Page 10 - Working Paper (Metode dan Teknik Proyeksi Penerimaan Pajak: Panduan dan Aplikasi)

Pengukuran Forecast Error
Untuk mengukur Forecast Error atau robustness dari suatu model, Sabaj dan Kahveci menggunakan
Root Mean Squared Error (RMSE), Mean Absolute Error (MAE), dan Mean Absolute Percentage Error
(MAPE), sedangkan Streimikiene hanya menggunakan RMSE.
C.2. Pengujian Data

Sebelum memasukkan data ke dalam model regresi, hal yang pertama perlu diperhatikan adalah
karakteristik dari data-data yang dipunya yang akan dijadikan acuan penelitian. Apabila melihat grafik
baris realisasi penerimaan pajak, walaupun tidak terdapat unsur seasonal, namun terdapat tren
peningkatan. Data tersebut tidak mengandung pola seasonal kemungkinan dikarenakan data yang
dipakai adalah untuk periode tahunan, sehingga tidak secara detail menangkap pola seasonal yang
lazim dan rentan terjadi pada data kuartal ataupun bulanan.
Berdasarkan bentuk dan struktur grafik (lihat Lampiran 2), data pertumbuhan PDB tidak
mengandung unsur tren dan seasonal, demikian halnya dengan variabel lainnya seperti inflasi. Untuk
memastikan bahwa pengamatan dengan menggunakan grafik baris dapat dipertanggung jawabkan
secara statistik, maka perlu dilakukan Unit Roots test dengan metode Augmented Dickey-Fuller (ADF)
dengan tidak adanya lag yang hasilnya adalah sebagai berikut.
Tabel 3 - Uji Unit Root terhadap Setiap Variabel
Variabel Nilai ADF Test Mckinnon Mckinnon Mckinnon
Statistik Critical Value Critical Value Critical Value
(1% level) (5% level) (10% level)

PDB_g -4,002 -3,723 -2,989 -2,625
Kurs -0,638 -3,723 -2,989 -2,625
Inf -5,448 -3,723 -2,989 -2,625
Imp -0,199 -3,723 -2,989 -2,625
Sumber : Dikalkulasi Tim Penulis.

Dari hasil tes ADF, dapat diketahui bahwa variabel yang stasioner (tidak mengandung akar unit)
adalah inflasi (inf) dan tingkat pertumbuhan PDB (PDB_g), dikarenakan ADF test statistik keduanya
lebih negatif daripada Mckinnon Critical Value pada semua derajat level. Dapat disimpulkan bahwa
36
argumen dengan menggunakan teknik pengamatan grafik baris telah didukung oleh hasil tes ADF.
Dengan demikian, perlu dilakukan differencing agar semua variabel menjadi stasioner.
Tabel 4 - Hasil Uji Unit Root Setelah Proses Difference of Difference (DOD)
Variabel Nilai ADF Test Mckinnon Mckinnon Mckinnon
Statistik Critical Value Critical Value Critical Value
(1% level) (5% level) (10% level)
PDB_g -8,776 -3,736 -2,994 -2,628
Kurs -6,175 -3,736 -2,994 -2,628
Inf -10,992 -3,736 -2,994 -2,628
Imp -8,086 -3,736 -2,994 -2,628
Sumber : Dikalkulasi Tim Penulis.

Setelah dilakukan differencing tingkat dua (second order), maka melihat hasil tabel diatas dapat
disimpulkan bahwa semua variabel telah menjadi stasioner (tidak mengandung akar unit), dengan
melihat value masing-masing nilai ADF test yang lebih negatif daripada Mckinnon Critical Value dalam
semua derajat.

36 Uji stasioneritas ini mengikuti metode uji Kajian Akademis BKKP tahun 2013.
8