3.5.1 Metode Analisis Ordinary Least Square OLS
Adapun persamaan model estimasinya adalah sebagai berikut: Y=fX
1,
X
2,
X
3
……………………………………………………..2 Kemudian dibentuk dalam model ekonometrika dengan regresi linier berganda
dengan model persamaan semi log sebagai berikut: Log Y =
………………………………. 3 Dimana :
Log Y = Jumlah kredit milyar rupiah
= Intercept X
1
= Inflasi X
2
= Tingkat suku bunga kredit X
3
= Giro wajib minimum = Koefisisen regresi
= Error term
3.5.2 Metode Analisis Kointegrasi
Metode analisis dalam penelitian ini adalah Cointegration test. Cointegration test bertujuan untuk melihat hubungan jangka panjang antara giro
wajib minimum, tingkat suku bunga dan inflasi terhadap pertumbuhan kredit di Sumatera Utara.
Dalam kaitannya dalam metode tersebut maka pengujian terhadap perilaku data runtun waktu time series dan integrasinya dapat dipandang sebagai uji
prasyarat bagi yang digunakannya metode Cointegration test. Sebelum dilakukan ε
β β
β α
+ +
+ +
3 3
2 2
1 1
X X
X
α
3 2
1
β β
β ε
Universitas Sumatera Utara
estimasi model tersebut, maka terlebih dahulu dilakukan langkah – langkah sebagai berikut :
3.5.2.1 Uji Akar Unit Unit Root Test
Pengujian ini merupakan uji stasioneritas. Prinsip dari Uji Akar Unit Unit Root Test dari Dickey Fuller ini adalah mengamati atau mendeteksi stasioneritas
data time series yang diteliti. Adapun formula dari uji Augmented Dickey Fuller ADF adalah seperti persamaan berikut :
= ……………………….4
Dimana : T
= Trend Waktu = Variabel yang dimati pada periode t
B = Operasi kelambatan waktu kehulu backwar lag operator
D = Perbedaan atau differensiasi
Kemudian dari hasil regresi persamaan diatas diperoleh nilai statistik ADF Augmented Dickey Fuller. Dengan melihat nilai statistik dari koefisien
pada persamaan 4 dan bila dibandingkan dengan tabel ADF nilai kritis dan Mackinno dapat diambil sebuah kesimpulan. Jika nilai statistik dari koefisien
lebih besar dari nilai tabel ADF maka data tersebut stasioner. Dan apabila data tersebut tidak stasioner maka harus diciptakan variabel
baru dengan cara first difference. Lalu dilakukan kembali uji akar unit. Uji ini bertujuan untuk melihat validitas data, dan bila data sudah stasioner maka dapat
dilihat hubungan jangka panjangnya. Sedangkan untuk uji Philip Perron PP adalah :
t
DX
t t
p i
i t
DX a
x
ε β
γ +
+ +
− =
−
∑
1 1
1
t
X
t
BX
t
BX
Universitas Sumatera Utara
= a + …………………………………..5
Dimana : D adalah perbedaan atau differensiasi Kedua uji dilakukan dengan hipotesis null
untuk ADF dan untuk PP. Stasioner tidaknya data didasrkan pada perbandingan nilai statistik
ADF dan PP yang diperoleh dari nilai t hitung koefisien dan
dengan nilai statistik dari Mackinnon. Jika nilai absolut statistik ADF dan PP lebih beasr dari
nilai kritis Mackinnon maka data stasioner dan jika sebaliknya maka data tidak stasioner.
3.5.2.2 Uji Kointegrasi Cointegration Test
Kadangkala dijumpai dua variabel random yang masing – masing merupakan random walk tidak stasioner, tetapi kombinasi antara dua variabel
tersebut merupakan data time series yang stasioner. Uji kointegrasi bertujuan untuk mengetahui hubungan keseimbangan dalam
jangka panjang antara giro wajib minimum, suku bungan dan inflasi dengan pertumbuhan kredit. Uji ini dapat dilakukan dengan cara Uji Engle-Granger atau
Uji Augmented Engle-Granger. Uji ini dilakukan dengan memanfaatkan Uji DF- ADF. Adapun langkah – langkah yang diperlukan untuk melakukan pengujian
AEG Augmented Engle-Granger ini adalah : •
Lakukan estimasi model •
Dapatkan residual dari model tersebut •
Uji apakah residual tersebut sudah stasioner. Apabila residualnya telah stasioner, berarti ada kointegrasi.
t
DY
t t
Y ε
λ +
−1
=
γ 1
= λ
γ λ
Universitas Sumatera Utara
Tetapi apabila data runtun waktu yang diperoleh tidak stasioner atau memiliki akar unit, maka untuk merubahnya menjadi stasioner maka dapat
dilakukan perbedaan tahap pertama first difference. Kemudian lakukan pengujian akar unit dengan kembali melihat ADF statistiknya. Apabila data
runtun waktu sudah stasioner maka dapat dikatakan bahwa data tersebut stasioner pada derajat intergrasi pertama atau sering ditulis dengan I1. Sedangkan apabila
data telah stasioner pada level disebut stasioner pada derajat integrasi 0 atau ditulis dengan I0.
stasioner : …………………………………….6
Kemudian model tersebut dapat diubah sedikit menjadi: …………………………………….7
Atau …………………………………… 8
Sehingga nilai rata – rata dari perbedaan pertama first different bernilai nol
atau = 0 dan Var
maka model tersebut menjadi stasioner . model inilah yang disebut dengan metode stationary difference pembedaan
stasioner.
t t
t
µ +
Υ =
Υ
−1
t t
t
µ =
Υ −
Υ
−1
t t
µ =
∆Υ
t
Υ
t
∆Υ Ε
2
σ
= ∆Υ
t
Universitas Sumatera Utara
3.6 Test Goodness of Fit Uji Kesesuaian