Pengaruh Modal Sosial Terhadap Pertumbuhan Ekonomi Indonesia Periode 1983 – 2008 Y. Sri Susilo dan Lincolin Arsyad
49
1 2
3 4
1 2
3 4
t t
t t
t
Y X
X X
X a
a a
a a
m =
+ +
+ +
+
.....................................................2 di mana :
t
Y
= Pertumbuhan ekonomi
1
t
X
= Utang pemerintah Miliar Rupiah
2
t
X
= Nilai ekspor migas dan non – migas Juta US Dollar
3
t
X
= Tingkat pengangguran
4
t
X
= Rata – rata upah riil Rupiah per bulan
a
= Intercept
1 2
3 4
, ,
, a
a a
a
= Parameter variabel independen
m
= Error Term Dalam data times series dikenal dengan adanya data stasioner dan data tidak stasioner. Data times
series dikatakan stasioner jika memenuhi tiga kriteria yaitu jika rata-rata dan variansnya konstan sepanjang waktu
serta kovarian antara dua data runtut waktu hanya tergantung dari kelambanan antara dua periode waktu tersebut Stock dan Watson, 2007. Data yang tidak stasioner akan terancam masalah berupa regresi lancung spurious
regression . Regresi lancung adalah situasi di mana hasil regresi menunjukkan koeisien regresi yang signiikan
dan nilai koeisien determinasi yang tinggi, serta nilai statistik Durbin Watson DW yang rendah, namun hubungan antara variabel dalam model tidak saling berhubungan Gujarati dan Porter, 2009. Hal ini disebabkan karena
variabel independen dan dependen dalam persamaan didominasi adanya trend , sehingga diperoleh nilai koeisien
determinasi yang tinggi meskipun variabel-variabelnya hampir tidak berkorelasi.
3.2.2. Tahapan Pengujian 3.2.2.1. Deteksi Stasioneritas : Uji Akar Unit
Uji Akar Unit unit root test merupakan bagian dari uji stationaritas karena pada prinsipnya uji tersebut dimaksudkan untuk mengamati apakah koeisien tertentu dalam model autoregresif yang ditaksir memiliki nilai satu
atau tidak. Uji Dickey-Fuller yaitu uji akar–akar unit dengan melihat DF
h
kemudian membandingkannya dengan nilai DF
t
pada tingkat α tertentu Enders, 2004.
3.2.2.2. Uji Derajat Integrasi
Apabila variabel–variabel yang terkait tidak stasioner pada uji akar–akar unit, maka dapat dilanjutkan dengan melakukan uji derajat integrasi. Uji derajat integrasi bertujuan untuk mengetahui pada derajat berapa data
itu stasioner Wooldridge, 2009. Metode uji ADF pada pengujian ini sama dengan metode ADF pada pengujian unit root
di atas, yaitu dengan membandingkan nilai ADF statistik dengan nilai kritis dari Mac Kinnon pada level of signiicant , 5, atau 0. Jika ADF
h
ADF
t
maka data untuk variabel Y
t
stasioner pada derajat satu, Y
t
I 1, namun jika ADF
h
ADF
t
maka data untuk variabel Y
t
tidak stasioner pada derajat satu, sehingga perlu diuji lebih lanjut hingga ditemukan ADF
h
ADF
t
. Selanjutnya jika ADF
h
ADF
t
maka berarti data variabel Y
t
stasioner pada derajat dua, yaitu Y
t
I 2.
3.2.2.3. Uji kointegrasi
Tujuan dari uji kointegrasi adalah untuk melihat apakah residualnya stasioner atau tidak. Uji kointegrasi dapat dilakukan ketika data yang digunakan dalam penelitian berintegrasi pada derajat yang sama. Jika yang
terjadi tidak berintegrasi pada derajat yang sama, maka untuk mengetahui variabel yang digunakan tersebut berkointegrasi atau tidak adalah dengan melihat nilai koeisien dari ECT Error Correction Term dalam model
ECM. Apabila koeisien ECT itu signiikan, maka variabel itu berkointegrasi Enders, 2004.
50
Volume 15, No.1 Maret 2011
Adapun kriteria kointegrasi menurut Engle-Granger dibagi menjadi dua yaitu, residual persamaan jangka panjang harus terdistribusi normal dan residual persamaan jangka panjang stasioner pada tingkat level. Oleh
sebab itu, uji kointegrasi dibagi dua yaitu, uji normalitas persamaan jangka panjang dan uji stasioneritas residual persamaan jangka panjang yang akan dijelaskan sebagai berikut Enders, 2004.
a Uji Normalitas Persamaan Jangka Panjang
Uji normalitas ini bertujuan untuk menguji apakah variabel pengganggu memiliki distribusi
normal atau tidak. Variabel pengganggu yang memiliki distribusi normal berimplikasi pada validnya pengujian statistik uji–t dan uji–F. Uji normalitas dalam penelitian ini menggunakan metode Jarque–
Bera J-B test Widarjono, 2007.
b Uji Stasioneritas Residual
Pengujian stasioneritas residual ini dilakukan dengan menggunakan ADF test Green, 2008. Prosedur untuk melihat apakah residual yang diamati stasioner atau tidak dengan cara membandingkan nilai
statistik ADF dengan nilai kritisnya. Jika nilai absolute statistic ADF lebih besar dari nilai kritisnya, maka residual yang diamati telah stasioner dan jika sebaliknya nilai absolute statistic ADF lebih kecil dari nilai
kritisnya maka residual yang diamati belum stasioner.
3.2.2.4. Error Correction Model EcM