Prosedur untuk mengetahui data stasioner atau tidak dengan cara membandingkan antara nilai statistik ADF dengan nilai kritis distribusi MacKinnon.
Nilai statistik ADF ditunjukkan oleh nilai t statistik koefisien ãYt-1 pada persamaan 3.4 sd 3.6. Jika nilai absolut statistik ADF lebih besar dari nila kritisnya, maka data
yang diamati menunjukkan stasioner dan jika sebaliknya nilai statistik ADF lebih kecil dari nilai kritisnya maka data tidak stasioner. Hal penting dalam uji ADF adalah
menentukan panjangnya kelambanan. Panjangnya kelambanan bisa ditentukan berdasarkan kriteria AIC Akaike Information Criterion ataupun SC Schwarz
Information Criterion. Nilai AIC dan SIC yang paling rendah dari sebuah model akan menunjukkan model tersebut yang paling tepat Pratomo dan Hidayat, 2007.
3.3.2. Uji Kointegrasi
Regresi yang menggunakan data time series yang tidak stasioner kemungkinan besar akan menghasilkan regresi lancung. Regresi lancung terjadi jika
koefisien determinasi cukup tinggi tapi hubungan antara variabel independen dan variabel dependen tidak mempunyai makna. Hal ini terjadi karena hubungan
keduanya yang merupakan data time series hanya menunjukkan tren saja. Secara umum bisa dikatakan bahwa jika data time series Y dan X tidak stasioner pada
tingkat level tetapi menjadi stasioner pada diferensi difference yang sama yaitu Y adalah Id dan X adalah Id di mana d tingkat diferensi yang sama maka kedua data
adalah terkointegrasi mempunyai hubungan dalam jangka panjang. Uji kointegrasi ada berbagai macam namun untuk uji dengan beberapa vektor uji yang sering
digunakan adalah uji Johansen.
Universitas Sumatera Utara
Setelah diketahui bahwa baik data inflasi dan pengguran keduanya stasioner, maka selanjutnya akan diuji apakah ada hubungan keseimbangan jangka panjang
antara dua variabel tersebut. Granger 1988 menjelaskan bahwa jika dua variabel berintegrasi pada derajat satu, I 1 dan berkointegrasi maka paling tidak pasti ada
satu arah kausalitas Granger. Berdasarkan teorema representasi Granger Engle, Granger, 1987, dinyatakan bahwa jika suatu vektor n I 1 dari data runtut waktu Xt
berkointegrasi dengan vektor kointegrasi, maka ada representasi koreksi kesalahan atau secara matematis dapat dinyatakan dengan:
A L .Xt = -ãáXt-1 + âL åt 7
. 3
Di mana: A L adalah matrik polinomial dalam lag operator dengan A0 = I; ã adalah nx1 vektor konstanta yang tidak sama dengan nol; âL adalah skalar
polinomial dalam L; dan åt adalah vektor dari variabel kesalahan error yang bersuara resik white noise. Dalam jangka pendek adanya penyimpangan dari
keseimbangan jangka panjang á’X=0 akan berpengaruh terhadap perubahan Xt dan akan menyesuaikan kembali menuju keseimbangan. Uji kointegrasi yang akan
digunakan di sini menggunakan prosedur uji kointegrasi Johansen-Juselius 1990. Dalam tulisan ini, prosedur Johansen-Juselius diaplikasikan untuk sistem persamaan
bivariat dengan inflasi dan pertumbuhan ekonomi sebagai variabel dependen dalam bentuk vector autoregressive AR yang meliput sampai ñ lag dari variabel Xt:
Xt : Ð1Xt-1 + Ð2Xt-2+.... ÐpXt-p+åt 8
. 3
Di mana: Xt adalah vektor 2X1 dari I1; Ðt adalah 2x2 matrik parameter dan åt~I
Universitas Sumatera Utara
N0, å. Keseimbangan jangka panjangnya ditentukan oleh:
ÐX = 0 9
. 3
Di mana Ð adalah matrik koefisien jangka panjang yang ditentukan oleh: I – Ð1 – Ð2 - ........- Ðp = Ð
10 .
3 Rank r dari Ð menentukan banyaknya vektor kointegrasi yang ada antara inflasi
dan pengangguran. Dalam kasus bivariate kointegrasi ada jika r sama dengan 1. Jika matrik Ð adalah hasil dari dua matrik 2X1, atau : Ð = ãá’. Kemudian, jika inflasi
dan pengangguran berkointegrasi maka vektor kointegrasi yang unik adalah á dan koefisien ã menunjukkan kecepatan penyesuaian menuju keseimbangan. Hipotesis
yang akan diuji adalah dalam sistem persamaan paling sedikit satu vektor kointegrasi antara inflasi dan pengangguran Johansen menyarankan dua pengujian untuk
menentukan banyaknya vektor kointegrasi. Dua uji tersebut adalah trace test dan maximum eigenvalue statistic. Johansen trace statistic atau juga dikenal sebagai test
statistik LR Likelihood Ratio untuk menguji hipotesis Ho: r1 terhadap Ha: r=0, yang dirumuskan dalam persamaan:
Trace test Qr = -nåln1-ëi 11
. 3
Di mana ëi adalah korelasi kuadrat antara Xt-p dan Xt yang merupakan koreksi terhadap pengaruh proses lagged differences variabel X.
Alternatif uji kointegrasi dari Johansen adalah dengan menggunakan maximum eigenvalue statistic yang dapat dihitung dari trace statistic, yaitu:
Universitas Sumatera Utara
Q
max
= -nln1 – ëi = Q
r
– Q
r+1
12 .
3 Ada tidaknya kointegrasi didasarkan pada uji Trace Statistic dan Maksimum
Eigenvalue. Apabila nilai hitung Trace Statistic dan Maksimum Eigenvalue lebih besar daripada nilai kritisnya, maka terdapat kointegrasi pada sejumlah variabel,
sebaliknya jika nilai hitung Trace Statistic dan Maksimum Eigenvalue lebih kecil daripada nilai kritisnya maka tidak terdapat kointegrasi. Nilai kritis yang digunakan
adalah yang dikembangkan oleh Osterwald-Lenum.
3.4. Model Analisis
