11. Persediaan produksi dan hasil jadi
Hal ini dilakukan karena aktiva bergerak mempunyai nilai yang berubah setiap tahun sehingga selalu berpengaruh pada pandapatannya. Contohnya manfaat yang di
peroleh dari hubungan perdagangan. Investasi biasanya merupakan bentuk penanaman dana perusahaan ke dalam perusahaan lain dalam jangka panjang dalam bentuk
saham, obligasi atau surat berharga lainnya.
2.5 Analisis Regresi
Analisis regresi adalah teknik statistika yang berguna untuk memeriksa dan memodelkan hubungan di antara varibel-variabel. Analisis regresi dapat di gunakan
untuk dua hal pokok yaitu : a
Untuk memperoleh suatu persamaan dan garis yang menunjukkan persamaan hubungan antara dua variabel. Persamaan dan garis yang terdapat disebut
persamaan regresi yang dapat berbentuk linier maupun nonlinier. b
Untuk menaksir satu variabel yang disebut variabel terikat dengan variabel lain yang disebut variabel bebas berdasarkan hubungan yang di tunjukan
persamaan regresi tersebut.
2.6 Model Regresi Linear
Suatu model regresi dari suatu populasi di mana terdapat satu variabel yang dependen dependent variable misalnya Y dan sebanyak k-1 variabel-variabel bebas
independent variables misalnya
k
X X
X ,
, ,
2 1
yang merupakan variabel-variabel yang menentukan nilai Y dapat diyatakan sebagai berikut :
i ki
k i
i i
e X
X X
Y +
+ +
+ +
= β
β β
β
3 3
2 2
1
2.1 i = 1, 2, ... , N
di mana :
1
β
= elemen konstan
Universitas Sumatera Utara
2
β
samapi
k
β = koefisien-koefisien regresi
e = sthocastic disturbance term i = jumlah observasi
N = besar populasi
Persamaan 2.1 dapat dipecah dalam bentuk suatu rangkaian persamaan-persamaan simultan sebanyak N, yaitu sebagai berikut :
N kN
k N
N N
k k
k k
e X
X X
Y e
X X
X Y
e X
X X
Y
+ +
+ +
+ =
+ +
+ +
+ =
+ +
+ +
+ =
β β
β β
β β
β β
β β
β β
3 3
2 2
1 2
2 32
3 22
2 1
2 1
1 31
3 21
2 1
1
2.2
Persamaan 2.2 dapat juga di nyatakan dalam bentuk matrik sebagai berikut :
+
=
N k
kN N
N k
k
e e
e
X X
X X
X X
X X
X
Y Y
Y
N
2 1
2 1
3 2
2 32
22 1
31 21
2 1
1 1
1
β β
β
2.3
Atau e
X Y
+ =
β
Di mana : Y = matriks observasi sebanyak N yang terdiri dari sebanyak k-1 variabel bebas yaitu
k
X X
X ,
, ,
3 2
β
= vektor kolom berdimensi k x 1 yang terdiri dari parameter
k
β β
β ,
, ,
2 1
e = vektor kolom berdimensi Nx1 yang terdiri dari disturbance terms.
2.7 Uji Akar Unit Unit Root Test
Pengujian akar unit ini digunakan untuk melihat apakah data yang diamati stationer atau tidak. Test ini sebenarnya hanya merupakan pelengkap dari analisis VAR,
mengingat tujuan dari analisis VAR adalah untuk menilai adanya hubungan timbal balik di antara variabel-variabel yang diamati, dan bukan test untuk data. Perhatian ini
timbul karena jika ternyata data time-series yang di teliti bersifat non-stationary
Universitas Sumatera Utara
seperti kebanyakan data ekonomi, maka hasil regresi yang berkaitan dengan data time- series ini akan mengandung
2
R yang relatif tinggi dan Durbin-Watson statistics yang rendah seperti yang di kemukakan oleh Granger dan Newbold 1974, 1977. Dengan
kata lain akan timbul masalah yang disebut spurious regression Philips, 1986.
Kestabilan suatu model time-series bermakna terkandung sifat stationary dalam model berikut :
t t
t t
u Y
Y ;
1
µ β
+ =
−
~ NID0,
2
σ 2.4
t = 1,...,n NID0,
2
σ menyatakan adanya normal distribution dengan nilai rata-rata = 0, varian
tetap =
2
σ dan kovarian = 0. Kondisi stationary dalam model 2.4 mengandung
pengertian bahwa
1
β
. Dalam hal ini perlu di lakukan pengujian
null-hypothesis
1 =
β
terhadap
alternatif hypothesis
1
β
. Pengujian
null-hypothesis
tentang akar unit ini diselesaikan dengan menggunakan prosedur Fuller1976 dan Dickey dan
Fuller 1979. Misalkan data
time-series
berbentuk: 1
t t
t
e Y
b Y
1 1
1
+ =
−
2.5 2
t t
t
e Y
b a
Y
2 1
2 2
+ +
=
−
2.6 3
t t
t
e t
c Y
b a
Y
3 3
1 3
3
+ +
+ =
−
2.7
Apabila nilai absolut 1
β
dalam model 2.4 maka nilai
i
b
dari setiap model regresi dari model 2.5 sampai 2.7 di perkirakan bersifat normal dan distribusi
t- statistics
menjadi
i i
i
b se
b t
β −
=
yang akan mendekati
k n
t
−
dimana k bernilai 1, 2 atau 3 tergantung model regresi yang digunakan. Apabila
1 =
β
dan model 2.4 merupakan model yang sebenarnya, maka distribusi empirikal
t-statistics
adalah
i
t
dan bukan
k n
t
−
.
Misalnya, hasil-hasil model 2.5 sampai 2.7 telah diperoleh. Dengan membandingkan
t-statistics
yang tertera dalam table Dickey-Fuller dan yang dihitung melalui regresi masing-masing, kita dapat mengambil kesimpulan mengenai
keberadaan
unit root
. Untuk ini ada tiga jejeran distribusi
t-statistics
dalam model
Universitas Sumatera Utara
Dickey-Fuller yaitu masing-masing untuk model regresi tanpa intercept, untuk model regresi dengan intercept dan untuk model regresi dengan intercept dan trend waktu.
Masing-masing t-statistic ini dinyatakan dengan symbol-simbol
∧ ∧
µ
τ τ
, dan
τ
τ
∧
dalam tabel Dickey-Fuller. Melalui tabel Dickey-Fuller kita akan menolak null-hypothesis
yang menyatakan adanya sifat stationary apabila nilai t-statistics yang di peroleh berkaitan dengan koefisien regresi model ini lebih kecil daripada nilai t-statistics pada
tingkat signifikan 1 , 5 dan 10.
Prosedur pengujian Dickey dan Fuller tidak berubah apabila kita ingin menguji model regresi yang mengandung higher order autoregressive processes. Misalnya,
kita ingin menguji unit root model regresi yang berikut:
∑
− =
− −
+ ∆
+ =
∆
1 1
1 p
j t
j t
j t
t
Y Y
Y ε
α α
Dimana :
∑
+ =
− =
− =
p j
k k
j
p j
1
1 ,...,
2 ,
1 ,
α α
Dan
∑
= −
=
p k
k 1
1
α α
Distribusi t-statistics berkaitan dengan
1 −
t
Y adalah sama dengan yang tertera
dalam table Dickey-Fuller untuk model regresi yang mengandung AR1. Pengujian dalam model ini disebut pengujian Dickey-Fuller yang diperluas Augmented Dickey-
Fuller Test.
2.8 Likelihood Ratio Test