13 : data mengandung unit root
: data tidak mengandung unit root Jika nilai t-statistik ADF lebih kecil dari nilai kritis McKinnon, maka
terima dan tolak
yang berarti series mengandung unit root atau dengan kata lain series tidak stasioner. Sedangkan dari uji probabilitas jika nilai
probabilitasnya kurang dari 0.05 maka kita menolak yang berarti series
mengandung unit root atau dengan kata lain series tidak stasioner, dan menerima
yang berarti series tidak mengandung unit root atau dengan kata lain series sudah stasioner. Sedangkan untuk pengujian unit root lainnya
adalah dengan menggunakan pendekatan uji Phillip Peron yang merupakan pengembangan uji DF dengan memperbolehkan asumsi adanya distribusi
error [4].
2.6 Penentuan Panjang Lag
Pengujian kestasioneran dalam analisis ARCH-GARCH membutuhkan informasi mengenai panjang lag yang akan digunakan dalam model. Dalam
menentukan panjang lag dimana lag adalah periode waktu antara dua kejadian atau peristiwa, tentunya diinginkan suatu kondisi di mana lag yang digunakan
cukup panjang sehingga dapat menangkap sepenuhnya dinamika dari sistem yang dimodelkan. Namun dengan menggunakan panjang lag yang terpanjang
maka akan semakin banyak pula jumlah parameter yang harus diestimasi dan semakin sedikit derajat kebebasannya. Sehingga kita akan menghadapi trade
off antara mempunyai jumlah lag yang memadai dengan mempunyai derajat bebas yang cukup. Oleh karena itu, untuk mengatasi hal tersebut digunakanlah
14 penentuan panjang lag dengan menggunakan Akaike Information Criterion
AIC dan Schwartz Information Criterion SIC atau lebih dikenal dengan Schwartz Bayesian Criterion SBC. Dengan nilai AIC ditentukan oleh:
2.3 dan nilai SBC ditentukan oleh:
2.4 dengan:
n : jumlah parameter estimasi T : jumlah observasi yang dapat digunakan
AIC dan SBC merupakan ukuran baik buruknya kecocokan yang mengoreksi karena derajat kebebasan akan berkurang jika lag-lag
ditambahkan ke dalam suatu model. Metode ini digunakan untuk memilih model dengan panjang lag yang paling cocok. Suatu model dengan panjang
lag n katakan model A dikatakan lebih baik daripada model dengan panjang lag m katakan model B, jika nilai AIC ataupun SBC dari model A lebih kecil
daripada model B [5]. Kriteria model yang terbaik adalah memiliki ukuran kebaikan model
yang baik dan koefisien yang nyata. Ukuran yang digunakan sebagai indikator kebaikan model untuk model GARCH sebagai berikut:
a. Akaike’s Information Criterion
k AIC
2 2
2.5
b. Schwarz information Criterion
15
T T
k T
SIC log
2
2.6
dimana
R R
log 2
log 1
2
2.7
dengan: k : banyaknya parameter
T : banyaknya pengamatan
: nilai log fungsi kemungkinan
:
jumlah kuadrat sisaan R : banyaknya sisaanresidual.
Sehingga model terbaik adalah jika AIC dan SIC minimum dan koefisien model signifikan [1].
2.7 Model ARCH-GARCH
