Kausalitas Granger With Eviews 6.0 2013
Kausalitas Granger With Eviews 6.0
Kausalitas
Granger With
Eviews 6.0
Muhamad Armawaddin, SE.
M.Si.
Page 1
2013
Kausalitas Granger With Eviews 6.0
2013
I. Pendahuluan
Ekonometrika sebagai suatu ilmu dibagi dalam dua kategori besar,
yaitu ekonometrika teori dan ekonometrika terapan. Ekonometrika teori
berkaitan dengan erat dengan perkembangan metode yang tetap untuk
mengukur
hubungan
ekonomi
yang
dibentuk
di
dalam
model
ekonometrika. Ekonometrika teori harus membuat asumsi dari teori
yang ingin dikembangkan, sifat-sifatnya dan apa yang terjadi terhadap
sifat dan karakteristik dari ekonometrika teori jika asumsi tidak
terpenuhi. Sedangkan ekonometrika terapan digunakan untuk studistudi di dalam area ekonomi dan bisnis seperti fungsi produksi dan lainlain (Widarjono, 2005:4).
Selanjutnya memandang ekonometrika sebagai alat pengukuran
dalam ekonomi mempunyai metodologi tertentu. Awalnya metodologi
ekonometrika memfokuskan pada bagaimana memperoleh estimator
yang konsisten dan efsien. Aliran metodologi ini disebut sebagai aliran
klasik atau tradisional dan dikenal dengan pendekatan “bottom up”
atau “spesifi to general””. Metodologi klasik dimulai dari pernyataan
teori.
Untuk
membuktikan
kebenaran
teori
atau
hipotesis
yang
dibangun, maka dibuat suatu model ekonometrika. Langkah selanjutnya
adalah melakukan estimasi parameter model tersebut bedasarkan data
yang dikumpulkan. Kemudian melakukan verifkasi bagi estimasi
parameter melalui uji statistik (karena estimasi model bersumber dari
data sampel) dengan tujuan untuk membuat suatu generalisasi.
Langkah terakhir adalah menguji verifkasi estimasi parameter, jika
sesuai dengan teori atau hipotesis awal, maka dilanjutkan dengan
menggunakan hasil estimasi tersebut untuk melakukan prediksi atau
peramalan. Akan tetapi jika verifkasi ternyata tidak sesuai dengan teori
atau hipotesis, maka harus meninjau kembali spesifkasi model yang
dibuat. Langkah-langkah metodologi aliran klasik tersebut dirangkum
dalam diangram di bawah ini.
Page 2
Kausalitas Granger With Eviews 6.0
Pernyataan Teori/
Hipotesis
2013
Spesifkasi Model
Data
Estimasi Model/ Uji
Hipotesis
Ya
Tida
k
Prediksi
Akan tetapi, metodelogi aliran klasik mengalami perubahan pada
tahun 1983 yang dipelopori oleh Hendry dan Richard, yaitu bersifat “top
down atau general” to spesifi”. Aliran ini dikenal dengan aliran modern.
Langkah-langkah metodologi aliran ini hampir sama dengan aliran
klasik, namun berbeda pada langkah spesifkasi model, yaitu pada
langkah setelah melakukan estimasi model, kita tidak langsung
melakukan verifkasi hasil regresi tetapi melakukan uji spesifkasi model
dan
diagnosis
terlebih
dahulu.
Langkah
ini
dibutuhkan
untuk
membuktikan apakah model yang dibangun suadah tepat atau tidak
bias lagi. Jika model sudah tepat, maka dilanjutkan dengan membuat
generalisasi melalui uji statistik dan hasil estimasi sudah bisa dilakukan
prediksi atau peramalan. Namun jika model estimasi belum tepat atau
bias, maka harus meninjau kembali spesifkasi model yang dibangun.
Langkah-langkah metodologi aliran modern tersebut dirangkum dalam
diangram di bawah ini.
Pernyataan Teori/
Hipotesis
Spesifkasi Model
Data
Estimasi Model
Tidak
Uji Spesifkasi Model &
Diagnosis
Ya
Uji Hipotesis
Prediksi
Page 3
Kausalitas Granger With Eviews 6.0
2013
Tahapan-tahapan metodologi aliran modern ekonometrika dapat
dijelaskan sebagai barikut:
Pernyataan teori/ hipotesis
Misalnya : Motivasi kerja berpengaruh positif terhadap prestasi kerja
Spesifkasi model
Berdasarkan rumusan hipotesis atau teori yang dikemukakan
di atas, maka disusun persamaan matematikanya sebagai berikut :
Y = β o+ β1 X 1 (1.1)
Dimana Y adalah prestasi kerja dan X adalah motivasi kerja, 0 dan
1 parameter estimasi yaitu intersep atau konstanta dan kemiringan
(s”ope). Variabel yang terletak di sebelah kiri persamaan “Y” disebut
variabel dependen (dependent valrialb”e) atau variabel terikat, yaitu
variabel yang dipengaruhi, sedangkan variabel yang terletak di
sebelah
kanan
persamaan
“X”
disebut
variabel
independen
(independent valrialb”e) atau variabel bebas, yaitu variabel yang
mempengaruhi besar kecilnya variabel dependen.
Selanjutnya dari spesifkasi model matematika di atas, maka
dibentuk
spesifkasi
model
ekonometrika.
Spesifkasi
model
matematika menunjukkan hubungan yang pasti (deterministik)
antara variabel dependen dengan variabel independen. Oleh karena
hubungan variabel dalam ilmu ekonomi bersifat tidak pasti, maka
persamaan (1.1) perlu dimodifkasi ke dalam model ekonometrika
menjadi:
Y = β o+ β1 X 1 +e (1.2)
Di
mana
e
(disturbalnie/
(stoihalstii
adalah
error
variabel
time)
valrialb”e).
yang
pengganggu
merupakan
Dimasukkannya
atau
kesalahan
variabel
variabel
random
pengganggu
disebabkan oleh faktor yang mempengaruhi prestasi kerja tidak
hanya motivasi kerja tetapi juga dipengaruhi oleh faktor lain seperti
kepuasan kerja, perilaku pemimpin, budaya organisasi dan faktor
lainnya.
Estimasi model
Page 4
Kausalitas Granger With Eviews 6.0
2013
Untuk bisa mengestimasi persamaan (1.2) sehingga diperoleh
nilai 0 dan 1 maka perlu dilakukan pengumpulan data. Data yang
dikumpulkan untuk mengestimasi persamaan (1.2), bisa berupa data
iross seition, time series dan data panel (gabungan antar iross
seition dan time series). Pembahasan ketiga jenis data ini akan
dijelaskan pada bagian selanjutnya. Teknik estimasi yang digunakan
untuk mengestimasi persamaan (1.2) adalah analisis regresi dengan
menggunakan metodel OLSE (Ordinalry Lealst Squalre).
Uji spesifkasi model
Setelah
diperoleh
nilai
0
dan
1,
maka
disusun
persamaan
regresinya dan selanjutnya dilakukan uji sepesifkasi model dan
diagnosis. Uji yang dilakukan adalah uji asumsi klasik dengan tujuan
untuk menghasilkan estimator yang efsien dan tidak bias.
Uji Hipotesis
Apabilai uji spesifkasi model telah dipenuhi, maka dilanjutkan dengan uji
hipotesis dengan menggunakan uji parsial (uji t) dan uji serempak (uji F)
dengan kriteria-kriteria uji statisik.
Prediksi
Apabila model yang dipilih sesuai dengan hipotesis atau teori, maka
langkah
terakhir
adalah
melakukan
prediksi
atau
peramalan
dan
pengambilan sebuah kebijakan dari hasil estimasi. Peramalan digunakan
untuk mengetahui seberapa besar nilai variabel dependen atas dasar nilai
harapan di masa mendatang dari variabel independen.
Keberhasilan dari setiap analisis ekonometrika/ regresi tergantung dari
ada tidaknya ketersediaan data. Data bisa diklasifkasikan sebagai data primer
dan data sekunder. Data primer adalah data yang diperoleh secara langsung
dari objek, baik melalui wawancara, kuesioner, telpon dan sebagainya.
Sedangkan data sekunder adalah data yang diperoleh dari sumber kedua dan
biasanya data ini sudah siap pakai.
Ketersediaan
data,
akan
mempermudah
pekerjaan
ekonometrika.
Terdapat beberapa tipe data yang digunakan dalam analisa regresi dalam
ekonometrika, yaitu:
Data Runtut Waktu (Time Series)
Page 5
Kausalitas Granger With Eviews 6.0
2013
Data runtut waktu adalah sekumpulan observasi dalam rentang waktu
tertentu dan dalam interval waktu secara kontinu. Misalnya harian,
mingguan, bulanan, triwulan, kuartalan, semester dan tahunan.
Contoh data time series:
a) Data laba setelah pajak Bank Pembangunan Daerah Provinsi Sulawesi
Tenggara tahun 2000-2010.
b) Data volume penjualan Telkomesel Kendari tahun 1990 – 2010.
c) Data malrket shalre tabungan Bank Negara Indonesia tahun 1985-2009.
Data Antar Tempat dan Ruang (Cross Section)
Data antar tempat dan ruang adalah data yang dikumpulkan dari sampel.
Misalnya data sensus penduduk pada tahun tertentu, data persepsi atau
sikap seseorang terhadap variabel tertentu.
Contoh data cross section:
a) Data persepsi pelanggan terhadap kualitas layanan bank swasta di Kota
Kendari.
b) Data motivasi pegawai di kantor Walikota Kendari
c) Data prestasi kerja pegawai pada biro-biro yang terdapat di pemerintah
Provinsi Sulawesi Tenggara.
d) Data volume penjuan PT Telkomsel Kendari pada tahun 2010.
Panel Data (Pooled Data)
Panel data adalah data yang dikumpulkan dari sampel dalam interval
waktu tertentu atau data gabungan antara data antar tempat dan ruang
(iross seition) dengan data runtut waktu (time series).
Contoh data cross section:
a) Data volume penjualan industri makanan dan minuman yang terdaftar
pada Bursa Efek Indonesia (BEI) tahun 2000-2009.
b) Data persepsi pelanggan terhadap kualitas layanan bank swasta di Kota
Kendari tahun 2000-2010.
II. Prosedur Analisis Data Multivariat
Secara umum terdapat dua jenis metode statistik dalam analisis
data multivariat, yaitu (1) metode independen (independent method)
Page 6
Kausalitas Granger With Eviews 6.0
2013
dan (2) metode dependen (dependent method). Penjelasan terhadap
dua metode tersebut adalah:
1) Metode independen
Dalam metode ini, tidak ada variabel atau sejumlah variabel yang
memprediksi atau menjelaskan variabel lainnya. Dalam hal ini tidak ada
variabel bebas maupun variabel terikat. Metode ini bertujuan untuk
mengetahui susunan variabel yang diteliti. Secara skematik metode
deskriptif dan inferensia untuk lebih dari dua variabel (multivariat)
disajikan sebagai berikut:
2) Metode dependen
Metode dependen dalam analisis multivariat merupakan metode
statistik yang digunakan untuk menjelaskan satu variabel dependen
atau lebih berdasarkan sejumlah variabel independen. Metode statistik
yang termasuk dalam analisis ini adalah: mu”tip”e regression, alnal”ysis of
valrialnie alnd iovalrialnie, ionjoint alnal”ysis, mu”tip”e disiriminalnt
alnal”ysis, ialnnoniial” alnal”ysis, mu”tivalrialte alnal”ysis of valrialnie, ”inier
probalbal”ity mode”s daln struitural” equaltions mode””ing. Secara skematik
PROSEDUR METODE DEPENDEN :
Prediksi terhadap sejumlah variabel dependen terhadap
Pageindependen/bebas
7
satu atau beberapa variabel
Berapa jumlah variabel yang akan
diprediksi ?
Hubungan ganda dari
sejumlah variabel
terikat dan variabel
bebas
Analisis
SEM
metode
Satu variabel terikat dan
satu hubungan tunggal
Sejumlah variabel terikat
dan satu hubungan tunggal
Apakah Jenis Skala
Variabel Terikat Dan
Bebasnya
deskriptif
dan
Kausalitas Granger With Eviews 6.0
Apakah Jenis Skala
Variabel Terikat Dan
Bebasnya
inferensia
untuk
lebih
dari
2013
dua
variabel
Nonsebagai
metrik
(multivariat)
disajikan
berikut:
Metrik (interval
(ordinal dan
dan rasio)
nominal)
Non metrik
Metrik
dan
PROSEDUR METODE (interval
DEPENDEN : (ordinal
Apakah Jenis
nominal
1. Canonical corelation
dan rasio)
Skala Variabel
Prediksi
terhadap
sejumlah variabel dependen terhadap satu atau
2. Analysis
with dummy
Terikat
variabel
beberapa variabel independen/bebas
Metrik
(interval
dan rasio)
Multiple
Regressi
on
Non metrik
(ordinal dan
nominal)
Multivaria
te
Analysis
Of
Variance
Hubungan ganda dari
sejumlah variabel terikat dan
variabel bebas
Multiple
nt
Analysis
Sejumlah variabel terikat dan satu
hubungan tunggal
Apakah Jenis Skala
Variabel Terikat Dan
Bebasnya
Non metrik
(ordinal dan
nominal)
Apakah Jenis
Skala Variabel
Terikat
Cannonical
Correlation
Analysis
Satu variabel terikat dan satu
hubungan tunggal
Apakah Jenis Skala Variabel
Terikat Dan Bebasnya
Metrik (interval dan
rasio)
Metrik
(interval
dan rasio)
Linier
Probabilit
y Model
Berapa jumlah variabel yang akan diprediksi
Discrimina?
Cannonica
l
Correlatio
n Analysis
Analisis SEM
Conjoint
Analysis
1. Canonical corelation
2. Analysis with dummy
variabel
Non metrik
(ordinal dan
nominal
Metrik
(interval dan
rasio)
Multiple
Regression
Conjoint
Analysis
Non metrik
(ordinal dan
nominal)
Multiple
Discriminant
Analysis
Multivariate
Analysis Of
Variance
Linier
Probability
Model
III. Konsep Dasar Kausalitas Granger
Kausalitas adalah hubungan dua arah. Artinya bahwa dalam model
ekonometrika tidak terdapat variable independen, semua variable
merupakan variable dependen. Model umum persamaan
Granger dapat ditulis sebagai berikut:
Page 8
Kausalitas
Kausalitas Granger With Eviews 6.0
n
2013
n
Y t =∑ α i Y i−1 + ∑ β i X i−1+ e1 t
i=1
i=1
n
n
X t =∑ γ i X i−1 + ∑ τ i Y i−1+ e 2t
i=1
i=1
Dimana Y = variable dependen pertama dan X = variable dependen
kedua
Dalam pembahasan selanjutnya diumpamakan bahwa variable Y adalah
GDP dan variable X adalah ekspor. Menurut Granger (1969) untuk
menyelesaikan model kausalitas antara ekspor dan GDP sebagaimana
terlihat pada kedua persamaan di atas, maka ada tiga model regresi
yang harus dilakukan, yaitu :
1) Langkah
pertama
adalah
untuk
menguij
apakah
ekspor
mempengaruhi GDP persamaannya sebagai berikut:
n
n
Persamaanunrestricted Y t =∑ α i Y i−1 + ∑ β i X i−1 +e 1t
i=1
i=1
n
Persamaanrestricted Y t=∑ γ i Y i−1+ e 2t
i=1
2) Langkah kedua adalah untuk menguij apakah GDP mempengaruhi
ekspor persamaannya sebagai berikut:
n
n
Persamaanunrestricted X t=∑ α i X i−1 + ∑ β i Y i−1 +e 1 t
i =1
i=1
n
Persamaanrestricted X t =∑ γ i X i−1 +e 2 t
i=1
3) Penentuan keputusan: apakah ekospor mempengaruhi GDP dan
sebaliknya apakah GDP mempengaruhi ekspor dengan menggunakan
uji F. Nilai F hitung diperoleh dengan formula sebagai berikut:
F=( n−k)
RSS R −RSSUR
m( RSSUR )
Dimana :
RSS R dan RSSUR = berturut-turut adalah nilai Residual” Sum of Squalres di
dalam persamaan restriited dan unrestriited.
Page 9
Kausalitas Granger With Eviews 6.0
n
= jumlah observasi
m
= jumlah lag
k
= jumlah
parameter
yang
diestimasi
2013
di
dalam
persamaan unrestriited
Adapun kriteria uji F adalah jika nilai F hitung lebih besar dari nilai F
table maka ekspor(GDP) mempengaruhi GDP(eskpor). Sebaliknya jika
nilai F hitung lebih kecil dari nilai F table maka ekspor(GDP) tidak
mempengaruhi GDP(eskpor).
4) Penentuan panjang kelambanan. Penentuan panjangnya kelambanan
menggunakan metode Akaike dan Schawarz.
Uji kausalitas Granger umumnya menggunakan data runtut waktu
atau time series. Sebagaimana umumnya data time series rentan
dengan
ketidaknormalan
data.
Sehingga
sebelum
melakukan
uji
kausalitas, maka terlebih dahulu dilakukan uji ketidaknormalan data (uji
stasioner) dan uji hubungan antara variable dalam jangka panjang (uji
kointegrasi).
IV. Program Eviews 6.0
Program Eviews 6.0
adalah
sebuah
mampu menganalisis ekonometrika
secara
program
aplikasi
yang
Salah
satu
lengkap.
keungulan program ini dibandingkan program atau software lainnya
adalah karena program ini berbasis windows dan program ini sangat
mudah dioperasikan (user-friend”y). Kemampuan Eviews ini meliputi
analisis
dan
evaluasi
analisis
data saintifk,
analisa
keuangan,
peramalan makro/mikro ekonomi, simulasi, dan analisa biaya dan
peramalannya. Disamping itu, Eviews dirancang khusus untuk analisa
runtun waktu sebagaimana software statistik standar lainnya, Eviews
Page 10
Kausalitas Granger With Eviews 6.0
juga mempunyai kemampuan
untuk
melakukan
analisis
2013
eksplorasi
data, simulasi, kontruksi grafk maupun uji-uji hipotesis sederhana,
baik parametrik maupun nonparametrik.
Pada
Eviews
6.0
terdapat
beberapa
macam
jendela
(windows)
yang fungsinya berbeda satu sama lain. Secara ringkas, tampilantampilan jendela (window) dalam Eviews, antara lain:
1) Malin
Window
Eviews.
(Jendela
Utama)
merupakan
jendela
program
Semua Jendela yang lain dibuka melalui atau di dalam
jendela.
2) Commalnd
Window
mengetikkan perintah
(Jendela
macro
Program)
Eviews,
baik
berfungsi
untuk
untuk
menganalisa
data maupun menyusun program.
3) Daltalbalse
Window
(Jendela
Basisdata)
berfungsi
melakukan
manajemen terhadap beberapa objek dengan range berbeda.
4) Workf”e
Window
(Jendela
Workfle)
berfungsi
melakukan
manajemen terhadap beberapa objek dengan range sama.
5) Objeit Window (Jendela Objek) berfungsi melakukan manajemen
terhadap objek (unit analisa terkecil dalam Eviews).
Kelima penjelasan windows program Eviews 6.0 di atas telihat pada
Gambar di bawah ini:
Page 11
Kausalitas Granger With Eviews 6.0
2013
IV.1. Memulai Program Eviews 6.0
Seperti halnya memulai software berbasis windows, langkah
awal memulai
Eviews
dapat
dimulai
dengan cara mengklik ikon
Eviews 6.0 baik start maupun dari dekstop. Untuk memulai Eviews
dari ikon di atas, cukup dengan klik dua kali maka jendela Eviews akan
tampil.
Untuk
memulai
Eviews 6.0 dari
desktop,
klik
start,
all
programs, Eviews 6.0, seperti pada layar berikut Kemudian akan terlihat
tampilan sebagai berikut ini:
Page 12
Kausalitas Granger With Eviews 6.0
2013
Setelah mengklik icon EVIEWS pada desktop atau icon start, maka
akan tampak jendela utama program EVIEWS sebagai berikut:
IV.2. Menginput Data
Sebagaimana diketahui bahwa tipe data dalam ekonometrika
terdiri tiga tipe, yaitu data time series, data irosseition dan data panel.
Ketiga tipe data tersebut dapat diinput pada Program Eviews 6.0.
Page 13
Kausalitas Granger With Eviews 6.0
2013
Prosedur penginputan ketiga tipe data ekonometrika tersebut dijelaskan
sebagai berikut:
IV.2.1.
Prosedur Menginput Data Time Series
Langkah menginput data time series dapat diuraikan sebagai
berikut:
1) Buka program eview 6.0 dengan cara mengklik dua pada icon
eviows yang ada di desktop kemudian akan tampak jendela eviews :
2) klik fle pada menu dan pilih New-Workfle, dan Pilih tipe stuktur
data, yaitu dalted/regu”alr freiueniy sebagaimana terlihat pada
gambar di bawah ini:
3) isi periode pengamatan dari awal hingga akhir, misal tahun 1971-
Page 14
Kausalitas Granger With Eviews 6.0
2013
1999, pada start date isi 1971 dan end date 1999 lalu klik OK.
IV.2.2.
Prosedur Menginput Data Cross Section
Langkah menginput data iross seition dapat diuraikan sebagai
berikut:
1) Buka program eview 6.0 dengan cara mengklik dua pada icon
eviows yang ada di desktop kemudian akan tampak jendela eviews :
2) klik fle pada menu dan pilih New-Workfle, dan Pilih tipe stuktur
data, yaitu unstructured/undalted sebagaimana terlihat pada gambar
di bawah ini:
3) dari template di atas isi jumlah observasi misal 50 observasi, pada
data range lalu klik OK.
Page 15
Kausalitas Granger With Eviews 6.0
IV.2.3.
2013
Prosedur Menginput Data Panel
Langkah menginput data iross seition dapat diuraikan sebagai
berikut:
1) Buka program eview 6.0 dengan cara mengklik dua pada icon
eviows yang ada di desktop kemudian akan tampak jendela
eviews :
2) klik fle pada menu dan pilih New-Workfle, dan Pilih tipe stuktur
data, yaitu balanced panel sebagaimana terlihat pada gambar di
bawah ini:
3) dari template di atas isi frecunecy (missal annual), isi periode
Page 16
Kausalitas Granger With Eviews 6.0
2013
pengamatan dari awal hingga akhir, misal tahun 1971-1999, pada
start date isi 1971 dan end date 1999 dan jumlah observasi misal
50 observasi, pada data range lalu klik OK.
Terdapat tujuh tipe frekuensi data time series dan format penuliasannya
pun berbeda-beda, dan contoh format penulisannya adalah : (Contoh
data enam tahun, 2000-2005)
Tahunan (annual): star date : 2000 dan end date :2005
Semi-annual
(semesteran)
star
date
:
“2000:1”
dan
end
date :”2005:2”.
Quarterly (kuartalan) star date :“2000Q1” dan end date :”2005Q4”.
Monthly (bulanan) star date :“20001M1” dan end date :”2005M12”.
IV.3. Prosedur Menamai Variabel
Untuk menamai variable dapat dilakukan dengan langkah-langkah :
1) Setelah memilih salah tipe data ekonometrika, misal untuk tipe data
time series, maka akan tampak fle kerja eviews di bawah ini
2) Dari jendela fle kerja eviews, klik object, pilih new object, maka
Page 17
Kausalitas Granger With Eviews 6.0
2013
akan tampak seperti gambar di bawah ini
3) Selanjutnya pilih series, dan ketik nama variabelnya (misalnya X1),
lalu klik OK. Lakukan cara yang sama untuk variabel lainnya
(misalnya X2, X3 dan Y),, sebagaiamana terlihat pada template di
bawah ini
4) Lakukan langkah ketiga untuk variable X2, X3 dan Y, maka akan
Page 18
Kausalitas Granger With Eviews 6.0
2013
terlihat gambar sebagai berikut:
Untuk melihat variabel yang telah dinamai tersebut, klik pada
variabel yang akan dilihat atau diisi datanya, lalu klk kanan dan pilih
open, maka akan terlihat seperti gambar di bawah ini
Dari gambar di atas, maka data diinput dengan dua cara, yaitu
pertama diinput langsung dengan cara meng-klik edit +/- , lalu ketik
data yang akan diinput dan dengan cara yang sama lakukan untuk data
lainnya sampai selesai. Lakukan cara yang sama untuk variabel lainnya.
Lalu tutup lembar kerja data dengan mengklik tanda (X) pada pojok
kanan atas lembar kerja data, dan pilih “delete”. Proses input data
Page 19
Kausalitas Granger With Eviews 6.0
2013
selesai.
IV.4. Prosedur Menyimpan File Kerja
Setelah menamai dan menginput data dari masig-masing variable,
maka fle kerja eviews di simpan dengan cara sebagai berikut:
1) Klik “FILE” pada jendela eviews lalu pilih “SAVE” atau SAVE AS”.,
maka akan tampak template di bawah ini
2) Klik OK, maka akan tampak template di bawah ini
3) Ketik Nama File Kerja lalu klik Save. File kerja eviews telah disimpan.
V. Kausalitas Granger Dengan Eviews 6.0
Page 20
Kausalitas Granger With Eviews 6.0
2013
Dalam modul ini, langkah-langkah uji kausalitas Granger dilakukan
dengan menggunakan bantuan Software Eviews 6.0. Berikut ini
dilakukakan tahapan-tahapan uji kausalitas Granger dengan mengambil
contoh menguji apakah ada hubungan dua arah antara ekspor dan GDP
Indonesia dalam Periode 1971-2002. Adapun data kedua variable
tersebut disajikan dalam Tabel di bawah ini.
Tahun
1971
1972
1973
1974
1975
1976
1977
1978
GDP
(Milyar)
3672
4564
6753
10708
12642.5
15466.7
1910.7
22458.3
Ekspor
$)
(Juta
Tahun
GDP (Milyar)
1233.6
1777.7
3210.8
7426.3
7102.5
8546.5
10852.6
11643.2
1979
1980
1981
1982
1983
1984
1985
1986
32025.3
45445.7
54027
59632.6
73697.6
87054.8
94720.8
95823.1
Ekspor (Juta
$)
15590.1
23950.4
25164.5
22328.3
21145.9
21887.8
18586.7
14805
Adapun prosedur uji kausalitas Granger dengan menggunakan
bantuan Software Eviews 6.0 adalah :
1) Prosedur Penginputan Data
Sebagaimana yang telah diilustrasikan di atas, maka dalam contoh
kasus dalam modul ini adalah akan dilakukan uji kausalitas Granger
antara variable ekspor dan GDP dalam periode 1971-1986. Adapun
prosedur penginputan data ekspor dan GDP dijelaskan sebagai
berikut:
a. Klik icon eviews 6.0 pada desktop sebagaimana terlihat pada
gambar di bawah ini:
Klik dua
kali
b. Kemudian akan terlihat template di bawah ini :
Page 21
Kausalitas Granger With Eviews 6.0
2013
c. Dari tampilan jendela window eviews pada poin b, klik “File” lalu
pilih “Workfle”, maka akan terlihat gambar di bawah ini:
d. Isiliah “star date : “1971” dan End date : “1986” serta WF :
“kausalitas” lalu, maka akan terlihat template:
Page 22
Kausalitas Granger With Eviews 6.0
2013
klik “OK”, maka akan telihat gambar di bawah ini:
e. Namai variable dengan cara meng”klik object”, maka tampak
template di bawah ini:
Pilih type of object “series” dan ketik “ekspor” pada Name of
object, sebagaimana terlihat pada template di bawah ini:
Page 23
Kausalitas Granger With Eviews 6.0
lalu klik “OK”, maka akan terlihat template di bawah ini:
Page 24
2013
Kausalitas Granger With Eviews 6.0
2013
f. Dengan cara yang sama seperti pada poin e untuk menamai
variable “GDP”, maka akan tampak template di bawah ini:
g. Setelah menamai variable selesai dilakukan, maka langkah
selanjutnya adalah menginput data variable ekspor dan GDP
dengan cara mengcopi data dari MS Excel dan mem”paste” pada
Program Eviews 6.0. adapun prosedur adalah:
Page 25
Kausalitas Granger With Eviews 6.0
2013
(1)Klik dua kali pada variable ekspor dari template point f, maka
akan terlihat gambar di bawah ini:
(2)Klik “edit +/-“ dan arahkan kursor pada NA tahun 1971
(3)Buka program MS Excel dimana data yang telah diketik,
kemudian copi data variable ekspor dan paste di jendela
eviews.
Paste di sini
dengan cara
klik kanan
Maka akan tampak seperti pada template di bawah ini:
Page 26
Kausalitas Granger With Eviews 6.0
2013
Lakukan cara atau langkah yang sama dengan variable ekspor untuk
variable GDP. Prosedur penginputan data telah selesai.
Tutup
semua template kecuali template “workfle” yang telah terbuka
dengan mengklik tanda “X” pada masing-masing template seperti
pada terlihat pada template di bawah ini.
Page 27
Kausalitas Granger With Eviews 6.0
2013
2) Prosedur Uji Stasioner Data ekspor dan GDP
Data variable ekspor dan GDP telah selasai diinput, langkah
selanjutnya uji stasioner data variable ekspor dan GDP. Adapun
langkah-langkah uji stasioner data adalah:
a) Dari jendela “workfle” yang telah terbuka, klik “Quick”, lalu pilih
“Series Statistics” dan klik “Unit Root Test”. Ketik variable ekspor
sebagaimana terlihat pada template di bawah ini.
Lalu klik “OK”, maka akan terlihat template di bawah ini
Klik “OK”, maka akan tampak hasil uji root test/akar unit
sebagaimana terlihat di bawah ini.
Page 28
Kausalitas Granger With Eviews 6.0
2013
Simpan hasil output uji stasioner dengan cara mengklik “Freeze”,
maka akan tampak template di bawah ini.
Pada template di atas, klik “Name”, maka akan tampak template
di bawah ini:
Page 29
Kausalitas Granger With Eviews 6.0
2013
Beri nama output tersebut dengan cara mengganti “tabel01”
dengan
nama
yang
mudah
diingat,
misalnya
“adf_ekspor_level”(jika nama lebih dari satu kata harus diantarai
“_”), maka output tersebut akan tersimpan dalam fle kerja
eviews sebagaimana terlihat pada template di bawah ini.
Dari hasil stasioner di atas, terlihat bahwa nilai t-Statistics
variable ekspor lebih kecil dari nilai kritis pada level 1%, 5%
Page 30
Kausalitas Granger With Eviews 6.0
2013
ataupun 10%. Artinya bahwa variable ekspor tidak stasioner/tidak
normal pada tingkat level sehingga perlu dilakukan uji stasioner
pada tingkat diferen pertama. Selanjutnya prosedur pengujiannya
adalah:
a.1 Dari template hasil/output uji stasioner, klik “View” dan pilih
“Unit Root Test”, maka akan tampak template di bawah ini:
a.2 Klik “1st diference” lalu klik OK, maka akan tempak template
sebagaimana terlihat pada template di bawah ini
Page 31
Kausalitas Granger With Eviews 6.0
a.3
2013
Klik “OK”, maka hasil uji stasioner pada tingkat diferen
pertama terlihat pada template di bawah ini.
Untuk menyimpan hasil atau output uji stasioner pada tingkat
diferen pertama ini, lakukan cara yang sama dengan cara
penyimpanan hasil uji stasioner tingkat level. Hasil uji stasioner
pada tingkat diferen pertama menunjukkan bahwa nilai tStatistics variable ekspor lebih kecil dari nilai kritis pada level 1%,
5%
ataupun
10%.
Artinya
bahwa
variable
ekspor
tidak
stasioner/tidak normal pada tingkat diferen pertama sehingga
perlu dilakukan uji stasioner pada tingkat diferen kedua. Prosedur
pengujiannya sama dengan prosedur pengujian pada tingkat
diferen pertama. Hasil ouput uji stasioner pada tingkat diferen
kedua terlihat pada template di bawah ini.
Page 32
Kausalitas Granger With Eviews 6.0
2013
Hasil uji stasioner pada tingkat diferen kedua menunjukkan
bahwa nilai t-Statistics variable ekspor lebih besar dari nilai kritis
pada level 1%, 5% ataupun 10%. Artinya bahwa variable ekspor
tidak stasioner/tidak normal pada tingkat diferen kedua. Jadi
dapat disimpulkan bahwa variable ekspor stasioner pada tingkat
difren kedua.
b) Setelah uji stasioner variable ekspor dilakukan, maka dilanjutkan
dengan melakukan pengujian stasioner untuk variable GDP.
Prosedur dan langkah-langkahnya sama dengan uji stasioner
variable ekspor, yaitu jika tidak stasioner pada tingkat level,
dilanjutkan pada tingkat diferen pertama dan seterusnya hingga
diperoleh
hasil
uji
yang
menunjukkan
stasioner.
Tahapan
pengujian stasioner variable GDP disajikan di bawah ini.
Dari jendela “workfle” yang telah terbuka, klik “Quick”, lalu pilih
“Series Statistics” dan klik “Unit Root Test”. Ketik variable ekspor
sebagaimana terlihat pada template di bawah ini.
Page 33
Kausalitas Granger With Eviews 6.0
2013
Lalu klik “OK”, maka akan terlihat template di bawah ini
Klik “OK”, maka akan tampak hasil uji root test/akar unit
sebagaimana terlihat di bawah ini.
Page 34
Kausalitas Granger With Eviews 6.0
2013
Simpan hasil output uji stasioner dengan cara mengklik “Freeze”,
maka akan tampak template di bawah ini.
Beri nama output tersebut dengan cara mengganti “tabel01”
dengan nama yang mudah diingat, misalnya “adf_gdp_level”(jika
nama lebih dari satu kata harus diantarai “_”), maka output
tersebut akan tersimpan dalam fle kerja eviews sebagaimana
terlihat pada template di bawah ini.
Page 35
Kausalitas Granger With Eviews 6.0
2013
hasil stasioner di atas, terlihat bahwa nilai t-Statistics variable
GDP lebih kecil dari nilai kritis pada level 1%, 5% ataupun 10%.
Artinya bahwa variable GDP tidak stasioner/tidak normal pada
tingkat level sehingga perlu dilakukan uji stasioner pada tingkat
diferen pertama. Selanjutnya
prosedur pengujiannya
sama
dengan prosedur pengujian variable ekspor.
b.1 Dari template hasil/output uji stasioner, klik “View” dan pilih
“Unit Root Test”, maka akan tampak template di bawah ini:
Klik “OK”, maka akan tampak template di bawah ini
Page 36
Kausalitas Granger With Eviews 6.0
2013
Beri nama output tersebut dengan cara mengganti “tabel01”
dengan
nama
yang
mudah
diingat,
misalnya
“adf_ekspor_level”(jika nama lebih dari satu kata harus diantarai
“_”), maka output tersebut akan tersimpan dalam fle kerja
eviews sebagaimana terlihat pada template di bawah ini.
Klik OK. Output uji stasioner pada tingkat diferen pertama telah
disimpan dalam fle kerja dengan adf_gdp_diferen1.
Page 37
Kausalitas Granger With Eviews 6.0
2013
Hasil uji stasioner pada tingkat diferen kedua menunjukkan
bahwa nilai t-Statistics variable ekspor lebih besar dari nilai kritis
pada level
5% ataupun 10%. Artinya bahwa variable GDP
stasioner/normal
pada
tingkat
5%
dan
10%.
Jadi
dapat
disimpulkan bahwa variable GDP stasioner pada tingkat difren
pertama.
c) Berdasarkan hasil uji stasioner variable ekspor dan GDP, maka
dapat disimpulkan bahwa variable ekspor stasioner pada tingkat
diferen kedua sedangkan variable GDP stasioner pada tingkat
diferen pertama. Oleh karena variable ekspor dan GDP stasioner
pada tingkat yang berbeda, maka pada uji kointegrasi dilakukan
pengujian pada tingkat diferen kedua. Adapun
prosedur uji
kointegrasi dijelaskan pada bagian selanjutnya.
3) Prosedur Uji Kointegrasi
Prosedur uji kointergrasi dengan menggunakan program Eviews
6.0 dilakukan dengan langkah-langkah sebagai berikut:
Page 38
Kausalitas Granger With Eviews 6.0
2013
a) Klik “Quick” dan pilih “Group statistics” dan klik “Cointegration
test”. Selanjutnya ketik ekspor spasi GDP, maka akan tampak
template di bawah ini
b) Klik OK, maka tampak template di bawah ini
c) Klik OK, maka hasil output terlihat pada template di bawah ini
Page 39
Kausalitas Granger With Eviews 6.0
2013
d) Simpan hasil uji kointegrasi dengan mengklik “Freeze” pada
template output uji kointegrasi dan klik “Name” serta ketik nama
hasil uji kointegrasi dengan nama “kointegrasi_ekspor_gdp, maka
akan tampak template :
Klik OK, maka hasil output tersimpan dalam fle kerja eviews.
e) Berdasarkan hasil output pada template poin c, maka variable
ekspor dan gdp lag 1 ke 1 tidak terkointegrasi pada pada level 5%
karena
berdasarkan
hasil
uji
MacKinnon-Haug-Michelis
menunjukkan bahwa nilai probability (0.0834) lebih besar
dari
nilai alpha 0.05. artinya bahwa variable ekspor dan GDP dalam
jangka panjang tidak terjadi kointegrasi atau tidak mempunyai
hubungan jangka panjang sehingga harus dilakukan uji lanjutan
Page 40
Kausalitas Granger With Eviews 6.0
2013
yaitu uji kointegrasi pada lag 1 ke 2. Adapun langkah uji
kointegrasi lag 1 ke 2 dijelaskan sebagai berikut:
(1)Dari template hasil uji kointegrasi, klik “View” dan pilih
“Cointegration test”, maka akan tampak template sebagai
berikut:
(2)Klik OK, maka akan tampak template di bawah ini.
(3)Untuk menyimpan hasil output pada fle kerja eviews, klik
“Freeze” dan klik “Name” pada template yang muncul lalu
ketik “kointegrasi_ekspor_gdp2” sebagaimana terlihat pada
template di bawah ini.
Page 41
Kausalitas Granger With Eviews 6.0
2013
(4)Klik OK maka output uji kointegrasi lag 1 ke 2 telah tersimpan
dalam fle kerja eviews.
f) Berdasarkan hasil output uji kointegrasi pada lag 1 ke 2, maka
variable ekspor dan gdp lag 1 ke 2 terkointegrasi pada pada level
5%
karena
berdasarkan
hasil
uji
MacKinnon-Haug-Michelis
menunjukkan bahwa nilai probability (0.0007) lebih kecil dari nilai
alpha 0.05. artinya bahwa variable ekspor dan GDP dalam jangka
panjang
terkointegrasi
atau
mempunyai
hubungan
jangka
panjang.
4) Prosedur Uji Kausalitas Granger
Berdasarkan hasil uji stasioner dan kointegrasi, maka diketahui
bahwa variable ekspor stasione pada level diferen kedua dan
variable GDP stasioner pada level diferen pertama serta variable
ekspor dan GDP terkointegrasi pada level diferen pertama di lag 1
ke 2. Dari hasil uji stasioner dan uji kointegrasi dapat dijadikan
sebagai dasar bahwa untuk melakukan uji kausalitas variable ekspor
dan GDP telah bisa dilakukan dan dimulai dari lag 2. Adapun
Page 42
Kausalitas Granger With Eviews 6.0
2013
prosedur uji kausalitas Granger dengan menggunakan program
Eviews sebagai berikut:
a) Klik “Quick” dan pilih “Group statistics” dan klik “Granger
Causality test”. Selanjutnya ketik d(d(ekspor)) spasi d(GDP), maka
akan tampak template di bawah ini
b) Klik Ok, maka akan tampak template di bawah ini
Page 43
Kausalitas Granger With Eviews 6.0
2013
c) Klik Ok, maka akan tampak template di bawah ini
d) Untuk menyimpan hasil output pada fle kerja eviews, klik
“Freeze” dan klik “Name” pada template yang muncul lalu ketik
“kausalitas_lag2” sebagaimana terlihat pada template di bawah
ini.
Page 44
Kausalitas Granger With Eviews 6.0
2013
e) Klik OK untu menyimpan hasil uji kausalitas lag2 pada fle kerja
eviews.
f) Berdasarkan hasil uji kausalitas Granger pada lag 2, menunjukkan
bahwa pada lag 2 tidak terdapat hubungan kausalitas antara
variable ekspor dan GDP dimana nilai probability pengaruh ekspor
terhadap GDP (0. 9848) dan pengaruh GDP terhadap ekspor (0.
8602) adalah lebih besar dari nilai alpha 5% sehingga dapat
disimpulkan bahwa pada lag 2 tidak terjadi pengaruh dua arah
Page 45
Kausalitas Granger With Eviews 6.0
2013
maupun satu arah antara variable ekspor dan GDP dalam periode
1971-1986. Oleh karena itu uji kausalitas dilanjutkan pada lag 3.
g) Uji Kausalitas Granger lag 3, Klik “View” pada template output
kausalitas pada point c) dan pilih “Granger Causality test” serta
ganti angka 2 dengan 3, maka akan tampak template :
h) Klik OK, maka akan tampak template:
Page 46
Kausalitas Granger With Eviews 6.0
2013
i) Untuk menyimpan hasil output pada fle kerja eviews, klik
“Freeze” dan klik “Name” pada template yang muncul lalu ketik
“kausalitas_lag3” sebagaimana terlihat pada template di bawah
ini.
j) Klik OK untu menyimpan hasil uji kausalitas lag2 pada fle kerja
eviews.
Page 47
Kausalitas Granger With Eviews 6.0
2013
k) Berdasarkan hasil uji kausalitas Granger pada lag 3, menunjukkan
bahwa pada lag 3 tidak terdapat hubungan kausalitas antara
variable ekspor dan GDP dimana nilai probability pengaruh ekspor
terhadap GDP (0.7564) dan pengaruh GDP terhadap ekspor
(0.0949) adalah lebih kecil dari nilai alpha 10% sehingga dapat
disimpulkan bahwa pada lag 3 tidak terjadi pengaruh dua arah
hanya terjadi pengaruh satu arah GDP mempunyai pengaruh
signifkan terhadap ekspor pada level 10% dalam periode 19711986. Oleh karena itu uji kausalitas dilanjutkan pada lag 4.
l) Uji Kausalitas Granger lag 4, Klik “View” pada template output
kausalitas pada point c) dan pilih “Granger Causality test” serta
ganti angka 3 dengan 4, maka akan tampak template :
Page 48
Kausalitas Granger With Eviews 6.0
2013
m) Klik OK, maka akan tampak template:
n) Untuk menyimpan hasil output pada fle kerja eviews, klik
“Freeze” dan klik “Name” pada template yang muncul lalu ketik
“kausalitas_lag4” sebagaimana terlihat pada template di bawah
ini.
Page 49
Kausalitas Granger With Eviews 6.0
2013
o) Klik OK untu menyimpan hasil uji kausalitas lag2 pada fle kerja
eviews.
p) Berdasarkan hasil uji kausalitas Granger pada lag 4, menunjukkan
bahwa pada lag 3 tidak terdapat hubungan kausalitas antara
variable ekspor dan GDP dimana nilai probability pengaruh ekspor
terhadap GDP (0. 8071) dan pengaruh GDP terhadap ekspor
(0.3941) adalah lebih besar dari nilai alpha 1%, 5% dan 10%
Page 50
Kausalitas Granger With Eviews 6.0
2013
sehingga dapat disimpulkan bahwa pada lag 4 tidak terjadi
pengaruh dua arah ekspor dan GDP dalam periode 1971-1986.
Referensi
Brooks, Chris. 2008. Introduitory Eionometriis for Finalnie. Second
Edition. Cambridge University Press.
Engle dan White. 1999. Cointegraltion, Calusal”ity alnd Foreialsting.
Oxford University Press.
Gujarati, Damodar. 2006. Ekonometrika Dasar. PT. Airlangga, Jakarta.
Manurung, Jonni Dkk. 2005. Ekonometrika: Teori dan Aplikasi. PT.
Alexindo Komputindo, Jakarta.
Setiawan dan Kusrini. 2010. Ekonometrika. Andi Yogyakarta.
Widarjono, Agus. 2007. Ekonometrika Dasar: Aplikasi Dalam Ekonomi
dan Bisnis. Alfa Beta, Jakarta.
Lampiran 1
Prosedur Estimasi Model VAR dengan Eviews 6.0
Page 51
Kausalitas Granger With Eviews 6.0
2013
Lampiran 2
Prosedur Analisis Regresi (Error Correction Models ) dengan
Eviews 6.0
Page 52
Kausalitas
Granger With
Eviews 6.0
Muhamad Armawaddin, SE.
M.Si.
Page 1
2013
Kausalitas Granger With Eviews 6.0
2013
I. Pendahuluan
Ekonometrika sebagai suatu ilmu dibagi dalam dua kategori besar,
yaitu ekonometrika teori dan ekonometrika terapan. Ekonometrika teori
berkaitan dengan erat dengan perkembangan metode yang tetap untuk
mengukur
hubungan
ekonomi
yang
dibentuk
di
dalam
model
ekonometrika. Ekonometrika teori harus membuat asumsi dari teori
yang ingin dikembangkan, sifat-sifatnya dan apa yang terjadi terhadap
sifat dan karakteristik dari ekonometrika teori jika asumsi tidak
terpenuhi. Sedangkan ekonometrika terapan digunakan untuk studistudi di dalam area ekonomi dan bisnis seperti fungsi produksi dan lainlain (Widarjono, 2005:4).
Selanjutnya memandang ekonometrika sebagai alat pengukuran
dalam ekonomi mempunyai metodologi tertentu. Awalnya metodologi
ekonometrika memfokuskan pada bagaimana memperoleh estimator
yang konsisten dan efsien. Aliran metodologi ini disebut sebagai aliran
klasik atau tradisional dan dikenal dengan pendekatan “bottom up”
atau “spesifi to general””. Metodologi klasik dimulai dari pernyataan
teori.
Untuk
membuktikan
kebenaran
teori
atau
hipotesis
yang
dibangun, maka dibuat suatu model ekonometrika. Langkah selanjutnya
adalah melakukan estimasi parameter model tersebut bedasarkan data
yang dikumpulkan. Kemudian melakukan verifkasi bagi estimasi
parameter melalui uji statistik (karena estimasi model bersumber dari
data sampel) dengan tujuan untuk membuat suatu generalisasi.
Langkah terakhir adalah menguji verifkasi estimasi parameter, jika
sesuai dengan teori atau hipotesis awal, maka dilanjutkan dengan
menggunakan hasil estimasi tersebut untuk melakukan prediksi atau
peramalan. Akan tetapi jika verifkasi ternyata tidak sesuai dengan teori
atau hipotesis, maka harus meninjau kembali spesifkasi model yang
dibuat. Langkah-langkah metodologi aliran klasik tersebut dirangkum
dalam diangram di bawah ini.
Page 2
Kausalitas Granger With Eviews 6.0
Pernyataan Teori/
Hipotesis
2013
Spesifkasi Model
Data
Estimasi Model/ Uji
Hipotesis
Ya
Tida
k
Prediksi
Akan tetapi, metodelogi aliran klasik mengalami perubahan pada
tahun 1983 yang dipelopori oleh Hendry dan Richard, yaitu bersifat “top
down atau general” to spesifi”. Aliran ini dikenal dengan aliran modern.
Langkah-langkah metodologi aliran ini hampir sama dengan aliran
klasik, namun berbeda pada langkah spesifkasi model, yaitu pada
langkah setelah melakukan estimasi model, kita tidak langsung
melakukan verifkasi hasil regresi tetapi melakukan uji spesifkasi model
dan
diagnosis
terlebih
dahulu.
Langkah
ini
dibutuhkan
untuk
membuktikan apakah model yang dibangun suadah tepat atau tidak
bias lagi. Jika model sudah tepat, maka dilanjutkan dengan membuat
generalisasi melalui uji statistik dan hasil estimasi sudah bisa dilakukan
prediksi atau peramalan. Namun jika model estimasi belum tepat atau
bias, maka harus meninjau kembali spesifkasi model yang dibangun.
Langkah-langkah metodologi aliran modern tersebut dirangkum dalam
diangram di bawah ini.
Pernyataan Teori/
Hipotesis
Spesifkasi Model
Data
Estimasi Model
Tidak
Uji Spesifkasi Model &
Diagnosis
Ya
Uji Hipotesis
Prediksi
Page 3
Kausalitas Granger With Eviews 6.0
2013
Tahapan-tahapan metodologi aliran modern ekonometrika dapat
dijelaskan sebagai barikut:
Pernyataan teori/ hipotesis
Misalnya : Motivasi kerja berpengaruh positif terhadap prestasi kerja
Spesifkasi model
Berdasarkan rumusan hipotesis atau teori yang dikemukakan
di atas, maka disusun persamaan matematikanya sebagai berikut :
Y = β o+ β1 X 1 (1.1)
Dimana Y adalah prestasi kerja dan X adalah motivasi kerja, 0 dan
1 parameter estimasi yaitu intersep atau konstanta dan kemiringan
(s”ope). Variabel yang terletak di sebelah kiri persamaan “Y” disebut
variabel dependen (dependent valrialb”e) atau variabel terikat, yaitu
variabel yang dipengaruhi, sedangkan variabel yang terletak di
sebelah
kanan
persamaan
“X”
disebut
variabel
independen
(independent valrialb”e) atau variabel bebas, yaitu variabel yang
mempengaruhi besar kecilnya variabel dependen.
Selanjutnya dari spesifkasi model matematika di atas, maka
dibentuk
spesifkasi
model
ekonometrika.
Spesifkasi
model
matematika menunjukkan hubungan yang pasti (deterministik)
antara variabel dependen dengan variabel independen. Oleh karena
hubungan variabel dalam ilmu ekonomi bersifat tidak pasti, maka
persamaan (1.1) perlu dimodifkasi ke dalam model ekonometrika
menjadi:
Y = β o+ β1 X 1 +e (1.2)
Di
mana
e
(disturbalnie/
(stoihalstii
adalah
error
variabel
time)
valrialb”e).
yang
pengganggu
merupakan
Dimasukkannya
atau
kesalahan
variabel
variabel
random
pengganggu
disebabkan oleh faktor yang mempengaruhi prestasi kerja tidak
hanya motivasi kerja tetapi juga dipengaruhi oleh faktor lain seperti
kepuasan kerja, perilaku pemimpin, budaya organisasi dan faktor
lainnya.
Estimasi model
Page 4
Kausalitas Granger With Eviews 6.0
2013
Untuk bisa mengestimasi persamaan (1.2) sehingga diperoleh
nilai 0 dan 1 maka perlu dilakukan pengumpulan data. Data yang
dikumpulkan untuk mengestimasi persamaan (1.2), bisa berupa data
iross seition, time series dan data panel (gabungan antar iross
seition dan time series). Pembahasan ketiga jenis data ini akan
dijelaskan pada bagian selanjutnya. Teknik estimasi yang digunakan
untuk mengestimasi persamaan (1.2) adalah analisis regresi dengan
menggunakan metodel OLSE (Ordinalry Lealst Squalre).
Uji spesifkasi model
Setelah
diperoleh
nilai
0
dan
1,
maka
disusun
persamaan
regresinya dan selanjutnya dilakukan uji sepesifkasi model dan
diagnosis. Uji yang dilakukan adalah uji asumsi klasik dengan tujuan
untuk menghasilkan estimator yang efsien dan tidak bias.
Uji Hipotesis
Apabilai uji spesifkasi model telah dipenuhi, maka dilanjutkan dengan uji
hipotesis dengan menggunakan uji parsial (uji t) dan uji serempak (uji F)
dengan kriteria-kriteria uji statisik.
Prediksi
Apabila model yang dipilih sesuai dengan hipotesis atau teori, maka
langkah
terakhir
adalah
melakukan
prediksi
atau
peramalan
dan
pengambilan sebuah kebijakan dari hasil estimasi. Peramalan digunakan
untuk mengetahui seberapa besar nilai variabel dependen atas dasar nilai
harapan di masa mendatang dari variabel independen.
Keberhasilan dari setiap analisis ekonometrika/ regresi tergantung dari
ada tidaknya ketersediaan data. Data bisa diklasifkasikan sebagai data primer
dan data sekunder. Data primer adalah data yang diperoleh secara langsung
dari objek, baik melalui wawancara, kuesioner, telpon dan sebagainya.
Sedangkan data sekunder adalah data yang diperoleh dari sumber kedua dan
biasanya data ini sudah siap pakai.
Ketersediaan
data,
akan
mempermudah
pekerjaan
ekonometrika.
Terdapat beberapa tipe data yang digunakan dalam analisa regresi dalam
ekonometrika, yaitu:
Data Runtut Waktu (Time Series)
Page 5
Kausalitas Granger With Eviews 6.0
2013
Data runtut waktu adalah sekumpulan observasi dalam rentang waktu
tertentu dan dalam interval waktu secara kontinu. Misalnya harian,
mingguan, bulanan, triwulan, kuartalan, semester dan tahunan.
Contoh data time series:
a) Data laba setelah pajak Bank Pembangunan Daerah Provinsi Sulawesi
Tenggara tahun 2000-2010.
b) Data volume penjualan Telkomesel Kendari tahun 1990 – 2010.
c) Data malrket shalre tabungan Bank Negara Indonesia tahun 1985-2009.
Data Antar Tempat dan Ruang (Cross Section)
Data antar tempat dan ruang adalah data yang dikumpulkan dari sampel.
Misalnya data sensus penduduk pada tahun tertentu, data persepsi atau
sikap seseorang terhadap variabel tertentu.
Contoh data cross section:
a) Data persepsi pelanggan terhadap kualitas layanan bank swasta di Kota
Kendari.
b) Data motivasi pegawai di kantor Walikota Kendari
c) Data prestasi kerja pegawai pada biro-biro yang terdapat di pemerintah
Provinsi Sulawesi Tenggara.
d) Data volume penjuan PT Telkomsel Kendari pada tahun 2010.
Panel Data (Pooled Data)
Panel data adalah data yang dikumpulkan dari sampel dalam interval
waktu tertentu atau data gabungan antara data antar tempat dan ruang
(iross seition) dengan data runtut waktu (time series).
Contoh data cross section:
a) Data volume penjualan industri makanan dan minuman yang terdaftar
pada Bursa Efek Indonesia (BEI) tahun 2000-2009.
b) Data persepsi pelanggan terhadap kualitas layanan bank swasta di Kota
Kendari tahun 2000-2010.
II. Prosedur Analisis Data Multivariat
Secara umum terdapat dua jenis metode statistik dalam analisis
data multivariat, yaitu (1) metode independen (independent method)
Page 6
Kausalitas Granger With Eviews 6.0
2013
dan (2) metode dependen (dependent method). Penjelasan terhadap
dua metode tersebut adalah:
1) Metode independen
Dalam metode ini, tidak ada variabel atau sejumlah variabel yang
memprediksi atau menjelaskan variabel lainnya. Dalam hal ini tidak ada
variabel bebas maupun variabel terikat. Metode ini bertujuan untuk
mengetahui susunan variabel yang diteliti. Secara skematik metode
deskriptif dan inferensia untuk lebih dari dua variabel (multivariat)
disajikan sebagai berikut:
2) Metode dependen
Metode dependen dalam analisis multivariat merupakan metode
statistik yang digunakan untuk menjelaskan satu variabel dependen
atau lebih berdasarkan sejumlah variabel independen. Metode statistik
yang termasuk dalam analisis ini adalah: mu”tip”e regression, alnal”ysis of
valrialnie alnd iovalrialnie, ionjoint alnal”ysis, mu”tip”e disiriminalnt
alnal”ysis, ialnnoniial” alnal”ysis, mu”tivalrialte alnal”ysis of valrialnie, ”inier
probalbal”ity mode”s daln struitural” equaltions mode””ing. Secara skematik
PROSEDUR METODE DEPENDEN :
Prediksi terhadap sejumlah variabel dependen terhadap
Pageindependen/bebas
7
satu atau beberapa variabel
Berapa jumlah variabel yang akan
diprediksi ?
Hubungan ganda dari
sejumlah variabel
terikat dan variabel
bebas
Analisis
SEM
metode
Satu variabel terikat dan
satu hubungan tunggal
Sejumlah variabel terikat
dan satu hubungan tunggal
Apakah Jenis Skala
Variabel Terikat Dan
Bebasnya
deskriptif
dan
Kausalitas Granger With Eviews 6.0
Apakah Jenis Skala
Variabel Terikat Dan
Bebasnya
inferensia
untuk
lebih
dari
2013
dua
variabel
Nonsebagai
metrik
(multivariat)
disajikan
berikut:
Metrik (interval
(ordinal dan
dan rasio)
nominal)
Non metrik
Metrik
dan
PROSEDUR METODE (interval
DEPENDEN : (ordinal
Apakah Jenis
nominal
1. Canonical corelation
dan rasio)
Skala Variabel
Prediksi
terhadap
sejumlah variabel dependen terhadap satu atau
2. Analysis
with dummy
Terikat
variabel
beberapa variabel independen/bebas
Metrik
(interval
dan rasio)
Multiple
Regressi
on
Non metrik
(ordinal dan
nominal)
Multivaria
te
Analysis
Of
Variance
Hubungan ganda dari
sejumlah variabel terikat dan
variabel bebas
Multiple
nt
Analysis
Sejumlah variabel terikat dan satu
hubungan tunggal
Apakah Jenis Skala
Variabel Terikat Dan
Bebasnya
Non metrik
(ordinal dan
nominal)
Apakah Jenis
Skala Variabel
Terikat
Cannonical
Correlation
Analysis
Satu variabel terikat dan satu
hubungan tunggal
Apakah Jenis Skala Variabel
Terikat Dan Bebasnya
Metrik (interval dan
rasio)
Metrik
(interval
dan rasio)
Linier
Probabilit
y Model
Berapa jumlah variabel yang akan diprediksi
Discrimina?
Cannonica
l
Correlatio
n Analysis
Analisis SEM
Conjoint
Analysis
1. Canonical corelation
2. Analysis with dummy
variabel
Non metrik
(ordinal dan
nominal
Metrik
(interval dan
rasio)
Multiple
Regression
Conjoint
Analysis
Non metrik
(ordinal dan
nominal)
Multiple
Discriminant
Analysis
Multivariate
Analysis Of
Variance
Linier
Probability
Model
III. Konsep Dasar Kausalitas Granger
Kausalitas adalah hubungan dua arah. Artinya bahwa dalam model
ekonometrika tidak terdapat variable independen, semua variable
merupakan variable dependen. Model umum persamaan
Granger dapat ditulis sebagai berikut:
Page 8
Kausalitas
Kausalitas Granger With Eviews 6.0
n
2013
n
Y t =∑ α i Y i−1 + ∑ β i X i−1+ e1 t
i=1
i=1
n
n
X t =∑ γ i X i−1 + ∑ τ i Y i−1+ e 2t
i=1
i=1
Dimana Y = variable dependen pertama dan X = variable dependen
kedua
Dalam pembahasan selanjutnya diumpamakan bahwa variable Y adalah
GDP dan variable X adalah ekspor. Menurut Granger (1969) untuk
menyelesaikan model kausalitas antara ekspor dan GDP sebagaimana
terlihat pada kedua persamaan di atas, maka ada tiga model regresi
yang harus dilakukan, yaitu :
1) Langkah
pertama
adalah
untuk
menguij
apakah
ekspor
mempengaruhi GDP persamaannya sebagai berikut:
n
n
Persamaanunrestricted Y t =∑ α i Y i−1 + ∑ β i X i−1 +e 1t
i=1
i=1
n
Persamaanrestricted Y t=∑ γ i Y i−1+ e 2t
i=1
2) Langkah kedua adalah untuk menguij apakah GDP mempengaruhi
ekspor persamaannya sebagai berikut:
n
n
Persamaanunrestricted X t=∑ α i X i−1 + ∑ β i Y i−1 +e 1 t
i =1
i=1
n
Persamaanrestricted X t =∑ γ i X i−1 +e 2 t
i=1
3) Penentuan keputusan: apakah ekospor mempengaruhi GDP dan
sebaliknya apakah GDP mempengaruhi ekspor dengan menggunakan
uji F. Nilai F hitung diperoleh dengan formula sebagai berikut:
F=( n−k)
RSS R −RSSUR
m( RSSUR )
Dimana :
RSS R dan RSSUR = berturut-turut adalah nilai Residual” Sum of Squalres di
dalam persamaan restriited dan unrestriited.
Page 9
Kausalitas Granger With Eviews 6.0
n
= jumlah observasi
m
= jumlah lag
k
= jumlah
parameter
yang
diestimasi
2013
di
dalam
persamaan unrestriited
Adapun kriteria uji F adalah jika nilai F hitung lebih besar dari nilai F
table maka ekspor(GDP) mempengaruhi GDP(eskpor). Sebaliknya jika
nilai F hitung lebih kecil dari nilai F table maka ekspor(GDP) tidak
mempengaruhi GDP(eskpor).
4) Penentuan panjang kelambanan. Penentuan panjangnya kelambanan
menggunakan metode Akaike dan Schawarz.
Uji kausalitas Granger umumnya menggunakan data runtut waktu
atau time series. Sebagaimana umumnya data time series rentan
dengan
ketidaknormalan
data.
Sehingga
sebelum
melakukan
uji
kausalitas, maka terlebih dahulu dilakukan uji ketidaknormalan data (uji
stasioner) dan uji hubungan antara variable dalam jangka panjang (uji
kointegrasi).
IV. Program Eviews 6.0
Program Eviews 6.0
adalah
sebuah
mampu menganalisis ekonometrika
secara
program
aplikasi
yang
Salah
satu
lengkap.
keungulan program ini dibandingkan program atau software lainnya
adalah karena program ini berbasis windows dan program ini sangat
mudah dioperasikan (user-friend”y). Kemampuan Eviews ini meliputi
analisis
dan
evaluasi
analisis
data saintifk,
analisa
keuangan,
peramalan makro/mikro ekonomi, simulasi, dan analisa biaya dan
peramalannya. Disamping itu, Eviews dirancang khusus untuk analisa
runtun waktu sebagaimana software statistik standar lainnya, Eviews
Page 10
Kausalitas Granger With Eviews 6.0
juga mempunyai kemampuan
untuk
melakukan
analisis
2013
eksplorasi
data, simulasi, kontruksi grafk maupun uji-uji hipotesis sederhana,
baik parametrik maupun nonparametrik.
Pada
Eviews
6.0
terdapat
beberapa
macam
jendela
(windows)
yang fungsinya berbeda satu sama lain. Secara ringkas, tampilantampilan jendela (window) dalam Eviews, antara lain:
1) Malin
Window
Eviews.
(Jendela
Utama)
merupakan
jendela
program
Semua Jendela yang lain dibuka melalui atau di dalam
jendela.
2) Commalnd
Window
mengetikkan perintah
(Jendela
macro
Program)
Eviews,
baik
berfungsi
untuk
untuk
menganalisa
data maupun menyusun program.
3) Daltalbalse
Window
(Jendela
Basisdata)
berfungsi
melakukan
manajemen terhadap beberapa objek dengan range berbeda.
4) Workf”e
Window
(Jendela
Workfle)
berfungsi
melakukan
manajemen terhadap beberapa objek dengan range sama.
5) Objeit Window (Jendela Objek) berfungsi melakukan manajemen
terhadap objek (unit analisa terkecil dalam Eviews).
Kelima penjelasan windows program Eviews 6.0 di atas telihat pada
Gambar di bawah ini:
Page 11
Kausalitas Granger With Eviews 6.0
2013
IV.1. Memulai Program Eviews 6.0
Seperti halnya memulai software berbasis windows, langkah
awal memulai
Eviews
dapat
dimulai
dengan cara mengklik ikon
Eviews 6.0 baik start maupun dari dekstop. Untuk memulai Eviews
dari ikon di atas, cukup dengan klik dua kali maka jendela Eviews akan
tampil.
Untuk
memulai
Eviews 6.0 dari
desktop,
klik
start,
all
programs, Eviews 6.0, seperti pada layar berikut Kemudian akan terlihat
tampilan sebagai berikut ini:
Page 12
Kausalitas Granger With Eviews 6.0
2013
Setelah mengklik icon EVIEWS pada desktop atau icon start, maka
akan tampak jendela utama program EVIEWS sebagai berikut:
IV.2. Menginput Data
Sebagaimana diketahui bahwa tipe data dalam ekonometrika
terdiri tiga tipe, yaitu data time series, data irosseition dan data panel.
Ketiga tipe data tersebut dapat diinput pada Program Eviews 6.0.
Page 13
Kausalitas Granger With Eviews 6.0
2013
Prosedur penginputan ketiga tipe data ekonometrika tersebut dijelaskan
sebagai berikut:
IV.2.1.
Prosedur Menginput Data Time Series
Langkah menginput data time series dapat diuraikan sebagai
berikut:
1) Buka program eview 6.0 dengan cara mengklik dua pada icon
eviows yang ada di desktop kemudian akan tampak jendela eviews :
2) klik fle pada menu dan pilih New-Workfle, dan Pilih tipe stuktur
data, yaitu dalted/regu”alr freiueniy sebagaimana terlihat pada
gambar di bawah ini:
3) isi periode pengamatan dari awal hingga akhir, misal tahun 1971-
Page 14
Kausalitas Granger With Eviews 6.0
2013
1999, pada start date isi 1971 dan end date 1999 lalu klik OK.
IV.2.2.
Prosedur Menginput Data Cross Section
Langkah menginput data iross seition dapat diuraikan sebagai
berikut:
1) Buka program eview 6.0 dengan cara mengklik dua pada icon
eviows yang ada di desktop kemudian akan tampak jendela eviews :
2) klik fle pada menu dan pilih New-Workfle, dan Pilih tipe stuktur
data, yaitu unstructured/undalted sebagaimana terlihat pada gambar
di bawah ini:
3) dari template di atas isi jumlah observasi misal 50 observasi, pada
data range lalu klik OK.
Page 15
Kausalitas Granger With Eviews 6.0
IV.2.3.
2013
Prosedur Menginput Data Panel
Langkah menginput data iross seition dapat diuraikan sebagai
berikut:
1) Buka program eview 6.0 dengan cara mengklik dua pada icon
eviows yang ada di desktop kemudian akan tampak jendela
eviews :
2) klik fle pada menu dan pilih New-Workfle, dan Pilih tipe stuktur
data, yaitu balanced panel sebagaimana terlihat pada gambar di
bawah ini:
3) dari template di atas isi frecunecy (missal annual), isi periode
Page 16
Kausalitas Granger With Eviews 6.0
2013
pengamatan dari awal hingga akhir, misal tahun 1971-1999, pada
start date isi 1971 dan end date 1999 dan jumlah observasi misal
50 observasi, pada data range lalu klik OK.
Terdapat tujuh tipe frekuensi data time series dan format penuliasannya
pun berbeda-beda, dan contoh format penulisannya adalah : (Contoh
data enam tahun, 2000-2005)
Tahunan (annual): star date : 2000 dan end date :2005
Semi-annual
(semesteran)
star
date
:
“2000:1”
dan
end
date :”2005:2”.
Quarterly (kuartalan) star date :“2000Q1” dan end date :”2005Q4”.
Monthly (bulanan) star date :“20001M1” dan end date :”2005M12”.
IV.3. Prosedur Menamai Variabel
Untuk menamai variable dapat dilakukan dengan langkah-langkah :
1) Setelah memilih salah tipe data ekonometrika, misal untuk tipe data
time series, maka akan tampak fle kerja eviews di bawah ini
2) Dari jendela fle kerja eviews, klik object, pilih new object, maka
Page 17
Kausalitas Granger With Eviews 6.0
2013
akan tampak seperti gambar di bawah ini
3) Selanjutnya pilih series, dan ketik nama variabelnya (misalnya X1),
lalu klik OK. Lakukan cara yang sama untuk variabel lainnya
(misalnya X2, X3 dan Y),, sebagaiamana terlihat pada template di
bawah ini
4) Lakukan langkah ketiga untuk variable X2, X3 dan Y, maka akan
Page 18
Kausalitas Granger With Eviews 6.0
2013
terlihat gambar sebagai berikut:
Untuk melihat variabel yang telah dinamai tersebut, klik pada
variabel yang akan dilihat atau diisi datanya, lalu klk kanan dan pilih
open, maka akan terlihat seperti gambar di bawah ini
Dari gambar di atas, maka data diinput dengan dua cara, yaitu
pertama diinput langsung dengan cara meng-klik edit +/- , lalu ketik
data yang akan diinput dan dengan cara yang sama lakukan untuk data
lainnya sampai selesai. Lakukan cara yang sama untuk variabel lainnya.
Lalu tutup lembar kerja data dengan mengklik tanda (X) pada pojok
kanan atas lembar kerja data, dan pilih “delete”. Proses input data
Page 19
Kausalitas Granger With Eviews 6.0
2013
selesai.
IV.4. Prosedur Menyimpan File Kerja
Setelah menamai dan menginput data dari masig-masing variable,
maka fle kerja eviews di simpan dengan cara sebagai berikut:
1) Klik “FILE” pada jendela eviews lalu pilih “SAVE” atau SAVE AS”.,
maka akan tampak template di bawah ini
2) Klik OK, maka akan tampak template di bawah ini
3) Ketik Nama File Kerja lalu klik Save. File kerja eviews telah disimpan.
V. Kausalitas Granger Dengan Eviews 6.0
Page 20
Kausalitas Granger With Eviews 6.0
2013
Dalam modul ini, langkah-langkah uji kausalitas Granger dilakukan
dengan menggunakan bantuan Software Eviews 6.0. Berikut ini
dilakukakan tahapan-tahapan uji kausalitas Granger dengan mengambil
contoh menguji apakah ada hubungan dua arah antara ekspor dan GDP
Indonesia dalam Periode 1971-2002. Adapun data kedua variable
tersebut disajikan dalam Tabel di bawah ini.
Tahun
1971
1972
1973
1974
1975
1976
1977
1978
GDP
(Milyar)
3672
4564
6753
10708
12642.5
15466.7
1910.7
22458.3
Ekspor
$)
(Juta
Tahun
GDP (Milyar)
1233.6
1777.7
3210.8
7426.3
7102.5
8546.5
10852.6
11643.2
1979
1980
1981
1982
1983
1984
1985
1986
32025.3
45445.7
54027
59632.6
73697.6
87054.8
94720.8
95823.1
Ekspor (Juta
$)
15590.1
23950.4
25164.5
22328.3
21145.9
21887.8
18586.7
14805
Adapun prosedur uji kausalitas Granger dengan menggunakan
bantuan Software Eviews 6.0 adalah :
1) Prosedur Penginputan Data
Sebagaimana yang telah diilustrasikan di atas, maka dalam contoh
kasus dalam modul ini adalah akan dilakukan uji kausalitas Granger
antara variable ekspor dan GDP dalam periode 1971-1986. Adapun
prosedur penginputan data ekspor dan GDP dijelaskan sebagai
berikut:
a. Klik icon eviews 6.0 pada desktop sebagaimana terlihat pada
gambar di bawah ini:
Klik dua
kali
b. Kemudian akan terlihat template di bawah ini :
Page 21
Kausalitas Granger With Eviews 6.0
2013
c. Dari tampilan jendela window eviews pada poin b, klik “File” lalu
pilih “Workfle”, maka akan terlihat gambar di bawah ini:
d. Isiliah “star date : “1971” dan End date : “1986” serta WF :
“kausalitas” lalu, maka akan terlihat template:
Page 22
Kausalitas Granger With Eviews 6.0
2013
klik “OK”, maka akan telihat gambar di bawah ini:
e. Namai variable dengan cara meng”klik object”, maka tampak
template di bawah ini:
Pilih type of object “series” dan ketik “ekspor” pada Name of
object, sebagaimana terlihat pada template di bawah ini:
Page 23
Kausalitas Granger With Eviews 6.0
lalu klik “OK”, maka akan terlihat template di bawah ini:
Page 24
2013
Kausalitas Granger With Eviews 6.0
2013
f. Dengan cara yang sama seperti pada poin e untuk menamai
variable “GDP”, maka akan tampak template di bawah ini:
g. Setelah menamai variable selesai dilakukan, maka langkah
selanjutnya adalah menginput data variable ekspor dan GDP
dengan cara mengcopi data dari MS Excel dan mem”paste” pada
Program Eviews 6.0. adapun prosedur adalah:
Page 25
Kausalitas Granger With Eviews 6.0
2013
(1)Klik dua kali pada variable ekspor dari template point f, maka
akan terlihat gambar di bawah ini:
(2)Klik “edit +/-“ dan arahkan kursor pada NA tahun 1971
(3)Buka program MS Excel dimana data yang telah diketik,
kemudian copi data variable ekspor dan paste di jendela
eviews.
Paste di sini
dengan cara
klik kanan
Maka akan tampak seperti pada template di bawah ini:
Page 26
Kausalitas Granger With Eviews 6.0
2013
Lakukan cara atau langkah yang sama dengan variable ekspor untuk
variable GDP. Prosedur penginputan data telah selesai.
Tutup
semua template kecuali template “workfle” yang telah terbuka
dengan mengklik tanda “X” pada masing-masing template seperti
pada terlihat pada template di bawah ini.
Page 27
Kausalitas Granger With Eviews 6.0
2013
2) Prosedur Uji Stasioner Data ekspor dan GDP
Data variable ekspor dan GDP telah selasai diinput, langkah
selanjutnya uji stasioner data variable ekspor dan GDP. Adapun
langkah-langkah uji stasioner data adalah:
a) Dari jendela “workfle” yang telah terbuka, klik “Quick”, lalu pilih
“Series Statistics” dan klik “Unit Root Test”. Ketik variable ekspor
sebagaimana terlihat pada template di bawah ini.
Lalu klik “OK”, maka akan terlihat template di bawah ini
Klik “OK”, maka akan tampak hasil uji root test/akar unit
sebagaimana terlihat di bawah ini.
Page 28
Kausalitas Granger With Eviews 6.0
2013
Simpan hasil output uji stasioner dengan cara mengklik “Freeze”,
maka akan tampak template di bawah ini.
Pada template di atas, klik “Name”, maka akan tampak template
di bawah ini:
Page 29
Kausalitas Granger With Eviews 6.0
2013
Beri nama output tersebut dengan cara mengganti “tabel01”
dengan
nama
yang
mudah
diingat,
misalnya
“adf_ekspor_level”(jika nama lebih dari satu kata harus diantarai
“_”), maka output tersebut akan tersimpan dalam fle kerja
eviews sebagaimana terlihat pada template di bawah ini.
Dari hasil stasioner di atas, terlihat bahwa nilai t-Statistics
variable ekspor lebih kecil dari nilai kritis pada level 1%, 5%
Page 30
Kausalitas Granger With Eviews 6.0
2013
ataupun 10%. Artinya bahwa variable ekspor tidak stasioner/tidak
normal pada tingkat level sehingga perlu dilakukan uji stasioner
pada tingkat diferen pertama. Selanjutnya prosedur pengujiannya
adalah:
a.1 Dari template hasil/output uji stasioner, klik “View” dan pilih
“Unit Root Test”, maka akan tampak template di bawah ini:
a.2 Klik “1st diference” lalu klik OK, maka akan tempak template
sebagaimana terlihat pada template di bawah ini
Page 31
Kausalitas Granger With Eviews 6.0
a.3
2013
Klik “OK”, maka hasil uji stasioner pada tingkat diferen
pertama terlihat pada template di bawah ini.
Untuk menyimpan hasil atau output uji stasioner pada tingkat
diferen pertama ini, lakukan cara yang sama dengan cara
penyimpanan hasil uji stasioner tingkat level. Hasil uji stasioner
pada tingkat diferen pertama menunjukkan bahwa nilai tStatistics variable ekspor lebih kecil dari nilai kritis pada level 1%,
5%
ataupun
10%.
Artinya
bahwa
variable
ekspor
tidak
stasioner/tidak normal pada tingkat diferen pertama sehingga
perlu dilakukan uji stasioner pada tingkat diferen kedua. Prosedur
pengujiannya sama dengan prosedur pengujian pada tingkat
diferen pertama. Hasil ouput uji stasioner pada tingkat diferen
kedua terlihat pada template di bawah ini.
Page 32
Kausalitas Granger With Eviews 6.0
2013
Hasil uji stasioner pada tingkat diferen kedua menunjukkan
bahwa nilai t-Statistics variable ekspor lebih besar dari nilai kritis
pada level 1%, 5% ataupun 10%. Artinya bahwa variable ekspor
tidak stasioner/tidak normal pada tingkat diferen kedua. Jadi
dapat disimpulkan bahwa variable ekspor stasioner pada tingkat
difren kedua.
b) Setelah uji stasioner variable ekspor dilakukan, maka dilanjutkan
dengan melakukan pengujian stasioner untuk variable GDP.
Prosedur dan langkah-langkahnya sama dengan uji stasioner
variable ekspor, yaitu jika tidak stasioner pada tingkat level,
dilanjutkan pada tingkat diferen pertama dan seterusnya hingga
diperoleh
hasil
uji
yang
menunjukkan
stasioner.
Tahapan
pengujian stasioner variable GDP disajikan di bawah ini.
Dari jendela “workfle” yang telah terbuka, klik “Quick”, lalu pilih
“Series Statistics” dan klik “Unit Root Test”. Ketik variable ekspor
sebagaimana terlihat pada template di bawah ini.
Page 33
Kausalitas Granger With Eviews 6.0
2013
Lalu klik “OK”, maka akan terlihat template di bawah ini
Klik “OK”, maka akan tampak hasil uji root test/akar unit
sebagaimana terlihat di bawah ini.
Page 34
Kausalitas Granger With Eviews 6.0
2013
Simpan hasil output uji stasioner dengan cara mengklik “Freeze”,
maka akan tampak template di bawah ini.
Beri nama output tersebut dengan cara mengganti “tabel01”
dengan nama yang mudah diingat, misalnya “adf_gdp_level”(jika
nama lebih dari satu kata harus diantarai “_”), maka output
tersebut akan tersimpan dalam fle kerja eviews sebagaimana
terlihat pada template di bawah ini.
Page 35
Kausalitas Granger With Eviews 6.0
2013
hasil stasioner di atas, terlihat bahwa nilai t-Statistics variable
GDP lebih kecil dari nilai kritis pada level 1%, 5% ataupun 10%.
Artinya bahwa variable GDP tidak stasioner/tidak normal pada
tingkat level sehingga perlu dilakukan uji stasioner pada tingkat
diferen pertama. Selanjutnya
prosedur pengujiannya
sama
dengan prosedur pengujian variable ekspor.
b.1 Dari template hasil/output uji stasioner, klik “View” dan pilih
“Unit Root Test”, maka akan tampak template di bawah ini:
Klik “OK”, maka akan tampak template di bawah ini
Page 36
Kausalitas Granger With Eviews 6.0
2013
Beri nama output tersebut dengan cara mengganti “tabel01”
dengan
nama
yang
mudah
diingat,
misalnya
“adf_ekspor_level”(jika nama lebih dari satu kata harus diantarai
“_”), maka output tersebut akan tersimpan dalam fle kerja
eviews sebagaimana terlihat pada template di bawah ini.
Klik OK. Output uji stasioner pada tingkat diferen pertama telah
disimpan dalam fle kerja dengan adf_gdp_diferen1.
Page 37
Kausalitas Granger With Eviews 6.0
2013
Hasil uji stasioner pada tingkat diferen kedua menunjukkan
bahwa nilai t-Statistics variable ekspor lebih besar dari nilai kritis
pada level
5% ataupun 10%. Artinya bahwa variable GDP
stasioner/normal
pada
tingkat
5%
dan
10%.
Jadi
dapat
disimpulkan bahwa variable GDP stasioner pada tingkat difren
pertama.
c) Berdasarkan hasil uji stasioner variable ekspor dan GDP, maka
dapat disimpulkan bahwa variable ekspor stasioner pada tingkat
diferen kedua sedangkan variable GDP stasioner pada tingkat
diferen pertama. Oleh karena variable ekspor dan GDP stasioner
pada tingkat yang berbeda, maka pada uji kointegrasi dilakukan
pengujian pada tingkat diferen kedua. Adapun
prosedur uji
kointegrasi dijelaskan pada bagian selanjutnya.
3) Prosedur Uji Kointegrasi
Prosedur uji kointergrasi dengan menggunakan program Eviews
6.0 dilakukan dengan langkah-langkah sebagai berikut:
Page 38
Kausalitas Granger With Eviews 6.0
2013
a) Klik “Quick” dan pilih “Group statistics” dan klik “Cointegration
test”. Selanjutnya ketik ekspor spasi GDP, maka akan tampak
template di bawah ini
b) Klik OK, maka tampak template di bawah ini
c) Klik OK, maka hasil output terlihat pada template di bawah ini
Page 39
Kausalitas Granger With Eviews 6.0
2013
d) Simpan hasil uji kointegrasi dengan mengklik “Freeze” pada
template output uji kointegrasi dan klik “Name” serta ketik nama
hasil uji kointegrasi dengan nama “kointegrasi_ekspor_gdp, maka
akan tampak template :
Klik OK, maka hasil output tersimpan dalam fle kerja eviews.
e) Berdasarkan hasil output pada template poin c, maka variable
ekspor dan gdp lag 1 ke 1 tidak terkointegrasi pada pada level 5%
karena
berdasarkan
hasil
uji
MacKinnon-Haug-Michelis
menunjukkan bahwa nilai probability (0.0834) lebih besar
dari
nilai alpha 0.05. artinya bahwa variable ekspor dan GDP dalam
jangka panjang tidak terjadi kointegrasi atau tidak mempunyai
hubungan jangka panjang sehingga harus dilakukan uji lanjutan
Page 40
Kausalitas Granger With Eviews 6.0
2013
yaitu uji kointegrasi pada lag 1 ke 2. Adapun langkah uji
kointegrasi lag 1 ke 2 dijelaskan sebagai berikut:
(1)Dari template hasil uji kointegrasi, klik “View” dan pilih
“Cointegration test”, maka akan tampak template sebagai
berikut:
(2)Klik OK, maka akan tampak template di bawah ini.
(3)Untuk menyimpan hasil output pada fle kerja eviews, klik
“Freeze” dan klik “Name” pada template yang muncul lalu
ketik “kointegrasi_ekspor_gdp2” sebagaimana terlihat pada
template di bawah ini.
Page 41
Kausalitas Granger With Eviews 6.0
2013
(4)Klik OK maka output uji kointegrasi lag 1 ke 2 telah tersimpan
dalam fle kerja eviews.
f) Berdasarkan hasil output uji kointegrasi pada lag 1 ke 2, maka
variable ekspor dan gdp lag 1 ke 2 terkointegrasi pada pada level
5%
karena
berdasarkan
hasil
uji
MacKinnon-Haug-Michelis
menunjukkan bahwa nilai probability (0.0007) lebih kecil dari nilai
alpha 0.05. artinya bahwa variable ekspor dan GDP dalam jangka
panjang
terkointegrasi
atau
mempunyai
hubungan
jangka
panjang.
4) Prosedur Uji Kausalitas Granger
Berdasarkan hasil uji stasioner dan kointegrasi, maka diketahui
bahwa variable ekspor stasione pada level diferen kedua dan
variable GDP stasioner pada level diferen pertama serta variable
ekspor dan GDP terkointegrasi pada level diferen pertama di lag 1
ke 2. Dari hasil uji stasioner dan uji kointegrasi dapat dijadikan
sebagai dasar bahwa untuk melakukan uji kausalitas variable ekspor
dan GDP telah bisa dilakukan dan dimulai dari lag 2. Adapun
Page 42
Kausalitas Granger With Eviews 6.0
2013
prosedur uji kausalitas Granger dengan menggunakan program
Eviews sebagai berikut:
a) Klik “Quick” dan pilih “Group statistics” dan klik “Granger
Causality test”. Selanjutnya ketik d(d(ekspor)) spasi d(GDP), maka
akan tampak template di bawah ini
b) Klik Ok, maka akan tampak template di bawah ini
Page 43
Kausalitas Granger With Eviews 6.0
2013
c) Klik Ok, maka akan tampak template di bawah ini
d) Untuk menyimpan hasil output pada fle kerja eviews, klik
“Freeze” dan klik “Name” pada template yang muncul lalu ketik
“kausalitas_lag2” sebagaimana terlihat pada template di bawah
ini.
Page 44
Kausalitas Granger With Eviews 6.0
2013
e) Klik OK untu menyimpan hasil uji kausalitas lag2 pada fle kerja
eviews.
f) Berdasarkan hasil uji kausalitas Granger pada lag 2, menunjukkan
bahwa pada lag 2 tidak terdapat hubungan kausalitas antara
variable ekspor dan GDP dimana nilai probability pengaruh ekspor
terhadap GDP (0. 9848) dan pengaruh GDP terhadap ekspor (0.
8602) adalah lebih besar dari nilai alpha 5% sehingga dapat
disimpulkan bahwa pada lag 2 tidak terjadi pengaruh dua arah
Page 45
Kausalitas Granger With Eviews 6.0
2013
maupun satu arah antara variable ekspor dan GDP dalam periode
1971-1986. Oleh karena itu uji kausalitas dilanjutkan pada lag 3.
g) Uji Kausalitas Granger lag 3, Klik “View” pada template output
kausalitas pada point c) dan pilih “Granger Causality test” serta
ganti angka 2 dengan 3, maka akan tampak template :
h) Klik OK, maka akan tampak template:
Page 46
Kausalitas Granger With Eviews 6.0
2013
i) Untuk menyimpan hasil output pada fle kerja eviews, klik
“Freeze” dan klik “Name” pada template yang muncul lalu ketik
“kausalitas_lag3” sebagaimana terlihat pada template di bawah
ini.
j) Klik OK untu menyimpan hasil uji kausalitas lag2 pada fle kerja
eviews.
Page 47
Kausalitas Granger With Eviews 6.0
2013
k) Berdasarkan hasil uji kausalitas Granger pada lag 3, menunjukkan
bahwa pada lag 3 tidak terdapat hubungan kausalitas antara
variable ekspor dan GDP dimana nilai probability pengaruh ekspor
terhadap GDP (0.7564) dan pengaruh GDP terhadap ekspor
(0.0949) adalah lebih kecil dari nilai alpha 10% sehingga dapat
disimpulkan bahwa pada lag 3 tidak terjadi pengaruh dua arah
hanya terjadi pengaruh satu arah GDP mempunyai pengaruh
signifkan terhadap ekspor pada level 10% dalam periode 19711986. Oleh karena itu uji kausalitas dilanjutkan pada lag 4.
l) Uji Kausalitas Granger lag 4, Klik “View” pada template output
kausalitas pada point c) dan pilih “Granger Causality test” serta
ganti angka 3 dengan 4, maka akan tampak template :
Page 48
Kausalitas Granger With Eviews 6.0
2013
m) Klik OK, maka akan tampak template:
n) Untuk menyimpan hasil output pada fle kerja eviews, klik
“Freeze” dan klik “Name” pada template yang muncul lalu ketik
“kausalitas_lag4” sebagaimana terlihat pada template di bawah
ini.
Page 49
Kausalitas Granger With Eviews 6.0
2013
o) Klik OK untu menyimpan hasil uji kausalitas lag2 pada fle kerja
eviews.
p) Berdasarkan hasil uji kausalitas Granger pada lag 4, menunjukkan
bahwa pada lag 3 tidak terdapat hubungan kausalitas antara
variable ekspor dan GDP dimana nilai probability pengaruh ekspor
terhadap GDP (0. 8071) dan pengaruh GDP terhadap ekspor
(0.3941) adalah lebih besar dari nilai alpha 1%, 5% dan 10%
Page 50
Kausalitas Granger With Eviews 6.0
2013
sehingga dapat disimpulkan bahwa pada lag 4 tidak terjadi
pengaruh dua arah ekspor dan GDP dalam periode 1971-1986.
Referensi
Brooks, Chris. 2008. Introduitory Eionometriis for Finalnie. Second
Edition. Cambridge University Press.
Engle dan White. 1999. Cointegraltion, Calusal”ity alnd Foreialsting.
Oxford University Press.
Gujarati, Damodar. 2006. Ekonometrika Dasar. PT. Airlangga, Jakarta.
Manurung, Jonni Dkk. 2005. Ekonometrika: Teori dan Aplikasi. PT.
Alexindo Komputindo, Jakarta.
Setiawan dan Kusrini. 2010. Ekonometrika. Andi Yogyakarta.
Widarjono, Agus. 2007. Ekonometrika Dasar: Aplikasi Dalam Ekonomi
dan Bisnis. Alfa Beta, Jakarta.
Lampiran 1
Prosedur Estimasi Model VAR dengan Eviews 6.0
Page 51
Kausalitas Granger With Eviews 6.0
2013
Lampiran 2
Prosedur Analisis Regresi (Error Correction Models ) dengan
Eviews 6.0
Page 52