3.2.3. Uji Stabilitas Parameter
Metode yang digunakan untuk menguji stabilitas parameter regresi adalah chow breakpoint test Gujarati, 1997. Dasar dari uji ini adalah untuk
melihat apakah terdapat perbedaan hasil regresi atau perubahan struktural dari dua periode waktu, yaitu periode 1985-1996 dan periode 1997-2008. Langkah yang
dilakukan yaitu dengan menghitung statistik F dengan formula:
.................................................................3.2 Di mana:
RSS
T
= residual sum squares dari hasil regresi untuk periode 1986-2008, RSS
P
= residual sum squares dari hasil regresi untuk periode 1986-1996 ditambah residual sum squares dari hasil regresi untuk periode 1997-
2008, K
= jumlah parameter, yaitu tiga, N
1
= jumlah observasi untuk periode 1986-1996, yaitu sebelas, N
2
= jumlah observasi untuk periode 1997-2008, yaitu dua belas.
Asumsi yang digunakan yaitu tidak ada perubahan struktural akibat krisis ekonomi pada tahun 1997. Apabila nilai probabilitas dari statistik F lebih besar
dari tingkat signifikansi α, maka hipotesis nol yang menyatakan bahwa parameter
stabil diterima. Kelemahan dari metode ini adalah tidak diketahuinya letak perbedaan dari hasil regresi pada kedua periode, apakah pada intersep atau pada
koefisien parameter.
3.2.4. Uji Kausalitas Granger
Granger 1969 dalam Gujarati 1997 mempostulasikan bahwa suatu variabel X dikatakan menyebabkan variabel lain, Y, apabila Y saat ini dapat
diprediksi lebih baik dengan menggunakan nilai-nilai masa lalu X. Uji ini secara umum digunakan untuk menguji hubungan kausalitas antara 2 variabel.
Uji kausalitas Granger menyatakan bahwa jika nilai masa lalu dari variabel Y secara signifikan memberikan pengaruh peramalan pada nilai variabel
lainnya; X
t+1
, maka Y dikatakan Granger cause X dan begitu pula sebaliknya. Pengujian tersebut didasarkan pada regresi berikut ini:
………………....………….. 3.3
………………………..……. 3.4
Di mana Y
t
dan X
t
adalah variabel yang akan diuji, dan u
t
dan v
t
adalah white noise errors yang tidak berkorelasi satu sama lain, dan t menunjukkan
periode waktu dan k an l adalah jumlah lag. Hipotesis nol H
O
adalah α
l
= δ
l
= 0 untuk seluruh l dengan hipotesis alternatif H
1
adalah selain H
O
. Bila koefisien α
l
secara statistik signifikan tetapi δ
l
tidak signifikan, maka X menyebabkan Y dan demikian sebaliknya. Tetapi bila α
l
dan δ
l
keduanya signifikan maka terdapat kausalitas dua arah.
Dalam perkembangan analisis time series telah disarankan sejumlah perbaikan dalam uji standar Granger. Salah satunya disebabkan karena kausalitas
Granger sangat sensitif pada dapat menjadi bias. Jika lag length yang dipilih lebih besar, maka lag yang tidak relevan pada suatu persamaan dapat menyebabkan
estimasi yang tidak efisien.
IV. GAMBARAN UMUM PENGANGGURAN DAN INFLASI DI INDONESIA