30 mencatat dan mengkopi data laporan keuangan Bank Indonesia yang merupakan
financial report dari berbagai literatur pendukung lainnya serta melakukan studi pustaka yang berkaitan dengan penelitian ini.
Selain itu, sebagai referensi dalam penelitian, dibutuhkan juga studi pustaka yang memadai seperti literatur-literatur ilmiah, jurnal ilmiah, buku panduan dari
sumber lain yang dapat diakui sebagai literatur yang layak untuk dijadikan acuan. Teknik pengumpulan data yang digunakan adalah dengan melakukan
pencatatan langsung berupa data seri waktu time series yaitu dari tahun 2000 hingga 2012 yang diperoleh dari laporan tahunan Bank Indonesia dan Bank
Amerika Serikat.
3.6 Teknik Analisis
Sebelum dilakukan estimasi melalui metode Cointegration Test dan Granger Causality Test, maka terlebih dahulu dilakukan langkah-langkah berikut:
3.6.1 Uji akar unit Unit root test
Untuk menguji cointegration, maka perlu melakukan uji akar unit Unit root test. Uji akar unit ini digunakan untuk melihat apakah data yang diamati
stasioner atau tidak stasioner. Test ini sebenarnya hanya merupakan pelengkap dari analisis VAR, mengingat tujuan utama VAR adalah untuk menilai adanya
hubungan timbal balik diantara variabel-variabel yang diamati dan bukan test untuk data.
Akan tetapi, apabila data yang diamati adalah stasioner maka hal ini akan meningkatkan akurasi dari analisis VAR. Tujuan dari test ini adalah untuk
menyelidiki hipotesis berikut:
Universitas Sumatera Utara
31 Ha : “terdapat hubungan jangka panjang antara suku bunga Bank Indonesia
BI rate dengan suku bunga Bank Amerika Serikat the Fed.” Dalam statistik dan ekonometrik, uji akar unit yang biasa digunakan
adalah uji Augmented Dickey-Fuller ADF. Uji lain yang sama yaitu uji Phillips- Perron PP. Keduanya mengindikasikan keberadaan akar unit sebagai hipotesis
null. Perlu diketahui bahwa data yang stasioner adalah data yang bersifat flat, tidak mengandung komponen trend, dengan keragaman yang tetap, dan tidak
terdapat fluktuasi periodik. Untuk mengetahui adanya akar unit, maka perlu dilakukan pengujian
Augmented Dickey-Fuller ADF-test sebagai berikut: Jika variabel Y
t
sebagai variabel independen, maka akan diubah menjadi: Y
t
= þ Y
t-1
+
t
……………………..………………………………… 3.1
dimana -1
≤ þ ≤ 1 dan
t
adalah variabel gangguan yang bersifat random atau stokastik dengan rata-rata nol, varian yang konstan dan tidak saling
berhubungan. Jika koefisien þ=1 maka variabel Y
t
mempunyai akar unit, dalam arti hipotesis diterima, yang bergerak secara random random walk tanpa trend
dimana varian Y
t
tidak stasioner. Hal ini menunjukkan bahwa Y
t
merupakan data yang tidak stasioner karena memiliki akar unit. Untuk mengubah trend yang
bersifat non-stasioner menjadi stasioner maka dilakukan uji orde pertama first difference
ΔY
t
= þ – 1 Y
t
– Y
t-1
……………………………………………….. 3.2
Koefisien þ
akan bernilai nol, dan hipotesis akan ditolak sehingga model menjadi stasioner.
Universitas Sumatera Utara
32 Hipotesis yang digunakan pada pengujian Augmented Dickey-Fuller
ADF-test adalah: H
b : þ = 0 terdapat unit roots, variabel Y tidak stasioner H
1
b : þ
≠ 0 tidak terdapat unit roots, variabel Y stasioner
Hipotesisnya adalah H mengandung arti bahwa terdapat akar-akar unit, H
1
mengandung arti bahwa tidak terdapat akar-akar unit. Pengujian hipotesis statistik tersebut dilakukan dengan membandingkan ADF
test statistik
hasil regresi dengan t
statistik
Mackinnon critical value 1 persen, 5 persen,10 persen. Bila ADF
test statistik
hitung lebih kecil daripada Mackinnon critical value, maka H diterima dan H
1
ditolak, tidak cukup bukti untuk menolak hipotesis bahwa di dalam persamaan mengandung akar-akar unit, artinya data tidak stasioner. Sebaliknya, jika ADF
test statistik
hitung lebih besar daripada Mackinnon critical value maka H ditolak dan H
1
diterima, cukup bukti untuk menolak hipotesis nol bahwa didalam persamaan mengandung akar-akar unit, artinya data stasioner.
Dalam hal hasil ADF
test
menunjukkan bahwa data time series yang diamati tidak stasioner dalam bentuk level, maka perlu dilakukan transformasi melalui
proses differencing agar data menjadi stasioner. Cara differencing dilakukan dengan cara mengurangi data tersebut dengan data periode data sebelumnya. Data
dalam bentuk difference merupakan data yang telah diturunkan dengan periode sebelumnya, dimana bentuk derajat pertama first difference dapat dinotasikan
dengan I1 dengan fungsi: Δ Y
t
= Y
t
– Y
t-1
…………………………………………………….... 3.3
Universitas Sumatera Utara
33 Dengan demikian melalui differencing pertama first difference akan
diperoleh data selisih. Prosedur data ADF kemudian diaplikasikan kembali untuk menguji data first difference. Jika dari hasil uji ternyata data first difference telah
stasioner, maka dikatakan data time series tersebut terintegrasi pada derajat pertama I1 untuk seluruh variabel. Tetapi jika data first difference tersebut
belum stasioner maka perlu dilakukan differencing yang kedua second difference pada data tersebut untuk memperoleh data yang stasioner. Prosedur ini seterusnya
dilakukan hingga diperoleh data yang stasioner. Uji ini dilakukan dengan program E-views versi 5.0.
3.6.2 Uji Kointegrasi Cointegration Test
