Vector Autoregression VAR Uji Stasioneritas Data

Jenis data yang digunakan dalam skripsi ini adalah data kuantitatif yaitu berupa laporan penjualan mobil serta data kualitatif yaitu data yang berupa penjelasan dan keterangan-keterangan.

3.4. Pengolahan dan Analisis Data

Data yang dikumpulkan kemudian diolah dan dianalisis, sehingga mampu memberikan gambaran dan penjelasan terhadap permasalahan dalam penelitian ini. Pengolahan dan penganalisaan data diharapkan dapat menguraikan langkah- langkah strategis yang dapat dilakukan perusahaan dalam pemasaran dan penjualan mobil. Metode pengolahan dan analisis data yang digunakan dalam penelitian akan diuraikan secara kualitatif dan kuantitatif. Analisis kualitatif digunakan untuk mengetahui keunggulan kompetitif yang dimiliki. Pengolahan kualitatif juga akan menggambarkan keadaan umum perusahaan. Analisis kuantitatif digunakan untuk meramalkan penjualan mobil Auto 2000 selama satu tahun kedepan dengan menggunakan analisis runtut waktu time series Data penjualan kemudian ditabulasikan dengan bantuan program komputer Microsoft Excel 2007 dan Eviews 6.

3.4.1 Vector Autoregression VAR

Model ekonometri yang sering digunakan dalam analisis makro ekonomi dinamik dan stokastik adalah Vector Autoregession VAR. VAR merupakan suatu sistem persamaan yang memperlihatkan setiap variabel sebagai fungsi dari konstanta dan nilai lag lampau dari variabel itu sendiri serta nilai lag dari variabel yang lain yang ada dalam sistem. Variabel penjelas dalam VAR meliputi nilai lag seluruh variabel tak bebas dalam sistem VAR yang membutuhkan identifikasi retriksi untuk mencapai persamaan melalui interpretasi persamaan. VAR dengan ordo p dan n buah variabel tak bebas pada periode t dapat dimodelkan sebagai berikut : ………….. dimana : : Vektor variabel tak bebas : Vektor intersep berukuran n x 1 : Matriks parameter berukuran n x 1 : Vektor residual 1.t , 2.t , 3.t n x 1 Asumsi yang harus di penuhi dalam analisi VAR adalah semua variabel tidak bersifat stasioner, semua sisaan bersifat white noise, yaitu memiliki rataan nol, ragam konstan dan diantara variabel tak bebas tidak ada korelasi. Uji stasioneritas data dapat dilakukan melalui pengujian terhadap ada tidaknya unit root dalam variabel dengan uji Augmented Dickey Fuller ADF. Adanya unit root akan menghasilkan persamaan regresi yang spurious. Pendeteksian keberadaan kointegrasi ini dapat dilakukan dengan metode Johansen atau Engel-Granger. Jika variabel-variabel tidak terkointegrasi, maka dapat diterapkan VAR standar yang hasilnya akan identik dengan OLS, setelah memastikan variabel tersebut sudah stasioner pada derajat ordo yang sama. Jika pengujian membuktikan terdapat vektor kointegrasi, maka dapat diterapkan ECM untuk single equation atau VECM untuk system equation.

3.4.2 Uji Stasioneritas Data

Salah satu konsep penting yang harus diingat dalam analisa dengan menggunakan data time series adalah kondisi data yang stasioner atau tidak stasioner. Jika estimasi dilakukan dengan menggunakan data yang tidak stasioner maka akan memberikan hasil regresi yang palsu atau disebut sebagai spurious regression Gujarati, 2003. Suporious regression memiliki pengertian bahwa hasil regresi dari satu variabel time series pada satu atau beberapa variabel time series lainnya cenderung untuk menghasilkan kesimpulan hasil estimasi yang bias yang ditunjukkan dengan karakteristik seperti memperoleh hasil R 2 yang sangat tinggi lebih besar dari 0,9 tetapi pada kenyataannya hubungan antara variabel tersebut tidak memiliki arti atau meaningless. Gujarati juga mengatakan bahwa jika R 2 d Dubin Watson statistik, maka kondisi ini merupakan rule of thumb yang baik untuk menduga bahwa hasil estimasi tersebut kemungkinan besar merupakan nonsensesuporious regression. Jika sebuah data time series merupakan data yang stasioner makan studi akan perilaku untuk data tersebut hanya dapat dilakukan untuk periode waktu tertentu Gujarati, 2003. Atau dengan kata lain bahwa setiap bagian dari data time series tersebut merupakan bagian yang terpisah satu sama lain. Sebagai konsekuensi dari kondisi tersebut adalah tidak mungkin untuk melakukan estimasi secara generalisasi pada periode waktu yang berbeda-beda. Gujarati menyebutkan kondisi stochastic process dikatakan stasioner jika rata-rata dan variansnya konstan dalam beberapa periode waktu, dan nilai dari kovarians antara dua waktu yang berbeda tergantung dari lag antara dua periode waktu yang tidak tergantung pada waktu aktual pada saat kovarians dihitung. Bisa juga dikatakan sebagai data time series yang stasioner jika rata-rata, varians dan otokovariansnya dalam berbagai jumlah lag menunjukkan kesamaan saat diukur pada berbagai titik pengukuran. Ada beberapa metode yang dapat digunakan untuk menguji stasioneritas. Dua metode yang paling umum digunakan adalah dengan menggunakan metode pengujian augmented Dickey-Fuller dan metode pengujian Philip-Peron Gujarati, 2003. Asumsi penting yang digunakan dalam pengujian Dickey-Fuller adalah error-nya secara statistik bersifat independen dan mempunyai varians yang konstan. Kemudian metode dasar ini dikembangkan lagi menjadi metode augmented Dickey-Fuller dimana ditambahkan lag pada variabel. Sedangkan metode pengujian Philip-Peron menggunakan metode statistik non-parametrik sehingga untuk mengatasi permasalahan serial korelasi tanpa menambahkan lag. Pengujian Philip-Peron, maka H adalah mengandung unit root yang menunjukkan kondisi tidak stationer. Bentuk persamaan uji stasioneritas tersebut dapat dituliskan sebagai berikut: ∆ =α+ + ∆ + ................................3 dimana: ∆ = Bentuk dari first different = intersep Y = Variabel yang diuji stasioneritasnya P = panjang lag yang digunakan dalam model = error term

3.4.3 Uji Kausalitas Granger Granger Causality