berkembang yaitu internet sehingga data yang diperoleh merupakan data yang sesuai dengan perkembangan zaman.
D. Metode Analisis
1. Uji Stasioneritas
Proses yang bersifat random atau stokastik merupakan kumpulan dari variabel random dalam urutan waktu. Setiap data time series yang kita
punyai merupakan suatu data dari hasil proses stokastik. Suatu data hasil proses random dikatakan stasioner jika memenuhi kriteria, yaitu: jika rata-
rata dan varian konstan sepanjang waktu dan kovarian antara dua data runtun waktu hanya tergantung dari kelambanan antara dua periode waktu
tertentu Agus Widarjono, 2005:354. Salah satu persyaratan penting untuk mengaplikasikan model seri waktu yaitu dipenuhinya asumsi data yang
normal atau stabil stasioner dari variabel-variabel pembentuk persamaan regresi. Karena penggunaan data dalam penelitian ini dimungkinkan
adanya data yang tidak stasioner, maka dalam penelitian ini perlu digunakan beberapa uji stasioner. Dalam melakukan uji stasioneritas,
penulis akan melakukan proses analisis yang terdiri dari :
a. Uji Akar-akar Unit Testing for Unit Root
Uji akar-akar unit dapat dipandang sebagai uji stasioneritas, karena pada intinya uji tersebut mengamati apakah koefisien tertentu
dari model otoregresif yang ditaksir mempunyai nilai satu atau tidak.
Langkah awal yang harus dilakukan pengujian ini adalah menaksir model otoregresif dari masing-masing variabel yang akan digunakan
dalam penelitian dengan OLS. Ada beberapa prosedur untuk melakukan uji akar-akar unit namun yang banyak digunakan adalah
uji Dickey-Fuller DF dan uji Philips Peron. Uji ADF adalah uji yang dikembangkan oleh Dickey-Fuller
untuk menyempurnakan uji DF yang sudah ada sebelumnya. Dalam prakteknya uji ADF inilah yang seringkali digunakan untuk
mendeteksi apakah data stasioner atau tidak. Uji ADF ini dilakukan dengan memasukkan konstanta dan trend. Adapun formulasi uji ADF
adalah sebagai berikut :
k
DY
t
= a + a
1
+ Σ b
1
B
1
DY
t
3.1
i=1 k
DY
t
= c + c
1
T + c
2
BY
t
+ Σ d
1
B
1
DY
t
3.2
i=1
Notasi : DY
t
= Y
t
- Y
t-1
BY
t
= Y
t-1
T = Trend waktu Y
t
= Variabel yang diamati pada waktu t K = Besarnya waktu kelambanan yang dihitung dengan rumus
K = N
13
dengan N adalah jumlah sampel.
Langkah selanjutnya adalah membandingkan nilai t-statistik ADFnya dengan nilai kritis statistik ADF tabel. Nilai ADF
ditunjukkan oleh nilai t pada koefisien regresi BY
t
pada persamaan 3.1 dan 3.2. Bila data yang diamati pada uji akar unit ternyata tidak
statsioner, maka langkah selanjutnya adalah melakukan uji derajat integrasi.
b. Uji Derajat Integrasi Testing for Degree on Integration
Uji ini dilakukan untuk mengetahui pada derajat atau order differensi
ke berapa derajat data yang diteliti akan stasioner. Pengujian ini dilakukan pada uji akar-akar unit langkah pertama di atas, jika
ternyata data tersebut tidak stasioner pada derajat pertama Insukindro, 1992:261. Uji derajat integrasi ini mirip dengan uji akar unit. Untuk
melakukan uji tersebut juga dilakukan penaksiran model otoregresif dengan OLS.
k
D
2
Y
t
= b + b
1
BDY
t
+ Σ f
1
B
1
D
2
Y
t
3.3
i=1 k
D
2
Y
t
= d + d
1
T + d
2
BDY
t
+
Σ
h
1
B
1
D
2
Y
t
3.4
i=1
Di mana D
2
Y
t
= DY
t
- DY
t-1
BDY
t
= DY
t-1
Prosedur untuk menentukan apakah data stasioner atau tidak dengan cara membandingkan antara nilai ADF dengan nilai kritis
distribusi statistik Mackinon. Jika nilai absolut statistik ADF lebih besar dari nilai kritisnya, maka data yang diamati menunjukkan
stasioner dan jika sebaliknya nilai absolut statistik ADF lebih kecil dari nilai kritisnya maka data tidak stasioner. Hal yang krusial dalam
uji ADF adalah menentukan panjangnya kelambanan. Selain uji ADF juga bisa dengan menggunakan uji Philips
Peron untuk menentukan akar unit dan derajat integrasi. Uji PP memasukkan unsur autokorelasi di dalam residual dengan
memasukkan variabel independen berupa kelambanan diferensi. Philips Peron membuat uji akar-akar unit dengan menggunakan
metode statistik non parametik dalam menjelaskan kelambanan diferensi sebagaimana uji ADF. Adapun uji akar-akar unit dari Philips
Peron sebagai berikut : DY
t
= γ Y
t-1
+ e
t
3.5 DY
t
= ao + γY
t-1
+ e
t
3.6 DY
t
= ao + a
2
T + γ Y
t-1
+ e
t
3.7 Keterangan :
T adalah trend waktu Statistik distributif t tidak mengikuti statistik distribusi
normal tetapi mengikuti distribusi PP sedangkan nilai kritisnya digunakan nilai kritis yang dikemukakan oleh Mackinon. Berbeda
dengan uji ADF, dalam menentukan panjangnya lag uji PP
menggunakan truncation lag q dari Newey-West. Agus Widarjono, 2005:361
2. Uji Kointegrasi
Kategori