HASIL DAN PEMBAHASAN
5.2 Penetapan Uji Stasioner Model Makro Ekonomi
Studi penelitian ini mempergunakan sumber data time-series sebagai acuan dalam melakukan investigasi dan kemudian memverifikasi atas perilaku antar variabel makro ekonomi yang diamati. Agar data time-series menjadi bermanfaat dan tidak menghasilkan prediksi yang bias, maka sangat perlu dilakukan sejumlah tahapan pengujian model makro untuk menetapkan apakah data time-series memiliki kondisi stationer atau sebaliknya.
Langkah pertama, adalah pengujian kelayakan data stasioner jangka pendek yang dikenal sebagai uji residual error correction model (ECM), yang menetapkan apakah stabilitas data series memiliki konsistensi sebaran varian statistik atau tidak. Jika sebaran nilai t Thau negative lebih kecil dibandingkan dengan t Thau, maka data dinyatakan stasioner jangka pendek. Sebaliknya, apabila nilai t Thau tidak lebih besar negative dinbandingkan dengan nilai t Thau, maka data series tidak memiliki stabilitas stasioner dalam jangka pendek (Gujarati, 2004), Thomas (1997), Pindyck & Rubin, 1998.
32 Penyusunan model makro mencakup tiga persamaan, yaitu persamaan
financial deepening (persamaan 1), persamaan fungsi kredit (persamaan 2) serta persamaan inflasi (persamaan 3), dapat dilihat pada hasil analisis pada Lampiran 1 sampai dengan Lampiran 2, pada Gambar 1.1 sampai dengan Gambar 1.3. Hasil analisis Gambar 1.1 sampai dengan Gambar 1.3 pada Lampiran 1.1 dan Lampiran 1.2 diperlukan untuk mendapatkan residual pada masing-masing fungsi (resid 01, resid 02 dan resid 03), sebagai basis untuk mendapatkan prediksi uji ECM untuk ketiga model persamaan makro tersebut di atas.
Analisis uji ECM mempergunakan dukungan software Eviews 6, hasil analisis disajikan pada Lampiran 3, yang dikutip kembali sebagaimana disajikan pada Tabel 4.1.
Gambar 5.6
Hasil Analisis Uji ECM Persamaan (1) Dependent Variable: D(PDB/JUB)
Method: Least Squares Date: 12/09/14 Time: 00:43
Sample (adjusted): 2008Q2 2012Q4
Included observations: 19 after adjustments
Variable Coefficient Std. Error t-Statistic Prob. C 0.114697 0.033725 3.400916 0.0043 D(KREDIT/JUB) 23.86647 31.51691 0.757259 0.4615 D(DPK/JUB) 9.790931 25.60953 0.382316 0.7080 D(INFL) 0.039310 0.022723 1.729920 0.1056
RESID01(-1) -0.233035 0.127614 -1.826090 0.0892
R-squared 0.350690 Mean dependent var 0.128710 Adjusted R-squared 0.165173 S.D. dependent var 0.130272 S.E. of regression 0.119028 Akaike info criterion -1.197977 Sum squared resid 0.198348 Schwarz criterion -0.949440 Log likelihood 16.38078 Hannan-Quinn criter. -1.155914 F-statistic 1.890340 Durbin-Watson stat 1.903813 Prob(F-statistic) 0.168109
33 Hasil uji ECM persamaan (1) yang tersajikan pada Gambar 5.6 menunjukkan nilai t-statistic sebesar -1.82 dengan p value sebesar 0.08 ternyata menunjukkan kondisi data series tidak sepenuhnya stationer pada tingkat kepercayaan 5%. Dengan kata lain, data series dinyatakan memiliki kondisi stationer pada tingkat kepercayaan 8%.
Hasil uji ECM untuk persamaan (2) bahkan lebih jauh dari kondisi yang diharapkan, yaitu model persaaan (2) tidak stasioner pada uji jangka pendek dengan mempergunakan porosedur uji ECM. (Lihat Gambar 4.7).
Gambar 5.7
Hasil Analisis Uji ECM Persamaan (2)
Dependent Variable: D(KREDIT/JUB) Method: Least Squares
Date: 12/09/14 Time: 00:46
Sample (adjusted): 2008Q2 2012Q4
Included observations: 19 after adjustments
Variable Coefficient Std. Error t-Statistic Prob. C 0.000657 0.000320 2.054745 0.0578 D(LDR) 0.003907 0.005391 0.724713 0.4798 D(NPL) 0.016210 0.027030 0.599703 0.5577
RESID02(-1) -0.089224 0.113413 -0.786718 0.4437
R-squared 0.103575 Mean dependent var 0.000691 Adjusted R-squared -0.075710 S.D. dependent var 0.001335 S.E. of regression 0.001384 Akaike info criterion -10.14250 Sum squared resid 2.87E-05 Schwarz criterion -9.943672 Log likelihood 100.3538 Hannan-Quinn criter. -10.10885 F-statistic 0.577712 Durbin-Watson stat 1.749071 Prob(F-statistic) 0.638532
Model persamaan (3) yang disajikan pada Gambar 4.8 adalah memenuhi syarat stasioner jangka pendek pada tingkat kepercayaan 5%, dimana nilai t Thau
table negative lebih kecil dibandingkan dengan nilai t Thau sebesar -2.142 atau dengan p value sebesar 0.05.
34 Berdasarkan tahapan uji ECM untuk ketiga persamaan yang telah diuji tersebut, ternyata hanya model persamaan (3) yang memenuhi syarat stasioner jangka pndek, selebihnya persamaan (1) dan persamaan (2) tiodak memenuhi syarat stasioner pada tingkat kepercayaan 5%. Meskipun demikian, model persamaan (1) dan (2) masih tetap dapat dilanjutkan, sepanjang stabilitas stasioner jangka panjang yang dilakukan dengan uji kointegrasi menunjukkan syarat kecukupan berdasarkan criteria uji 5%.
Uji kointegrasi berdasarkan pendekatan Granger Representation model sebagaimana disarankan Gujarati (2004), dilakukan untuk mendapatkan kondisi jangka panjang data time-series, apakah memenuhi syarat stasioner atau sebaliknya.
Gambar 5.8
Hasil Analisis Uji ECM Persamaan (3) Dependent Variable: D(INFL)
Method: Least Squares Date: 12/09/14 Time: 00:49
Sample (adjusted): 2008Q2 2012Q4
Included observations: 19 after adjustments
Variable Coefficient Std. Error t-Statistic Prob. C -0.344805 0.508549 -0.678017 0.5088 D(PDB) 4.89E-06 5.25E-06 0.930730 0.3678 D(JUB) -3.20E-05 2.02E-05 -1.587390 0.1347 D(INFL(-1)) 0.294797 0.321611 0.916625 0.3749
RESID03(-1) -0.890840 0.415744 -2.142763 0.0502
R-squared 0.450708 Mean dependent var -0.222105 Adjusted R-squared 0.293768 S.D. dependent var 1.456387 S.E. of regression 1.223913 Akaike info criterion 3.462917 Sum squared resid 20.97147 Schwarz criterion 3.711453 Log likelihood -27.89771 Hannan-Quinn criter. 3.504979 F-statistic 2.871843 Durbin-Watson stat 2.072824 Prob(F-statistic) 0.062688
Berdasarkan hasil uji kointegrasi untuk ketiga persamaan, ternyata didapatkan bahwa data times-series terkointegrasi dalam jangka panjang. Hasil analisis uji
35 kointegrasi yang dikutip kembali dari Lampiran 3, disajikan kembali pada Gambar 5.9.
Gambar 5.9
Hasil Analisis Uji Kointegrasi Persamaan (1) Dependent Variable: D(RESID01)
Method: Least Squares Date: 12/09/14 Time: 00:52
Sample (adjusted): 2008Q2 2012Q4
Included observations: 19 after adjustments
Variable Coefficient Std. Error t-Statistic Prob.
RESID01(-1) -0.941708 0.242495 -3.883412 0.0011
R-squared 0.455519 Mean dependent var 0.009804 Adjusted R-squared 0.455519 S.D. dependent var 0.391543 S.E. of regression 0.288915 Akaike info criterion 0.405830 Sum squared resid 1.502498 Schwarz criterion 0.455538 Log likelihood -2.855387 Hannan-Quinn criter. 0.414243 Durbin-Watson stat 1.842266
Hasil analisis uji kointegrasi untuk persamaan (1) menunjukkan p value sebesar 0.001 yang lebih kecil dari 5%, sehingga dapat dinyatakan bahwa model persamaan (1) adalah data series stationer yang terkointegrasi dalam jangka panjang.
Gambar 5.10
Hasil Analisis Uji Kointegrasi Persamaan (2) Dependent Variable: D(RESID02)
Method: Least Squares Date: 12/09/14 Time: 00:53
Sample (adjusted): 2008Q2 2012Q4
Included observations: 19 after adjustments
Variable Coefficient Std. Error t-Statistic Prob.
RESID02(-1) -0.384111 0.170892 -2.247680 0.0374
R-squared 0.158434 Mean dependent var 0.000698 Adjusted R-squared 0.158434 S.D. dependent var 0.002571 S.E. of regression 0.002359 Akaike info criterion -9.210300 Sum squared resid 0.000100 Schwarz criterion -9.160593 Log likelihood 88.49785 Hannan-Quinn criter. -9.201888 Durbin-Watson stat 2.429850
36 Gambar 5.10
Hasil Analisis Uji Kointegrasi Persamaan (3) Dependent Variable: D(RESID03)
Method: Least Squares Date: 12/09/14 Time: 00:53
Sample (adjusted): 2008Q2 2012Q4
Included observations: 19 after adjustments
Variable Coefficient Std. Error t-Statistic Prob.
RESID03(-1) -1.211752 0.229549 -5.278846 0.0001
R-squared 0.607417 Mean dependent var -0.032715 Adjusted R-squared 0.607417 S.D. dependent var 1.800253 S.E. of regression 1.127974 Akaike info criterion 3.129919 Sum squared resid 22.90186 Schwarz criterion 3.179627 Log likelihood -28.73423 Hannan-Quinn criter. 3.138332 Durbin-Watson stat 2.014106
Meskipun dalam uji jangka pendek tidak terbukti data series adalah stasioner untuk model (1) dan model (2), namun uji stasioner jangka panjang menunjukkan data series adalah stabil, sehingga data times-series dapat dimanfaatkan untuk dijadikan sumber data pada penggunaan metode regresi two stages least square
(TSLS) sebagai inti model pengujian model makro ekonomi penelitian ini.
Dukungan yang lain ditunjukkan pada uji normalitas data Jaque Berra normality test yang disajikan pada Lampiran 4, yang menujukkan bahwa data series
memiliki sebaran normal, terbukti dengan dukungan p value lebih besar dari 5%, kecuali pada persamaan (3) dimana p value lebih kecil dari 5%. Catatan atas uji normalitas tersebut, bahwa normalitas tidak tercapai pada uji 5% untuk model persamaan (3), tetapi justru syarat stasioner jangka pendek terpenuhi. Dengan demikian, model persamaan (3) masih relatif layak untuk dipercaya dan dapat dilanjutkan ke tingkat penyelesaian model fungsi dengan metode ekonometrik TSLS. Dukungan uji LM test autocorrelation menunjukkan kondisi yang memberikan dukungan bahwa ketiga model persamaan makro ekonomi yang dirumukan dari sejak
37 awal memenuhi syarat dan terbebas dari deteksi auto-correlation (lihat Gambar 1.13 dan Gambar 1.14 pada Lampiran 1.6 serta Gambar 1.15 pada Lampiran 1.7) tentang uji Breusch-Godfrey Serial Correlation LM Test).