Ketika melakukan sebuah penelitian, untuk mengolah datanya memerlukan berbagai metode. Metode tersebut harus juga disesuaikan dengan macam data yang diolah. Tujuannya adalah supaya hasil penelitian tepat sesuai sasaran.

Salah satu yang biasa digunakan adalah ARDL atau Autogressive Distributed Lag. Nah, seperti apa lebih jelasnya tentang metode ini? Simak ulasan berikut sampai selesai.

Pengertian ARDL

Metode ARDL, sebetulnya adalah model yang dinamis di dalam ekonometrika. Model ini juga merupakan gabungan antara dua model yang ada, yaitu model AR atau Auto Regressive, dan model DL yaitu Distributed Lag.

Model AR sendiri yaitu model yang memanfaatkan antara satu atau lebih data-data di masa lalu, yang diperoleh dari variabel dependen di antara variabel-variabel penjelasnya. Sementara, model DL adalah model regresi yang menggunakan data di waktu saat ini serta data dari masa lalu yang didapat dari variabel penjelas.

Ketika keduanya bergabung menjadi metode ARDL, maka hasilnya pun akan lebih kompleks. Jika sebelumnya hanya bisa melihat nilai jangka panjang saja, dengan ini maka pengaruh antara variabel Y dan X dari satu waktu ke waktu berikutnya bisa dilihat. Peneliti juga dapat melihat variabel Y dan pengaruhnya di masa lalu, dan apa pengaruhnya di saat yang akan datang.

Kelebihan Model ARDL

Dari pengertian di atas, maka model ARDL bisa disimpulkan memiliki beberapa kelebihan, sebagai berikut :

Stasioner Data Tidak Diperlukan

Mengolah data dengan metode ini berarti tingkat visioner data tidak terlalu penting lagi. Beda dengan metode lainnya seperti VAR dan VECM yang mana mengharuskan visioner data dalam ordo yang sama. Namun begitu, metode ARDL ini tidak bisa digunakan untuk mengolah data 2nd diff / I (2).

Variabel Tidak Harus Sama

Saat mengolah dengan model ARDL, maka peneliti tidak harus memperhatikan variabel terkontegrasinya harus sama pada ordo. Namun begitu, hal lain yang perlu diperhatikan adalah level dan first difference-nya haruslah sama, yang mana tidak boleh ada dalam tingkat second diff.

Jumlah Sampel Tidak Jadi Soal                                                 

Jika beberapa metode lain mengharuskan data dengan jumlah sampel yang banyak, beda dengan metode ARDL. Metode ini bisa digunakan meski jumlah sampelnya hanya sedikit. Hasilnya tetap akan sesuai dan akurat.

Langkah Regresi ARDL

Berikut langkah-langkah untuk meregresi model ARDL :

– Menyiapkan data lebih dulu dalam bentuk excel

– Menguji akar unitnya, termasuk dalam tingkat level dan first difference

– Mengestimasi model

– Dari lag yang sudah dipilih, bisa dilihat Graphnya

– Melakukan pengujian autokorelasi

– Menguji heteroskedastisitas

– Menguji normalitas

– Menguji stabilitas modelnya, termasuk cusum dan cusumq

– Terakhir adalah menguji bound test

Nah, itu dia serba-serbi tentang metode ARDL yang harus diketahui sebelum menggunakannya untuk mengolah data. Semoga bermanfaat!