51
b. Uji Derajat Integrasi
Data time series pada umumnya adalah data yang tidak stasioner.Untuk menghindari regresi lancung maka harus ditransformasikan data nonstasioner
menjadi data stasioner. Menurut Nachrowi,2006 dalam berbagai studi ekonometrika, data time series sangat banyak digunakan. Namun dibalik
pentingnya data tersebut, ternyata data time series menyimpan berbagai permasalahan, salah satunya yaitu auotokorelasi. auotokorelasi ini merupakan
penyebab yang mengakibatkan data menjadi tidak stasioner, sehingga bila data dapat distasionerkan maka otokorelasi akan hilang dengan sendirinya, karena
metode transformasi data untuk membuat data yang tidak stasioner sama dengan transformasi data untukmenghilangkan otokorelasi.
Dalam uji akar unit PP bila menghasilkan kesimpulan bahwa data tidak stasioner, maka diperlukan proses deferensi data. Uji stasioner data melalui proses
diferensi ini disebut uji derajat integrasi. Seperti uji akar unit PP, keputusan sampai pada derajat keberapa suatu data akan stasioner dapat dilihat dengan
membandingkan antara nilai statistik PP yang diperoleh dari koefisien y dengan nilai kritis distribusi statistik Mackinnon. Jika nilai absolut dari statistik PP lebih
besar dari nilai kritisnya pada diferensi tingkat pertama, maka data dikatakan stasioner pada derajat satu. Akan tetapi, jika nilainya lebih kecil maka uji derajat
integrasi perlu dilanjutkan pada diferensi yang lebih tinggi sehingga diperoleh data yang stasioner.
52
4. Uji Error Correction Model ECM a. Uji ECM
Model ECM pertama kali diperkenalkan oleh Sargan dan kemudian dikembangkan oleh Hendry dan dipopulerkan oleh Engle-Granger. Model ini
memasukan penyesuaian untuk melakukan koreksi bagi ketidakseimbangan, dan model ini mempunyai beberapa kegunaan, namun penggunaan yang utamanya
adalah mengatasi masalah pada data time series yang tidak stasioner. Dalam penelitian ini, Model ECM digunakan setelah melalui uji normalitas data,
linieritas, stasioneritas, derajat integrasi, kointegrasi dan uji asumsi klasik, serta terbebas dari semua permasalah dari pengujian tersebut, sehingga model ECM
yang digunakan sudah layak untuk dipakai dan dianalisis. Analisis yang digunakan bertujuan untuk mengetahui besarnya pengaruh
variabel independen terhadap variabel dependen dalam jangka pendek maupun jangka panjang. Setelah pengujian ECM dilakukan, maka model yang terbentuk
akan dilakukan uji ECT Error Correction Term. Berikut ini merupakan model ECM yang digunakan pada penelitian ini :
Model Dasar : RERTURNISSI = INFLASI, KURS, LNPDB, HED, IHSG Model Ekonometrika : R
ISSIt =β + β
1
INFLASIt +β
2
KURS t + β
3
LNPDB t + β
4
HEDt + β
5
IHSGt +e Sehingga rumus yang terbentuk dalam penelitian ini adalah :
DRETURNI SSI t = β
+ β
1
DINFLA SI t + β
2
DKURS t + β
3
DLNPDB t +β
4
DHED t + β
5
DIHSG t + β
6
ECT Dimana :
D = Differenence, Xt – Xt-1
53
LN = Natural Log RETURNISSI = Return PasarISSI
INFLASI = Tingkat Inflasi KURS = Nilai Tukar Mata Uang Dollar Rupiah
LNPDB = Jumlah Produk Domestik Bruto HED = Harga Emas Dunia
IHSG = Indeks Harga Saham Gabungan β0 = Konstanta
β1…βt = Koefisien Regresi Variable Bebas
e = Error Term ECT = Error Correction Term
t = Periode Waktu Setelah model ECM teerbentuk, maka pengujian dilanjutkan ketahap berikutnya
yaitu uji ECT Error Cerrection Term.
b. Uji Error Correction Term ECT
Error Correction Term ECT atau koreksi kesalahan merupakan bagian dari ECM.Nilai ECT ini diperoleh dari hasil penjumlahan variabel independen
sebelumnya dikurangi dengan variabel dependen sebelumnya, dan nilai yang dihasilkan merupakan nilai penyesuaian dari ketidakseimbangan variabel
dependen dan independen dalam jangka pendek dan jangka panjang. Model ECT yang terbentuk pada penelitian ini adalah :
ECT = INFLASIt-1 + KURSt-1 + LNPDBt-1 + HEDt-1+ IHSGt- 1- RETURNISSIt-1
Kemudian regresi model ECM secara berurutan sesuai dengan model yang telah ditemukan. Hasil probabilitas ECT akan menentukan apakah model dapat
dianalisa baik dalam jangka pendek maupun jangka panjang. Jika variabel ECT