depan dengan menggunakan metode peramalan kointegrasi dengan menggunakan data penjualan deret waktu, artinya disajikan berdasarkan
waktu kejadian tanpa menunjukkan faktor-faktor yang mempengaruhinya, sebelumnya harus dianalisis apakah data stasioner atau tidak stasioner,
kemudian akan dilanjutkan dengan memilih model analisis peramalan yang sesuai dengan data tersebut. Hasil peramalan tersebut untuk melihat
hubungan antara komoditas yang satu dengan komoditas lainnya dan digunakan juga untuk menetapkan target penjualan sayuran satu tahun ke
depan, sehingga dapat dijadikan sebagai acuan perusahaan untuk membuat keputusan dan perencanaan strategi pemasaran terbaik di masa yang akan
datang. Data kuantitatif tersebut diolah dengan menggunakan bantuan program Microsoft Excel 2007, Eviews 6, dan Minitab 16.
3.5 Uji Stasioneritas Data
Umumnya data time series bersifat stokastik atau memiliki tren yang tidak stasioner yang artinya data tersebut mengandung akar unit. Supaya
dapat mengestimasi model menggunakan data tersebut maka yang harus dilakukan pada langkah pertama yaitu uji stasioneritas data atau dikenal
dengan unit root test. Bila data yang digunakan mengandung akar unit maka akan sulit untuk mengestimasi suatu model dengan menggunakan data
tersebut sebab tren datanya cenderung berfluktuasi tidak disekitar nilai rata- ratanya. Jadi, dapat disimpulkan bahwa data yang stasioner akan cenderung
untuk mendekati nilai rata-ratanya dan berfluktuasi di sekitar nilai rata- ratanya Gujarati, 2003. Uji akar unit dalam penelitian ini akan dilakukan
dengan menggunakan Augmented Dickey Fuller ADF. Pengujian Augmented Dickey Fuller ADF ini memodelkan pengaruh
autokorelasi pada disturbance memasukkan lag ΔX yang menyebabkan
autokorelasi ke dalam model pengujian Augmented Dickey Fuller sehingga uji hipotesa pada parameter yang diestimasi akan lebih akurat. Bentuk umum
persamaan uji stasioneritas tersebut dapat dituliskan sebagai berikut Enders, 2004:
.................................................1
Dimana: = bentuk dari first different
α = intersep X = variabel yang diuji stasioneritasnya
P = panjang lag yang digunakan dalam model u
t
= residual atau error Hipotesisnya adalah H
mengandung hipotesis bahwa terdapat akar- akar unit, H
1
mengandung hipotesis bahwa tidak terdapat akar-akar unit. Pengujian hipotesis statistik tersebut dilakukan dengan membandingkan ADF
test statistic hasil regresi dengan t-statistik MacKinnon Critical Value 1 persen, 5 persen, 10 persen. Bila ADF test statistic hitung lebih kecil dari
MacKinnon Critical Value, maka H diterima dan H
1
ditolak, tidak cukup bukti untuk menolak hipotesis bahwa di dalam persamaan mengandung akar-
akar unit, artinya data tersebut bersifat tidak stasioner. Tetapi sebaliknya, jika ADF test statistic hitung lebih besar dari MacKinnon Critical Value, maka H
ditolak dan H
1
diterima, karena cukup bukti untuk menolak hipotesis nol bahwa di dalam persamaan mengandung akar-akar unit yang artinya data
bersifat stasioner. Jika hasil dari uji stasioner menunjukkan bahwa data belum stasioner
pada level atau integrasi derajat nol I0, maka untuk memperoleh data yang stasioner dilakukan dengan cara differencing data yaitu dengan mengurangi
data tersebut pada data periode sebelumnya. Data melalui differencing pertama atau first difference akan diperoleh selisih, prosedur ADF dilakukan
untuk menguji data sudah stasioner pada first difference. Apabila pada first difference menghasilkan data yang stasioner, maka data time series tersebut
terintegrasi pada derajat pertama I1 untuk seluruh variabel. Tetapi bila pada first difference data belum stasioner maka dilakukan second difference untuk
menghasilkan data yang stasioner. Hal ini terus dilakukan sehingga diperoleh data yang stasioner.
3.6 Uji Kausalitas Granger
