Uji Kausalitas Granger Vektor Autoregresi

Uji Stasioneritas Data Penentuan Panjang Lag Uji Kointegrasi Estimasi Model VEC Restricted VAR Uji dan Analisis Kausalitas Granger Analisis IRF Impulse Response Function Augmented Dickey Fuller Test Johansens’ Cointegration Data Terkointegrasi Estimasi Model VAR Difference Kesimpulan Analisis VD Variance Decomposition Tidak Ya Gambar 3.1 Bagan alir teknik dan uji statistik

3.2. Waktu dan Tempat Penelitian

Penelitian ini dilakukan dengan mengambil data sekunder di instansi- instansi dan departemen-departemen terkait di Jakarta. Data diambil untuk level nasional Indonesia. Pelaksanaan penelitian dilakukan selama empat bulan dari bulan Maret 2012 sampai dengan bulan Juni 2012.

3.3. Metode

Umumnya data ekonomi deret waktu tidak stasioner, agar data deret waktu menjadi stasioner maka dapat dilakukan diferensiasipembedaan. Jika data telah stasioner pada level series, maka data tersebut dikatakan integrated of order zero atau I0. Apabila data stasioner pada first- difference level maka data tersebut adalah integrated of order one atau I1. Teknik analisis regresi linier biasa hanya dapat dipakai jika semua datanya stasioner, baik variable dependent maupun independent-nya.

3.3.1. Uji Stasioneritas Data

Umumnya data deret waktu bersifat stokastik atau memiliki tren yang tidak stasioner yang artinya data tersebut mengandung akar unit. Supaya dapat mengestimasi model menggunakan data tersebut, maka yang harus dilakukan pada langkah pertama yaitu uji stasioneritas data atau dikenal dengan unit root test. Bila data yang digunakan mengandung akar unit maka akan sulit untuk mengestimasi suatu model dengan menggunakan data tersebut sebab tren datanya cenderung berfluktuasi tidak disekitar nilai rata-ratanya. Jadi, dapat disimpulkan bahwa data yang stasioner akan cenderung untuk mendekati nilai rata-ratanya dan berfluktuasi di sekitar nilai rata-ratanya Gujarati 2003. Uji akar unit dalam penelitian ini akan dilakukan dengan menggunakan uji Augmented Dickey Fuller ADF. Pengujian ADF ini memodelkan pengaruh otokorelasi pada disturbance memasukkan lag X yang menyebabkan otokorelasi ke dalam model pengujian ADF sehingga uji hipotesa pada parameter yang diestimasi akan lebih akurat. Bentuk umum persamaan uji stasioneritas tersebut dapat dituliskan sebagai berikut Enders 2004: ∑ ...... 13 Dimana: Xt = bentuk dari pembedaan pertama Α = intersep X = variabel yang diuji stasioneritasnya P = panjang lag yang digunakan dalam model Ut = residual atau error Hipotesisnya adalah H mengandung hipotesis bahwa terdapat akar-akar unit, H 1 mengandung hipotesis bahwa tidak terdapat akar- akar unit. Pengujian hipotesis statistik tersebut dilakukan dengan membandingkan ADF tes statistik hasil regresi dengan t-statistik MacKinnon Critical Value 1 persen, 5 persen atau 10 persen. Bila ADF tes statistik hitung lebih kecil dari MacKinnon Critical Value, maka H diterima dan H 1 ditolak, tidak cukup bukti untuk menolak hipotesis bahwa di dalam persamaan mengandung akar-akar unit, artinya data tersebut tidak stasioner. Tetapi sebaliknya, jika ADF tes statistik hitung lebih besar dari MacKinnon Critical Value, maka H ditolak dan H 1 diterima, karena cukup bukti untuk menolak hipotesis nol bahwa di dalam persamaan mengandung akar-akar unit yang artinya bersifat stasioner. Jika hasil dari uji stasioner menunjukkan bahwa data belum stasioner pada level atau integrasi derajat nol I0, maka untuk memperoleh data yang stasioner dilakukan dengan cara pembedaan data yaitu dengan mengurangi data tersebut pada data periode sebelumnya. Data melalui pembedaan pertama atau first difference akan diperoleh selisih, prosedur ADF dilakukan untuk menguji data sudah stasioner pada pembedaan pertama. Apabila pada pembedaan pertama menghasilkan data yang stasioner, maka data deret waktu tersebut terintegrasi pada derajat pertama I1 untuk seluruh variabel. Tetapi bila pada pembedaan pertama data belum stasioner maka dilakukan pembedaan kedua untuk menghasilkan data yang