92
Persamaan Kointegrasi
Trace Statistic
0.05 Critical Value
Kesimpulan
LNPBPRS t = f LNDPK t, NPF t INF t,
-8.288020 -2.905519
Residual Stasioner
dilanjutkan ke uji kointegrasi.
4. Uji Kointegrasi
Dari hasil Uji Kointegrasi di dapat bahwa semua variabel stasioner pada ordo yang sama. Tujuan utama uji kointegrasi ini adalah untuk mengetahui apakah residual
regresi terkointegrasi stasioner atau tidak.Apabila variable terkointegrasi maka terdapat hubungan yang stabil dalam jangka panjang. Sebaliknya jika tidak terdapat
kointegrasi antar variabel maka implikasi tidak adanya keterkaitan hubungan dalam jangka panjang. Uji statistik yang digunakan untuk menguji hipotesis null mengenai
tidak adanya kointegrasi ini adalah dengan menggunakan metode Phillips-Perron, sedangkan persamaan jangka panjangnya akan diturunkan dari persamaan Error
Correction Model ECM. Berikut ini hasil uji kointegrasi Phillips-Perron :
Tabel 4.4 Nilai Regresi Uji Kointegrasi
Dari hasil estimasi di atas dapat dilihat bahwa nilai t-statistik Phillips-Perron sebesar -8.288020 sedangkan nilai kritis statistik Phillips-Perron pada tingkat
signifikansi 5 yaitu -2.905519 Karena nilai t-statistik lebih besar dari nilai kritis statistik Phillips-Perron tabel, artinya residual dari persamaan telah stasioner pada
derajat integrasi nol atau I0. Sehingga variabel-variabel tersebut dikatakan terkointegrasi atau terdapat indikasi hubungan jangka panjang.
Sumber : Eviews 6 data diolah
93
Adanya indikasi hubungan keseimbangan dalam jangka panjang belumdapat digunakan sebagai bukti bahwa terdapat hubungan dalam jangka pendek. Sehingga
untuk menentukan variabel mana yang menyebabkan parubahan padavariabel lain, dan untuk menyediakan shortrun dynamic adjustment guna menuju periode jangka
panjang, maka dilakukan perhitungan ECM setelah melakukan uji asumsi klasik terlebih dahulu.
5. Hasil Uji Asumsi Klasik
Suatu model dikatakan baik untuk alat prediksi apabila mempunyai sifat-sifat tidak bias linier terbaik suatu penaksiran atau Best Linier Unbiased Estimator
BLUE. Di samping itu suatu model dikatakan cukup baik dan dapat dipakai untuk memprediksi apabila sudah lolos dari serangkaian uji asumsi klasik yang
melandasinya, pengujian ini dimaksudkan untuk mendeteksi ada tidaknya multikolinieritas, heterokedastisitas, dan autokorelasi di dalam model penelitian. Uji
asumsi klasik dalam penelitian ini terdiri dari:
a. Hasil Uji Multikolinearitas
Uji multikolinieritas dilakukan untuk mengetahui ada tidaknya hubungan korelasi yang signifikan diantara dua atau lebih variabel independen dalam model
regresi. Deteksi adanya multikolinieritas dilakukan dengan menggunakan uji korelasi parsial antar variabel independen. Dengan melihat nilai koefisien korelasi r antara
variabel independen, dapat diputuskan apakah data terkena multikolinieritas atau tidak, yaitu dengan menguji koefisien korelasi antar variabel independen. Hasil
