39
a. Badan Pusat Statistik BPS Indonesia b. Badan Pusat Statistik BPS Provinsi Jawa Barat
c. Badan Perancanaan Pembangunan Daerah Jawa Barat BAPPEDA d. Badan Perencanaan Pembangunan Nasional BAPPENAS.
e. Badan Koordinasi Penanaman Modal BKPM. f. Instansi atau Lembaga terkait lainnya.
2. Metode Pengumpulan Data Data yang dipakai merupakan data sekunder maka pengumpulan data
melalui telaah kepustakaan atau melalui monografi yang dipublikasikan oleh lembaga-lembaga yang berhubungan dengan penelitian berupa
laporan-laporan, buku-buku profil, literatur, dan media Teguh, 2005:121, adapun data yang di pakai adalah:
a. Data PDRB Provinsi Jawa Barat menurut lapangan usaha di atas Harga konstan sejak tahun 1994-2014.
b. Data Investasi di Provinsi Jawa barat sejak tahun 1994-2014 c. Data Tenaga kerja di Provinsi Sumatera Selatan sejak tahun 1994-
2014.
D. Metode Analisis
Permodelan ARMAARIMA Non-Musiman ARIMA merupakan suatu teknik yang mengabaikan independent
variable dalam melakukan peramalan. Model ini hanya menggunakan
nilai-nilai sekarang dan masa lalu dari dependent variable untuk melakukan peramalan jangka pendek. Model ARIMA non-musiman
40
disebut juga dengan metode Box-Jenkins. Secara umum bentuk model ARIMA adalah p, d, q Rosadi, 2012:141.
Langkah-langkah dalam permodelan ARIMA ialah sebagai berikut: 1 Uji Stasioneritas Data.
Terdapat tiga cara yang umum digunakan dalam melakukan pendugaan terhadap kestasioneran data, sebagai berikut:
a Pemerikasaan Kestasioneran dengan Koefesien Autokorelasi dan Korelogram ACF.
Ketidakstasioneran data dapat dilihat dari koefesien autokorelasi dan korelogramnya correlogram. Koefesien autokorelasi adalah
angka yang menunjukkan tingkat keeratan hubungan linier antara nilai-nilai dari peubah yang sama dengan periode waktu yang
berbeda. Selanjutnya,
jika fungsi
autokorelasi tersebut
digambarkan dalam bentuk kurva, dikenal dalam bentuk kurva, dikenal dengan istilah korelogram ACF Juanda, 2012:23-24. Jika
data tidak stasioner akan memiliki pola korelogram yang menurun mendekati titik nol, apabila data memiliki pola korelogram dengan
nilai positif-negatif secara bergantian disekitar titik nilai nol atau tidak berbeda dengan signifikan dengan nol Juanda, 2012:23-24.
untuk menunjukkan signifikan atau tidaknya nilai
autokorelasi, dapat dilakukan uji statistik berdasarkan standar error
Se. untuk selang kepercayaan ialah 1- αx100, dengan α
= 5 untuk ρ
k
adalah :
41
1.96Se ρ
k
1,96Se........................................................3.1 1.96√1n ρ
k
1,96√1n Hipotesis nol H
untuk nilai uji ρ
k =
0. jika ρ
k
terletak dalam selang persamaan 3.1, maka keputusannya belum cukup bukti
untuk menolak H
0,
berarti data stasioner. sebaliknya jika diluar selang persamaan 3.1, keptusan menolak H
0,
yang berarti data tidak stasioner Juanda, 2012:24.
b Uji Akar Unit Unit Root Test Stationaritas data diperiksa dengan mengamati apakah data runtun
waktu mengandung akar unit unit root, yakni apakah terdapat komponen trend yang berupa random walk dalam data dengan
dapat menggunakan Augmented Dickey Fuller ADF Rosadi, 2012:38.
Pengujian ADF dilakukan dengan menguji hipotesis H :
ρ = 0 terdapat unit root dalam persamaan regresi :
∆ Y
t
= α + δt + ρY
t –1
+ ∑
j ∆Y
t-1
+ e
t
dengan ∆ Y
t
= Y
t
– Y
t-1
dan ρ = a – 1
Hipotesis nol ditolak jika nilai satistik uji ADF memiliki nilai kurang lebih negatif dibandingkan nilai daerah kritik nilai kritik
ini ditabelkan, jika hipotesis nol ditolak, maka data stationer. Dalam mengaplikasikan uji ADF ditentukan banyaknya lag dari
komponen diferensi yang akan dimasukkan kedalam model untuk uji ADF digunakan k0. Dalam praktek biasanya dipilih k yang
