Metode Analisa Data

3.4 Metode Analisa Data

  Sebelum melakukan pengolahan data dengan metode yang disebutkan sebelumnya, data-data tersebut perlu dilakukan pengujian untuk memenuhi persyaratan dari metode pengolahan data. Beberapa tahap pengujian adalah sebagai berikut:

3.4.1 Valuasi Data Sekunder

  Proses ini bertujuan agar seluruh data dari variabel-variabel terkait memiliki jumlah data dan periode yang sama sehingga proses pengolahan data time series memberikan hasil estimasi yang tepat.

3.4.2 Uji Stasioneritas Data

  Definisi dari data yang bersifat stasioner ialah data dengan rata-rata konstan, varian konstan dan autocovariance juga konstan untuk lag atau periode data manapun. Pengujian jenis ini diperlukan karena bila data yang digunakan tidak stasioner maka terjadi beberapa masalah seperti:

  1. Terkait dengan shock pada time series, pada data yang stationer shock akan menyebabkan perubahan time series sesaat dengan tingkat persistensi tertentu. Kemudian shock pada data stationer ini akan menghilang sehingga time series kembali ke titik equilibrium. Namun apabila data yang tidak stationer, shock akan menyebabkan perubahan time series berkelanjutan, atau dengan kata lain persistensi dari shock menjadi tidak terhingga.

  2. Data non-stationer akan menyebabkan hasil regresi menjadi tidak berarti walaupun menunjukkan hasil yang signifikan atau biasa di sebut spurious regressions. Bila metode dari regresi umum digunakan pada data non-stationer, hasil regresi akan menunjukkan signifikan

  dengan R 2 yang baik, namun pada kenyataannya hasil regresi ini tidaklah berarti.

  3. Bila data non-stationer digunakan pada regresi maka asumsi dasar dari hasil regresi tidaklah berlaku. Misalkan hasil regresi menunjukkan nilai dari t-ratio, namun data tidak mengikuti distribusi t.

  Metode pengujian dari stationeritas adalah metode Phillips Perron (PP). Tujuan dari tes ini adalah menguji null hipotesis bahwa H o : data series memiliki

  unit root, dan H 1 : data series tidak memiliki unit root. Seperti persamaan:

  £ =¤ £ , +

  Apabila b 1 = 1 maka hipotesis null diterima sehingga data series memiliki

  unit root dan tidak stationer. Untuk mengatasi hal ini, dapat dilakukan teknik differencing, sebagai contoh dengan menghitung data series imbal hasil (return) dibandingkan dengan harga.

3.4.3 Uji Normalitas Residual

  Uji normalitas merupakan suatu tes untuk melihat distribusi dari residual regresi model. Residual regresi diperlukan memiliki distribusi normal agar pengujian dari hipotesis model tepat. Selain itu residual yang terdistribusi normal menunjukkan bahwa sampel penelitian telah mewakili dari populasi.

  Jenis uji normalitas yang umum merupakan Jarque-Bera test. Uji ini menunjukkan bentuk grafik histogram dari residual. Bentuk grafik yang menyerupai lonceng merupakan tanda bahwa residual berdistribusi normal. Hal lain ialah nilai dari skewness dan kurtosis residual. Dikatakan apabila skewness dari residual memiliki nilai yang cukup signifikan berbeda dari 0, maka residual tidak terdistribusi secara normal atau tidak simetris. Selain itu apabila kurtosis residual bernilai lebih dari 3 (excess kurtosis) maka residual bersifat leptokurtosis .

  Tes Jarque-Bera menunjukkan pula probabilitas dari uji hipotesis bahwa

  residual terdistribusi normal (H 0 = residual terdistribusi normal). Apabila hasil uji

  menunjukkan probabilitas yang signifikan pada tingkat kepercayaan 95 (probabilitas < 5) maka hipotesis null ditolak, dan residual tidak terdistribusi secara normal.

3.4.4 Uji Autokorelasi

  Salah satu asumsi yang berlaku pada OLS klasik adalah tidak adanya kovarian antara error term pada waktu yang berbeda (cov(u i ,u j ) = 0, i≠j). Uji autokorelasi bertujuan untuk menguji apakah pada model regresi linier terdapat korelasi antara error term pada periode t dengan error term pada periode t-1 (sebelumnya). Jika terjadi korelasi, maka dinamakan ada masalah autokorelasi.

  Uji autokorelasi yang digunakan pada penelitian ini adalah uji Breusch- Godfrey serial correlation. Pada uji ini memiliki hipotesis null bahwa tidak

  terdapat autokorelasi pada residual (H 0 =tidak ada autocorrelation). Maka pada

  hasil uji tersebut, ditunjukkan probabilitas akan uji hipotesis ini. Apabila nilai probabilitas bernilai lebih kecil dari 0.05 (prob < 0.05) maka hipotesis null ditolak, dan residual memiliki autokorelasi.

3.4.5 Uji Heteroskedastisitas

  Uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homoskedastis dan jika berbeda disebut heteroskedastis. Model regresi yang baik adalah yang homoskedastis atau tidak terdapat sifat heteroskedastis.

  Jenis tes yang digunakan pada penelitian ini merupakan White test. Uji ini menunjukan probabilitas dari hipotesis bahwa residual bersifat homoskedasitas. Apabila probabilitas dari uji bernilai kurang dari 0.05 (prob < 0.05), maka hipotesis null ditolak, sehingga residual dikatakan memiliki sifat heteroskedastis.