Ruang Lingkup Penelitian Metode Penentuan Sampel

55 Ketidakstasioneran data dapat dilihat dari koefesien autokorelasi dan korelogramnya correlogram. Koefesien autokorelasi adalah angka yang menunjukkan tingkat keeratan hubungan linier antara nilai-nilai dari peubah yang sama dengan periode waktu yang berbeda. Selanjutnya, jika fungsi autokorelasi tersebut digambarkan dalam bentuk kurva, dikenal dalam bentuk kurva, dikenal dengan istilah korelogram ACF Juanda, 2012:23-24. Jika data tidak stasioner akan memiliki pola korelogram yang menurun mendekati titik nol, apabila data memiliki pola korelogram dengan nilai positif- negatif secara bergantian disekitar titik nilai nol atau tidak berbeda dengan signifikan dengan nol Juanda, 2012:23-24. untuk menunjukkan signifikan atau tidaknya nilai autokorelasi, dapat dilakukan uji statistik berdasarkan standar error Se. untuk selang kepercayaan ialah 1- αx100, dengan α = 5 untuk ρ k adalah : 1.96Se ρ k 1,96Se........................................................3.1 1.96√1n ρ k 1,96√1n Hipotesis nol H untuk nilai uji ρ k = 0. jika ρ k terletak dalam selang persamaan 3.1, maka keputusannya belum cukup bukti untuk menolak H 0, berarti data stasioner. sebaliknya jika diluar selang persamaan 3.1, keptusan menolak H 0, yang berarti data tidak stasioner Juanda, 2012:24. 56 b Uji Akar Unit Unit Root Test Stationaritas data diperiksa dengan mengamati apakah data runtun waktu mengandung akar unit unit root, yakni apakah terdapat komponen trend yang berupa random walk dalam data dengan dapat menggunakan Augmented Dickey Fuller ADF Rosadi, 2012:38. Pengujian ADF dilakukan dengan menguji hipotesis H : ρ = 0 terdapat unit root dalam persamaan regresi : ∆ Y t = α + δt + ρY t –1 + ∑ j ∆Y t-1 + e t dengan ∆ Y t = Y t – Y t-1 dan ρ = a – 1 Hipotesis nol ditolak jika nilai satistik uji ADF memiliki nilai kurang lebih negatif dibandingkan nilai daerah kritik nilai kritik ini ditabelkan, jika hipotesis nol ditolak, maka data stationer. Dalam mengaplikasikan uji ADF ditentukan banyaknya lag dari komponen diferensi yang akan dimasukkan kedalam model untuk uji ADF digunakan k0. Dalam praktek biasanya dipilih k yang dapat korelasi serial dari residual, yang dapat dilihat dengan lag yang masih signifikan dalam model regresi ADF Rosadi, 2012: 42. 2 Transformasi Data dan Identifikasi Model Apabila data tidak stationer dalam level, maka diperlukan transformasi untuk membentuk data yang staioner. Salah satu cara melakukan tranformasi data untuk membuang komponen trend