Akan tetapi, jika nilainya lebih kecil maka uji derajat integrasi perlu dilanjutkan pada diferensi yang lebih tinggi sehingga diperoleh data yang stasioner.
Langkah-langkah pengujian sebagai berikut: Hipotesis:
Ho : Data tersebut tidak stasioner pada derajat 1, 2, ........ dan seterusnya. Ha : Data tersebut stasioner pada derajat 1, 2, .........dan seterusnya.
Pengambilan keputusan dilakukan dengan kriteria:
Jika ADF test statistik ADF table critical value α = 5 maka Ho ditolak, data stasioner pada derajat 1, 2, ……dan seterusnya.
Jika ADF test statistik ADF table critical value α = 5 maka Ha
ditolak, data tidak stasioner pada derajat 1, 2, ……dan seterusnya.
3. Uji Kointegrasi
Uji kointegrasi merupakan kelanjutan dari uji akar unit. Tujuan dilakukannya uji kointegrasi adalah untuk mengkaji stasioneritas residual regresi
kointegrasi. Stasioneritas penting jika ingin mengembangkan suatu model dinamis, terutama ECM yang mencakup variabel-variabel kunci pada regresi
kointegrasi terikat. Pada umumnya data time series tidak stasioner pada level atau
mengandung unit root, bila data tersebut sudah stasioner pada ordo yang sama, misalnya 11 maka dapat dilakukan uji kointegrasi untuk melihat apakah terdapat
adanya hubungan keseimbangan antara variabel-variabel tersebut dalam jangka panjang.
Langkah-langkah pengujian sebagai berikut:
Hipotesis: Ho : Tidak terdapat hubungan jangka panjang antara variabel independent
dan variabel dependent. Ha : Terdapat hubungan jangka panjang antara variabel independent dan
variabel dependent. Pengambilan keputusan dilakukan dengan kriteria:
Jika ADF test statistik ADF tabel critical value α = 5 maka Ho
ditolak, terdapat hubungan jangka panjang antara variabel independent dan variabel dependen
Jika ADF test statistik ADF tabel critical value α = 5 maka Ha
ditolak, tidak terdapat hubungan jangka panjang antara variabel independent dan variabel dependent.
4. Uji Asumsi Klasik
a. Uji Normalitas
Uji normalitas digunakan untuk menguji apakah dalam sebuah model regresi variabel terikat dan variabel bebasnya mempunyai model regresi yang
baik. Model regresi yang baik adalah jika distribusi data normal atau mendekati normal. Pengujian dilakukan dengan menggunakan Uji Jargue-Bera Test atau J-B
test. Langkah-langkah pengujian sebagai berikut:
Hipotesis Ho: residual berdistribusi tidak normal
Ha: residual berdistribusi normal
Pengambilan keputusan dilakukan dengan kriteria: Bila probabilitas obsR
2
0.05 maka signifikan, Ho ditolak distribusi data normal
Bila probabilitas obsR
2
0.05 maka tidak signifikan Ha ditolak distribusi data tidak normal
b. Uji Linieritas
Uji yang sangat populer untuk menguji masalah linieritas adalah uji yang dikembangkan oleh J.B Ramsey tahun 1969 untuk lebih dikenal dengan nama
Ramsey RESET test. Uji ini biasanya didesain untuk menguji apakah suatu variabel penjelas cocok atau tidak dimasukan dalam suatu model estimasi. Akan
tetapi menurut Kennedy 1996 uji yang dikembangkan oleh J.B Ramsey ini digunakan untuk menguji apakah bentuk fungsi suatu model estimasi linier atau
tidak linier. Langkah-langkah pengujian sebagai berikut:
Hipotesis Ho: model tidak linier
Ha: model linier Pengambilan keputusan dilakukan dengan kriteria:
Bila probabilitas obsR
2
0.05 maka signifikan, Ho ditolak model linier Bila probabilitas obsR
2
0.05 maka tidak signifikan Ha ditolak model tidak linier
c. Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah pada model regresi ditemukan adanya hubungan linier yang sempurna antara semua variabel bebas.
Jika terjadi hubungan linear yang sempurna maka terdapat problem multikolinearitas. Model regresi yang baik seharusnya tidak terjadi hubungan
yang linear diantara variabel bebasnya. Menurut Montgomery dan Hinies dalam blog Dicky Rahardiyantoro
2006 dijelaskan bahwa multikolinearitas data mengakibatkan koefisien regresi yang dihasilkan oleh analisis regresi berganda menjadi sangat lemah atau tidak
dapat memberikan hasil analisis yang mewakili sifat atau pengaruh dari variable bebas yang bersangkutan. Dalam banyak masalah multikolinearitas dapat
menyebabkan uji t menjadi tidak siginifikan. Pengujian dilakukan dengan menggunakan matriks korelasi Corelation
Matrix. Dengan langkah pengujian sebagai berikut:
Hipotesis: Ho: tidak bersifat Multikolinearitas
Ha: bersifat Multikolinearitas Pengambilan keputusan dilakukan dengan kriteria:
Bila hubungan antara X
1
dan X
2
0.8 → Ho ditolak, model bersifat
multikolinearitas Bila hubungan antara X
1
dan X
2
0.8 → Ho diterima, model tidak bersifat
multikolinieritas
d. Uji Heteroskedastisitas
Uji heteroskedastisitas dilakukan untuk menguji apakah dalam sebuah model regresi terjadi ketidaksamaan varian dari residual satu pengamatan ke
pengamatan lain. Jika nilai dari variannya tetap maka disebut homoskedastisitas,
sedangkan jika variannya berbeda disebut heteroskedastisitas, dimana model
regresi yang baik adalah yang tidak terjadi heteroskedastisitas.
Pendeteksian heteroskedastisitas dapat dilakukan melalui Uji White. Dengan langkah-langkah pengujian sebagai berikut:
Hipotesis; Ho: tidak terjadi Heteroskedastisitas
Ha: Terjadi Heteroskedastisitas Pengambilan keputusan dilakukan dengan kriteria:
Bila probabilitas ObsR
2
0.05 → Ho ditolak, terjadi heteroskedatisitas
Bila probabilitas ObsR
2
0.05 → Ho diterima, tidak terjadi
heteroskedatisitas
e. Uji autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam sebuah model regresi liniear terdapat korelasi atau tidak.
Model regresi yang baik adalah model regresi yang tidak terdapat problem autokorelasi.
Pengambilan keputusan ada tidaknya autokorelasi adalah sebagai berikut : a.
Bila D-W di bawah -2 berarti terdapat autokorelasi positif. b.
Bila D-W diantara -2 s.d. +2 tidak terdapat autokorelasi. c.
Bila D-W di atas +2 terdapat autokorelasi negatif. Untuk mengetahui ada atau tidaknya penyakit autokorelasi dalam suatu
model, dapat dilihat dari nilai statistik Durbin-Watson.
Tabel 3.1 Uji Durbin-Watson
Ada autokorelasi
positif Tidak dapat
diputuskan Tidak ada
autokorelasi Tidak
dapat diputuskan
Ada autokorelasi
negatif
dl du 2 4-du 4-dl 4
1.10 1.54 2.46 2.90
Langkah-langkah pengujian sebagai berikut: Hipotesis:
Ho: tidak terdapat Autokorelasi Ha: Terdapat Autokorelasi
Pengambilan keputusan dilakukan dengan kriteria: Bila nilai DW tidak berada antara 1.54 – 2.46
→ Ho ditolak, model terdapat autokorelasi
Bila nilai DW berada antara 1.54 – 2.46 → Ho diterima, model tidak
terdapat autokorelasi Selain dengan menggunakan uji Durbin Watson, untuk melihat ada
tidaknya penyakit autokorelasi dapat juga digunakan uji Langrange Multiplier LM Test dengan membandingkan nilai probabilitas R-Squared dengan
α = 0.05 Gujarati: 2006
Langkah-langkah pengujian sebagai berikut: Hipotesis:
Ho: tidak terjadi Autokorelasi Ha: Terjadi Autokorelasi
Pengambilan keputusan dilakukan dengan kriteria: Bila probabilitas ObsR
2
0.05 → Ho ditolak, terjadi autokorelasi
Bila probabilitas ObsR
2
0.05 → Ho diterima, tidak terjadi autokorelasi
5. Uji