Metode Pengumpulan Data Teknik Analis Data
a. Uji akar-akar unit unit Root test Data time series dikatakan stasioner jika rata-rata varians dan
kovariansnya konstan sepanjang periode waktu. Metode yang akhir-akhir ini banyak digunakan oleh ahli ekonometrika untuk menguji stasioneritas data
adalah uji akar-akar unit unit root test. Uji akar-akar unit ini pertama kali dikembangkan oleh Dickey-
Fuller.
31
Uji akar-akar unit dapat dipandang sebagai uji stasionaritas, karena pada intinya uji tersebut untuk mengamati apakah koefisien tertentu dari
model otoregresif mempunyai nilai satu atau tidak. Pengujian dalam penelitian ini dilakukan dengan menggunakan model
pengujian Philip peronPP yang diperkenalkan oleh Philips Peron1988 dan Augmented Dicky FullerADF yang diperkenalkan oleh Dickey
Fuller1979. Adapun model ADF tes adalah Gujarat: ∆Y t = δβ1+ β2t + βt-1 + et
Adapun β1 dan β2t adalah parameter, t adalah waktu dan tren variabel,
δ menunjukkan drift et adalah murni noise error term. Jika hipotesis nolHo δ=0
makan terdapat unit root, berarti data time series tidak stasioner, atau jika nilai statistic ADF secara absolute lebih besar
daripada nilai kritis MacKinnon maka hipotesis Ho ditolak, artinya time series stasioner.
31
Wing Wahyu Winarno, Analisis Ekonometrika dan Statistika dengan Eviews, UPP STIM YKPN, Edisi ketiga, 2011,h. 7.5
Adapun PP tes berbeda dengan ADF tes, PP focus pada serial korelasi dan hetoroskedasticity pada error term. Model PP adalah:
∆Zt = ? + θt + ʎ t-1+μt
Hipotesis nol H0 adalah ʎ = 0, artinya Z tidak stasioner, sedangkan
hipotesis Ha adalah jika nilai PP lebih besar dari nilai kritis, artinya data stasioner. Apabila nilai hitung mutlak ADF dan PP masing-masing variabel
dengan derajat keyakinan 5 masih belum stasioner pada tingkat ordo nol maka perlu dilanjutkan uji derajat intergrasi pertama.
b. Uji Derajat Integrasi Degree on Integration Apabila data yang diamati pada uji akar unit ternyata tidak stasioner,
maka langkah selanjutnya adalah melakukan uji derajat integrasi. Uji dilakukan untuk mengetahui pada derajat integrasi berapakah data yang
diamati stasioner. Uji intergarsi ini mirip dengan uji akar-akar unit. Seperti akar-akar unit sebelumnya, keputusan pada derajat keberapa suatu data
akan stasioner dapat dilihat dengan membandingkan antara nilai statistik ADF dan PP dengan nilai kritis distribusi statistik. Jika nilai absolute dari
statistik ADF dan PP lebih besar dari nilai kritisnya pada diferensi pertama, maka data dapat dikatakan stasioner pada derajat satu. Akan tetapi, jika
nilainya lebih kecil maka uji derajat integrasi perlu dilanjutkan pada diferensi yang lebih tinggi sehingga diperoleh data yang stasioner.
32
2. Uji Kointegrasi Cointegration Test Setelah melalui uji integrasi, maka dapatlah diketahui pada derajat
keberapakah data tersebut stasioner. Uji kointegrasi merupakan kelanjutan dari akar-akar unit dan derajat integrasi. Uji kointegrasi dapat dipandang
sebagai uji keberadaan hubungan jangka panjang, seperti yang dikehendaki oleh teori ekonomi. Tujuan utama ujikointegrasi ini adalah untuk mengetahui
apakah variabel-variabel
yang ada
berkointegrasi. Variabel
yang terkointegrasi menunjukkan adanya hubungan antar variabel atau kestabilan
dalam jangka panjang dan sebaliknya. Alternatife uji kointegrasi yang sekarang banyak digunakan adalah uji
kointegrasi yang dikembangkan oleh Johansen.
33
Uji yang dikembangkan Johansen ini dapat digunakan untuk menentukan kointegrasi sejumlah
variabel Vektor. Adapun rumus Kointegrasi adalah sebagai berikut:
Yt = θ1Yt-1 + θ Yt-2 +…..+θYt-1 = βXt nt, t=….,T Dimana: Yt
= vector variabel endogen Θt
= parameter matriks
32
Shocrul R. ajija,dkk, Cara Cerdas Manguasai Eview, Jakarta: Salembah Empat, 2011 h. 147
33
Agus Widarjono, Ekonometrika, Pengantar dan Aplikasinya, YogYakarta: Ekonosia Fakultas Ekonomi UII Yogyakarta,2009 h. 328
βXt = d-vektor dari deterministic variabel nt
= vector innovation Uji kointegrasi dalam penelitian ini akan dilakukan uji test kointegrasi
johansen pada derajat kepercayaan sebesar 5 dengan cara membandingkan nilai max eigen statictic dengan Critical value dengan ketentuan, apabila max
eigen statistic lebih besar dari critical value maka terjadi kointegrasi dan sebaliknya.
Jika terdapat hubungan jangka panjang atau semua variabel terkontegrasi maka uji dapat diuji ECM, namun jika variabel tidak terdapat
hubungan integrasi maka digunakan model unrestricted VAR. 3. Error Corection Model ECM
Analisis data dalam penelitian ini menggunakan metode kuantitatif dengan pendekatan ECM Error Eorrection Model. ECM juga sering disebut
model koreksi kesalahan. Model ECM pertamakali dikembangkan oleh Prof. dennis Sargan1978 dengan konsep the general to specific approach dan
akhirnya dipopulerkan oleh Engle-Granger.
34
ECM digunakan karena mekanisme ECM memiliki keunggulan salah satunya yaitu menghindari regresi
lancung
35
Atau regresi semu yang menghasilkan kesimpulan menyesatkan.
34
Agus widorjono, pengantar dan Aplikasinya, yogjakarta, ekonomsia Faku;tas Ekonomi UII Yogyakarta,2009, h.330
35
Ibid, h. 315
Adanya kointegrasi antara variabel nantinya akan menunjukkan adanya hubungan ataupun keseimbabgan antara variabel-variabel tersebut. Dalam
jangka pendek mungkin saja ada ketidakseimbangan disequilibirium. Ketidakseimbangan inilah yang sering ditemui dalam perilaku ekonomi artinya,
bahwa apa yang diinginkan perilaku ekonomi belum tentu sama dengan apa yang terjadi sebenarnya. Adanya perbedaan apa yang diinginkan pelaku
ekonomi dan apa yang terjadi maka diperlukan adanya penyesuaian adjustment. Model yang memasukkan penyesuaian untuk melakukan koreksi
bagi ketidakseimbangan disebut model koreksi kesalahanerror correction model
. Perumusan regresi pada penelitian ini adalah sebagai berikut:
LnPBS=β0+β1LnCARt+β2LnROAt+β3LnNPFt+β4LnFDRt+β5LnBOPOt+β6 LnInf1+β7 LnBIrt+ β8Ln Kurst+et
Dimana: LnPBS=Pembiayaan Bank Syariah
Β0= Intercept Β1….8= slope
LnCAR= Capital Adequacy Ratio LnROA= Return On Aset
LnNPF= Non Performing Finance LnFDR= Financing Deposit Ratio
LnBOPO= Beban Operasional danPendapatan Operasional
Ln inf= Inflasi Ln Bir= BI rate
Ln Kurs= Kurs et= error term
Persamaan Error Corection Model ΔLnPBS=β0+β1ΔLnCARt+β2ΔLnROAt-1+β3ΔLnNPFt-1+β4ΔLnFDRt-
1+β5ΔLnBOPOt-1+β6ΔLnInft-1+β7Δ LnBIrt-1+ β8Δ LnKurst-1+ECT Dimana:
ΔLnPBS= Perubahan Pembiayaan Bank Syariahlogaritma natural Β0= Intercept
Β1….8= slope ΔLnCAR= Perubahan Capital Adequacy Ratio logaritma natural
ΔLnROA= Perubahan Return On Aset ΔLnNPF= Perubahan Non Performing Finance
ΔLnFDR= Perubahan Financing Deposit Ratio ΔLnBOPO= Perubahan Beban Operasional danPendapatan Operasional
ΔLnInf= Perubahan Inflasi ΔLnBir= Perubahan BI rate
ΔLnKurs= Perubahan Kurs
ECT= Error Corection Term Angka yang menunjukkan besarnya Koreksi kesalahan