Uji error correction model (ecm) dengan eviews

1. Opissen yudisyus | IG : @opissen | E-mail : opissen@gmail.com |WA : 08562704800
UJI ERROR CORRECTION MODEL (ECM) DENGAN EVIEWS
1. Uji Akar Unit (Unit Root Test)
Langkah pertama sebelum membentuk persamaan ECM adalah menguji kestasioneran semua variabel yang
disertakan dalam model.
Pastikan beranda awal Eviews sudah terbuka seperti yang ditunjukkan pada gambar dibawah. Selanjutnya pilih
menu QUICK – SERIES STATISTICS – UNIT ROOT TEST. Kemudian pada kolom SERIES NAME tulis
terlebih dahulu variabel yang ingin diuji, pada contoh variabel Y, dan klik OK.
Maka akan muncul tampilan seperti gambar dibawah. Isikan sesuai pada tampilan tersebut, dimana Test For
unit Root In dicentang LEVEL, sementara Include In Test Equation dicentang TREND AND INTERCEPT dan
klik OK.
NOTE :
Uji akar unit dilakukan per variabel, jika ada empat variabel maka semuanya diuji satu per satu.
Uji akar unit dilakukan mulai dari tingkat LEVEL, bila pada tingkat LEVEL tidak stasioner dilanjutkan ke FIRST
DIFFERENCE, bila tidak stasioner pada tingkat FIRST DIFFERENCE, dilanjutkan pada tingkat SECOND
DIFFERENCE dan biasanya pada tingkat ini data sudah stasioner. Bila masih tidak stasioner, kemungkinan data
Anda salah.

2. Opissen yudisyus | IG : @opissen | E-mail : opissen@gmail.com |WA : 08562704800
Maka akan muncul tampilan seperti gambar dibawah. Sampai disini Anda telah melakukan Uji Akar Unit untuk
variabel Y. selanjutnya lakukanlah uji serupa pada variabel lainnya. Setelah semua variabel selesai diuji,
Perhatikan dan bandingkan nilai Augmented Dickey-Fuller (ADF) Test Statictics dengan Test Critical Value pada
tingkat 1%, 5%, dan 10% apakah data pada tingkat LEVEL stasioner atau non-stasioner, bila non-stasioner
maka dilanjutkan dengan uji selanjutnya Uji Derajat Integrasi.
Untuk mempermudah, berikut contoh tampilan data yang sudah diuji pada tingkat LEVEL;
Hasil Augmented Dickey Fuller Pada Tingkat LEVEL
Variabel ADF t-statistik
Nilai Kritis MacKinnon
Keterangan
1 % 5 % 10 %
Y -1.091339 -4.4983 -3.6584 -3.2689 Nonstasioner
PMDN -5.813617 -4.5348 -3.6746 -3.2762 Stasioner
AK -2.258751 -4.5348 -3.6746 -3.2762 Nonstasioner
KURS -1.263614 -4.5348 -3.6746 -3.2762 Nonstasioner
Dari hasil semua variabel pada tingkat LEVEL bahwa terdapat tiga variabel yang tidak stasioner pada tingkat
level, yakni variabel Y (PDRB), AK (angkatan kerja), dan KURS (nilai kurs) pada tingkat signifikansi 5 persen.
Sedangkan variabel PMDN (investasi domestik) stasioner pada tingkat signifikansi 5 persen dengan nilai ADF t-
statistik -5.813617. Oleh karena rata-rata variabel tidak signifikan pada tingkat level maka perlu di uji dengan
derajat integrasi.

3. Opissen yudisyus | IG : @opissen | E-mail : opissen@gmail.com |WA : 08562704800
2. Uji Derajat Integrasi
Oleh karena pada tingkat LEVEL semua variabel belum stasioner, maka perlu diuji kembali pada derajat
keberapa masing-masing variabel stasioner. Cara mengujinya tetap sama seperti pada teknik pengujian Unit
Root diatas. Hanya saja bukan lagi tingkat LEVEL yang digunakan melainkan FIRST DIFFERENCE.
Hasil Augmented Dickey Fuller Pada Tingkat FIRST DIFFERENCE
Variabel ADF t-statistik
Nilai Kritis MacKinnon
Keterangan
1 % 5 % 10 %
Y -3.171989 -4.5325 -3.6736 -3.2773 Nonstasioner
PMDN -9.549377 -4.5743 -3.6920 -3.2856 Stasioner
AK -3.448001 -4.5743 -3.6920 -3.2856 Nonstasioner
KURS -3.368889 -4.5743 -3.6920 -3.2856 Nonstasioner
PANDUAN PENTING
ADF t-statistik > t-critical MacKinnon = memiliki akar unit atau tidak stasioner
ADF t-statistik < t-critical MacKinnon = tidak memiliki akar unit atau stasioner

4. Opissen yudisyus | IG : @opissen | E-mail : opissen@gmail.com |WA : 08562704800
Tabel diatas memperlihatkan bahwa terdapat tiga variabel yang tidak stasioner pada tingkat first difference,
yakni variabel Y (PDRB), AK (angkatan kerja, KURS (nilai kurs) pada tingkat signifikansi 5 persen. Dan satu
variabel stasioner, yakni PMDN (investasi domestik) pada tingkat signifikansi 5 persen dengan nilai ADF t-
statistik -9.549377. Berdasarkan hal tersebut, maka kembali dilakukan pengujian Augmented Dickey Fuller
pada tingkat second difference.
Hasil Augmented Dickey Fuller Pada Tingkat SECOND DIFFERENCE
Variabel ADF t-statistik
Nilai Kritis MacKinnon
Keterangan
1 % 5 % 10 %
Y -5.365061 -4.5715 -3.6908 -3.2869 stasioner
PMDN -9.021135 -4.6193 -3.7119 -3.2964 stasioner
AK -5.161322 -4.6193 -3.7119 -3.2964 stasioner
KURS -6.210772 -4.6193 -3.7119 -3.2964 stasioner
Tabel diatas memperlihatkan bahwa empat variabel sudah stasioner pada tingkat second difference, yakni
variabel Y (PDRB), PMDN (investasi domestik), AK (anngkatan kerja), KURS (nilai kurs) pada tingkat signifikansi
5 persen. Oleh karena itu dapat dikatakan semua data yang digunakan dalam penelitian ini terintegrasi pada
derajat dua (second diffrence).

5. Opissen yudisyus | IG : @opissen | E-mail : opissen@gmail.com |WA : 08562704800
3. Uji Kointegrasi
Jika semua variabel lolos dari uji akar unit, maka selanjutnya dilakukan uji kointegrasi (cointegration test) untuk
mengetahui kemungkinan terjadinya keseimbangan atau kestabilan jangka panjang diantara variabel-variabel
yang diamati. Untuk menghitung nilai DF dan ADF terlebih dahulu adalah membentuk persamaaan regresi
kointegrasi dengan metode kuadrat terkecil biasa (OLS). Persamaan regresi yang akan diujikan pada
penelitian ini adalah seperti yang dikemukakan Nachrowi(2006).
Yt = β0 + β1PMDNt + β2AKt + β3KURSt + et ……..(3.1)
Tahap awal dari uji kointegrasi Engle-Granger adalah dengan meregresi persamaan OLS antara variabel
dependent dan variabel independent.
Pertama. Pastikan anda berada pada tampilan awal eviews, lalu lakukan Regresi Biasa OLS. Masih ingat cara
ujinya kan?, jangan katakan sudah lupa karena Uji OLS adalah dasar dari uji lainnya.
Kedua. Maka akan muncul tampilan seperti gambar dibawah.
Hasil persamaan uji kointegrasi Engle-Granger adalah sebagai berikut :
Y = + PMDN + AK + KURS
Y = -8222.048058 - 7.138215608*PMDN + 0.01397932444*AK + 0.001514738805*KURS
Dari persamaan regresi (3.1) kemudian diestimasi variabel residualnya yaitu :
......... (3.2)

6. Opissen yudisyus | IG : @opissen | E-mail : opissen@gmail.com |WA : 08562704800
Langkah berikutnya adalah menaksir model persamaan autoregressive dari residual berdasarkan persamaan berikut
:
∑ ...................................................... (3.3)
Berdasarkan persamaan autoregressive akan diperoleh nilai AEG hitung yang nantinya dibandingkan dengan nilai
ADF tabel. Adapun hipotesa yang akan diuji adalah :
H0 : ut = I(1), artinya tidak ada kointegrasi
Ha : ut ≠ I(1), artinya ada kointegrasi
Langkah membuat Variabel Residual :
Pertama : kita akan membuat variabel residual berdasarkan persamaan (3.2) dan (3.3). Pastikan berada pada
lembar awal eviews. Jalankan perintah eviews QUICK – ESTIMATE EQUATION - EQUATION SPECIFICATION ,
lalu lakukan regresi dasar atau awal seperti biasanya. Bisa juga pada hasil output persamaan (3.1) langsung lakukan
seperti berikut : klik PROCS – MAKE RESIDUAL SERIES maka akan muncul tampilan MAKE RESIDUAL lalu di
NAME FOR RESID SERIES isikan huruf e dan klik OK.
Maka akan muncul tampilan tambahan variabel baru seperti berikut : >

7. Opissen yudisyus | IG : @opissen | E-mail : opissen@gmail.com |WA : 08562704800
Kedua : setelah memiliki variabel residual yang berasal dari persamaan (3.2). selanjutnya kita akan menguji apakah
variabel residual tersebut stasioner atau non-stasioner. Langkah - langkahnya seperti pada UJI DERAJAT
INTEGRASI, lakukan uji tersebut sampai Variabel e stasioner.
Hasil Augmented Dickey Fuller Pada Persamaan Residual
Variabel ADF t-statistik
Nilai Kritis MacKinnon
Keterangan
1 % 5 % 10 %
e -5.229615 -2.7158 -1.9627 -1.6262 Berkointegrasi
Tabel diatas memperlihatkan bahwa variabel e sudah stasioner pada tingkat second difference. Ini berarti ada
indikasi bahwa variabel e untuk data second difference dan panjang lag 1 tidak mengandung akar unit, dengan kata
lain variabel e sudah stasioner, sehingga disimpulkan bahwa terjadi kointegrasi diantara semua variabel yang
disertakan dalam model Y (PDRB). Hal ini mempunyai makna bahwa dalam jangka panjang akan terjadi
keseimbangan atau kestabilan antar variabel yang diamati.
4. Uji Error Correction Model (ECM)
Setelah lolos dari uji kointegrasi, langkah selanjutnya adalah membentuk persamaan error correction model
(ECM). Persamaan yang akan dibentuk sebagai berikut :
........(3.4)
Keterangan :
Yt = Produk Domestik Regional Bruto pada periode t
PMDNt = nilai investasi domestik pada periode t
AKt = Angkatan Kerja pada periode t
KURSt = rata-rata nilai tengah kurs rupiah terhadap dolar pada periode t
= persamaan residual
Persamaan (3.4) dibangun berdasarkan hasil pengujian bahwa semua variabel sudah stasioner dalam data
beda kedua (second difference) yang diperlihatkan oleh notasi . Error correction model (ECM) digunakan untuk
mengestimasi model dinamis jangka pendek dari variabel produk domestk regional bruto. Penggunaan metode
estimasi ECM dapat mengabungkan efek jangka pendek dan panjang yang disebabkan oleh fluktuasi dan time
lag dari masing-masing variabel independent.
LANGKAH UJI ECM
Cara Pertama : : pada lembar kerja awal eviews jalankan menu QUICK – ESTIMATE QUATION, kemudian tulis
persamaan pada lembar EQUATION SPECIFICATION : D(Y) C DPMDN DPMDN(-1) DPMDN(-2) DPMDN(-
3) DAK DAK(-1) DAK(-2) DAK(-3) DKURS DKURS(-1) DKURS(-2) DKURS(-3) E(-1)

8. Opissen yudisyus | IG : @opissen | E-mail : opissen@gmail.com |WA : 08562704800
Cara kedua : kita membuat variabel difference-nya terlebih dahulu. Cara membuat variabel difference adalah
melalui perintah kerja QUICK – GENERATE SERIES atau toolbar GENR. Pada tampilan GENERATE SERIES
BY EQUATION tulis persamaan variabel yang akan dicari seperti contoh ; lalu klik OK maka akan mucul
variabel baru yang sudah didifference pada tampilan awal eviews DY. Kemudian teruskan dengan membuat
variabel difference yang lain yaitu DPMDN, DAK dan DKURS dengan cara yang sama.
Setelah semua variabel sudah dilakukan transformasi, selanjunya jalankan menu QUICK – ESTIMATE
EQUATION diteruskan dengan menulis persamaan pada tampilan EQUATION SPECIFICATION seperti contoh
pada cara pertama.

9. Opissen yudisyus | IG : @opissen | E-mail : opissen@gmail.com |WA : 08562704800
Maka akan mendapatkan hasil tersebut
Pada hasil output diatas, beberapa komponen dalam model tidak signifikan. Dengan menghapus komponen yang
tidak signifikan dan mengestimasi ulang model, dimulai dari komponen yang paling tidak signifikan dalam model
diatas (nilaii p-value terbesar) sehingga akan mendapat hasil terbaik yaitu :
HASIL AKHIR ECM TERBAIK