lxxv
3.4.1 Uji Akar – Akar Unit
Model empirik yang baik tentunya mempunyai pengaruh yang kuat dalam prediksi suatu keadaan ekonomi jika tentunya telah memenuhi syarat penting
seperti : adanya kaitan atau relevansi dengan fenomena dan teori ekonomi, lolos uji baku dan berbagai uji diagnosis asumsi klasik, tidak menghadapi persoalan
regresi lancung atau korelasi lancung dan residu regresi yang ditaksir adalah stasioner Insukindro, 1993:129.
Untuk menguji kestasioneran data yang digunakan, peneliti menggunakan metode Augmented Dickey fuller ADF. Uji ini berisi regresi dari diferensi
pertama data runtun waktu terhadap lag variable tersebut, lag difference terms, konstanta dan trend.
Stasioner adalah apabila suatu data runtun waktu memiliki rata-rata dan memiliki kecenderungan bergerak menuju rata-rata. Oleh karena itu, kurva data
stasioner terhadap waktu akan sering melewati sumbu horizontal dan autokorelasinya akan menurun dengan teratur untuk lag yang cukup besar.
Sebaliknya bagi data yang tidak stasioner, varians menjadi semakin besar bila jumlah data runtun waktu diperluas, tidak sering melewati sumbu horizontal dan
autokorelasinya cenderung tidak menurun. Uji ini dilakukan untuk melihat validitas suatu data. Pengujian ini
diperlukan untuk menghindari model lancung atau bias tidak efisien. Uji akar- akar unit dan Derajat Integrasi dalam penelitian ini ditaksir dengan metode OLS
Ordinary Least Square seperti persamaan berikut :
DX
t
= α + α
1
BX
t
+
∑
= K
i 1
b
i
B
i
DX
t
Universitas Sumatera Utara
lxxvi
DX
t
= c + c
1
T + c
2
BX
t
+
∑
= K
i 1
d
i
B
i
DX
t
DX
t
= X
t
– X
t-1
BX = X
t-1
Dimana : α
0,
c =
Intersep α
1,
c
1,
c
2
= Koefisien t
= Trend waktu X
t
= Variabel yang diamati pada periode t B
= Operasi kelambanan waktu ke periode hulu t-1 Dari hasil regresi persamaan diatas diperoleh nilai ADF Augmented
Dickey-Fuller statistic. Hasil ini kemudian dibandingkan dengan nilai kritis dari Mackinnon. Jika nilai ADF statistik lebih kecil daripada nilai kritis Mackinnon
pada derajat kepercayaan berapapun, maka dapat disimpulkan bahwa data tersebut adalah tidak stasioner. Solusi yang harus dilakukan jika data yang diperoleh tidak
stasioner adalah dengan menciptakan variabel baru dengan cara first difference, second difference lalu dilakukan kembali uji akar-akar unit sampai stationer.
3.4.2. Uji Derajat Integrasi