Resume Uji ADF dan Uji Philips Perron (PP)

Uji ADF

Kondisi dimana ut terkorelasi membutuhkan sebuah uji yang bernama Uji

Augmented Dickey-Fuller (ADF). Uji ini dilakukan dengan memperluas persamaan dengan
menambahkan nilai lag dari variabel dependen. Augmented Dickey Fuller Test adalah jika
suatu data time series tidak stasioner pada orde nol, I(0), maka stasioneritas data tersebut bisa
dicari melalui order berikutnya sehingga diperoleh tingkat stasioneritas pada order ke-n (first
difference) atau I(1), atau second difference atau I(2), dan seterusnya (Purnomo, 2010: 39).
Sebelum melakukan uji ADF, perlu memperhatikan plot data yang akan diuji. Jika data
mengandung unsur tren, maka digunakan uji ADF tipe tren, dan jika data tidak mengandung
unsur tren, dapat diselidiki apakah rata-ratanya sama dengan nol. Jika rata-ratanya tidak sama
dengan nol, maka digunakan uji ADF tipe konstanta, dan jika rata-ratanya sama dengan nol,
menggunakan uji ADF tipe null.
Uji ini memiliki persamaan
m
Yt   1   2t   Yt 1   i Yt i   t  
i 1

Dimana:
Yt = first difference dari Y
1 = nilai konstan atau intercept
2 = koefisien regresi untuk trend
 = koefisien regresi untuk lag Y
 = koefisien regresi untuk difference lag Y
ε = error
m = lag
t = waktu
Dengan hipotesis :
H0 :   0 (Terdapat akar unit, variable Y tidak stasioner)
H1 :   0 Tidak terdapat akar unit, variable Y stasioner)
Statistik Uji:
ˆ   0
t       
se ˆ   (2.5)
t  
Jika lebih besar dari nilai kritis ADF maka gagal tolak hipotesis nol, yang berarti
t
terdapat akar unit (data tidak stasioner). Dan jika    lebih kecil dari nilai kritis ADF maka
tolak hipotesis nol, tidak terdapat akar unit (data stasioner).
Langkah-Langkah Uji ADF menggunakan eviews 9 adalah sebagai berikut:
1. Pastikan eviews telah terinstal di laptop Anda sehingga memberikan tampilan seperti
ini

2. Masukkan data yang akan digunakan dalam uji stasioner. Dengan mengeklik File –
Open – Foreign Data as Workfile

3. Selanjutnya pilih file yang akan digunakan – klik open. Lalu klik next – next – finish
hingga menghasilkan tampilan layar sebagai berikut. Tampilan ini menunjukkan data
telah siap diuji stasioneritasnya

4. Setelah itu klik dua kali salah satu variabel yang akan diuji. Sehingga menghasilkan
tampilan layar seperti ini
5. klik view – klik unit root test

6. Kemudian pilih metode ADF. Kemudian klik ok

Studi Kasus:

Berikut adalah hasil uji akar unit setiap variabel pada tingkat level dalam sebuah
penelitian:
 Berdasarkan hasil pengujian akar unit pada tingkat level dapat diketahui bahwa
dengan menggunakan taraf nyata lima persen terdapa empat variable yang tidak stasioner,
antara lain investasi (INV),nilai tukar (ER), penerimaan pajak (TR), ekspor bersih (NE)
sementara variable lainnya (belanja pemerintah (G), pertumbuhan ekonomi/PDB (GW),
inflasi (INF)) stasioner pada tingkat level.

Data yang tidak stasioner dapat mengakibatkan regresi lancung (spurious regression)
apabila diregresi. Untuk menjadikan data yang tidak stasioner menjadi data stasioner maka
melakukan diferensiasi data. Pada tingkat diferensiasi pertama (first diffrerence) umumnya
data sudah stasioner. Berikut hasil uji akar unit setiap variabel pada tingkat diferensiasi
pertama.

Berdasarkan hasil uji akar-akar unit pada tabel 4.2, diketahui bahwa seluruh data telah
stasioner. Dengan kata lain bahwa seluruh variabel stasioner pada tingkat diferensiasi
pertama (first diffrence). Hal itu dapat diketahui karena nilai ADF lebih kecil dari nilai Mc
Kinnon.

Uji Unit Root Philips Perron

Philips Perron Test adalah suatu proses autoregressive (AR) yaitu suatu bentuk regresi
tetapi bukan yang menghubungkan variabel tak bebas dengan variabel bebas, melainkan
menghubungkan nilai-nilai sebelumnya (pact values) diri sendiri (masing-masing variabel)
pada selang waktu (time lag) yang bermacam-macam. Karena model yang digunakan
mengandung lag sebanyak satu periode, maka disebut first-order autoregressive process atau
AR (1), modelnya sebagaimana pada persamaan berikut:

Y t = αY t −1 + e t -1 ≤ α ≤ 1

Dimana: Y t = series yang stasioner pada waktu t = 1 ,..,T

α = konstanta

Y t −1 = proporsi nilai lampau series yang bersangkutan

e t = nilai residual pada waktu t

 Pengujian metode Phillips Perron menggunakan eviews memiliki cara yang hampir
sama dengan pengujian menggunakan metode ADF. Hanya saja setelah klik view, unit root
test, kemudian pilih test type phillips perron

Berikut adalah contoh hasil pengujian menggunakan phillips perron

Dari tabel diatas didapati nilai kritis α = 5% adalah -2.8918 yang lebih besar dari nilai
PP test statistik yaitu -9.682614, pada berbagai tingkat signifikan pun menunjukkan hal yang
sama. Hal tersebut berarti bahwa hasil phillipis perron unit root test menolak hipotesis nol,
dengan kata lain tidak ada unit root. Dengan demikian dapat disimpulkan bahwa data laju
inflasi di kota Malang tahun 2001-2009 untuk variabel pendidikan stasioner pada tingkat
level (series terintergrasi pada ordo I(0)).

Sumber:

Aini Rofatul. Metode Phillips Perron Untuk Menguji Stasioneritas Data Inflasi. 2011. Skripsi
UIN Maulana Malik Ibrahim Malang

Damodar N. Gujarati dan Dawn C. Porter. Dasar-Dasar Ekonometrika Buku 2. 2010. Jakarta:
Salemba Empat
RESUME UJI STASIONERITAS DENGAN METODE ADF DAN
PHILLIPS PERRON

Untuk Memenuhi Tugas Ekonometrika II

Disusun Oleh :
Abigail Sofia Wahono
155020101111043

PROGRAM STUDI EKONOMI PEMBANGUNAN

JURUSAN ILMU EKONOMI
FAKULTAS EKONOMI DAN BISNIS
UNIVERSITAS BRAWIJAYA
2017