HASIL DAN PEMBAHASAN
4.1.2 Analisis Data .1 Uji Stasioner .1 Uji Stasioner
4.1.2.3 Uji Bound Testing
Pengujian bounds testing bertujuan untuk mengetahui adanya long-run association pada model ARDL yang terpilih. Uji bounds testing dengan membandingkan nilai F-statistic yang diperoleh dengan Pesaran critical value. Jika nilai F-statistic lebih besar dari upper bounds value, maka null hypothesis yang menyatakan bahwa tidak terjadi long-run association ditolak, yang artinya variabel-variabel dalam penelitian bergerak bersama-sama dalam jangka panjang.
Tabel 4.5 Uji Cointegration/Bound Testing
Variabel F-Statistik Keterangan
LOG_PDB, SBI, LOG_INOVASI LOG_KONSUMSI,
LOG_KREDITINVESTASI
39,02 Terdapat Hubungan Jangka Panjang
Dari Tabel 4.5 hasil bound testing memperlihatkan F-statistik sebesar 39,02 yang angkanya lebih besar dari semua critical value yang tersedia (1%, 5% dan 10%), sehingga null hypothesis yang menyatakan bahwa tidak terjadi long-run association
Universitas Sumatera Utara
79
ditolak. Temuan ini memperlihatkan bahwa PDB, SBI, inovasi, konsumsi, kredit investasi bergerak bersama-sama dalam jangka panjang.
4.1.2.4 Estimasi Model ARDL
Estimasi model ARDL terbaik berdasarkan Akaike Info Criterion (AIC) yaitu ARDL (4,1,3,2,2) yang hasilnya memperlihatkan R-squared sebesar 0,99 dan R-squared adjusted sebesar 0,99 (Tabel 4.6). Hasil ini menyatakan bahwa 99%
oleh variabel bebas pada model ARDL (4,1,3,2,2) dapat menjelaskan variabel terikat pertumbuhan ekonomi. Temuan ini mengindikasikan bahwa model ARDL (4,1,3,2,2) ini baik untuk dianalisis.
Tabel 4.6 Estimasi Model ARDL Dependent Variable: LOG_PDB
Dynamic regressors (3 lags, automatic): SBI LOG_INOVASI
LOG_KONSUMSI LOG_KREDITINVESTASI Fixed regressors: DUMMY C
Selected Model: ARDL(4, 1, 3, 2, 2)
Variable Coefficient Std. Error t-Statistic Prob
LOG_PDB(-1) -0.135 0.100 -1.352 0.190
LOG_KREDITINVESTASI -0.022 0.031 -0.711 0.484
LOG_KREDITINVESTASI(-1) -0.018 0.029 -0.620 0.541
LOG_KREDITINVESTASI(-2) 0.067 0.029 2.332 0.029
DUMMY 0.002 0.005 0.529 0.602
C 1.218 0.277 4.391 0.000
Universitas Sumatera Utara
80
Model ARDL merupakan perpaduan autoregressive (AR) dan distributed lag (DL) yang memperlihatkan hubungan variabel terikat (Yt) dan variabel bebas (Xt)
yang dinamis (adanya perubahan nilai variabel dari waktu ke waktu).
Autoregressive (AR) menggambarkan data masa lampau dari variabel dependen, sedangkan distributed lag (DL) menggambarkan data pada waktu sekarang dan waktu lampau dari variabel independen. (Gujarati, 2003)
Tabel 4.6 menunjukkan bahwa perubahan PDB bergerak dinamis mulai periode lag (-4), yang artinya empat triwulan sebelumnya, sedangkan efek perubahan SBI, inovasi, konsumsi dan kredit investasi terdistribusi bervariasi pada periode waktu tertentu. Efek perubahan masing-masing variabel sebagai berikut: efek perubahan SBI terdistribusi pada periode lag (-1), efek perubahan inovasi terdistribusi pada periode lag (-3), efek perubahan konsumsi terdistribusi pada periode lag (-2), dan efek perubahan kredit investasi terdistribusi pada periode lag (-2).
Model ARDL ini juga menujukkan bahwa konsumsi yang memiliki koefisien terbesar yang menunjukkan bahwa konsumsi merupakan faktor dominan yang mempengaruhi pertumbuhan ekonomi.
Universitas Sumatera Utara
81
4.1.2.5 Uji Stabilitas
Uji stabilitas model ARDL (4,1,3,2,2) dalam penelitian ini menggunakan uji digunakan CUSUM (cumulative sum of recursive residuals) dengan tingkat kepercayaan 95%. Kriteri uji CUSUM, yaitu: (1) jika garis CUSUM berada pada nilai kritis 5 persen atau tidak keluar dari garis batas atas dan batas bawah, maka estimasi dianggap stabil, dan (2) jika garis CUSUM keluar dari garis batas atas dan batas bawah, maka estimasi dianggap tidak stabil.
-6
Gambar 4.6 Grafik CUSUM
Hasil uji model ARDL (4,1,3,2,2) menunjukkan bahwa garis CUSUM berada diantara garis batas atas dan batas bawah nilai kritis 5 persen (gambar 4.6), maka estimasi model dianggap stabil.
Langkah selanjutnya melakukan uji CUSUMQ (cumulative sum of squares of recursive residuals) dengan tingkat kepercayaan 95% untuk memastikan bahwa model benar-benar stabil. Kriteria uji CUSUMQ, yaitu: (1) jika garis CUSUMQ berada diantara nilai kritis 5 persen atau tidak keluar dari garis batas atas
Universitas Sumatera Utara
82
dan batas bawah, maka estimasi dianggap stabil, dan (2) jika garis CUSUMQ keluar dari garis batas atas dan batas bawah, maka estimasi dianggap tidak stabil.
-0.4
CUSUM of Squares 5% Significance
Gambar 4.7 Grafik CUSUMQ
Hasil uji model ARDL (4,1,3,2,2) menunjukkan bahwa garis CUSUMQ berada diantara garis batas atas dan batas bawah nilai kritis 5 persen (gambar 4.7), maka estimasi model dianggap stabil.
Hasil uji CUSUM dan CUSUMQ menunjukkan bahwa model estimasi model ARDL (4,1,3,2,2) stabil sehingga hasil estimasi dapat digunakan untuk mengintepretasi hubungan antara SBI, inovasi, konsumsi, kredit investasi terhadap pertumbuhan ekonomi.
4.1.2.6 Uji Asumsi Klasik
Uji asumsi klasik untuk memastikan koefisien yang dihasilkan memenuhi kriteria sifat BLUE (best linear unbiased estimator), dengan melakukan uji normalitas, autokorelasi dan heteroskedastisitas.
Universitas Sumatera Utara
83
a. Normalitas
Uji normalitas menggunakan metode Jarque-Berra Test (JB) dengan kriteria: (1) Jika nilai prob lebih besar dari 0,05, maka model terdistribusi normal dan (2) Jika nilai prob lebih kecil dari 0,05, maka model tidak terdistribusi normal.
Hasil uji normalitas memperlihatkan bahwa model terdistribusi secara normal, sehingga memenuhi kriteria asumsi klasik (gambar 4.8).
0
-0.004 -0.002 0.000 0.002 0.004
Series: Residuals Skewness 0.144700 Kurtosis 2.152903
Jarque-Bera 1.368932 Probability 0.504359
Gambar 4.8 Hasil Uji Normalitas
Gambar 4.8 memperlihatkan nilai probilitas Jargue-Bera sebesar 0,504 yang menunjukkan nilai prob lebih besar dari 0,05 yang artinya model terdistribusi normal.
b. Autokorelasi
Uji autokorelasi menggunakan metode Breusch-Godfrey Serial Correlation LM Test dengan kriteria: (1) jika prob dari nilai Obs*R-squared lebih besar dari 0,05, maka tidak ada autokorelasi dan jika prob dari nilai Obs*R-squared lebih kecil dari 0,05, maka ada korelasi). Hasil uji autokorelasi memperlihatkan bahwa model tidak ada autokorelasi, sehingga memenuhi kriteria asumsi klasik (tabel 4.7).
Universitas Sumatera Utara
84
Tabel 4.7 .Uji Autokorelasi Breusch-Godfrey Serial Correlation LM Test:
Null hypothesis: No serial correlation at up to 2 lags
F-statistic 1,643 Prob. F(2,21) 0,217
Obs*R-squared 5,548 Prob. Chi-Square(2) 0,062
Tabel 4.7 memperlihatkan nilai probilitas Obs*R-squared sebesar 0,062 yang menunjukkan nilai prob lebih besar dari 0,05 yang artinya model tidak terdapat autokorelasi.
c. Heteroskedastisitas
Uji Heteroskedastisitas menggunakan metode Breusch-Pagan-Godfrey dengan kriteria : (1) jika prob dari nilai Obs*R-squared lebih besar dari 0,05 maka tidak ada heteroskedastisitas dan jika prob dari nilai Obs*R-squared lebih kecil dari 0,05 maka ada gejala heteroskedastisitas. Hasil uji heteroskedastisitas memperlihatkan bahwa model tidak ada heteroskedastisitas, sehingga memenuhi kriteria asumsi klasik (tabel 4.8).
Tabel 4.8 Uji Heteroskedastisitas Heteroskedasticity Test: Breusch-Pagan-Godfrey
Null hypothesis: Homoskedasticity
F-statistic 0,961 Prob. F(17,23) 0,526
Obs*R-squared 17,028 Prob. Chi-Square(17) 0,453 Scaled explained SS 3,089 Prob. Chi-Square(17) 0,999
Tabel 4.8 memperlihatkan nilai probilitas Obs*R-squared sebesar 0,453 yang menunjukkan nilai prob lebih besar dari 0,05 yang artinya model tidak terdapat heteroskedastisitas.
Universitas Sumatera Utara
85
Secara keseluruhan hasil uji asumsi klasik dapat diringkas sebagai berikut:
Tabel 4.9 Ringkasan Uji Asumsi Statistik
Uji Nilai Prob Keterangan
Normalitas 0,504 Diterima
Autokorelasi 0,062 Diterima
Heteroskedastisitas 0,453 Diterima
Tabel 4.9 memperlihatkan bahwa model ARDL (4,1,3,2,2) memenuhi kriteria asumsi klasik sehingga dapat dilakukan penentuan persamaan jangka panjang dan jangka pendek terhadap model ARDL (4,1,3,2,2).