Hipotesis nol untuk persamaan 3.6 adalah jika = 0 atau ρ = 1 maka
diperoleh unit root, artinya time series tidak stasioner. Untuk hipotesis alternatif, apabila = 1 atau
ρ = 0, artinya time series adalah stasioner. Seri yang belum stasioner dapat dijadikan stasioner melalui proses diferensiasi. Diferensiasi Y
t
pada derajat pertama I 1 dapat dinyatakan sebagai berikut:
∆
2
Y
t
= β
+ β
1
∆Y
t-1
+
t
………………………………………… 3.6 Jika hipotesis nol
β
1
=0 ditolak, maka dapat disimpulkan bahwa Y
t
telah stasioner pada derajat pertama I 1. Untuk menguji hipotesis nol adalah menaksir
persamaan 3.7 dengan OLS Ordinary Least Square yaitu membagi taksiran koefisien Y
t-1
setiap standard error digunakan untuk menghitung tau statistika dan membandingkannya dengan table DF. Jika nilai mutlak dari statistik tau |
τ| lebih besar dari DF atau Mc. Kinnon maka hipotesis nol ditolak atau time series adalah
stasioner.
3.7. Uji Asumsi Klasik
Uji asumsi klasik adalah persyaratan statistik yang harus dipenuhi pada analisis regresi linier berganda yang berbasis Ordinary Least Square OLS. Pada
prinsipnya model regresi linier yang dibangun sebaiknya tidak boleh menyimpang dari asumsi BLUE Best, Linier, Unbiased dan Estimator. Ada tiga uji asumsi klasik
yang akan dilakukan dalam penelitian ini antara lain:
Universitas Sumatera Utara
1. Uji
Autokorelasi
Uji autokorelasi adalah untuk melihat apakah terjadi korelasi antara suatu periode t dengan periode sebelumnya t -1. Secara sederhana adalah bahwa analisis
regresi adalah untuk melihat pengaruh antara variabel bebas terhadap variabel terikat, jadi tidak boleh ada korelasi antara observasi dengan data observasi
sebelumnya. Uji autokorelasi hanya dilakukan pada data time series runtut waktu dan tidak perlu dilakukan pada data cross section seperti pada kuesioner di
mana pengukuran semua variabel dilakukan secara serempak pada saat yang bersamaan. Untuk mengetahui ada tidaknya autokorelasi pada data maka
dilakukan Breusch-Godfrey test BG test melalui LM test Langrange Multiplier test dan diteruskan dengan pembuktian gambar pada correlogram untuk melihat
apakah ada data yang melewati batas yang digunakan dalam uji Barlett. Kedua uji ini sudah cukup untuk membuktikan apakah data mengandung autokorelasi atau
tidak. Ada tidaknya korelasi dapat dilihat bahwa probability dari ObsR-square hasil
pengujian dengan Breusch-Godfrey: Bila probability
α =5, berarti tidak ada autokorelasi; Bila probability
α = 5, berarti terjadi autokorelasi. Nilai p autoregresif dari BG test tidak dapat ditentukan secara teoritis dan
biasanya ditentukan berdasarkan percobaan Akaike and Schwarz information criteria untuk menentukan panjang tenggang waktu p. Menurut tabel regresi
diatas ditunjukkan bahwa panjang tenggang waktu p=4 pembulatan kebawah.
Universitas Sumatera Utara
2. Uji
Normalitas
Untuk melihat apakah semua error mempunyai distribusi yang normal atau tidak maka perlu dilakukan uji normalitas dengan menggunakan uji Jarque-Bera JB.
Untuk mendeteksi apakah error-nya berdistribusi normal atau tidak kita perlu membandingkan antara nilai Jarque-Bera JB dengan
χ
2
tabel, yaitu:
a. Jika
nilai JB χ
2
tabel, maka error‐nya berdistribusi tidak normal; b.
Jika nilai JB χ
2
tabel, maka error‐nya berdistribusi normal. 3.
Uji Spesifikasi Model Linieritas
Uji spesifikasi model dilakukan melalui Ramsey Reset test untuk mendeteksi apakah model linear atau tidak dengan cara membandingkan F
statistik
dengan F
tabel
yaitu:
a. Jika
nilai F
statistik
F
tabel
maka hipotesis yang menyatakan bahwa model linier, ditolak; b.
Jika nilai F
statistik
F
tabel
maka hipotesis yang menyatakan bahwa model linier, diterima.
3.8. Uji Kointegrasi Johansen Johansen Cointegration Test