Uji derajat integrasi digunakan untuk mengetahui pada derajat berapa data yang diamati stasioner. Apabila data belum stasioner pada derajat satu maka pengujian harus dilanjutkan pada derajat berikutnya sampai data yang diamati stasioner. Hasil dari uji DF dan uji ADF pada ordo 1 [I(1)] dapat dilihat pada tabel 4.9 di bawah ini.
Tabel 4.9 Nilai Uji Stasioneritas dengan Metode DF dan ADF Pada Ordo 1[1(1)]
variabel
Nilai Hitung Mutlak Nilai Kritis Mutlak α
DF ADF DF ADF
LY -3.846.801 -4.196.882 -3.040.391 -3.690.814
LX1 -2.834.182 -2.716.528 -3.040.391 -3.690.814
LX2 -3.673.045 -3.558.580 -3.040.391 -3.690.814
LX3 -3.343.524 -3.450.048 -3.040.391 -3.690.814 Sumber : hasil Olah data Eviews 5.0
Dari tabel di atas, dapat terlihat bahwa dengan metode DF dan ADF pada ordo 1 belum semua variabel memiliki nilai hitung mutlak yang lebih kecil daripada nilai kritis, sehingga dapat disimpulkan bahwa variabel belum stasioner. Karena itu untuk mendapatkan hasil semua variabel yang diamati stasioner, perlu dilakukan uji stasioneritas dengan memasukkan ordo/derajat integrasi lebih lanjut.
Tabel 4.10 Nilai Uji Stasioneritas dengan Metode DF dan ADF Pada Ordo 2[1(2)]
variabe l
Nilai Hitung Mutlak Nilai Kritis Mutlak α
DF ADF DF ADF
LY -8.974.972 -11.646.30 -3.065.585 -3.733.200
LX1 -5.071.475 -4.954.466 -3.052.169 -3.710.482
LX2 -4.799.019 -4.727.062 -3.065.585 -3.733.200
LX3 -4.650.335 -4.538.820 -3.065.585 -3.733.200 Sumber : hasil Olah data Eviews 5.0
Dari tabel di atas menunjukkan bahwa dengan menggunakan metode DF maupun ADF semua variabel memiliki nilai hitung mutlak yang lebih besar dari nilai kritis mutlak 5%. Karena semua variabel sudah stasioner, maka dapat dilanjutkan ke tahap berikutnya.
3. Uji kointegrasi
Uji kointegrasi merupakan langkah berikutnya setelah uji akar unit dan uji derajat integrasi. Uji kointegrasi dapat dilakukan jika variabel- variabel yang diteliti sudah memiliki derajat integrasi yang sama. Uji kointegrasi bertujuan untuk mengetahui parameter jangka panjang, apakah residual regresi yang dihasilkan stasioner atau tidak. Jika variabel terkointegrasi maka terdapat hubungan yang stabil dalam jangka panjang,sebaliknya jika tidak stasioner maka tidak terdapat hubungan dalam jangka panjang.
Metode pengujian yang biasa digunakan dalam uji kointegrasi adalah Cointegrating Regression Durbin-Watson (CRDW), uji Dickey Fuller (DF) dan uji Augmented Dickey Fuller (ADF). Dalam penelitian ini, uji kointegrasi yang digunakan adalah metode Engel-Granger dengan
commit to user
memakai uji statistik DF dan ADF untuk melihat apakah residual kointegrasi stasioner atau tidak. Untuk menghitung nilai DF dan ADF terlebih dahulu dibuat persamaan regresi kointegrasi dengan metode kuadrat terkecil biasa (OLS).
Tabel 4.11 Uji Kointegrasi Dependent Variable: LY
Method: Least Squares Date: 03/21/11 Time: 17:21 Sample: 1990 2009
Included observations: 20
Variable Coefficient Std. Error t-Statistic Prob.
C 25.90698 2.965705 8.735519 0.0000
LX1 -0.834708 0.307514 -2.714375 0.0153 LX2 -0.104129 0.093407 -1.114793 0.2814 LX3 1.095927 0.158437 6.917103 0.0000 R-squared 0.923493 Mean dependent var 28.65499
Adjusted
R-squared 0.909148 S.D. dependent var 0.496507 S.E. of regression 0.149656 Akaike info criterion -0.784104 Sum squared resid 0.358349 Schwarz criterion -0.584957 Log likelihood 11.84104 F-statistic 64.37697 Durbin-Watson
stat 2.486643 Prob(F-statistic) 0.000000
Sumber : hasil Olah data Eviews 5.0
Dari hasil estimasi OLS didapatkan nilai residualnya. Nilai residual tersebut kemudian diuji dengan menggunakan metode DF dan ADF untuk mengetahui apakah nilai residual tersebut berada dalam kondisi stasioner atau tidak. Hasil akhir uji kointegrasi terhadap nilai residual adalah :
Tabel 4.12 Nilai Uji Kointegrasi dengan Metode DF dab ADF pada Ordo 1[1(1)]
variabel
Nilai Hitung Mutlak Nilai Kritis Mutlak α
DF ADF DF ADF
E -5.609.871 -5.392.517 -3.029.970 -3.673.616 Sumber : hasil Olah data Eviews 5.0
Dari hasil uji kointegrasi di atas, terlihat bahwa nilai hitung mutlak dengan metode DF dan ADF lebih besar daripada nilai kritis mutlak pada tingkat α = 5%. Ini berarti bahwa nilai residu tersebut sudah stasioner pada ordo derajat 1[I(1)]. Dengan demikian dapat dilanjutkan ke tahap selanjutnya, yaitu melakukan estimasi dengan menggunakan model dinamik ECM (Error Correction Model).
4. Estimasi Model Koreksi Kesalahan (ECM)
Penggunaan model koreksi kesalahan (ECM) dalam penelitian ini adalah untuk mengetahui pengaruh jangka pendek dan jangka panjang atas variabel-variabel independen terhadap variabel dependen. Berikut ini merupakan model regresi dengan menggunakan model ECM :
DLYt = C0 +C1DLX1t + C2LX1t-1 +C3 DLX2t + C4LX2t-1 + C5 DLX3t + C6 LX3t-1 – C7ECT Yang mana : DLYt = Yt –Yt-1 DLX1t = LX1t – LX1t-1 DLX2t = LX2t – LX2t-1 DLX3t = LX3t – LX3t-1 ECT = ( LX1t-1 + LX2t-1 + LX3t-1 – LYt )
commit to user
Tabel 4.13 Hasil estimasi dengan ECM Dependent Variable: D(LY)
Method: Least Squares Date: 03/21/11 Time: 11:22 Sample (adjusted): 1991 2009
Included observations: 19 after adjustments
Variable Coefficient Std. Error t-Statistic Prob. C 28.51357 8.627262 3.305054 0.0070 D(LX1) -0.094515 0.549538 -0.171990 0.8666 LX1(-1) -1.995483 0.709381 -2.812990 0.0169 D(LX2) -0.078321 0.109936 -0.712420 0.4910 LX2(-1) -1.495690 0.361283 -4.139945 0.0016 D(LX3) 0.900680 0.293110 3.072839 0.0106 LX3(-1) 0.159991 0.194807 0.821281 0.4289 ECT2 1.216352 0.285573 4.259334 0.0013 R-squared 0.697623 Mean dependent var 0.089029 Adjusted
R-squared 0.505202 S.D. dependent var 0.197042 S.E. of
regression 0.138603 Akaike info criterion -0.818842 Sum
squared
resid 0.211319 Schwarz criterion -0.421183 Log
likelihood 15.77900 F-statistic 3.625496
Durbin-Watson
stat 2.154874 Prob(F-statistic) 0.028134 Sumber : hasil Olah data Eviews 5.0
Dari tabel di atas hasil estimasi dengan menggunakan model ECM dapat ditulis sebagai berikut :
D(LY) = 28.51356958 - 0.09451484497*D(LX1) - 1.995482512*LX1(-1) - 0.07832092985*D(LX2) - 1.495689742*LX2(-1) + 0.900679628*D(LX3) + 0.1599912581*LX3(-1) + 1.216352397*ECT2
Berdasarkan hasil perhitungan dengan analisis ECM di atas, dapat diketahui besarnya nilai variabel Error Correction Term (ECT). ECT merupakan indikator yang digunakan untuk menentukan apakah spesifikasi model valid atau tidak. Hal ini dapat terlihat dari nilai koefisien dan tingkat signifikansi ECT. Jika variabel ECT signifikan pada derajat signifikansi 5%, berarti model yang digunakan sudah shahih atau valid. Dari analisis dengan ECM, koefisien ECT memiliki tanda positif dan menunjukkan angka 0,0013. Ini menunjukkan bahwa proporsi biaya ketidakseimbangan dan pergerakan LY pada periode sebelumnya yang disesuaikan dengan periode sekarang adalah sekitar 121,6% dengan tingkat signifikansi ECT menunjukkan angka 0,0013 berarti signifikan pada tingkat signifikansi 5%.
Koefisien regresi jangka pendek dari regresi ECM ditujukan oleh besarnya koefisien pada variabel-variabel DLX1, DLX2, DLX3. Sedangkan koefisien jangka panjang pada variabel LX1(-1) , LX2(-1) dan LX3(-1).
5. Uji statistik a. Uji t
Uji t adalah uji terhadap koefisien regresi parsial semua variabel yang bertujuan untuk mengetahui besarnya pengaruh variabel independen terhadap variabel dependen. Kriteria uji t adalah sebagai berikut :
commit to user
1) Koefisien regresi parsial dari konstanta mempunyai tingkat probabilitas signifikansi sebesar 0.0070lebih kecil dari probabilitas signifikansi α =5%. Dengan menganggap variabel lainnya konstan, maka konstanta secara statistik berpengaruh terhadap LY.
2) Koefisien regresi parsial dari Pendapatan Asli daerah (PAD) dalam jangka pendek sebesar 0.8666 maka tidak signifikan pada tingkat signifikansi α 5%. Dengan asumsi variabel lain konstan, maka Pendapatan Asli daerah (PAD) dalam jangka pendek secara statistik tidak berpengaruh terhadap Pertumbuhan ekonomi.
3) Koefisien regresi parsial dari Dana Bantuan dalam jangka pendek sebesar 0.4910, makatidak signifikan pada tingkat signifikansi α 5%. Dengan asumsi variabel lain konstan, maka Dana Bantuan dalam jangka pendek secara statistik tidak berpengaruh terhadap Pertumbuhan ekonomi.
4) Koefisien regresi parsial dari Dana Bagi Hasil dalam jangka pendek sebesar 0.0106 , maka signifikan pada tingkat signifikansi α 5%. Dengan asumsi variabel lain konstan, maka Dana Bagi Hasil dalam jangka pendek secara statistik berpengaruh terhadap Pertumbuhan ekonomi.
5) Koefisien regresi parsial dari Pendapatan Asli daerah (PAD) dalam jangka panjang sebesar 0,0169 maka signifikan pada tingkat signifikansi α 5%. Dengan asumsi variabel lain konstan, maka
Pendapatan Asli daerah (PAD) dalam jangka panjang secara statistik berpengaruh terhadap Pertumbuhan ekonomi.
6) Koefisien regresi parsial dari Dana Bantuan dalam jangka panjang sebesar 0,0016 maka signifikan pada tingkat signifikansi α 5%. Dengan asumsi variabel lain konstan, maka Dana Bantuan dalam jangka panjang secara statistik berpengaruh terhadap Pertumbuhan ekonomi
7) Koefisien regresi parsial dari Dana Bagi Hasil dalam jangka pendek sebesar 0,4289 , maka tidak signifikan pada tingkat signifikansi α 5%. Dengan asumsi variabel lain konstan, maka Dana Bagi Hasil dalam jangka panjang secara statistik tidak berpengaruh terhadap Pertumbuhan ekonomi
b. Uji F
Uji F adalah uji statistik yang dilakukan untuk mengetahui seberapa besar pengaruh variabel independen secara bersama-sama terhadap variabel dependen.
Berdasarkan hasil olah data, diperoleh nilai probabilitas signifikansi dari uji F adalah sebesar 0.028134 lebih kecil dari probabilitas signifikansi α 5%. Dengan demikian variabel PAD,Dana Bantuan dan Dana Bagi Hasil dalam jangka pendek maupun jangka panjang secara bersama-sama mempunyai pengaruh yang signifikan terhadap Pertumbuhan ekonomi.