Derajat Integrasi dalam penelitian ini ditaksir dengan metode OLS Ordnary Least Square seperti persamaan berikut :
k
DX
t
= a + a
1
BX
t
+ Σ b
i
B
i
DX
t
………………………….............. 1.1
i=1 k
DX
t
= c +c
1
T + c
2
BX
t
+ Σ d
i i
BDX
t ………………………………………………
1.2
i=1
Dan dapat diperoleh dari persamaan 1.1 dan 1.2 diatas adalah sbb: DX
t
= X
t
– X
t-1
BX = X
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 Augmented Dickey-
Fuller statistic. Hasil ini kemudian dibandingkan dengan nilai kritis dari Mackinnon. Jika nilai ADF statistic lebh kecil daripada nilai kritis Mackinnon pada derajat
kepercayaan berapapun, maka dapat disimpulkan bahwa data tersebut adalah tidak stasioner. Solusi yang harus dilakukan jika data yang diperoleh “tidak stasioner”
adalah dengan menciptakan variabel baru dengan cara first difference, lalu dilakukan kembali uji akar-akar unit.
3.5.2 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
Universitas Sumatera Utara
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
3.5.3 Uji Kointegrasi Cointegration test
Setelah uji stasioneritas melalui uji akar-akar unit dan derajat integrasi dipenuhi, maka langkah selanjutnya adalah melakukan uji kointegrasi, untuk
mengetahui parameter jangka panjang. Yang dimaksud dengan jangka panjang dalam pendekatan kointegrasi adalah jangka waktu dimana pengaruh setiap variabel
independen terhadap variabel dependen tidak bersifat seketika, melainkan membutuhkan selang waktu, dan merupakan suatu kondisi dimana masing-masing
variabel memungkinkan untuk mengadakan penyesuaian secara penuh terhadap perubahan-perubahan yang timbul tidak ada kecenderungan untuk naik turun, dan
variabel tersebut berada dalam kondisi optimumnya.
Model kointegrasi juga merupakan model yang biasa digunakan untuk menganalisa apakah trend dari nilai variabel dependen bergerak dengan arah yang
sama dengan trend variabel independennya, sehingga tercapai keseimbangan jangka
panjang atau justru sebaliknya.
Dalam penelitian ini digunakan metode Engel dan Granger untuk menguji kointegrasi variabel-variabel yang ada, dengan memakai uji statistik DF dan ADF
untuk melihat apakah residual regresi kointegrasi stasioner atau tidak. Adapun tahapan dalam melakukan uji ini adalah :
1. Estimasi tiap parameter dari persamaan regresi dengan menggunakan metode Ordinary Least Square
OLS 2. Hitung residualnya
3. Uji nilai residualnya dengan menggunakan Augmented Dickey-Fuller untuk melihat apakah nilai residualnya stasioner atau tidak.
Universitas Sumatera Utara
Bukan hanya memekai uji DF dan ADF saja, ternyata bahwa uji CRDW Cointegrating-Regression Durbin-Watson merupakan pendekatan yang juga penting
didalam menghitung uji statistik untuk mentaksir regresi kointegrasi dengan menggunakan metode Engel dan Granger :
Y
t
= m + m
1
X
1t
+ m
2
X
2t
+ E
t
……………………………….. 1.5 Dimana:
Y : variabel tak bebas dependen variabel X1,X2 : variabel bebas independent variabel
E : variabel gangguan residual Kemudian regresi berikut ini ditaksir dengan OLS :
DE
t
= P
1
BE
t .....................................................................................................................
1.6
k
DEt = q
1
BEt + Σ w
i
B
i
DEt …………………………………..1.7
i=1
Nilai statistik CRDW ditunjukan oleh nilai Durbin-watson pada persamaan 1.5 dan statistik DF dan ADF ditunjukan oleh t pada koefisien BE
t
pada persamaan 1.6 dan 1.7. Jika stasioner, berarti regresi tersebut merupakan regresi kointegrasi,
atau variabel terikat dan variabel bebas yang tidak stasioner tersebut terkointegrasi sehingga menghasilkan residual yang stasioner.
Universitas Sumatera Utara
3.5.4 Model Error Correction Mechanism ECM
