Dimana : Y
= Pertumbuhan Ekonomi PDRB Harga konstan jutaan rupiah
α = Intercept
LX
1
= Pengeluaran Pemerintah jutaan Rupiah
LX
2
= Pengeluaran konsumsi jutaan Rupiah
LX
3
= Investasi swasta jutaan Rupiah
β
1
,β
2,
β
3
= Koefisien Regresi
µ =
Term of error kesalahan pengganggu
3.6 Uji Akar Unit
Uji ini digunakan untuk melihat apakah data runtun waktu yang dianalisis berbentuk stasioner atau tidak, karena apabila data tidak stasioner maka akan
menimbulkan permasalahan. Uji ini sangat popular dan dikenalkan David Dickey dan Wayne Fuller.
Untuk lebih mempermudah pemahaman dari pengujian akar unit, kita mulai dari persamaan berikut:
Yt = ρY
t-1
+ µ
t
-1 Dimana
t
adalah white noise error term. Jika nilai
ρ =1, dalam kasus uji akar unit, persamaan di atas menjadi model random walk yang artinya data tidak stasioner. Selanjutnya dalam proses
pengujian akar unit, dilakukan manipulasi yaitu dengan mengurangkan masing-
Universitas Sumatera Utara
masing sisi kiri dan kanan dari persaman diatas dengan Y
t-1
, sehingga kita memperoleh persamaan:
Y
t
– Y
t-1
= ρY
t-1 -
– Y
t-1
+ µ1 Y
t
– Y
t-1
= ρ-1Y
t-1
+ µ1 Secara alternatif juga dapat ditulis sebagai berikut:
∆Y
t
=
t-1
+µ
t
Dimana dan tanda ‘
∆’ menunjukan simbol pembedaan pertama first difference.
Selanjutnya dilakukan pengujian atas hipotesis ini: H0 :
Ha : Jika tidak menolak hipotesis nol, berarti
maka nilai Data yang dianalisis memiliki unit root. Hal ini dapat disimpulkan bahwa data
runtun waktu Y
t
adalah tidak stasioner. Dalam menganalisis menggunakan hipotesis seperti diatas, Dickey dan
Fuller menggunakan uji-t terhadap hipotesisnya yang mengikuti statistik tau.
Statistik ini kemudian dikembangkan lebih lanjut oleh MCkinon. Proses pengujian ini dapat diperoleh dalam eviews. Wahyu dan Paidi ,2007
Universitas Sumatera Utara
3.7 Uji Derajat Integrasi
Apabila data yang telah diamati pada uji akar unit ternyata “tidak stasioner”, maka langkah selanjutnya adalah melakukan uji derajat integrasi. Uji
ini dilakukan untuk mengetahui pada derajat integrasi berapakah data yang diamati stasioner. Pengujian ini merupakan perluasan dari uji akar-akar unit yang
ditafsir dengan model autoregresif dengan metode OLS sbb :
k
D2X
t
= e + e
1
BDX
t
+ Σ f
i
B
i
D2X
t
………………………………….1.3
i=1 k
D2X
t
= g + g
1
T + g
2
BDX
t
+ Σ h
1
B
i
D2X
t
…………………………….1.4
i=1
Dan dapat diperoleh dari persamaan 1.3 dan 1.4 diatas adalah sbb: D2X
t
= DX
t
– DX
t-1
BDX = DX
t-1
Dimana : t
= Trend waktu X
t
= Variabel yang diamati pada periode t B
= Operasi kelambanan waktu kehulu t-1 Dari hasil regresi persamaan diatas diperoleh nilai ADF statistik dari
BDXt. Hasil ini kemudian dibandingkan nilai kritis Mackinnon. Jika nilai ADF statistik lebih besar daripada nilai kritis Mackinnon pada derajat kepercayaan
berapapun, maka dapat disimpulkan bahwa data tersebut adalah stasioner pada derajat satu atau disebut I1. Dalam kaitannya dengan uji kointegrasi, jika varabel
X belum juga stasioner pada derajat 1 maka perlu dilanjutkan hingga diperoleh suatu kondisi stasioner sampai derajat kedua, ketiga dan seterusnya.
Universitas Sumatera Utara
3.7 Test Goodness of Fit Uji Kesesuaian a. Koefisien Determinasi R-Square