2 : Hasil Uji Akar-akar Unit Variabel Pengamatan
Tabel 4.2 : Hasil Uji Akar-akar Unit Variabel Pengamatan
Dari tabel tersebut terlihat bahwa Variabel Inflasi, Kurs dan PDB stasioner pada derajat ke-0 atau pada I(0), sedangkan Variabel JII dan SBI belum stasioner pada a 5%. Untuk itu perlu diuji pada derajat berikutnya atau pada derajat-1 atau I(1). Hasil pengujian pada derajat 1 dapat dilihat pada tabel 3 berikut:
Variabel
DF ADF
JII
SBI
INFLASI
KURS
PDB
Variabel
Prob DF
Prob ADF
Dari tabel tersebut dapat ditunjukkan bahwa data untuk semua variabel sudah stasioner. Uji stasioneritas menunjukkan bahwa data dari semua variabel yang digunakan untuk mengestimasi model yang diajukan adalah stasioner. Pada dasarnya pengujian stasioneritas ini cukup mendukung apa yang dihasilkan dalam regresi linier klasik, yaitu bahwa persamaan regresi pada dasarnya tidak lancung (semrawut). Sehingga dapat diduga bahwa ketidakefisienan model dalam menguji hipotesis kemungkinan besar disebabkan oleh model persamaan yang tidak tepat, karena tidak mampu mencerminkan perilaku pengambilan keputusan para pelaku pasar.
Untuk mengatasi masalah asumsi klasik maka model yang akan digunakan adalah model kombinasi antara Distributed Lag dan Autoregressive. Model Autoregressive adalah suatu model yang meregreskan nilai Y (t-1perode) kepada Y sebagai variabel dependent-nya. Sedangkan model Distributed Lag adalah model regresi dimana variabel bebasnya terdiri dari beberapa variabel bebas pada periode t-
digunakan plot ACF dan PACF. Berdasarkan print out (dilampirkan) dapat dilihat bahwa nilai untuk ACF dan PACF bagi variabel JII selalu menurun pada Lag pertama. Penurunan nilai tersebut merupakan indikasi bahwa model tersebut berada pada orde pertama atau AR(1). Demikian juga untuk variabel bebasnya, secara keseluruhan nilai ACF dan PACF juga turun pada lag pertama.
Menurut Hendy dan Ericsson(1991) penggabungan model AR (n) dan Distributed La g menjadi model AR (n) D.L sederhana adalah sebagai berikut :
Y t =a+b 1 X 1 +b 2 X 2 +…..+Y (t-1) +e
Autoregressive /AR (1)
Y t =a+b 1 X 1 +b 2 X 1(t-1) +….+b n X n(t-1) +e
Distributed Lag
Digabungkan, menjadi:
Y t = a+b 1 X 1 +b 2 X 1(t-1) +b 3 X 2 +b 4 X 2(t-1) +b 5 X 3 +b 6 X 3(t-1) +….+ Y (t-1) +e
c) Analisa Hasil Estimasi Autoregressive Distributed Lag
1. Uji parsial(t-test)
Merupakan uji statistik yang dilakukan untuk mengetahui apaka koefisien regresi suatu model signifikan atau tidak secara individual (Sritua, 1993) pada level keyakinan tertentu terhadap variabel dependen. Apabila nilai t hitung lebih besar dari nilai t tabel dengan alpha 0.05 dan df =122.
Auto Regressive /AR (1) Distributed Lag
Hasil Autoregressive Distributed Lag
Variabel
Koefisien Std. Error t-Statistic Prob.
C -24.20088 24.82916 -0.974696 0.3318
SBI
-7.351518 5.389066 -1.364155 0.1752
SBI(-1)
INFLASI(-1)
KURS(-1)
PDB(-1)
-0.511473 1.390084 -0.367944 0.7136
JII(-1)
0.986018 0.016283 60.55384 0.0000 R-squared 0.983856
Adjusted R-squared 0.982593 F-statistic
778.7217 Durbin-Watson stat 1.697868
Prob(F-statistic)
Sumber: output eviews
Dapat dilihat pada table t-test di atas, nilai Probabilitas (p-value) dari 8 variabel hanya 2 predictor variabel yang berpengaruh secara signifikan pada level 5% yaitu variabel kurs dan kurs t-1 , sedangkan variabel lain sebenarnya berpengaruh tapi tidak signifikan.
2. Uji simultan (F-test)
Merupakan uji statistik yang dilakukan untuk mengetahui apakah koefisien regresi suatu model berpengaruh signifikan atau tidak secara keseluruhan (simultan atau bersama-sama) terhadap variabel dependen/respon. Signifikasi uji F dapat dilihat pada nilai Probabilitas (p-value) F-statistik. Pada hasil estimasi model penelitian ini diperoleh nilai prob F-statistik sebesar 0.000, Merupakan uji statistik yang dilakukan untuk mengetahui apakah koefisien regresi suatu model berpengaruh signifikan atau tidak secara keseluruhan (simultan atau bersama-sama) terhadap variabel dependen/respon. Signifikasi uji F dapat dilihat pada nilai Probabilitas (p-value) F-statistik. Pada hasil estimasi model penelitian ini diperoleh nilai prob F-statistik sebesar 0.000,
3. Uji multikolinearitas
Dengan melihat nilai VIF pada print out hasil regresi pada lampiran regresi model ketiga dapat dilihat bahwa tidak terdapat korelasi antar variabel bebas. Dari semua predictor variabel memiliki nilai VIF>10, sehingga semua predictor variabel terbebas dari masalah multikolinearitas.