Cara Uji Stasioneritas Unit Root (ADF & PP Test) serta Solusi Data Tidak Stasioner di EViews

Cara Uji Stasioneritas Unit Root (ADF & PP Test) serta Solusi Data Tidak Stasioner di EViews menjadi topik krusial ketika hasil regresi runtut waktu menunjukkan nilai koefisien determinasi R-squared yang sangat tinggi tetapi statistik Durbin-Watson sangat rendah, atau ketika p-value statistik Augmented Dickey-Fuller dan Phillips-Perron berada di atas 0.05. Gejala ini mengindikasikan bahwa variabel yang diuji mengandung akar unit (unit root) dan tidak stasioner pada tingkat level. Estimasi regresi dengan data non-stasioner berisiko tinggi menghasilkan regresi lantang (spurious regression), di mana hubungan antar variabel terlihat signifikan secara statistik padahal secara aktual tidak memiliki keterikatan hubungan ekonomi secara riil.

Masalah ketidakstasioneran data time series umumnya bersumber dari keberadaan tren stokastik, fluktuasi musiman yang kuat, atau adanya patahan struktural (structural break) akibat krisis ekonomi, perubahan kebijakan makro, mau pun intervensi eksternal. Jika penguji memaksakan penggunaan data non-stasioner tanpa prosedur diferensiasi atau tanpa memperhitungkan patahan struktural, maka asumsi distribusi statistik t dan statistik F menjadi tidak acuan, sehingga inferensi statistik serta prediksi model menjadi tidak valid.

Konsep Teori Uji Stasioneritas dan Akar Unit pada Data Runtut Waktu

Stasioneritas merupakan kondisi fundamental dalam analisis ekonometrika runtut waktu yang menandakan bahwa sifat-sifat statistik suatu variabel seperti rata-rata (mean), varians, dan autokovarians konstan sepanjang rentang waktu pengamatan. Granger dan Newbold (1974) pertama kali membuktikan bahwa pemodelan regresi yang melibatkan variabel-variabel tidak stasioner akan memicu timbulnya spurious regression, di mana uji t memberikan hasil signifikan palsu akibat adanya tren waktu bersama. Konsep dan landasan pemikiran ini dapat Anda pelajari lebih mendalam pada rujukan teori uji stasioneritas ekonometrika di www.statistikian.com.

Pengujian keberadaan akar unit pertama kali diformalisasikan secara sistematis oleh Dickey dan Fuller (1979) melalui prosedur pengujian Dickey-Fuller. Pengembangan lanjutan berupa pengujian Augmented Dickey-Fuller memasukkan lag dari variabel dependen diferensiasi untuk mengontrol keberadaan autokorelasi dalam error term, sehingga statistik uji tetap valid pada sampel yang lebih kompleks.

Sebagai alternatif komplementer, Phillips dan Perron (1988) mengembangkan metode pengujian non-parametrik yang dikenal sebagai Phillips-Perron Test. Metode ini melakukan penyesuaian langsung pada statistik t Dickey-Fuller tanpa menambahkan lag variabel, sehingga sangat efektif untuk mengatasi masalah heteroskedastisitas dan korelasi serial yang tidak diketahui bentuk strukturalnya.

Meskipun pengujian ADF dan PP sangat populer, Perron (1989) mengungkapkan keterbatasan mendasar dari kedua uji konvensional tersebut. Ketika sebuah deret data time series mengalami patahan struktural (structural break), uji ADF dan PP cenderung memiliki daya statistik yang sangat rendah dan secara keliru menyimpulkan bahwa data tersebut mengandung akar unit padahal data sebenarnya stasioner di sekitar tren berpatah (trend-stationary with a break).

Untuk merespons kelemahan tersebut, Zivot dan Andrews (1992) menyempurnakan prosedur pengujian akar unit dengan memungkinkan penentuan titik patahan struktural secara terendogenkan langsung dari data tanpa perlu menentukan tanggal pergeseran secara apriori. Pendekatan ini memastikan bahwa klasifikasi integritas diferensiasi variabel menjadi lebih akurat sebelum dilanjutkan ke tahap pemodelan kointegrasi atau VECM.

Langkah-Langkah Teknis Uji Stasioneritas dan Solusi Data Tidak Stasioner di EViews

Prosedur pengujian dan penanganan data tidak stasioner di EViews dapat dilakukan melalui tahapan-tahapan sistematis berikut beserta pertimbangan metodologisnya:

Langkah 1: Pengujian Akar Unit Tingkat Level (ADF & PP Test)
Buka deret variabel pada jendela EViews, lalu pilih menu:

View -> Unit Root Tests -> Standard Unit Root Test

Pilih jenis uji Augmented Dickey-Fuller atau Phillips-Perron pada opsi Test type. Lakukan evaluasi pada opsi Test in untuk tingkat Level dengan mencoba tiga spesifikasi persamaan: Trend and intercept, Intercept, dan None. Amati nilai p-value pada output. Jika p-value lebih dari 0.05, maka hipotesis nol diterima yang berarti data tidak stasioner.

Langkah 2: Prosedur Diferensiasi Pertama (First Difference)
Jika data terbukti tidak stasioner pada tingkat level, lakukan pengujian ulang pada tingkat First Difference. Pilih opsi First difference pada kotak dialog uji unit root EViews atau buat variabel baru menggunakan sintaks command EViews:

series dy = d(y)

Jika p-value hasil uji diferensiasi pertama kurang dari 0.05, maka data disimpulkan stasioner pada tingkat I(1) atau terintegrasi derajat satu.

Langkah 3: Pengujian Break Unit Root Test (Structural Break)
Apabila variabel diduga memiliki patahan akibat kejadian ekstrem atau perubahan kebijakan tetapi hasil uji ADF/PP tetap tidak stasioner, pilih menu:

View -> Unit Root Tests -> Break Unit Root Test

EViews akan menentukan tanggal patahan (break date) secara otomatis serta menghitung nilai statistik uji yang disesuaikan dengan keberadaan pergeseran struktur data.

Langkah 4: Evaluasi Derajat Integrasi Model
Pastikan seluruh variabel yang diuji telah diketahui derajat integrasinya. Jika seluruh variabel stasioner pada I(1), pemodelan dapat dilanjutkan ke Uji Kointegrasi Johansen atau Error Correction Model. Jika terdapat campuran variabel stasioner pada I(0) dan I(1), pilih pemodelan Autoregressive Distributed Lag.

Contoh Tabel/Diagram Output Uji Stasioneritas Unit Root ADF, PP, dan Structural Break di EViews

Berikut ditampilkan format tabel ringkasan output pengujian akar unit menggunakan metode Augmented Dickey-Fuller, Phillips-Perron, serta Break Unit Root Test di EViews beserta tata cara pembacaannya secara eksplisit:

Pembahasan Ilmiah: Perbandingan Metodologis ADF, Phillips-Perron, dan Structural Break

Penentuan metode pengujian stasioneritas yang tepat sangat bergantung pada sifat spasial residual dan karakteristik data makroekonomi atau keuangan yang dianalisis. Augmented Dickey-Fuller Test mengandalkan penambahan jumlah lag dari diferensiasi variabel dependen untuk menetralisir keberadaan autokorelasi pada error term. Enders (2015) menekankan bahwa pemilihan panjang lag yang optimal menggunakan kriteria informasi seperti Akaike Information Criterion atau Schwarz Info Criterion sangat menentukan keberhasilan uji ADF dalam menghindari bias penolakan hipotesis.

Namun, ketika residual mengandung heteroskedastisitas berat atau pola autokorelasi non-linear yang kompleks, penambahan lag pada uji ADF sering kali membutuhkan jumlah statistik parameter yang terlalu besar sehingga mengurangi derajat kebebasan model. Dalam skenario ini, Phillips-Perron Test menawarkan keunggulan metodologis karena menggunakan koreksi statistik non-parametrik Newey-West untuk menyesuaikan matriks kovarians tanpa perlu menambah lag variabel. Hamilton (1994) menunjukkan bahwa uji PP sangat konsisten dalam sampel besar ketika struktur varians-kovarians residual bersifat dinamis.

Perdebatan metodologis yang paling signifikan muncul ketika deret time series jangka panjang dihadapkan pada guncangan struktural seperti krisis keuangan global, perubahan rezim nilai tukar, atau fenomena pandemi. Wooldridge (2013) memperingatkan bahwa pemaksaan diferensiasi pertama pada data yang stasioner di sekitar pola tren berpatah dapat menyebabkan hilangnya informasi jangka panjang (over-differencing), yang berdampak pada ketidakmampuan model dalam menangkap hubungan keseimbangan ekonometrika.

Penerapan Break Unit Root Test dengan kerangka kerja Perron mau pun Zivot-Andrews memecahkan dilema metodologis ini. Dengan mendeteksi titik patahan secara otomatis, peneliti dapat memisahkan antara tren stokastik sejati (akar unit) dan tren deterministik yang bergeser. Apabila variabel terbukti stasioner setelah memperhitungkan patahan struktural, peneliti dapat mempertahankan data pada tingkat level dengan memasukkan variabel boneka (dummy variable) patahan ke dalam persamaan regresi.

Kesimpulan

Pengujian stasioneritas merupakan tahap awal yang tidak boleh dilewati dalam analisis ekonometrika data runtut waktu untuk menghindari bias regresi lantang. Penggunaan uji Augmented Dickey-Fuller dan Phillips-Perron secara bersamaan memberikan evaluasi komplementer yang kuat terhadap keberadaan akar unit. Ketika data terbukti tidak stasioner pada tingkat level, prosedur diferensiasi pertama dapat diterapkan untuk mencapai kondisi stasioneritas I(1). Namun, jika ketidakstasioneran disebabkan oleh guncangan atau patahan struktural, penerapan Break Unit Root Test menjadi solusi metodologis yang tepat untuk mempertahankan integritas informasi jangka panjang variabel tanpa terjadi kesalahan diferensiasi berlebih.

Daftar Pustaka