3.5.1 Uji stasioneritas
Banyaknya permasalahan yang muncul dari data runtun waktu mengharuskan analisis ekonometrika menggunakan data yang stasioner. Data yang stasioner
maksudnya adalah data yang memiliki rata-rata dan varian observasi yang konstan. Jika data yang diperoleh tidak konstan, maka dikhawatirkan regresi yang dibuat
adalah regresi palsu spurious regression. Untuk melakukan uji stasioneritas, dilakukan dengan uji akar unit unit root
test. Uji ini sangat populer dan diperkenalkan oleh David Dickey dan Wayne Fuller sehingga disebut juga Uji Augmented Dickey-Fuller ADF. Formulasi uji ADF
dalam penelitian ini adalah sebagai berikut:
∆�
�
= + � + �
�−
+
�
∑ ∆�
�− �=
+
�
.........................3.1 Dimana:
m = panjang lag yang digunakan
Dari persamaan tersebut dapat dibuat hipotesis: H0 : = 0 Data return tidak stasioner
H1 : ≠ 0 Data return stasioner Ho tidak ditolak jika ρ = 1. Artinya terdapat unit root dimana data time series
Y
t
tidak stasioner. Jika data tidak stasioner, maka dilakukan pembedaan difference.
3.5.2 Uji Normalitas
Uji normalitas bertujuan untuk menguji normal atau tidaknya suatu faktor pengganggu. Uji normalitas dilakukan dengan menggunakan Jarque-Bera Test
dengan persamaan sebagai berikut.
Universitas Sumatera Utara
JB = n
s 6
+
�−
2
4
................................................................3.2
Dengan hipotesis yang digunakan dalam pengujian yaitu: H0 : Data return berdistribusi normal
H1 : Data return tidak berdistribusi normal Jika nilai probabilitas Jarque-Bera data lebih besar dari 0,05 maka dapat
disimpulkan bahwa data return berdistribusi normal atau dapat dikatakan bahwa hipotesis tidak menolak H
. Jika data return
tidak berdistribusi normal, maka alpha α harus disesuaikan dengan pendekatan rumus Cornish Fisher Expansion yang menggunakan nilai
skewness dari data tersebut dengan persamaan sebagai berikut.
′
= −
6
− ...................................................................3.3
Dimana: α = nilai tingkat keyakinan yang telah disesuaikan
α = nilai tingkat keyakinan dalam distribusi normal
3.5.3 Uji Heteroskedastisitas