V. HASIL DAN PEMBAHASAN
4.1. Uji Stasioneritas Data
Metode pengujian yang digunakan untuk melakukan uji stasioneritas data dalam penelitian ini adalah uji ADF Augmented Dickey-Fuller dengan
menggunakan taraf nyata lima persen. Jika nilai t-ADF lebih kecil dari nilai kritis Mackinnon, maka dapat disimpulkan bahwa data yang digunakan adalah stasioner
tidak mengandung akar unit. Pengujian akar-akar unit ini dilakukan pada tingkat level sampai dengan first different. Hasil uji stasioneritas data dapat dilihat pada
Tabel 4.1. Tabel 4.1. dibawah ini menunjukkan bahwa variabel-variabel yang
digunakan dalam penelitian ini ada yang stasioner ada pula yang tidak stasioner pada tingkat level. Ketidakstasioneran data dapat dilihat dari nilai t-ADF yang
lebih besar dari nilai kritis Mackinnon pada taraf nyata lima persen. Oleh karena itu, pengujian akar-akar unit perlu dilanjutkan pada tingkat first different.
Tabel 4.1. Hasil Pengujian Akar-akar Unit Nilai ADF
Nilai Kritis Mackinnon Variabel
level 1
st
Different Level
1
st
Different JII
0.612646 -19.21585
-2.869009 -1.941671
DJIMKND -0.357817
-20.97129 -2.869009
-1.941671 KLII
-0.161591 -17.29998
-2.869009 -1.941671
DJIMUK -0.553235
-18.71625 -2.869009
-1.941671 DJIMEURO
-0.712427 -18.81426
-2.869009 -1.941671
DJIMAP -1.642386
-20.91079 -2.869009
-1.941671 DJIMJPN
-2.496020 -22.55588
-2.869009 -1.941671
DJIMUS -1.915668
-22.23802 -2.869009
-1.941671
Sumber : Lampiran 1
Setelah dilakukan first different, barulah semua data stasioner pada taraf nyata lima persen. Artinya data yang digunakan dalam penelitian ini terintegrasi
pada ordo satu atau dapat disingkat menjadi I1. Menurut Sims, penggunaan data perbedaan pertama tidak direkomendasikan karena akan menghilangkan informasi
jangka panjang. Oleh karena itu, untuk menganalisis jangka panjang akan digunakan data level sehingga model VAR akan dikombinasikan dengan model
koreksi kesalahan menjadi VECM.
4.2. Penentuan
Lag Optimal
Penentuan lag optimal sangat penting dalam pendekatan VAR karena lag dari variabel eksogen Enders dalam De Jong, 2005. Pengujian panjang lag
optimal ini sangat berguna untuk menghilangkan autokorelasi dalam sistem VAR. Sehingga dengan digunakannya lag optimal diharapkan tidak muncul lagi masalah
autokorelasi. Penentuan lag optimal yang digunakan dalam penelitian ini berdasarkan lag terpendek dengan menggunakan Schwarz Information Criterion
SC. Hasil Pengujian penentuan lag optimal ini dapat dilihat pada Tabel 4.2. Tabel 4.2 Pengujian Lag Optimal VAR
Lag AIC
SC -17.45732
-17.37727 1
-35.55436 -34.91395
2 -36.14061
-34.93985 3
-36.06117 -34.30005
4 -35.99418
-33.67270 5
-35.97817 -33.09633
6 -35.85796
-32.41576 7
-35.75420 -31.75164
8 -35.66757
-31.10466
Sumber : Lampiran 3 Catatan : Tanda asterik menunjukkan SC terkecil
4.3. Pengujian Stabilitas VAR