45
e
j
= guncangan shock struktural dari variabel j. Tahapan penelitian ini menggunakan langkah-langkah sebagai berikut:
a. Uji Stasioneritas
Data time series
deret waktu dikatakan stasioner jika data menunjukkan pola yang konstan dari waktu ke waktu dan tidak terdapat pertumbuhan atau
penurunan data secara tajam. Data yang tidak stasioner akan menghasilkan spurious regression
regresi palsu, yaitu regresi yang menggambarkan hubungan dua variabel atau lebih yang nampaknya signifikan secara statistik padahal
kenyataanya tidak demikian. Menurut Gujarati 2003, data yang stasioner akan mempunyai
kecenderungan untuk mendekati nilai rata-rata dan berfluktuasi di sekitar nilai rata-ratanya. Dengan kata lain data akan menyebar acak pada satu kisaran nilai
tengah tertentu. Uji stasioneritas dilakukan dengan menggunakan uji Dickey- Fuller, dimulai dari proses autoregresi orde pertama, yaitu:
Y
t
= ρY
t-1
+ u
t
4.9 dimana:
u
t
= white-noise error
dengan mean nol dan varians konstan. Kondisi di atas dinamakan random walk dimana variabel Y
t
ditentukan oleh variabel sebelumnya Y
t-1
. Oleh karena itu jika nilai ρ=1 maka persamaan
4.9 mengandung akar unit atau tidak stasioner. Kemudian persamaan 4.9 dapat dimodifikasi dengan mengurangi pada kedua sisi persamaan, sehingga persamaan
4.9 dapat diubah menjadi persamaan 4.10:
46
Y
t
– Y
t-1
= ρ Y
t-1
– Y
t-1
+ u
t
4.10 =
ρ-1 Y
t-1
+ u
t
Persamaan 4.10 dapat dituliskan menjadi persamaan 4.11 sebagai berikut: ΔY =
Y
t-1
+ u
t
4.11 dimana:
= ρ-1,
Δ = first difference
perbedaan pertama. Oleh karena itu hipotesis pada persamaan 4.11, H
o
: = 0, ini menunjukkan bahwa persamaan tersebut tidak stasioner, sedangkan hipotesis
alternatifnya H
1
: menunjukkan persamaan tersebut mengikuti proses
stasioner. Jadi apabila Ho ditolak maka artinya data deret waktu tersebut stasioner dan sebaliknya.
Pada persamaan 4.11 diasumsikan bahwa error term u
t
tidak berkorelasi, jika terdapat error term yang berkorelasi maka persamaan yang diuji
menggunakan uji Augmented Dickey Fuller ADF sebagai berikut:
t i
t m
i i
t t
Y Y
t Y
ε α
δ β
β
+ Δ
+ +
+ =
Δ
− =
−
∑
1 1
2 1
4.12 dimana:
t
= pure white noise error term, ΔY
t-1
= Y
t-1
– Y
t-2 ,
ΔY
t-2
= Y
t-2
– Y
t-3
dan seterusnya. Hipotesis yang diuji adalah:
H
o
: = 0
data tidak stasioner atau mengandung unit root H
1
: 0 data stasioner atau tidak mengandung unit root
47
Uji yang dilakukan untuk mengetahui apakah sebuah data time series bersifat stasioner atau tidak adalah dengan melakukan uji Ordinary Least Squares
OLS dan melihat nilai t-statistik dari estimasi . Adapun persamaan matematisnya dalah sebagai berikut:
t
hit
= S
4.13 dimana :
= koefisien estimasi,
S =
standar error
dari koefisien estimasi. Jika nilai ADF statistikya lebih besar dari MacKinnon Critical Value
dalam nilai kritis 1 persen, 5 persen atau 10 persen maka data tersebut tidak stasioner namun jika nilai ADF statistikya lebih kecil dari MacKinnon Critical
Value maka data tersebut stasioner.
b. Penetapan Tingkat Lag Optimal
Kategori