1. Pola data Horizontal terjadi saat data observasi berfluktuasi di sekitaran suatu nilai konstan atau mean yang membentuk garis horizontal. Data ini disebut juga
dengan data stasioner. Contoh plot data horizontal yaitu berupa plot data penjualan. Jumlah penjualan selalu meningkat atau menurun pada suatu nilai
konstan secara konsisten dari waktu ke waktu. 2. Pola data trend terjadi bilamana data pengamatan mengalami kenaikan atau
penurunan selama periode jangka panjang. Suatu data pengamatan yang mempunyai trend disebut data nonstasioner. Plot data trend dicontohkan yaitu
berupa data harga suatu produk yang meningkat dari tahun ke tahun. 3. Pola data musiman terjadi bilamana suatu deret dipengaruhi oleh faktor
musiman. Pola data musiman dapat mempunyai pola musim yang berulang dari periode ke periode berikutnya. Misalnya pola yang berulang setiap bulantertentu,
tahun tertentu atau pada minggu tertentu. Contoh dari data musiman yaitu plot suplai bahan makanan tiap bulan. Dari plot tersebut terlihat bahwa terjadi pola
yang berulang setiap periode dua belas bulan, sehingga bisa disimpulkan bahwa data tersebut merupakan pola data musiman.
4. Pola data siklis terjadi bilamana deret data dipengaruhi oleh fluktuasi ekonomi jangka panjang seperti yang berhubungan dengan siklus bisnis
.
Misalnya pada penjualan baja, emas dan komoditi lainnya.
2. Uji Stationary Unit Root Test
Sebelum melakukan analisis regresi dengan menggunakan data time series, perlu diuji stationary terhadap seluruh variabel untuk mengetahui apakah variabel-
variabel tersebut stationary atau tidak. Suatu series dikatakan stationary apabila rata-rata,varian dan autocovariance nilainya konstan dari waktu ke waktu.
Dalam analisis time series, informasi apakah data bersifat stasionary merupakan hal yang sangat penting. Variabel-variabel ekonomi yang terus menerus
meningkat sepanjang waktu adalah contoh dari variabel yang tidak stasioner. Dalam metode OLS, mengikutsertakan variabel yang non stasioner dalam
persamaan mengakibatkan standard error yang dihasilkan menjadi bias dan menghasilkan kesimpulan yang tidak benar. Banyak ditemukan bahwa koefisien
estimasi signifikan tetapi sesungguh nya tidak ada hubungan sama sekali, terdapat beberapa metode pengujian unit root,
Salah satu konsep formal yang dipakai untuk mengetahui stasioneritas data adalah melalui uji akar unit unit root test. Uji ini merupakan pengujian yang populer,
dikembangkan oleh David Dickey dan Wayne Fuller dengan sebutan Augmented Dickey- Fuller ADF Test. Jika suatu data time series tidak stasioner pada orde
nol, I0 atau tingkat level, maka stasioneritas data tersebut bisa dicari melalui order berikutnya sehingga diperoleh tingkat stasioneritas pada order ke-n
firstdifference atau I1, atau second difference atau I2, dan seterusnya.
Hipotesis untuk pengujian ini adalah : H0 : δ = 0 terdapat unit root, tidak stasioner
H1 : δ ≠ 0 tidak terdapat unit root, stasioner Seluruh data yang digunakan dalam regresi dilakukan uji akar unit
denganberpatokan pada nilai batas kritis ADF. Hasil uji akar unit dengan
membandingkan hasil t-hitung dengan nilai kritis McKinnon. Jika hasil uji menolak hipotesis adanya unit root untuk semua variabel, berarti semua adalah
stasioner atau dengan kata lain, variabel-variabel terkointegrasi pada I 0 atau tingkat level, sehingga estimasi akan dilakukan dengan menggunakan regresi
linier biasa OLS. Jika hasil uji unit root terhadap level dari variabel-variabel menerima hipotesis adanya unit root, berarti semua data adalah tidak stasioner
atau semua data terintegrasi pada orde I 1. Jika semua variabel adalah tidak stasioner, estimasi terhadap model dapat dilakukan dengan teknik kointegrasi.
3. Uji Kointegrasi
Keberadaan variabel yang tidak stasioner menyebabkan kemungkinan besar adanya hubungan jangka panjang antara variabel. Konsep kointegrasi adalah
hubungan linier antar variabel yang tidak stasioner. Salah satu catatan penting mengenai kointegrasi adalah seluruh variabel harus terintegrasi pada orde atau
level yang sama. Jika ada dua variabel yang terintegrasi pada orde yang berbeda, maka kedua variabel ini tidak mungkin berkointegrasi Enders, 1995.
Jadi sebelum melakukan uji kointegrasi, seluruh variabel harus terintegrasi pada orde yang sama. Uji kointegrasi adalah uji ada tidaknya hubungan jangka panjang
antara variabel bebas dan variabel terikat. Uji ini merupakan kelanjutan dari uji stationary, tujuan utama uji kointegrasi ini adalah untuk mengetahui apakah
residual terkointegrasi stationary atau tidak. Apabila variabel terkointegrasi maka terdapat hubungan yang stabil dalam jangka panjang. Sebaliknya jika tidak
terdapat kointegrasi antar variabel maka implikasi tidak adanya keterkaitan
