BAB III DATA DAN METODOLOGI PENELITIAN

Transkripsi

1 BAB III DATA DAN METODOLOGI PENELITIAN 3. Daa Pada karya akhir ini proxy unuk mengukur kegiaan perekonomian adalah ingka perubahan GDP real per kuaral dari ahun 3:Q sampai dengan ahun 8:Q dengan ahun dasar. daa ersebu diperoleh dari websie Bank Indonesia dengan alama websienya Tingka perubahan GDP real ersebu dihiung dengan menggunakan rumus geomeric reurn dalam Persamaan (.3) yang erdapa dalam Bab II. Dimana daa ingka perubahan GDP real diperoleh dengan rumus : loggdp GDPkuaral = ln GDPkuaral Sedangkan unuk Indeks Harga Saham Gabungan dan Indeks Harga Saham LQ-45 sera indeks harga saham indusri yang digunakan juga dalam benuk kuaral dari ahun 3:Q sampai dengan ahun 8:Q. Daa diperoleh dari websie Yahoo! Finance dan Bursa Efek Indonesia. Daa diperoleh dalam benuk daa harian yang diransformasi dalam benuk reurn dengan menggunakan rumus geomeric reurn dalam Persamaan (.3) yang erdapa dalam Bab II, dengan P adalah indeks harga saham pada gl dari permulaan kuaral sedangkan P - adalah indeks harga saham pada anggal erakhir kuaral ersebu. Dimana daa ingka perubahan IHSG, LQ-45 sera indeks harga saham indusri diperoleh dengan rumus: R indeks indeks =, i ln indeks Keerangan : Indeks adalah IHSG, LQ-45 aau Indeks Saham Indusri; i bernilai hingga 4 (menunjukkan lag) Dafar perusahaan yang ergolong dalam masing-masing sekor indusri dapa diliha dalam lampiran. Indeks harga indusri yang digunakan berasal dari indusri dengan pembagian perusahaan yang ergolong didalam indeks ersebu sebagai beriku: 7 Universias Indonesia Indeks harga..., Sumani, FE UI, 8

2 8 Tabel 3. Klasifikasi Indeks Indusri Sekoral No Nama Indeks Indusri Kelompok Perusahaan Dalam Indeks Agriculure Basic Indusry & Chemicals Palawija, Perkebunan, Peernakan, Perikanan, dll Semen, Keramik, porselen & kaca, Logam dan sejenisnya, Kimia, Pakan ernak, Kayu & pengolahannya, Pulp & keras 3 Consrucion, Propery & Real Esae Properi & real esae, Konsruksi bangunan 4 Consumer Goods 5 Finance Makanan & Minuman, Rokok, Farmasi, Kosmeik & keperluan rumah angga, Peralaan rumah angga. Bank, Insiusi finansial, Perusahaan sekurias, Asuransi, Reksa dana dll 6 Infrasrucure, Uiliy & Transporaion Energi, Jalan raya, Telekomunikasi, Transporasi, Konsruksi non bangunan. 7 Manufacure Manufakur 8 Mining 9 Miscellaneous Indusry Trade & Service Bau bara, Minyak bumi, Logam mulia, Bau-bauan Oomoif & komponennya, Teksil & Garmen, Alas kaki, Kabel, Elekronik dll Grosir, Reail, Resoran dan Hoel, Periklanan, Kompuer, Perusahaan invesasi, dll Sumber: BEI, ahun 8. Dalam karya akhir ini akan menggunakan daa reurn, beriku ini adalah abel yang berisikan saisik deskripif dari ke- seri daa reurn ersebu: Universias Indonesia Indeks harga..., Sumani, FE UI, 8

3 9 3. Tes Sasioner aas Daa Reurn Tes sasioner dilakukan dengan menggunakan pendekaan uji uni roo dengan ala banu perangka lunak Eview 4.. Uji uni roo merupakan salah sau formal es unuk mengeahui apakah daa sudah erbebas dari auokorelasi. Uji uni roo dilakukan dengan menggunakan pendekaan Augmened Dickey Fuller (ADF) karena daa reurn merupakan daa urunan dari nilai level. Meode ADF memiliki hipoesis yaiu: H H : δ = : δ (3.) dimana: δ = ρ, ρ merupakan koefisien korelasi. Unuk δ =, maka nilai ρ = yang berari erdapa uni roo aau daa idak sasioner. Unuk δ, maka nilai ρ yang berari idak erdapa uni roo aau daa sasioner. Tes sasionerias dilakukan dengan membandingkan nilai absolue ADF es saisic dengan nilai absolu es criical value 5% level. Dipilih es criical value 5% level karena pada karya akhir ini digunakan confiden level 95%. Nilai ADF es saisic dan p-value erdapa pada oupu Eviews 4. yang dapa diliha pada halaman lampiran. Daa reurn dapa dikaakan sasioner bila nilai absolu ADF es saisic lebih besar daripada nilai absolu es criical value 5% level aau bila p-value lebih kecil dari 5%. Bila nilai absolu ADF es saisic kurang Universias Indonesia Indeks harga..., Sumani, FE UI, 8

4 daripada nilai absolu es criical value 5% level aau bila p-value lebih besar daripada 5%, maka daa reurn dianggap idak sasioner. 3.3 Model Regresi Linier Dalam karya akhir ini digunakan regresi linier unuk membua model dengan menggunakan daa ingka perubahan dalam GDP real, indeks harga saham dan indeks indusri. Model persaman regresi linier diperlihakan pada Persamaan (3.) di bawah ini (Nachrowi dan Usman, 6, 9): Y = β + X (3.) β Y Gambar 3. Regresi Linier Y = ß + ß X u i ß ß Sumber: Nachrowi dan Usman, (6, 9) X Unuk memperoleh esimasi yang erbaik, maka error ( ui ) harus sekecil mungkin. Ordinary Leas Square (OLS) digunakan sebagai pendekaan dalam membangun regresi linier. Prinsip OLS menyaakan bahwa unuk mendapakan Persamaan regresi perlu menduga nilai β dan β sehingga Σu i minimum. OLS memiliki beberapa asumsi yang idak boleh dilanggar agar esimaor bersifa Bes Linear Unbiased Esimaion (BLUE) yang dikenal sebagai Teori Gauss-Markov dalam Nachrowi dan Usman (6,) melipui: E(u i ) = Tidak ada korelasi anara u i dan u j {cov(u i,u j ) =, i j } Universias Indonesia Indeks harga..., Sumani, FE UI, 8

5 Homoskedasik, yang berari nilai VaRian u i sama {VaR(u i ) = σ } kovarian anara u i dan X i sama dengan nol {cov(u i,x i ) = } Model regresi dispesifikasikan secara benar, arinya model harus berpijakan pada eori. Bila asumsi OLS di aas dilanggar, maka esimaor idak memiliki sifa BLUE sehingga model regresi idak valid unuk melakukan forecas. ( R ) Pemilihan model regresi linier erbaik dipengaruhi oleh R, adjused R, -Saisic, F-Saisic, Akaike Informaion Crierion (AIC), Schwarz Informaion Crierion (SIC). Dalam karya akhir ini hanya menggunakan krieria adjused R dan -Saisic. R merupakan kemampuan variabel bebas X unuk menjelaskan variasi dari variabel erika Y. R = memiliki pengerian bahwa variasi variabel erika Y idak dapa dijelaskan oleh variabel bebas X sama sekali. R = berari semua variasi variabel erika Y dapa dijelaskan oleh variabel bebas X. R dihiung dengan formula (3.3) beriku (Nachrowi dan Usman, 6, 6): dapa R = SSR SST (3.3) dimana: SSR merupakan Sum of Squared Regression, SST merupakan Sum of Squared Toal (SST = SSR + SSE). R digunakan unuk memilih model erbaik dari aau lebih Persamaan yang memiliki variabel bebas lebih dari sau. dapa dihiung dengan Persamaan (3.4) beriku (Nachrowi dan Usman, 6, 7): R R Σu = Σ /( n k) i ( Y Y )/( n ) i (3.4) dimana: k merupakan jumlah parameer model regresi ermasuk inercep. Universias Indonesia Indeks harga..., Sumani, FE UI, 8

6 -Saisic digunakan unuk menguji koefisien regresi. -saisic digunakan unuk menguji koefisien regresi secara individu, ermasuk inercep. -saisic dapa dihiung dengan Persamaan (3.5) beriku (Nachrowi dan Usman, 6, 9): b j = (3.5) s. e ( b ) j dimana: b j merupakan koefisien regresi dan s.e(b j ) merupakan sandard error koefisien regresi 3.4 Tes Normal aas Residual Salah sau asumsi OLS adalah residual model regresi berdisribusi normal yang berbenuk bell-shaped curve. Normal disribuion memiliki probabiliy densiy funcion (pdf) sebagai beriku (Jorion, 7, 85): ( x) x µ. σ e f = (3.6) πσ Normal disribuion dapa diuliskan dalam benuk ( µ,σ ) merupakan mean, σ merupakan variance. N, dimana µ Parameer yang lain yang sering digunakan dalam normal disribuion adalah Jarque-Bera. Jarque-Bera berfungsi unuk menenukan apakah residual suau model regresi memiliki normal disribuion aau idak. Jarque-Bera (JB) dapa dihiung dengan Persamaan (3.7) di bawah ini (Jorion, 7, 97): ( δ 3) ξ JB = T + (3.7) 6 4 Tes normal dalam karya akhir ini dilakukan unuk mengeahui apakah residual memiliki disribusi normal aau idak. Tes normal dilakukan dengan menggunakan ala banu perangka lunak Eview 4.. Tes normal memiliki hipoesis yaiu: Universias Indonesia Indeks harga..., Sumani, FE UI, 8

7 3 H H : daa : daa normal idak normal (3.8) Unuk mengeahui jenis disribusi yang dimiliki daa, maka perlu diperhaikan probabilias Jarque-Bera. Apabila probabiliy Jarque-Bera kurang dari probabilias criical value 5%, maka H diolak yang berari dapa dikaakan residual idak normal. Apabila probabilias Jarque-Bera lebih besar daripada probabilias criical value 5%, maka H idak dapa diolak yang berari residual dianggap normal. 3.5 Tes Heeroskedasik aas Residual Dalam karya akhir ini model regresi yang sudah dibua akan diuji residunya apakah volailias residunya merupakan variance konsan (homoskedasik) aau variance yang berubah erhadap waku (heeroskedasik). Pada residu yang bersifa homoskedasik, maka dapa dipergunakan pendekaan sandar deviasi normal unuk esimasi volailias. Salah sau asumsi OLS yang harus erpenuhi agar esimaor bersifa BLUE adalah VaR(u i ) = σ aau konsan. Daa heeroskedasik memiliki variance yang idak konsan erhadap waku, sehingga daa heeroskedasik elah melanggar asumsi OLS. Terdapa beberapa pengujian yang dapa digunakan unuk mendeeksi heeroskedasik dan salah saunya yang akan digunakan pada karya akhir ini adalah Whie s General Heeroskedasiciy Tes. Tes heeroskedasik dilakukan dengan menggunakan meode Whie s General Heeroskedasiciy Tes, aau dapa disebu dengan Whie Tes, yang erdapa dalam ala banu perangka lunak Eview 4.. Whie Tes memiliki buah hipoesis yaiu: H H = daa bersifa homoskedasik = daa bersifa heeroskedasik (3.9) Apabila probabilias F-saisic kurang daripada.5, maka H diolak yang berari residual dikaakan heeroskedasik. Apabila probabilias F-saisic Universias Indonesia Indeks harga..., Sumani, FE UI, 8

8 4 lebih besar daripada.5, maka H idak dapa diolak yang berari residual dikaakan homoskedasik. 3.6 Esimasi Auokorelasi pada Residual Dalam mengolah daa ime series, perlu memperhaikan masalah auokorelasi pada residual/error. Auokorelasi adalah korelasi yang erjadi anar observasi dalam sau variabel. Hal ini disebabkan karena daa ime series merupakan daa sau ase yang diobservasi dalam renangan waku, oleh karena iu nilai yang erjadi saa ini memiliki hubungan dengan nilai yang erjadi di masa lalu. Dalam membua model regresi dengan meode OLS, maka OLS mengasumsikan bahwa error merupakan variabel random yang independen (idak berkorelasi) agar bisa memperoleh model yang bersifa blue (bes linear unbiased esimaion). Aau secara maemais dalam diuliskan sebagai beriku: (Nachrowi dan Usman, 6, 84) Co var ian( u, u ) = o; i j (3.) i j Arinya idak ada korelasi anara u i dan u j unuk i j{e (u i, u j ) =, i j}. Persamaan regresi OLS (Nachrowi dan Usman, 6, 85) sebagai beriku: Y β X + u (3.) = + β Persamaan error sebagai beriku: (Nachrowi dan Usman, 6, 85) u ρ + v (3.) = u Dimana : u = error pada waku ke u - = error pada waku ke-- ρ = koefisien auokorelasi lag- v = error yang independen dan berdisribusi normal dengan nilai engah = dan varian σ Universias Indonesia Indeks harga..., Sumani, FE UI, 8

9 5 Persamaan di aas menunjukkan bahwa error pada sau waku yang lalu (- ) secara langsung mempengaruhi error pada waku ke-. Koefisien auokorelasi ρ mengindikasikan seberapa kua pengaruh ersebu, yang besarnya anara - < ρ <, dimana ρ = - menunjukkan korelasi negaif yang sempurna, ρ = menunjukkan korelasi posiif yang sempurna dan ρ = menunjukkan idak ada korelasi. Asumsi idak ada korelasi pada error merupakan salah sau asumsi dalam model OLS Mendeeksi Auokorelasi pada Residual Unuk mendeeksi auokorelasi dalam residual model regresi, maka dalam karya akhir ini menggunakan dua jenis es yaiu uji Durbin-Wason dan uji Lagrange Muliplier (LM) aau yang dikenal The Breusch-Godfrey (BG) es. Uji Durbin-Wason disediakan dalam program Eviews 4.. Uji ini dilandasi oleh model error yang diunjukkan dalam Persamaan (3.). Jika ρ =, maka dapa disimpulkan idak ada serial korelasi di dalam residual model. Hipoesa uji ini adalah sebagai beriku: H : ρ = H : ρ (3.3) Saisik Durbin-Wason dapa didefinisikan sebagai beriku: (Nachrowi dan Usman, 6, 9) DW n ( u = = n = u u ) (3.4) Dimana: u = Y β β X = Y Y, yaiu residual pada waku ke-. u = Y β β X = Y Y, yaiu residual pada waku ke-- Persamaan (3.4) dapa pula diuliskan sebagai beriku: Universias Indonesia Indeks harga..., Sumani, FE UI, 8

10 6 u. = u DW = ( ρ) (3.5) u Dimana: u u ρ (3.6). = u Sebagaimana disebukan bahwa ρ adalah koefisien auokorelasi yang besarnya anara - < ρ <. Dengan demikian berdasarkan Persamaan (3.5) nilai saisik DW sebesar < d < 4. Unuk memudahkan pengambilan kesimpulan, dapa menggunakan abel sebagai pembanding uji DW. Dengan membandingkan hasil perhiungan saisik DW dengan abel DW, maka akan mudah diarik kesimpulan apakah residual model mengalami auokorelasi aau idak. Tabel DW erdiri dari dua nilai, yaiu baas bawah (d L ) dan baas aas (d U ). Nilai-nilai ini dapa digunakan sebagai pembanding uji DW dengan auran sebagai beriku:. Bila DW < d L ; berari ada korelasi yang posiif aau kecenderungannya ρ =.. Bila d L DW d U ; idak ada kesimpulan. 3. Bila d U < DW < 4 d U ; berari idak ada korelasi posiif maupun negaif. 4. Bila 4 d U DW 4 d L ; idak ada kesimpulan. 5. Bila DW > 4 d L ; berari ada korelasi negaif. Uji DW memiliki kelemahan yaiu keika kia mendapa nilai DW yang erleak anara baas bawah dan baas aas ( d L DW d U ) aau keika kia mendapa nilai DW anara 4 d U dan 4 d L (4 d U DW 4 d L ), sebab dengan nilai saisik DW ersebu, kia idak dapa memuuskan apakah residual berkorelasi aau idak. Maka dalam karya ini juga menggunakan uji yang lain yaiu uji Lagrange Muliplier (LM) aau uji Breusch-Godfrey (BG). Dalam uji BG diasumsikan bahwa u mengikui model auoregresif orde p (AR(p)) (AR = auoregresive), dengan benuk sebagai beriku: (Nachrowi dan Usman, 6, 94) Universias Indonesia Indeks harga..., Sumani, FE UI, 8

11 7 u = u + ρu + ρ3u ρ pu p + ρ e (3.7) Adapun hipoesis yang digunakan: H : ρ = ρ =... = ρ 3 = H : idak demikian (3.8) Dengan demikian jika hasil pengujian menunjukkan hasil yang idak signifikan (lebih kecil dari probabilias criical value), maka u = e, berari idak ada serial korelasi. Adapun langkah-langkah yang harus dilakukan unuk mendeeksi adanya auokorelasi dengan menggunakan uji BG adalah sebagai beriku:. Esimasi regresi pada Persamaan ( 3.) dan dapakan u.. Gunakan u sebagai variabel erika dan regresikan dengan variabel bebas X (jika variabel bebas lebih dari sau, gunakan keseluruhannya) dan u, u,..., u p sehingga akan mendapa model regresi: u + e = α + αx + ρu + ρu ρ pu p Dari hasil regresi ersebu, akan didapa koefisien deerminan (R ). Jika daa yang digunakan besar, maka ( n p) R = χ dimana p adalah deraja p kebebasan, yang besarnya sama dengan orde yang digunakan unuk model AR. Uji BG aau LM ini memeriksa covariance dari nilai lag residual, yang mengonrol unuk efek inervensi dari variabel independen lainnya. Sedangkan es Durbin-Wason memperhaikan auokorelasi orde perama dari residual, dan es ini memiliki kelemahan dengan adanya daerah hasil pengujian yang idak bisa diambil kesimpulan. Oleh karena iu maka es LM lebih sering digunakan sebagai meode sandar dalam pengujian masalah auokorelasi dalam peneliian. Universias Indonesia Indeks harga..., Sumani, FE UI, 8

12 Teknik Mengaasi Auokorelasi pada Residual Menginga daa yang mempunyai auokorelasi dalam residual akan melanggar asumsi penggunaan meode OLS dalam membua regresi, maka permasalahan ini harus diaasi sebelum mengesimasi koefisien persamaan regresi yang akan dibua. Beberapa eknik unuk mengaasi masalah auokorelasi residual menuru Nachrowi dan Usman (6, 95) dan Greene (8, 63). Teknik yang perama adalah evaluasi model. Permasalahan auokorelasi dapa diaasi dengan menambahkan suau variabel bebas lain yang dianggap pening ke dalam model. Dengan penambahan variabel bebas, ernyaa residual yang adinya berkorelasi, bisa menjadi bebas sau dengan yang lain. Namun idak jarang penambahan variabel bisa membua rumi permasalahan. Teknik kedua adalah meode pembedaan umum (Generalized Differences). Pada meode ini, ransformasi dilakukan dengan mengurangi nilai variabel (bebas dan erika) pada waku ke-, dengan waku ke--. Persamaan (3.) dan (3.) dapa diulis menjadi (Nachrowi dan Usman, 6, 96): Y = + βx + u β (3.9) Jika Persamaan (3.9) dikali dengan ρ, maka akan didapa benuk persamaan sebagai beriku: ρ Y (3.) = ρβ + ρβx + ρu Sekarang Persamaan (3.) dikurangkan dengan Persamaan (3.), maka akan dihasilkan persamaan: Y ρ Y = β ρβ ) + β ( X ρx ) + ( u ρu ) (3.) ( Persamaan ini dapa diuliskan sebagai: Y = β ( ρ) + β X + v (3.) Dimana: Y X = Y = X ρy ρx Universias Indonesia Indeks harga..., Sumani, FE UI, 8

13 9 Error dalam Persamaan (3.), v, yaiu error independen berdisribusi normal dengan nilai engah = dan varian konsan. Dimana dari persamaan (3.) dimana u + = ρ u v, sehingga = u u v ρ. Dengan demikian residual elah erbebaskan dari auokorelasi. Meode ini yang disebu dengan Generalized Leas Square (GLS). Salah sau kelemahan meode ini adalah kia akan kehilangan sebuah observasi. Bila daa ime series cukup panjang mungkin hal ersebu idak akan menjadi masalah. Akan eapi bila daa relaif idak banyak, maka akan menimbulkan masalah. Unuk mengisi daa yang hilang ersebu, maka nilai perama baik unuk variabel bebas maupun variabel erika dapa digunakan dengan: Y dan ρ X (3.3) ρ Teknik yang keiga adalah Meode Pembedaan Perama (The Firs Difference Mehod) memberikan sebuah krieria unuk menggunakan GLS, yaiu menggunakan GLS jika saisik Durbin-Wason lebih kecil dibanding koefisien deerminasi (DW< R ). Jika DW lebih besar daripada R, maka dapa dikaakan bahwa pada residual erdapa auokorelasi yang kua. Jika auokorelasi kua, maka kia dapa mengasumsikan ρ =, sehingga Persamaan (3.) dapa digunakan unuk mengesimasi koefisien regresi ersebu. Dalam karya akhir ini, meode yang digunakan unuk mengaasi masalah auokorelasi pada residual adalah model auoregresive orde (p) (Greene, 8, 68). Unuk model auoregresi dengan orde p, pengamaan y dibenuk dari raaraa erimbang pengamaan-pengamaan masa lalu, p periode kebelakang dan deviasi periode sekarang. Model AR(p) secara umum adalah sebagai beriku : (Greene, 8, 63) ε + u (3.4) = ρε Dimana u = proses yang sasioner dan idak saling berkorelasi (whie noise) dan ρ adalah parameer. Universias Indonesia Indeks harga..., Sumani, FE UI, 8

14 3 Jadi unuk model AR, fungsi auokorelasi idak dapa dengan mudah menenukan orde dari proses AR ersebu. Oleh karena iu perlu dicari cara lain unuk menenukan orde dari AR. Dalam program Eviews 4., kia bisa menggunakan ala banu berupa Correlogram Q Sa dalam residual es unuk menenikan orde p dari model AR ersebu. Berhubung daa dalam karya akhir ini hanya berjumlah daa kuaral, maka lag yang digunakan dalam Correlogram Q Sa berjumlah 3. Yang perlu diinga bahwa fungsi penggunaan model AR di dalam OLS adalah unuk mengoreksi masalah auokorelasi dalam error, sehingga dimungkinkan adanya variabel independen lain dalam persamaan OLS seperi yang di dalam conoh persamaan regresi yang disajikan oleh Greene (8, 643) Tes Auokorelasi aas Residual Tes auokorelasi dapa menggunakan nilai saisik Durbin-Wason yang ersedia dari model regresi OLS biasa dengan Program Eviews 4.. Berdasarkan penjelasan sebelumnya, bilai saisik DW adalah d 4, bila variabel bebas berjumlah buah (k = ) dan daa berjumlah (n = ), maka nilai d L =.3 dan nilai d U =.54, maka dalam karya akhir ini berlaku auran perbandingan nilai saisik DW dan nilai DW abel sebagai beriku:. Bila DW <.3; berari ada korelasi yang posiif aau kecenderungannya ρ =.. Bila.3 DW.54; idak ada kesimpulan. 3. Bila.54 < DW <.43; berari idak ada korelasi posiif maupun negaif. 4. Bila.43 DW.87; idak ada kesimpulan. 5. Bila DW >.87; berari ada korelasi negaif. Oleh karena uji DW memiliki kelemahan dalam pengambilan kesimpulan yang epa unuk auokorelasi residual model, maka dalam karya akhir ini lebih memilih unuk melakukan pengujian auokorelasi aas residual dengan Universias Indonesia Indeks harga..., Sumani, FE UI, 8

15 3 menggunakan Breusch-Gofrey es yang nilai probabilias F-saisicnya dapa diperoleh dengan banuan program Eviews 4.. Dalam es BG, apabila nilai probabilias F-saisic lebih besar daripada probabilias criical value 5% berari idak ada auokorelasi pada residual model regresi ersebu. Sedangkan bila nilai probabilias F-saisic lebih kecil daripada probabilias criical value 5%, maka arinya erjadi auokorelasi pada residual model regresi. Maka perlu dilakukan koreksi aas masalah auokorelasi. Apabila nilai saisik DW maupun hasil es BG menunjukkan adanya auokorelasi pada residual model regresi, maka akan dilakukan koreksi erhadap masalah auokorelasi dengan menggunakan meode auoregresi orde p (AR(p)), unuk penenuan orde akan menggunakan Correlogram Q Sa sebanyak 3 lag. Jika pada salau sau lag memiliki probabilias Q-Sa menunjukkan nilai lebih besar daripada probabilias criical value 5%, maka berari idak ada auokorelasi pada error lag ersebu. Sebaliknya jika nilai probabilias Q-Sa lebih kecil daripada probabilias criical value 5%, berari ada auokorelasi pada error lag ersebu. Maka orde p dienukan adalah nilai lag ersebu. 3.7 Flow Char Tahap-ahap yang dilakukan pada meodologi peneliian dapa digambarkan pada flow char yang erliha di bawah ini: Universias Indonesia Indeks harga..., Sumani, FE UI, 8

16 3 Mulai Pengumpulan Daa Perhiungan Reurn Yes Daa Reurn sasioner? Esimasi Model Regresi dengan OLS No Differencing Daa Reurn Model Valid? Yes Analisis model Kesimpulan Akhir No Residual Model Normal? No Yes Perbaiki Model Residual Model Homoskedasik? No Perbaiki Model Yes Residual Model Auokorelasi? No Analisis Model Kesimpulan Akhir Yes Perbaiki Model Universias Indonesia Indeks harga..., Sumani, FE UI, 8