untuk diinterprestasi Insukindro 1993: 65. Disamping itu ECM dapat pula dijadikan variabel proksi nalar asa dari model stok penyangga masa depan
dengan cara membentuk estimasi jangka panjang dari ECM, ECM juga bias menghindari regresi lancung atau regresi semu yang menghasilkan kesimpulan
yang menyesatkan. Proses analisis yang akan dilakukan terdiri dari analisis deskriptif , uji akar unit testing for unit root dan uji derajat integrasi testing
for degree of integration, uji kointegrasi Cointegration test, pendekatan ECM Error Correction Model, analisis statistik, uji asumsi klasik, serta
analisis ekonomi.
3.3.2. Uji Akar Unit Dan Uji Derajat Integrasi
Uji akar unit dapat dipandang sebagai uji stasioneritas, karena pada intinya uji tersebut bentuk mengamati apakah koefisien tertentu dari model
otoregresi yang ditaksir mempunyai nilai satu atau tidak. Langkah awal yang harus dilakukan pengujian ini adalah menaksir
model otoregresi dari masing-masing variabel yang akan digunakan dalam penelitian dengan OLS. Ada beberapa prosedur untuk melakukan uji akar-
akar unit namun yang banyak digunakan adalah uji Dickey- Fuller DF dan uji Philips Peron.
Uji ADF adalah uji yang dikembangkan oleh Dickey Fuller untuk menyempurnakan uji DF yang sudah ada sebelumnya. Dalam prakteknya uji
ADF inilah yang seringkali digunakan untuk mendeteksi apakah data stasioner atau tidak. Adapun formulasi uji ADF adalah sebagai berikut :
DYt= a
o
+ a
1
+
∑
= k
I 1
b
1
B
1
DY
t
3.1
DYt= c
o
+ c
1
T + C
2
BY
t
+
∑
= k
I 1
d
1
B
1
DY
t
3.2 Notasi :
DYt = Yt – Yt-1
BYt = Yt-1
T = trend waktu
Yt = Variabel yang diamati pada waktu t
K = Besarnya waktu kelambanan yang dihitung dengan rumus
K = N
13
dengan N adalah jumlah sampel. Langkah selanjutnya adalah membandingkan nilai ADF tabel dengan
nilai ADF statistik. Nilai ADF ditunjukkan oleh nilai t pada koefisien regresi BYt pada persamaan 1 dan 2.
Bila data yang diamati pada uji akar unit ternyata tidak stationer, maka langkah selanjutnya adalah melakukan uji derajat integrasi. Uji ini
dilakukan untuk mengetahui pada derajat integrasi berapa derajat data yang diamati stationer. Uji derajat integrasi ini mirip dengan uji akar unit. Untuk
melakukan uji tersebut juga dilakukan penaksiran model otoregresi dengan OLS.
D2Yt =b + b
1
BDYt +
∑
= k
I 1
f
1
B
1
D2Yt. 3.3
D2Yt = d + d
1
T + d
2
BDYt +
∑
= k
I 1
h
1
B
1
D2Yt 3.4
Dimana D2Yt = DYt – DY
t-1
, BDYt = DYt-1
Prosedur untuk menentukan apakah data stasioner atau tidak dengan cara membandingkan antara nilai ADF dengan nilai kritis distribusi statistik
Mackinon. Jika nilai absolute statistic ADF lebih besar dari nilai kritisnya, maka data yang diamati menunjukkan stasioner dan jika sebaliknya nilai
absolut statistik ADF lebih kecil dari nilai kritisnya maka data tidak stasioner. Hal yang krusial dalam uji ADF adalah menentukan panjangnya kelambanan.
Selain uji ADF dalam penelitian ini juga menggunakan uji Philips Peron untuk menentukan akar unit dan derajat integrasi. Uji PP memasukkan
unsur autokorelasi di dalam residual dengan memasukkan variabel independen berupa kelambanan diferensi. Philips Peron membuat uji akar
unit dengan menggunakan metode statistik non parametik dalam menjelaskan kelambanan diferensi sebagaimana uji ADF. Adapun uji akar unit dari Philips
Peron sebagai berikut :
DYt = Yt-1 + et 3.5
DYt = ao + Yt-1 + et 3.6
DYt = ao + a2T + Yt-1 + et 3.7
Keterangan : T adalah trend waktu
Statistik distributif t tidak mengikuti statistic distribusi normal tetapi mengikuti distribusi PP sedangkan nilai kritisnya digunakan nilai kritis yang
dikemukakan oleh Mackinon. Sebagaimana uji ADF, kita juga harus menentukan apakah tanpa konstanta dan trend. Berbeda dengan uji ADF,
dalam menentukan panjangnya lag uji PP menggunakan truncation lag q dari Newey-West. Widarjono, 2005, 361-362
3.3.3. Uji Kointegrasi