METODOLOGI PENELITIAN
E. Teknik Analis Data
Tahapan pengolahan data pada penelitian ini adalah proses yang saling berkaitan dan berurutan sehingga jika pengujian A belum dilakukan maka tidak dapat melakukan pengujian B. ECM digunakan untuk melihat adanya indikasi keseimbangan jangka pendek. Pengujian ini baru dapat dilakukan bila terbukti adanya indikasi keseimbangan jangka panjang antar variabel yang di uji. Indikasi adanya keseimbangan jangka panjang ini dapat diketahui melalui uji kointergrasi. Sementara itu, variabel-variabel yang diuji dapat dikatakan memiliki hubungan atau terkointerasi apabila stasioner pada ordo yang sama. Oleh karena itu, tahap
pertama dalam pengujian ini adalah melakukan uji stasioner untuk mengetahui pada orde berapa variabel-variabel yang diuji stsioner.
1. Uji stasioner
Masalah model regresi yang melibatkan data deret berkala kadang memberikan hasil-hasil yang semu, atau bernilai meragukan, permukaan hasilnya terlihat baik tapi setelah diteliti lebih lanjut terlihat mencurigakan. Masalah yang ditemukan dalam time series adalah masalah stsioneritas data. Masalah stasioneritas ini menjadi penting mengingat regresi yang dilakukan dalam kondisi yang tidak stasioner akan menghasilkan regresi lancung ( spurious regression).29
Indikasi dari regresi lancung ini dapat dilihat dari R-squared yang tinggi dan t-statistik yang kelihatan signifikasn namun tidak memiliki arti jika dikaitkan dengan teori ekonomi. Tujuan uji stasioner ini adalah agar mean-nya stabil dan random errornya=0(nol) sehingga model regresi yang diperoleh mempunyai kemampuan prediksi yang andal dan tidak spurious.
Jadi, jika kita menggunakan data deret berkala, kita harus memastikan bahwa deret berkala individualnya bersifat stasioner atau terintegrasi bersama.30 Dalam melakukan uji stasioner ada dua tahap analisis yaitu:
29
Agus Widarjono, ekonometrika, Pengantar dan Aplikasinya, ( yogyakarta: Ekonisia Fakultas Ekonomi UII Yogyakarta,2009) h. 315
30
Damondar N. gujarati, Dasar-Dasar Ekonometrika, ( Penerbit Erlangga, Edisi ketiga, 2006) h.171
a. Uji akar-akar unit ( unit Root test)
Data time series dikatakan stasioner jika rata-rata varians dan kovariansnya konstan sepanjang periode waktu. Metode yang akhir-akhir ini banyak digunakan oleh ahli ekonometrika untuk menguji stasioneritas data adalah uji akar-akar unit( unit root test).
Uji akar-akar unit ini pertama kali dikembangkan oleh Dickey-Fuller.31 Uji akar-akar unit dapat dipandang sebagai uji stasionaritas, karena pada intinya uji tersebut untuk mengamati apakah koefisien tertentu dari model otoregresif mempunyai nilai satu atau tidak.
Pengujian dalam penelitian ini dilakukan dengan menggunakan model pengujian Philip peron(PP) yang diperkenalkan oleh Philips Peron(1988) dan Augmented Dicky Fuller(ADF) yang diperkenalkan oleh Dickey Fuller(1979). Adapun model ADF tes adalah( Gujarat):
∆Y t = δβ1+ β2t + βt-1 + et
Adapun β1 dan β2t adalah parameter, t adalah waktu dan tren variabel,
δ menunjukkan drift et adalah murni noise error term.
Jika hipotesis nol(Ho) δ=0 makan terdapat unit root, berarti data time series tidak stasioner, atau jika nilai statistic ADF secara absolute lebih besar daripada nilai kritis MacKinnon maka hipotesis Ho ditolak, artinya time series stasioner.
31
Wing Wahyu Winarno, Analisis Ekonometrika dan Statistika dengan Eviews, (UPP STIM YKPN, Edisi ketiga, 2011),h. 7.5
Adapun PP tes berbeda dengan ADF tes, PP focus pada serial korelasi dan hetoroskedasticity pada error term. Model PP adalah:
∆Zt= ? + θt + ʎ t-1+μt
Hipotesis nol (H0) adalah ʎ = 0, artinya Z tidak stasioner, sedangkan hipotesis Ha adalah jika nilai PP lebih besar dari nilai kritis, artinya data stasioner. Apabila nilai hitung mutlak ADF dan PP masing-masing variabel dengan derajat keyakinan 5% masih belum stasioner pada tingkat ordo nol maka perlu dilanjutkan uji derajat intergrasi pertama.
b. Uji Derajat Integrasi ( Degree on Integration)
Apabila data yang diamati pada uji akar unit ternyata tidak stasioner, maka langkah selanjutnya adalah melakukan uji derajat integrasi. Uji dilakukan untuk mengetahui pada derajat integrasi berapakah data yang diamati stasioner. Uji intergarsi ini mirip dengan uji akar-akar unit. Seperti akar-akar unit sebelumnya, keputusan pada derajat keberapa suatu data akan stasioner dapat dilihat dengan membandingkan antara nilai statistik ADF dan PP dengan nilai kritis distribusi statistik. Jika nilai absolute dari statistik ADF dan PP lebih besar dari nilai kritisnya pada diferensi pertama, maka data dapat dikatakan stasioner pada derajat satu. Akan tetapi, jika
nilainya lebih kecil maka uji derajat integrasi perlu dilanjutkan pada diferensi yang lebih tinggi sehingga diperoleh data yang stasioner.32
2. Uji Kointegrasi ( Cointegration Test)
Setelah melalui uji integrasi, maka dapatlah diketahui pada derajat keberapakah data tersebut stasioner. Uji kointegrasi merupakan kelanjutan dari akar-akar unit dan derajat integrasi. Uji kointegrasi dapat dipandang sebagai uji keberadaan hubungan jangka panjang, seperti yang dikehendaki oleh teori ekonomi. Tujuan utama ujikointegrasi ini adalah untuk mengetahui apakah variabel-variabel yang ada berkointegrasi. Variabel yang terkointegrasi menunjukkan adanya hubungan antar variabel atau kestabilan dalam jangka panjang dan sebaliknya.
Alternatife uji kointegrasi yang sekarang banyak digunakan adalah uji kointegrasi yang dikembangkan oleh Johansen.33 Uji yang dikembangkan Johansen ini dapat digunakan untuk menentukan kointegrasi sejumlah variabel( Vektor).
Adapun rumus Kointegrasi adalah sebagai berikut:
Yt = θ1Yt-1 + θ Yt-2 +…..+θYt-1 = βXt nt, t=….,T
Dimana: Yt = vector variabel endogen
Θt = parameter matriks
32
Shocrul R. ajija,dkk, Cara Cerdas Manguasai Eview, ( Jakarta: Salembah Empat, 2011) h. 147
33
Agus Widarjono, Ekonometrika, Pengantar dan Aplikasinya, ( YogYakarta: Ekonosia Fakultas Ekonomi UII Yogyakarta,2009) h. 328
βXt = d-vektor dari deterministic variabel nt = vector innovation
Uji kointegrasi dalam penelitian ini akan dilakukan uji test kointegrasi johansen pada derajat kepercayaan sebesar 5% dengan cara membandingkan nilai max eigen statictic dengan Critical value dengan ketentuan, apabila max eigen statistic lebih besar dari critical value maka terjadi kointegrasi dan sebaliknya.
Jika terdapat hubungan jangka panjang atau semua variabel terkontegrasi maka uji dapat diuji ECM, namun jika variabel tidak terdapat hubungan integrasi maka digunakan model unrestricted VAR.
3. Error Corection Model ( ECM)
Analisis data dalam penelitian ini menggunakan metode kuantitatif dengan pendekatan ECM (Error Eorrection Model). ECM juga sering disebut model koreksi kesalahan. Model ECM pertamakali dikembangkan oleh Prof. dennis Sargan(1978) dengan konsep the general to specific approach dan akhirnya dipopulerkan oleh Engle-Granger.34 ECM digunakan karena mekanisme ECM memiliki keunggulan salah satunya yaitu menghindari regresi lancung35 Atau regresi semu yang menghasilkan kesimpulan menyesatkan.
34
Agus widorjono, pengantar dan Aplikasinya, yogjakarta, ekonomsia Faku;tas Ekonomi UII Yogyakarta,2009, h.330
35
Adanya kointegrasi antara variabel nantinya akan menunjukkan adanya hubungan ataupun keseimbabgan antara variabel-variabel tersebut. Dalam jangka pendek mungkin saja ada ketidakseimbangan (disequilibirium). Ketidakseimbangan inilah yang sering ditemui dalam perilaku ekonomi artinya, bahwa apa yang diinginkan perilaku ekonomi belum tentu sama dengan apa yang terjadi sebenarnya. Adanya perbedaan apa yang diinginkan pelaku ekonomi dan apa yang terjadi maka diperlukan adanya penyesuaian (adjustment). Model yang memasukkan penyesuaian untuk melakukan koreksi bagi ketidakseimbangan disebut model koreksi kesalahan(error correction model).
Perumusan regresi pada penelitian ini adalah sebagai berikut:
LnPBS=β0+β1LnCARt+β2LnROAt+β3LnNPFt+β4LnFDRt+β5LnBOPOt+β6 LnInf1+β7 LnBIrt+ β8Ln Kurst+et
Dimana:
LnPBS=Pembiayaan Bank Syariah
Β0= Intercept
Β1….8= slope
LnCAR= Capital Adequacy Ratio LnROA= Return On Aset
LnNPF= Non Performing Finance LnFDR= Financing Deposit Ratio
LnBOPO= Beban Operasional danPendapatan Operasional
Ln inf= Inflasi Ln Bir= BI rate Ln Kurs= Kurs et= error term
Persamaan Error Corection Model
ΔLnPBS=β0+β1ΔLnCARt+β2ΔLnROAt-1+β3ΔLnNPFt-1+β4ΔLnFDRt
-1+β5ΔLnBOPOt-1+β6ΔLnInft-1+β7Δ LnBIrt-1+ β8Δ LnKurst-1+ECT Dimana:
ΔLnPBS= Perubahan Pembiayaan Bank Syariah(logaritma natural) Β0= Intercept
Β1….8= slope
ΔLnCAR= Perubahan Capital Adequacy Ratio (logaritma natural)
ΔLnROA= Perubahan Return On Aset
ΔLnNPF= Perubahan Non Performing Finance ΔLnFDR= Perubahan Financing Deposit Ratio
ΔLnBOPO= Perubahan Beban Operasional danPendapatan Operasional ΔLnInf= Perubahan Inflasi
ΔLnBir= Perubahan BI rate
ECT= Error Corection Term (Angka yang menunjukkan besarnya Koreksi kesalahan)
F. Definisi operasional Variabel