085865141296

customerservice.scundip@gmail.com

ECM (Error Correction Model)

  1. Pendahuluan

     Error Corection Model atau yang dikenal dengan model koreksi kesalahan adalah suatu model yang digunakan untuk melihat pengaruh jangka panjang dan jangka pendek dari masing-masing peubah bebas terhadap peubah terikat (Satria, 2004). Menurut Sargan, Engle, dan Granger, error correction model adalah teknik untuk mengoreksi ketidakseimbangan jangka pendek menuju keseimbangan jangka panjang, serta dapat menjelaskan hubungan antara peubah terikat dengan peubah bebas pada waktu sekarang dan waktu lampau.

ECM diterapkan dalan analisis ekonometrika untuk data runtun waktu karena kemampuan yang dimiliki ECM dalam meliput banyak peubah untuk menganalisis fenomena ekonomi jangka panjang dan mengkaji kekonsistenan model empirik dengan teori ekonometrika, serta dalam usaha mencari pemecahan terhadap persoalan peubah runtun waktu yang tidak stasioner dan regresi lancing dalam analisis ekonometrika (Satria, 2004).

Dalam mennetukan model regresi linier melalui pendekatan ECM, terdapat beberapa asumsi yang harus dipenuhi sebagai berikut :

  1. Uji Stasioner (Unit Root Test)

Pengujian stasioner data adalah hal yang penting dalam analisis data runtut waktu atau data time series. Sekumpulan data time series dinyatakan stasioner apabila nilai rata-rata, varian dan autokovarian (pada bermacam-macam lag) tidak mengalami perubahan secara sistematik sepanjang waktu. Apabila data tidak stasioner, maka hanya dapat dipelajari tingkah laku data tersebut hanya pada periode waktu yang diperhatikan. Sebagai konsekuensinya, akan sangat tidak mungkin untuk mengamati data pada periode waktu lain (Gujarati, 2009).

  • Hipotesis :

H0 : β = 0

H0 : β ≠ 0

  • Statistik Uji :

  • Daerah Kritis :

H0 diterima jika τ > nilai statistic DF (Dickey Fuller ) artinya Yt  mempunyai akar unit atau Yt tidak stasioner.

H0 diterima jika τ < nilai statistic DF (Dickey Fuller ) artinya Yt  mempunyai akar unit atau Yt  stasioner.

  1. Uji Integrasi

Jika data yang diamati tidak stasioner dalam uji akar-akar unit, maka dilakukan uji integrase. Uji derajat integrasi digunakan untuk mengetahui pada derajat/orde differensi ke berapa data yang diamati akan menjadi stasioner. Penelitian ini melakukan uji integrasi data pada pembeda pertama (first difference) dan pembeda kedua (second difference) menggunakan uji akar-akar unit metode ADF. Apabila ut langsung stasioner ketika membuat regresi antara peubah bebas dan peubah terikat, maka dapat dinyatakan bahwa antara peubah bebas dan peubah terikat terkointegrasi pada derajat nol atau dinotasikan dengan I(0). Tetapi apabila ut stasioner pada pembedaan pertama, maka kedua peubah tersebut terkointegrasi pada derajat pertama atau dinotasikan denga I (1).

  1. Uji Kointegrasi

Sekumpulan variabel dikatakan memiliki kointegrasi apabila mempunyai hubungan keseimbangan pada jangka panjang (Gujarati, 2009). Tujuan dari uji kointegrasi adalah untuk mendeteksi adanya hubungan jangka panjang antara variabel bebas dan variabel terikatnya. Dalam penelitian ini, digunakan uji kointegrasi metode Engel Granger yang mendeteksi adanya kointegrasi melalui uji stasioner pada nilai residual hasil regresi. Penelitian ini menggunakan uji kointegrasi Engle-Granger (EG). Untuk melakukan uji EG terlebih dahulu dilakukan regresi dari persamaan yang diteliti untuk memperoleh residualnya. Dari hasil residual ini kemudian diuji dengan ADF.  Jika tidak terdapat hubungan kointegrasi, model unrestricted VAR dapat diaplikasikan. Tetapi,bila terdapat hubungan kointegrasi antar seri, model Vector Error Correction (VECM) yang dipergunakan. Ada dua acara pengujian kointegrasi antara lain :

  1. Uji Engle-Grenger (Augmented Engle-Granger)
  2. Uji kointegrasi Durbin-Watson (Cointegrating Regression Durbin Watson)
  1. Uji Kausalitas Granger (Granger Causality)

Uji Granger Causality dimaksudkan untuk melihat pengaruh masing-masing variabel terhadap variabel lainnya satu persatu. Dengan didasarkan pada hipotesis kausalitas Granger.

  • Hipotesis :

H0 : X tidak dapat menyebabkan Y

H1  : X menyebabkan Y

  • Statistik Uji :

Dimana :

N = banyaknya pengamatan

K = banyaknya parameter model penuh

Q = banyaknya parameter model terbatas

  • Kriteria Uji :

Tolak H0 jika Fhitung > Ftabel

Terima Ho jika Fhitung ≤ Ftabel

Jika H0 ditolak , berarti X mempengaruhi Y.

  1. Model Empiris ECMdan VECM

Adanya masalah tersebut mendorong alternatif lain yang sering disebut model  non-structural. Pendekatan ini mencari hubungan antara bermacam-macam variabel yang diinginkan.Model tersebut sering disebut VAR maupun ECM dan VECM yang umumnya digunakan untuk peramalan dari hubungan data runtut waktu.Model VAR mengikuti sebagaimana dilakukan oleh Lee (1992), Mougoué dan Bond (1991), Ajay dan Mougoué (1996), Hermanto (1998), maupun Ansari dan Gang (1999). Model VECM merupakan pengembangan dari model ECM.

  1. Hasil dan Pembahasn
    1. Deskripsi Data

Dalam pembahasan kali ini data yang dipakai adalah mengenai ULN, PMA dan REM terhadap variable PDB.

  1. Analisis Perilaku Data
    1. Uji akar-akar unit

Data atau variable yang diamati akan stasioner jika nilai t-hitung (absolut) lebih kecil dari nilai t-tabel atau dengan melihat nilai probabilitas dimana jika nilai probabilitas lebih kecil dari nilai α=5% maka data stasioner. Dari uji stasioneritas yang telah dilakukan menunjukkan hasil bahwa tidak ada data/variable yang stasioner pada α=5%. Untuk itu perlu dilakukan uji derajat integrasi untuk mengetahui pada derajat ke berapa variable-variabel tersebut stasioner.

  1. Uji derajat integrasi

Pengujian dilakukan terhadap semua variable yang belum stasioner, yaitu variable ULN, PMA, REM dan PDB untuk dapat diketahui pada derajat integrasi ke berapa variable yang diamati tersebut  stasioner. Dari hasil pengujian Integrasi 1st  difference atau bisa dinotasikan dengan I(1) semua variabel, yang tidak stasioner adalah variabel PDB dan ULN (nilai t-hitung (absolut) pada PMA dan REM lebih besar dari t-tabel (absolut)). Sehingga perlu dilakukan pengujian integrasi 2nd difference pada PDB dan ULN yang dapat dinotasikan dengan I(2). Dari hasil pengujian Integrasi 2nd  difference semua variabel telah stasioner. Maka dilakukan pengujian kointegrasi. Dalam pengujian derajat integrasi bisa dilihat nilai probabilitas. Apabila nilai probabilitas kurang dari α=5% maka variable telah stasioner.

  1. Uji Kointegrasi

Pendekatan kointegrasi merupakan salah satu cara yang sering digunakan dalam penelitian-penelitian ekonomi dalam rangka menghindari adanya regresi lancing (Sugiyanto, 1994). Ada cara lain yang digunakan untuk menghindari regresi lancing, yaitu dengan memasukkan lebih banyak varaibel kelambanan (lag) baik variable tergantung (dependent variable) maupun variable bebas (independent variable).

Kointegrasi akan tercapai jika nilai t-hitung (absolut) lebih besar dari nilai t-tabel (absolut). Dari hasil uji kointegrasi yang dilakukan terhadap variable ULN, PMA, REM, dan PDB yang telah stasioner, menunjukkan bahwa semua variable tersebut berkointegrasi pada α=5%, dan mempunyai hubungan jangka panjang antar variable. Keberhasilan dari pengujian ini berarti bahwa ECM yang diperoleh tidak akan keliru.

  1. Regresi ECM

Model Regresi:

D(PDB) = 3.07E+09 – 0.232297*D(ULN,2) + 0.634200*D(PMA,2) +    3.0123*D(REM,2) -0.310036*ECT(-1)

Hasil estimasi ECM di atas memperlihatkan bahwa variabel ECT bernilai negative dan signifikan berbengaruh terhadap PDB karena nilai sig.(0,0251<0,05). Sehingga dalam jangka pendek maupun jangka panjang variabel ULN, PMA, dan REM berpengaruh secara signifikan terhadap PDB. Dengan nilai R2 sebesar 0,3056

atau 30, 56%, dapat dikatakan bahwa variabel bebas yang dimasukkan dalam model tidak baik, sebab sekitar 69,44% keragaman variabel terikat yang dipengaruhi oleh variabel bebas di luar model.





 

DAFTAR PUSTAKA

Astuti.R.D. Analisis Makro Kinerja Pasar Modal Indonesia dengan Pendekatan       Error Correction Model. Jurnal Ekonomi Pembangunan. Hal 13-32

Damodar N., Gujarati dan Dawn C. Porter. 2009. Basic Econometric 5th Edition. McGraw –Hill: New York.

Sugiyanto, Catur, (1994), Ekonometrika Terapan, Edisi Pertama, Yogyakarta : BPFE