lag optimum, dan uji kointegrasi Johansen cointegration test. Adapun perangkat lunak yang digunakan untuk proses pengolahan adalah Eviews 6.
3.2.1 Pengujian Praestimasi
3.2.1.1 Uji Stasioneritas Data
Langkah awal yang harus dilakukan dalam mengestimasi sebuah model adalah dengan melakukan uji stasioneritas data. Pengujian stasioneritas data ini
dilakukan dengan menguji akar unit unit root dalam model. Data yang tidak stasioner akan mempunyai akar unit, sedangkan data yang stasioner tidak
mengandung akar unit. Pengujian stasioneritas data sangat penting jika data yang digunakan dalam bentuk time series. Hal ini karena data time series pada
umumnya mengandung akar unit unit root dan nilai rata-rata serta variansnya berubah sepanjang waktu. Data yang tidak stasioner atau memiliki unit root jika
dimasukkan dalam pengolahan statistik maka akan memberikan hasil estimasi yang spurious, maksudnya hasil estimasi terlihat bagus dengan koefesien
determinasi R
2
yang tinggi dan t statistik yang terlihat signifikan, namun hasil estimasi variabel tersebut tidak memiliki arti ekonomi.
Cara yang digunakan untuk melihat apakah di dalam data terdapat akar unit adalah dengan melakukan uji stasioneritas Augmented Dickey-Fuller ADF.
Misal suatu bentuk persamaan time series adalah sebagai berikut y
t
= ρ y
t-1
+ ε
t.
dimana ε
t.
adalah error term. Jika kedua sisi persamaan tersebut dikurangi dengan y
t-1
maka didapat persamaan : y
t
– y
t-1
= ρ y
t-1
– y
t-1
+ ε
t
....................................................................................3.1 y
t
– y
t-1
= ρ – 1 y
t-1
+ ε
t
....................................................................................3.2
Persamaan tersebut dapat disederhanakan menjadi : Δy
t
= δ y
t-1
+ ε
t
...................................................................................................3.3 Dimana
δ = ρ – 1 dan Δ merupakan pembeda utama first difference.
Berdasarkan persamaan 3 hipotesis yang diuji adalah H0 : δ = 0 dan hipotesis
alternatifnya H1 : δ 0. Jika δ = 0, maka
ρ = 1, berarti hipotesis yang diterima adalah H0 artinya data tersebut terdapat unit root dan data time series tersebut
tidak stasioner. Pada persamaan 3 diasumsikan bahwa error term
ε
t
tidak memiliki korelasi. Jika error term memiliki korelasi maka persamaan yang diuji
stasioneritas dengan menggunakan uji ADF dapat ditulis sebagai berikut: Δy
δ Δy
ε … … … … … … … … … … … … .
dimana ε = pure white noise error term dan Δy = y
t-1
– y
t-2
, Δy = y
t-2
– y
t- 3
dan seterusnya. Dalam persamaan seperti ini pengujian hipotesis yang dilakukan masih sama dengan yang sebelumnya yaitu H
= δ = 0 tidak stasioner
dan hipotesis alternatifnya H
1
= δ 0 stasioner. Maksudnya jika Ho ditolak
maka data yang digunakan stasioner sedangkan jika Ho diterima berarti data tidak stasioner. Keputusan untuk menolak atau menerima Ho diihat dari nilai t-
statistiknya. Jika nilai t-statistik lebih kecil dari nilai ADF dalam nilai kritis 1, 5, atau 10 maka keputusan yang diambil adalah tolak Ho atau berarti data
tersebut stasioner.
3.2.1.2 Pengujian Lag Optimal
