dalam penelitian ini untuk melihat seberapa besar inovasi dari variabel indeks saham di beberapa negara sebagai variabel endogen.
3.6. Pengujian Pra-Estimasi
Sebelum melakukana estimasi VARVECM, maka ada beberapa tahapan yang harus dilakukan yaitu pengujian pra-estimasi. Pengujian-pengujian tersebut
antara lain uji stasioneritas data, penentuan lag optimal, dan pengujian kointegrasi.
3.6.1. Uji Stasioneritas Data
Data ekonomi time series pada umumnya bersifat stokastik atau memiliki tren yang tidak stasioner artinya data tersebut mengandung akar unit. Untuk dapat
mengestimasi suatu model menggunakan data tersebut maka langkah pertam yang harus dilakukan adalah uji stasioneritas data atau dikenal dengan unit root test.
Apabila data yang digunakan mengandung akar unit maka akan sulit untuk mengestimasi suatu model dengan menggunakan data tersebut karena tren data
tersebut cenderung berfluktuasi tidak di sekitar nilai rata-ratanya. Maka dapat disimpulkan bahwa data yang stasioner akan mempunyai kecenderungan untuk
mendekati nilai rata-ratanya Gujarati, 2003. Uji akar unit akan dilakukan dalam penelitian ini dengan menggunakan Augmented Dickey Fuller ADF.
Cara yang dapat digunakan untuk menguji akar unit adalah metode Dickey-Fuller DF. Misalkan model persamaan time series sebagai berikut Pasaribu, 2003 :
y
t
= y
t-1
+
t
3.3
dimana adalah parameter yang akan diestimasi dan diasumsikan white noise dimana variabel yang digunakan tersebut memiliki mean dan varian yang konstan
dan kovarian sama dengan nol. Jika | | 1, maka y adalah variabel yang tidak stasioner, dan varian dari y akan meningkat sejalan dengan peningkatan waktu
dan cenderung untuk tak berhingga. Jika | | 1, maka y adalah variabel yang stasioner. Karena itu, hipotesis trend stationary dapat dievaluasi dengan menguji
apakah nilai absolut dari betul-betul lebih kecil dari satu. Pengujian umum terhadap hipotesis di atas adalah :
H
o
: = 1 dan hipotesis alternatif H
1
: 1. Kemudian dengan mengurangi kedua sisi persamaan 3 dengan y
t-1
didapat persamaan : y
t
= y
t-1
+
t
3.4 dimana mengindikasikan perbedaan pertama, sedangkan = – 1, sehingga
hipotesis nol menjadi H : = 0, sedangkan hipotesis alternatif menjadi H
1
: 1. Sedangkan model umum dari ADF yang digunakan dalam penelitian ini adalah
sebagai berikut Pasaribu, 2003 : y
t
= k + y
t-1
+ c
1
y
t-2
+ … + c
p t-p
+ trend +
t
3.5 Jika nilai t-statistik ADF lebih kecil daripada t-statistik kritis Mackinnon maka
keputusannya adalah menolak H yang menyatakan bahwa data tidak stasioner
atau dengan kata lain data bersifat stasioner.
3.6.2. Penentuan Lag Optimal