Uji Stasioneritas Data dengan Akar Unit Uji Kointegrasi

t p t p t p t p t p t p t t e SBP PDB SBI INF JUB Sibor c SBP , 1 6 5 4 3 2 1 1                     Di mana: JUB = Jumlah Uang Beredar Milyar Rp PDB = Produk Domestik Bruto Milyar Rp SBI = Suku Bunga Sertifikat Bank Indonesia INF = Inflasi SBP = Suku Bunga Pinjaman Sibor = Suku Bunga Acuan Singapura  = Koefisien c = Konstanta e = Kesalahan pengangguresidual error terms p = Panjang lag

3.4. Uji Asumsi

3.4.1. Uji Stasioneritas Data dengan Akar Unit

Uji akar unit ini digunakan untuk melihat apakah data yang diamati stationer atau tidak. Test ini sebenarnya hanya merupakan pelengkap dari analisis VAR, mengingat tujuan dari analisis 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 stationer, hal ini akan meningkatkan akurasi dari analisis VAR. Prosedur untuk mengetahui data stasioner atau tidak dengan cara membandingkan antara nilai statistik ADF dengan nilai kritis distribusi MacKinnon. Nilai statistik ADF ditunjukkan oleh nilai t statistik koefisien ãY t-1, jika nilai absolut statistik ADF lebih besar dari nilai kritisnya, maka data yang diamati menunjukkan stasioner dan jika sebaliknya nilai statistik ADF lebih kecil dari nilai kritisnya maka pdf M a chine - is a pdf w r it e r t h a t pr odu ce s qu a lit y PD F file s w it h e a se Ge t you r s n ow “ Thank you very m uch I can use Acrobat Dist iller or t he Acrobat PDFWrit er bu t I consider your pr oduct a lot easier t o use and m uch pr efer able t o Adobes A.Sar r as - USA Universitas Sumatera Utara data tidak stasioner. Hal penting dalam uji ADF adalah menentukan panjangnya kelambanan. Panjangnya kelambanan bisa ditentukan berdasarkan kriteria AIC Akaike Information Criterion ataupun SC Schwarz Information Criterion. Nilai AIC dan SIC yang paing rendah dari sebuah model akan menunjukkan model tersebut yang paling tepat Pratomo dan Hidayat, 2007.

3.4.2. Uji Kointegrasi

Regresi yang menggunakan data time series yang tidak stasioner kemungkinan besar akan menghasilkan regresi lancung. Regresi lancung terjadi jika koefisien determinasi cukup tinggi tapi hubungan antara variabel independen dan variabel dependen tidak mempunyai makna. Hal ini terjadi karena hubungan keduanya yang merupakan data time series hanya menunjukkan tren saja. Secara umum bisa dikatakan bahwa jika data time series Y dan X tidak stasioner pada tingkat level tetapi menjadi stasioner pada diferensi difference yang sama yaitu Y adalah Id dan X adalah Id di mana d tingkat diferensi yang sama maka kedua data adalah terkointegrasi mempunyai hubungan dalam jangka panjang. Uji kointegrasi ada berbagai macam namun untuk uji dengan beberapa vektor uji yang sering digunakan adalah uji Johansen. Uji kointegrasi yang akan digunakan di sini menggunakan prosedur uji kointegrasi Johansen-Juselius 1990. Dalam tulisan ini, prosedur Johansen-Juselius diaplikasikan untuk sistem persamaan bivariat dengan inflasi dan pertumbuhan ekonomi sebagai variabel dependen dalam bentuk vector autoregressive AR yang meliput sampai ñ lag dari variabel Xt. pdf M a chine - is a pdf w r it e r t h a t pr odu ce s qu a lit y PD F file s w it h e a se Ge t you r s n ow “ Thank you very m uch I can use Acrobat Dist iller or t he Acrobat PDFWrit er bu t I consider your pr oduct a lot easier t o use and m uch pr efer able t o Adobes A.Sar r as - USA Universitas Sumatera Utara Ada tidaknya kointegrasi didasarkan pada uji Trace Statistic dan Maximum Eigenvalue. Apabila nilai hitung Trace Statistic dan Maximum Eigenvalue lebih besar daripada nilai kritisnya, maka terdapat kointegrasi pada sejumlah variabel, sebaliknya jika nilai hitung Trace Statistic dan Maximum Eigenvalue lebih kecil daripada nilai kritisnya maka tidak terdapat kointegrasi. Nilai kritis yang digunakan adalah yang dikembagkan oleh Osterwald-Lenum.

3.4.3. Uji Kausalitas