42
D. Metode Analisis Data
1 Uji Stasioneritas
Langkah pertama pembentukan model vector autoregresion adalah melakukan uji stasioneritas data. Suatu data runtun waktu dikatakan stasioner
jika nilai rata-rata mean, variance, dan autocovariance pada setiap lag adalah tetap sama pada setiap waktu. Jika data time series tidak memenuhi
kriteria tersebut maka data dikatakan tidak stasioner Dengan kata lain data time series dikatakan tidak stasioner jika rata-ratanya maupun variancenya
tidak konstan, berubah-ubah sepanjang waktu time-varying mean and variance Agus Widarjono, 2007.
Stasioneritas dari suatu data runtun waktu menjadi penting karena pengaruhnya pada hasil estimasi regresi. Regresi antara variable-varibel yang
tidak stasioner akan menghasilkan fenomena regresi palsu spurious regression.
Metode dalam melakukan uji stasioneritas terhadap suatu data time series, atau juga sering disebut dengan unit root test, diantaranya adalah metode
Augmented Dickey Fuller Test ADF. Pengujian ini dilakukan dengan cara membandingkan nilai statistik ADF dengan nilai kritis Mackinnon untuk
mengetahui derajat integritas stasioneritas suatu variabel. Suatu variabel dikatakan stasioner jika nilai statistik ADF adalah lebih besar dari nilai kritis
Mackinnon.
43
Y
t
= A
1
Y
t-1
+…+A
p
Y
t-p
+BX
t
+
t
2 Uji Kointegrasi
Jika data tidak stasioner pada tingkat level tetapi stasioner pada proses diferensi data, maka kita harus menguji apakah data tersebut mempunyai
hubungan dalam jangka panjang atau tidak dengan melakukan uji kointegritasi. Kointegrasi adalah suatu hubungan jangka panjang atau
ekuilibrium antara variabel-variabel yang tidak stasioner, dengan kata lain walaupun secara individual variabel-variabel tersebut tidak stasioner, namun
kombinasi linier antara varibel tersebut dapat menjadi stasioner. Dalam penelitian ini, pengujian hubungan kointegritas menggunakan
metode Johansen Cointegration Test. Untuk menjelaskan uji dari Johansen maka digunakan model autoregresif dengan order p sebagai berikut :
Dimana Yt adalah vector k dari variable I1 non-stasioner, X
t
adalah vector d dari variabel deterministik dan e
t
merupakan vector inovasi. Ada tidaknya kointegrasi didasarkan pada uji likehood ratio LR. Jika nilai hitung
LR lebih besar dari nilai kritis LR maka kita menerima adanya kointegrasi sejumlah varibel dan sebaliknya, jika nilai hitung LR lebih kecil dari nilai
kirtisnya maka tidak ada kointegrasi.
3 Vector Auto Regression VAR
Penggunaan pendekatan struktual atas permodelan persamaan simultan biasanya
menerapkan teori
ekonomi didalam
usahanya untuk
mendeskripsikan hubungan antar variabel yang ingin diuji. Akan tetapi sering ditemukan bahwa teori ekonomi saja ternyata tidak cukup kaya didalam
44
3.1 3.1
menyediakan spesifikasi yang ketat dan tepat atas hubungan dinamis antar variabel. Misalnya teorinya terlalu kompleks sehingga simplifikasi harus
dibuat atau sebaliknya fenomena yang ada terlalu kompleks jika hanya dijelaskan dengan teori yang ada.
VAR kemudian muncul sebagai jalan keluar atas permasalahan ini, model VAR dibangun dengan pertimbangan meminimalkan pendekatan teori
dengan tujuan agar mampu menangkap fenomena ekonomi dengan baik. Dengan VAR kita hanya perlu memperhatikan dua hal, yang pertama adalah
kita tidak perlu membedakan mana yang merupakan variabel endogen dan eksogen. Semua variabel baik endogen maupun eksogen yang dipercaya
saling berhubungan seharusnya dimasukan di dalam model. Namun kita juga bisa memasukan variabel eksogen di dalam VAR, dan yang kedua adalah
untuk melihat hubungan antar variabel di dalam VAR kita membutuhkan sejumlah kelambanan variabel yang ada. Kelambanan variabel ini diperlukan
untuk menangkap efek dari variabel tersebut terhadap variabel yang lain di dalam model Agus Widarjono, 2007.
Secara umum model VAR dengan n variabel endogen bisa ditulis sebagai berikut :
Y
t
=
01
+
i 1
Y
1t-i
+
i1
Y
2t-1
+….+
i 1
Y
nt-1
+ e
1t
Y
nt
=
01
+
i 2
Y
1t-i
+
i2
Y
2t-1
+….+
i n
Y
nt-1
+ e
nt
Diperlukan sebuah strategi dalam pembentuka model VAR agar tidak terjadi miss-spesifikasi di dalam pembentukannya. Karenanya estimasi model
45 VAR akan dilakukan dengan tahapan-tahapan berikut secara berurutan.
Terdapat beberapa langkah yang harus dilakukan dalam menggunakan metode ini, pertama akan dilakukan pengujian stasioneritas dari setiap series
yang digunakan di dalam model. Hasil series stasioner akan berujung pada penggunaan VAR dengan metode standar sementara series non stasioner akan
berimplikasi pada dua pilihan VAR, VAR dalam bentuk difference atau VECM Vector Error Correction Model. Penjelasan lebih lanjut mengenai
hal ini adalah sebagai berikut : a
VAR Unrestricted VAR VAR biasa atau tanpa restriksi digunakan jika data yang digunakan di
dalam pembentukan VAR, stasioner di tingkat level. Variasi VAR tanpa restriksi biasanya terjadi akibat adanya perbedaan derajat integrasi
variabelnya. Kedua bentuk VAR akibat adanya perbedaan derajat integritas data variabelnya ketika data yang digunakan memiliki bentuk
stasioner dalam level. Sementara, jika data tidak stasioner dalam level tetapi tidak memiliki hubungan kointegrasi, maka estimasi VAR dapat
dilakukan dalam bentuk difference. b
VECM Restricted VAR Model VECM digunakan di dalam model VAR non struktual apabila data
time series tidak stasioner pada level, tetapi stasioner pada data diferensi dan terkointegrasi sehingga menunjukan adanya hubungan teoritis antar
variabel.
46 Terdapat beberapa penggunaan VAR yang digunakan dalam penelitian
ini, yaitu : 1.
Forecast Error Decomposition of Variance Merupakan prediksi kontribusi persentase varian setiap variabel
karena adanya perubahan variabel tertentu di dalam sistem VAR. 2.
Impulse Response Melacak respon saat ini dan masa depan setiap variabel akibat
perubahan atau shock suatu variabel tertentu Software yang digunakan sebagai alat bantu penelitian adalah Eviews 5.0
dan juga program Microsoft Exel dalam membantu memudahkan pengoperasian software yang digunakan dalam penelitian.
E. Operasional Variable Penelitian
Kategori