Uji Autokorelasi
Sementara itu, asumsi OLS lainnya ialah nilai u antara satu persamaan bersifat bebas tidak tergantung pada nilai u pengamatan lainnya. Hal ini
berimplikasi kovarians u dua pengamatan sama dengan nol. Jika asumsi ini tidak terpenuhi, maka dikatakan terjadi autokorelasi atau korelasi serial. Untuk
mendeteksi ada tidaknya autokorelasi, dalam penelitian ini menggunakan Breusch-Godfrey Serial Correlation LM test. Adapun hipotesis dalam uji ini
adalah i H : tidak terdapat autokorelasi, ii H
1
: terdapat autokorelasi. Wilayah kritik penolakan H
adalah Probability ObsR-squared α.
Uji Normalitas
Uji ini dilakukan untuk memeriksa apakah error term mendekati distribusi normal. Hipotesis pengujiannya adalah i H
: error term terdistribusi normal, ii H
1
: error term tidak terdistribusi normal. Daerah kritis penolakan H adalah
Jarque Bera J-B χ
2 df-2
atau probabilitas p_value α.
4.4. Definisi Operasional
Adapun istilah-istilah yang digunakan untuk menjelaskan kondisi tertentu dalam penelitian ini adalah sebagai berikut:
Augmented Dickey-Fuller : Suatu uji statistik untuk menghasilkan “tau- statistik” pada deret waktu yang memiliki serial
korelasi pada error term. Autokorelasi :
Hubungan antara nilai suatu variabel dengan nilai sebelumnya, dapat dengan tenggang lag
satu atau lebih. Koefisien autokorelasi berkisar antara –1 dan +1, dimana 0 menunjukkan tidak
ada korelasi. Autokorelasi parsial : Hubungan antara nilai suatu variabel dengan
nilai yang lebih awal dari variabel itu nilai lampaunya, jika pengaruh nilai-nilai di
antaranya keduanya dihilangkan. Koefisien autokorelasi parsial berkisar antara –1 dan +1,
dimana 0 menunjukkan tidak ada korelasi. Data stasioner
: Data yang nilai dalam deret datanya memiliki
rata-rata dan varian yang tetap relatif konstan sesuai dengan berjalannya waktu.
Deret waktu : Sekelompok data dari variabel yang disusun menurut urutan waktu kejadiannya.
First difference : Pembedaan pertama dalam persamaan ΔY = Y
t
– Y
t-1
untuk mencapai deret waktu yang sifatnya stasioner.
Heteroskedastisitas : Kebalikan dari homoskedastisitas dimana varian dari gangguan atau variabel dependen yang
berubah sepanjang waktu atau varian yang tidak konstan.
LM Test : Disebut sebagai Langrangian Multiplier Test, sebuah uji statistik umum untuk mendeteksi
terjadinya orde autokorelasi yang lebih tinggi. Nilai P : Nilai yang dihasilkan oleh perhitungan komputer
dalam uji regresi yang menunjukkan tingkat signifikansi terendah dimana H
dapat ditolak. Normality : Salah satu asumsi statistik, dimana error term
terdistribusi normal. Serial korelasi
: Nilai-nilai dari satu variabel sama yang saling
berkorelasi sepanjang waktu. Spurious : Terjadi hubungan korelasi yang semu antara
variabel dalam persamaan. Tren :
Kecenderungan meningkat atau menurun pada suatu data deret waktu dalam satu periode
pengamatan tertentu. Unit root : Keadaan dimana persamaan autoregresif Y
t
= ϕY
t-1
+ ε
t
nilai ϕ
t
≥1 sehingga ketika ada shock pada deret akan membuat nilai Y akan tumbuh
tanpa batasan. Variabel endogen : Variabel-variabel yang nilainya ditetapkan
dalam model dan dianggap bersifat stokastik.
V. HASIL DAN PEMBAHASAN
5.1. Uji Kestasioneran Data Uji Akar Unit
Pengujian akar-akar unit untuk semua variabel yang digunakan dalam analisis runtun waktu perlu dilakukan untuk memenuhi keabsahan analisis uji
kointegrasi Engle-Granger dan ECM. Tujuan dari pengujian ini adalah untuk melihat kestasioneran data yang akan dianalisis. Data yang digunakan dalam
pengestimasian model harus bersifat stasioner tidak memiliki akar unit, yaitu data yang memiliki varians yang tidak terlalu besar dan mempunyai
kecenderungan untuk mendekati nilai rata-ratanya. Data yang tidak stasioner memiliki akar unit akan menyebabkan regresi yang lancung. Uji akar unit yang
digunakan dalam penelitian ini menggunakan uji ADF dengan memasukkan unsur konstanta.
Tabel 5.1. Hasil Uji Akar Unit pada Level Nilai Kritis MacKinnon
Variabel Nilai ADF
t-Statistics 1 persen
5 persen 10 persen
Keterangan LNM1 -0.083745
-3.653730 -2.957110
-2.617434 Tidak
Stasioner LNTUNAI -0.981222
-3.653730 -2.957110 -2.617434 Tidak
Stasioner LNGDP 3.697401
-3.653730 -2.957110
-2.617434 Tidak
Stasioner SBI -2.084636
-3.653730 -2.957110
-2.617434 Tidak
Stasioner LNE 0.353756
-3.653730 -2.957110
-2.617434 Tidak
Stasioner LNCPI 1.261465
-3.653730 -2.957110
-2.617434 Tidak
Stasioner LNVTKK 0.165079
-3.653730 -2.957110
-2.617434 Tidak
Stasioner LNVTKD -0.715309
-3.653730 -2.957110
-2.617434 Tidak
Stasioner LNVTATM -1.880438
-3.653730 -2.957110 -2.617434 Tidak
Stasioner
Keterangan: data stasioner pada taraf nyata 1 persen, 5 persen, 10 persen.
data stasioner pada taraf nyata 5 persen, 10 persen. data stasioner pada taraf nyata 10 persen.