebanyak n – k untuk denumerator. m merupakan merupakan jumlah restriksi atau pembatasan di dalam model tanpa variabel dummy. Jumlah restriksi adalah jumlah individu dikurang satu. n merupakan jumlah observasi dan k merupakan jumlah parameter dalam model Fixed Effect. Jumlah observasi (n) adalah jumlah individu dikali dengan jumlah periode, sedangkan jumlah parameter dalam model Fixed Effect (k) adalah jumlah variabel ditambah jumlah individu. Apabila nilai F hitung lebih besar dari F kritis maka hipotesis nul ditolak yang artinya model yang tepat untuk regresi data panel adalah model Fixed Effect. Dan sebaliknya, apabila nilai F hitung lebih kecil dari F kritis maka hipotesis nul diterima yang artinya model yang tepat untuk regresi data panel adalah model Common Effect.

 b)     Uji Hausman

Hausman telah mengembangkan suatu uji untuk memilih apakah metode Fixed Effect dan metode Random Effect lebih baik dari metode Common Effect. Uji Hausman ini didasarkan pada ide bahwa Least Squares Dummy Variables (LSDV) dalam metode metode Fixed Effect dan Generalized Least Squares (GLS) dalam metode Random Effect adalah efisien sedangkan Ordinary Least Squares (OLS) dalam metode Common Effect tidak efisien. Dilain pihak, alternatifnya adalah metode OLS efisien dan GLS tidak efisien. Karena itu, uji hipotesis nulnya adalah hasil estimasi keduanya tidak berbeda sehingga uji Hausman bisa dilakukan berdasarkan perbedaan estimasi tersebut.

Statistik uji Hausman mengikuti distribusi statistik Chi-Squares dengan derajat kebebasan (df) sebesar jumlah variabel bebas. Hipotesis nulnya adalah bahwa model yang tepat untuk regresi data panel adalah model Random Effect dan hipotesis alternatifnya adalah model yang tepat untuk regresi data panel adalah model Fixed Effect. Apabila nilai statistik Hausman lebih besar dari nilai kritis Chi-Squares maka hipotesis nul ditolak yang artinya model yang tepat untuk regresi data panel adalah model Fixed Effect. Dan sebaliknya, apabila nilai statistik Hausman lebih kecil dari nilai kritis Chi-Squares maka hipotesis nul diterima yang artinya model yang tepat untuk regresi data panel adalah model Random Effect.

c)      Uji Lagrange Multiplier

Menurut Widarjono (2007: 260), untuk mengetahui apakah model Random Effect lebih baik dari model Common Effect digunakan Lagrange Multiplier (LM). Uji Signifikansi Random Effect ini dikembangkan oleh Breusch-Pagan. Pengujian didasarkan pada nilai residual dari metode Common Effect.

Uji LM ini didasarkan pada distribusi Chi-Squares dengan derajat kebebasan (df) sebesar jumlah variabel independen. Hipotesis nulnya adalah bahwa model yang tepat untuk regresi data panel adalah Common Effect, dan hipotesis alternatifnya adalah model yang tepat untuk regresi data panel adalah Random Effect. Apabila nilai LM hitung lebih besar dari nilai kritis Chi-Squares maka hipotesis nul ditolak yang artinya model yang tepat untuk regresi data panel adalah model Random Effect. Dan sebaliknya, apabila nilai LM hitung lebih kecil dari nilai kritis Chi-Squares maka hipotesis nul diterima yang artinya model yang tepat untuk regresi data panel adalah model Common Effect.

(3)   Pengujian Asumsi Klasik (Multikolinieritas dan Heteroskedastisitas)

Regresi data panel memberikan alternatif model, Common Effect, Fixed Effect dan Random Effect. Model Common Effect dan Fixed Effect menggunakan pendekatan Ordinary Least Squared (OLS) dalam teknik estimasinya, sedangkan Random Effect menggunakan Generalized Least Squares (GLS) sebagai teknik estimasinya. Uji asumsi klasik yang digunakan dalam regresi linier dengan pendekatan Ordinary Least Squared (OLS) meliputi uji Linieritas, Autokorelasi, Heteroskedastisitas, Multikolinieritas dan Normalitas. Walaupun demikian, tidak semua uji asumsi klasik harus dilakukan pada setiap model regresi linier dengan pendekatan OLS.

Uji linieritas hampir tidak dilakukan pada setiap model regresi linier. Karena sudah diasumsikan bahwa model bersifat linier. Kalaupun harus dilakukan semata-mata untuk melihat sejauh mana tingkat linieritasnya.

Autokorelasi hanya terjadi pada data time series. Pengujian autokorelasi pada data yang tidak bersifat time series (cross section atau panel) akan sia-sia semata atau tidaklah berarti.

Multikolinieritas perlu dilakukan pada saat regresi linier menggunakan lebih dari satu variabel bebas. Jika variabel bebas hanya satu, maka tidak mungkin terjadi multikolinieritas.

Heteroskedastisitas biasanya terjadi pada data cross section, dimana data panel lebih dekat ke ciri data cross section dibandingkan time series.

Uji normalitas pada dasarnya tidak merupakan syarat BLUE (Best Linier Unbias Estimator) dan beberapa pendapat tidak mengharuskan syarat ini sebagai sesuatu yang wajib dipenuhi.

Dari penjelasan di atas dapat ditarik kesimpulan bahwa pada regresi data panel, tidak semua uji asumsi klasik yang ada pada metode OLS dipakai, hanya multikolinieritas dan heteroskedastisitas saja yang diperlukan.

 Uji Multikolinieritas

Regresi data panel tidak sama dengan model regresi linier, oleh karena itu pada model data panel perlu memenuhi syarat terbebas dari pelanggaran asumsi-asumsi dasar (asumsi klasik). Meskipun demikian, adanya korelasi yang kuat antara variabel bebas dalam pembentukan sebuah model (persamaan) sangatlah tidak dianjurkan terjadi, karena hal itu akan berdampak kepada keakuratan pendugaan parameter, dalam hal ini koefisien regresi, dalam memperkirakan nilai yang sebenarnya. Korelasi yang kuat antara variabel bebas dinamakan multikolinieritas.

Menurut Chatterjee dan Price dalam Nachrowi (2002), adanya korelasi antara variabel-variabel bebas menjadikan intepretasi koefisien-koefisien regresi mejadi tidak benar lagi. Meskipun demikian, bukan berarti korelasi yang terjadi antara variabel-variabel bebas tidak diperbolehkan, hanya kolinieritas yang sempurna (perfect collinierity) saja yang tidak diperbolehkan, yaitu terjadinya korelasi linier antara sesama variabel bebasnya. Sedangkan untuk sifat kolinier yang hampir sempurna (hubungannya tidak bersifat linier atau korelasi mendekati nol) masih diperbolehkan atau tidak termasuk dalam pelanggaran asumsi.

Ada beberapa cara untuk mengidentifikasi adanya multikolinieritas, dan cara yang paling mudah adalah dengan mencari nilai koefisien korelasi antar variabel bebas. Koefisien korelasi antara dua variabel yang bersifat kuantitatif dapat menggunakan coefficient correlation pearson, dengan rumus sebagai berikut:

Dimana X_i dan Y_i adalah variabel bebas yang akan dicari nilai koefisien korelasinya dan n adalah jumlah data dari kedua variabel bebas tersebut. Nilai mutlak dari koefisien korelasi besarnya dari nol sampai satu. Semakin mendekati satu, maka dapat dikatakan semakin kuat hubungan antara kedua variabel tersebut dan artinya semakin besar kemungkinan terjadinya multikolinieritas.

 Uji Heteroskedastisitas

Regresi data panel tidak sama dengan model regresi linier, oleh karena itu pada model data panel perlu memenuhi syarat BLUE (Best Linear Unbiased Estimator) atau terbebas dari pelanggaran asumsi-asumsi dasar (asumsi klasik). Jika dilihat dari ketiga pendekatan yang dipakai, maka hanya uji heteroskedastisitas saja yang relevan dipakai pada model data panel.

Uji heteroskedastisitas digunakan untuk melihat apakah residual dari model yang terbentuk memiliki varians yang konstan atau tidak. Suatu model yang baik adalah model yang memiliki varians dari setiap gangguan atau residualnya konstan. Heteroskedastisitas adalah keadaan dimana asumsi tersebut tidak tercapai, dengan kata lain  dimana  adalah ekspektasi dari eror dan  adalah varians dari eror yang berbeda tiap periode waktu.

Dampak adanya heteroskedastisitas adalah tidak efisiennya proses estimasi, sementara hasil estimasinya tetap konsisten dan tidak bias. Eksistensi dari masalah heteroskedastisitas akan menyebabkan hasil Uji-t dan Uji-F menjadi tidak berguna (miss leanding).

Ada beberapa metode yang dapat digunakan untuk menditeksi heteroskedastisitas, tetapi dalam penelitian ini hanya akan dilakukan dengan menggunakan White Heteroskedasticity Test pada consistent standard error & covariance. Hasil yang diperlukan dari hasil uji ini adalah nilai F dan Obs*R-squared, dengan hipotesis sebagai berikut:

H₀  : Homoskedasticity

H₁  : Heteroskedasticity

Kemudian kita bandingkan antara nilai Obs*R-squares dengan nilai  tabel dengan tingkat kepercayaan tertentu dan derajat kebebasan yang sesuai dengan jumlah variabel bebas. Jika nilai Uji Heteroskedastisitas  tabel maka H₀ diterima, dengan kata lain tidak ada masalah heteroskedastisitas.

(4)   Uji Kelayakan (Goodness of Fit) Model Regresi Data Panel

Uji Hipotesis

Menurut Nachrowi (2006), uji hipotesis berguna untuk menguji signifikansi koefisien regresi yang didapat. Artinya, koefisien regresi yang didapat secara statistik tidak sama dengan nol, karena jika sama dengan nol maka dapat dikatakan bahwa tidak cukup bukti untuk menyatakan variabel bebas mempunyai pengaruh terhadap variabel terikatnya. Untuk kepentingan tersebut, maka semua koefisien regresi harus diuji. Ada dua jenis uji hipotesis terhadap koefisien regresi yang dapat dilakukan, yaitu:

1. Uji-F

Uji-F diperuntukkan guna melakukan uji hipotesis koefisien (slope) regresi secara bersamaan, dengan kata lain digunakan untuk memastikan bahwa model yang dipilih layak atau tidak untuk mengintepretasikan pengaruh variabel bebas terhadap variabel terikat.

2. Uji-t

Jika Uji-F dipergunakan untuk menguji koefisien regresi secara bersamaaan, maka Uji-t digunakan untuk menguji koefisien regresi secara individu. Pengujian dilakukan terhadap koefisien regresi populasi, apakah sama dengan nol, yang berarti variabel bebas tidak mempunyai pengaruh signifikan terhadap variabel terikat, atau tidak sama dengan nol, yang berarti variabel bebas mempunyai pengaruh signifikan terhadap variabel terikat.

Koefisien Determinasi

Koefisien Determinasi (Goodness of Fit) dinotasikan dengan R-squares yang merupakan suatu ukuran yang penting dalam regresi, karena dapat menginformasikan baik atau tidaknya model regresi yang terestimasi. Nilai Koefisien Determinasi mencerminkan seberapa besar variasi dari variabel terikat dapat diterangkan oleh variabel bebasnya. Bila nilai Koefisien Determinasi sama dengan 0, artinya variasi dari variabel terikat tidak dapat diterangkan oleh variabel-variabel bebasnya sama sekali. Sementara bila nilai Koefisien Determinasi sama dengan 1, artinya variasi variabel terikat secara keseluruhan dapat diterangkan oleh variabel-variabel bebasnya. Dengan demikian baik atau buruknya suatu persamaan regresi ditentukan oleh R-squares-nya yang mempunyai nilai antara nol dan satu.

Refrensi:

Baltagi, Bagi (2005). Econometric Analysis of Panel Data, Third Edition. John Wiley & Sons.

Nachrowi, N. Djalal dan Hardius Usman (2006). Pendekatan Populer dan Praktis Ekonometrika untuk Analisis Ekonomi dan Keuangan, Jakarta: LPFE Universitas Indonesia.

Widarjono, Agus (2007). Ekonometrika: Teori dan Aplikasi Untuk Ekonomi dan Bisnis, edisi kedua. Yogyakarta: Ekonisia FE Universitas Islam Indonesia.

Apa itu Regresi Data Panel ?

Regresi data panel merupakan pengembangan dari regresi linier dengan metode OLS yang memiliki kekhususan dari segi jenis data dan tujuan analisisnya. Dari segi jenis data, regresi data panel memiliki karakteristik (jenis) data cross section dan time series. Sifat cross section data ditunjukkan oleh data yang terdiri lebih dari satu entitas (individu), sedangkan sifat time series ditunjukkan oleh setiap individu memiliki lebih dari satu pengamatan waktu (periode). Misal pada suatu penelitian diamati entitas yang terdiri dari empat perusahaan dengan masing-masing perusahaan memiliki periode pengamatan yang sama yaitu 15 tahun dari tahun 1935 sampai dengan 1954.

Dilihat dari tujuan analisis data, data panel berguna untuk melihat dampak ekonomis yang tidak terpisahkan antar setiap individu dalam beberapa periode, dan hal ini tidak bisa didapatkan dari penggunaan data cross section atau data time series secara terpisah. Adanya perbedaan karakteristik variabel terikat dari setiap entitas atau adanya pengaruh variabel lain di luar model yang ingin diamati pengaruhnya penggunaan regresi data panel akan efektif karena regresi linier tidak dapat melakukannya.

Kenapa menggunakan Regresi Data Panel dan kapan tidak perlu menggunakan Regresi Data Panel.

Sebagaimana telah dijelaskan bahwa regresi data panel digunakan pada saat jenis datanya adalah data panel yaitu data yang memiliki karakteristik cross section dan time series. Apakah setiap analisis hubungan kausalitas dengan data panel harus menggunakan regresi data panel? Tentu saja tidak. Perlu beberapa pertimbangan dalam penggunaan regresi data panel selain dari jenis datanya, seperti tujuan penelitiannya. Jika tujuan penelitian tidak menginginkan adanya analisis terhadap pengaruh perbedaan entitas (individu) dan atau pengaruh perbedaan periode pengamatan, maka tidak perlu menggunakan analisis regresi data panel cukup regresi linier saja. Tetapi jika tujuan penelitian menginginkan adanya pengaruh beda entitas dan atau periode maka regresi data panel cocok digunakan sebagai model penelitian. Meskipun demikian, bukan berarti tidak boleh sebuah penelitian yang memiliki data panel tetapi tidak memiliki spesifikasi tujuan seperti disebut di atas menggunakan regresi data panel, boleh-boleh saja, tetapi perlu dipertimbangakan kompleksitas model dan intepretasinya. Apabila kita mengabaikan tujuan spesifik seperti yang disebutkan di atas, analisis regresi data panel memiliki kelebihan dibandingkan dengan analisis regresi linier, salah satunya alternatif pilihan model yang relatif lebih banyak (tidak hanya satu) dan pada saat tertentu tidak wajibnya pemenuhan asumsi klasik sebagaimana metode OLS dalam regresi linier.

Kelebihan Regresi Data Panel

Menurut Widarjono (2007: 249), ada beberapa keuntungan yang diperoleh dengan menggunakan data panel. Pertama, data panel merupakan gabungan dua data cross section dan time series mampu menyediakan data yang lebih banyak sehingga akan menghasilkan derajat kebebasan (degree of freedom) yang lebih besar. Kedua, menggabungkan informasi data dari cross section dan time series dapat mengatasi masalah yang timbul ketika ada masalah penghilangan variabel.

Apa itu regresi, regresi linier, analisis asosiatif kausalitas

Penelitian dari tingkat eksplanasinya dapat dibedakan menjadi penelitian deskriptif, komparatif dan asosiatif. Penelitian deskriptif memfokuskan pada penjelasan (deskripsi) satu atau lebih variabel tanpa ada maksud membandingkan atau mencari hubungan antara variabel tersebut. Penelitian komparatif bertujuan membandingkan keberadaan satu atau lebih variabel pada dua atau lebih sampel yang berbeda. Sedangkan penelitian asosiatif tujuannya adalah menganalisis hubungan antara dua atau lebih variabel.

Secara umum, bentuk hubungan antar variabel dapat dibedakan menjadi tiga bentuk: simetris, kausal dan interaktif. Hubungan simetris artinya hubungan antar variabel yang kebetulan muncul secara bersamaan dan dianggap tidak ada variabel yang muncul lebih dulu. Sedangkan hubungan kausal merupakan hubungan yang bersifat sebab akibat. Artinya ada variabel yang bertindak sebagai variabel sebab dan ada variabel lain yang bertindak sebagai variabel akibat. Lain lagi dengan hubungan yang bersifat interaktif/reciprocal/timbal balik. Pada hubungan yang bersifat interaktif, variabel dapat saling mempengaruhi satu dengan yang lainnya.

Salah satu analisis dasar yang dapat digunakan untuk menganalisis hubungan yang bersifat kausal adalah analisis regresi. Dalam analisis regresi ada variabel sebab yang biasa disebut dengan variabel bebas (independent variable) dan variabel akibat yang biasa disebut dengan variabel terikat (dependent variable). Hubungan variabel bebas dan variabel terikat sering digambarkan dalam hubungan saling mempengaruhi. Variabel bebas mempengaruhi variabel terikat atau variabel terikat dipengaruhi variabel bebas. Tujuan dari analisis regresi adalah untuk mengestimasi dan atau memprediksi nilai rata-rata variabel terikat yang didasarkan pada nilai variabel bebas yang diketahui atau dengan kata lain menganalisis pengaruh variabel bebas terhadap variabel terikat.

Analisis regresi merupakan analisis multivariate (banyak variabel) yang paling banyak digunakan dalam penelitian. Analisis regresi dilakukan dengan cara memodelkan pengaruh variabel bebas terhadap variabel terikat dengan suatu model (persamaan) matematis. Salah satu model matematis yang paling sering dan paling mudah digunakan untuk analisis regresi adalah persamaan linier. Analisis regresi dengan persamaan linier sering disebut regresi linier. Regresi linier mencoba menganalisis pengaruh variabel bebas terhadap variabel terikat dengan asumsi pengaruh keduanya linier. Artinya jika kedua variabel tersebut digambarkan dalam suatu sistem kordinat garis, maka kombinasi keduanya membentuk pola garis linier (lurus) atau dengan kata lain, pengaruh variabel bebas terhadap variabel terikat akan konstan dari satu pengamatan ke pengamatan lainnya.

Jenis-jenis regresi

Regresi linier dengan satu variabel bebas disebut regresi linier sederhana, sedangkan jika variabel bebasnya lebih dari satu maka disebut dengan regresi linier berganda. Ada beberapa metode yang dapat digunakan untuk mengestimasi model regresi linier, seperti metode Ordinary Least Squares (OLS), Maximum Likelihood (ML) dan Generalized Method of Moment (GMM). Dari ketiga metode tersebut, OLS merupakan metode yang paling sering digunakan. Guna mengestimasi model regresi linier dengan metode OLS dibutuhkan asumsi-asumsi yang harus dipenuhi oleh model yang diestimasi, seperti linieritas, multikolinieritas, heterokedastisitas, autokorelasi dan normalitas.

Selain pendekatan regresi linier, ada beberapa alternatif bentuk regresi yang didasarkan pada pola pengaruh variabel bebas terhadap variabel terikatnya, seperti regresi log linier yang mendasari pola pengaruhnya pada bentuk kurva eksponensial. Dimana pengaruh variabel bebas terhadap variabel terikat dari satu pengamatan ke pengamatan lainnya berubah tidak konstan dalam satuan variabel tersebut, melainkan berubah secara proposional. Artinya setiap perubahan satu satuan variabel bebas akan mempengaruhi perubahan variabel terikatnya sebesar proporsi koefisien regresinya. Meski demikian, model regresi log linier tetap berdasarkan pada model linier dalam mengestimasi modelnya. Artinya metode yang digunakan untuk mengestimasinya tetap sama, seperti OLS, ML atau GMM.

Dalam banyak kasus model regresi banyak mengalami pengembangan, bukan hanya regresi linier saja. Namun demikian pengembangan itu tetap berangkat dari model regresi linier sebagai dasarnya. Misalnya saja regresi logistik, regresi data panel, model persamaan simultan, kointegrasi dan koreksi kesalahan, serta model-model regresi lainnya. Perubahan model regresi disesuaikan dengan karakteristik data dan tujuan penelitiannya. Regresi logistik digunakan karena jenis data variabel terikat yang kualitatif (nominal dan ordinal). Sedangkan regresi data panel digunakan untuk jenis data panel (cross section dan time series). Model persamaan simultan ditujukan untuk analisis model dengan lebih dari dua model (persamaan) yang saling keterkaitan. Kointegrasi dan koreksi kesalahan digunakan pada saat jenis datanya time series dan tidak stasioner pada level. Begitu pula dengan model-model lain yang digunakan pada saat ada kekhususan pada karakteristik data dan tujuan penelitiannya.

Pentingnya Transformasi Organisasi untuk keberlangsungan hidup Perusahaan

(Studi kasus PT. SIDOMUNCUL)

Abdul Latief[1]

111000501

Email : Abdullatief009@gmailcom

Abstrak

Di zaman seperti sekarang perusahaan dituntut untuk melakukan perubahan-perubahan dalam organisasinya atau melakukan transformasi organisasi agar dapat bertahan di tengah persaingan yang ketat, dan salah satu perusahaan yang dapat bertransformasi mengikuti perkembangan zaman adalah PT SIDOMUNCUL dari perjalanannya menjadi Homeindustry hingga sekarang menjadi perusahaan besar bahkan sampai ke Singapore[2], hal ini dapat terjadi karena mereka melakukan transdormais organisasi mereka itulah efek positif jika perusahaan melakukan tranformasi organisasi sehingga mereka bisa terus berproduksi, jika mereka tidak melakukan ini mereka tidak akan berkebang bahkan mungkin tegerus oleh para kompetitornya seperti yang di alami oleh Nokia, oleh karena pentingnya transformasi organisasi ini bagi perusahaan, perusahaan yang ingin melakukan tranformasi dapat menggunakan 4 pendekatan yaitu 4R (Reframing,Restructure, Revitaliztion dan Renewal dan didukung dengan sistem informasi yang baik.

Prolog

Dewasa ini sudah banyak perusahaan-perusahaan yang telah melakukan transformasi organisasi tentunya hal ini dilakukan oleh pihak perusahaan khusus para pemegang keputusan (Decision maker) agar perusahaan dapat terus berkembang dan menyesuaikan diri agar dapat tetap bersaing di pasarnya, jika perusahaan tidak melakukan perubahan dengan cepat maka kemungkinan perusahaan itu akan kalah saing dan tentunya dapat berakhir dengan gulung tikar atau bangkrut beberapa perusahaan gulung tikar seperti Batavia Air, Adam Air, dll. Ditambah dengan kebijakan luar perusahaan seperti kebijakan pemerintah yang baru-baru ini dikeluarkan prihal kenaikan TDL (Tarif Dasar Listrik) dan juga kebijakan UMR (Upah Minimum Regional), keadaan-keadaan ini menuntut perusahaan yang ada untuk melakukan transformasi organisasi agarperusahaan dapat terus berjalan. Nur saiydah mengatakan dalam jurnalnya “Perubahan organisasi merupakan hal yang esensial untuk persaingan jangka pendek dan keberlangsungan jangka panjang, yang menjadi tantangan manajerial.”[3]

Dalam kasus kasus PT SIDOMUNCUL ini kita bisa lihat beberapa kali tranformasi organisasi dimulai 1940 merintis usaha jamu dengan hanya tiga karyawannya awal produksi pada tahun 1941 dan pada 1950 diberi nama SIDOMUNCUL pada tahun 1970 di buat CV Industri Jamu & Farmasi  dan 1975 menjadi Perseroan Terbatas dengan nama PT Industri Jamu dan Farmasi Sido Muncul karena tidak mampu memenuhi produktivitas perusahaan pada 1984 dipindahkan di Jalan Kaligawe Semarang dan juga meremajakan alat-alat menjadi alat-alat yang lebih modern, 1997 mendirikan pabrik baru, tahun 2004 dibuat divisi “food” seperti produksi permen dan produk lainnya dan pada tahun 2013 masuk pada Bursa efek[1]. Dari kisah diatas kita melihat kesungguhan SIDOMUNCUL untuk terus berkembang dan beberapa kali kebijakan dibuat seperti perusahaan menjadi CV lalu menjadi Perseroan samapai pemindahan lokasi pabrik, membuat produksi lain dengan mendirikan divisi “food” dan juga masuk ke pasar saham, dengan jumlah 1.500.000.000 saham baru atau 10% dari modal ditempatkan dan disetor penuh setelah IPO, Irwan hidayat selaku Direktur utama mengatakan mengalokasian dana dari IPO setelah dikurangi biaya emisi 56 % untuk modal kerja, 42% untuk investasi dan 2 % untuk pegembangan sistem teknologi informasi dan komputerisasi perseroan[2]. Para pemangku jabatan di SIDOMUNCUL telah melakukan banyak hal untuk melakukan transformasi organisasi yang mana untuk keberlangsungkan hidup perusahaan. Ada beberapa hal yang dapat dipelajari dari proses unit usaha kecil SIDOMUNCUL sampai menjadi Peseroan seperti terus berkembang dan berinovasi, memperbarui fasilitas perusahaan termasuk Sistem informasi.

[…………………………………………………………………………………………]

Selengkapnya di:

Transformasi Organisasi untuk keberlangsungan hidup

Menyatukan Public Relations dan Marketing
dengan Social Media
Detti Apriliani Garniti
Fakultas Ekonomi dan Bisnis
Asean Banking Finance and Informatics Institute Perbanas
Jakarta, Indonesia
detti.1307@gmail.com
Abstrak : Tingginya persaingan di dunia bisnis membuat perusahaan berlomba-lomba menangkap hati para pelanggan dengan tujuan mempertahankan dan mencari pelanggan baru. Berbagai cara ditempuh oleh perusahaan tersebut agar mereka dapat lebih dekat dengan para pelanggan sehingga pelanggan dapat dengan mudah menikmati produk-produk mereka. Internet membuat dunia semakin tidak mengenal batas sehingga semua orang dapat terhubung walau dipisahkan oleh lautan dan benua. Pemanfaatan internet dalam menggapai
pelanggan menjadi solusi optimal bagi setiap perusahaan. Pemanfaatan social media oleh para pemain bisnis telah berhasil digunakan untuk mendekati pelanggan dengan cepat, dan efisien. Social media berhasil menyatukan fungsi public relations, dan marketing, sehingga mampu membuat perusahaan semakin dekat dengan pelanggan.
Prolog
Persaingan dalam dunia bisnis telah mencapai kondisi yang disebut sebagai red ocean dimana persaingan menjadi sangat ketat dan jenuh (Kim dan Mauborgne, 2004). Para pemain bisnis berlomba-lomba memperebutkan bagian paling besar dalam pasar permintaan yang tidak
bertambah banyak. Hal ini membuat prospek untuk mendapatkan profit dan growth menjadi lebih kecil. Recurring revenue menjadi satu-satunya cara bagi perusahaan untuk tetap bertahan dalam industri. Model bisnis kini lebih berfokus untuk mempertahankan loyalitas
pelanggan sehingga mereka akan tetap membeli produk yang dibuat oleh perusahaan berulang-ulang.

Ketika era industrialisasi di Inggris baru berlangsung, perusahaanlah yang menentukan keberhasilannya sendiri dengan hanya memproduksi barang sesuai dengan perhitungan untung-rugi yang sederhana dan pasar pasti akan menyerap semua produk tersebut . Namun, ada abad ini konsumen, yang membentuk pasar, seolah-olah menjadi pelaku tunggal penentu keberhasilan perusahaan. Konsumen atau pelanggan sekarang tidak sama dengan konsumen atau pelanggan di masa lalu. Konsumen masa kini memiliki karakteristik semakin
demanding, cenderung tidak cepat puas, sensitif terhadap perubahan harga, dan mengalami pergeseran nilai-nilai sosial dan budaya.

[………………………………………………….]

Selengkapnya di:

Menyatukan Public Relations dan Marketing dengan Social Media Detti oleh Apriliani Garniti