Eksplorasi Data Uji Stasionaritas

112 kenyataannya variabel kebijakan pemerintah tidak selalu merupakan pebuah eksogen, karena suatu kebijakan diambil merupakan reaksi dari suatu keadaan. Perilaku yang demikian diakomodasi jika menggunakan VECM, karena salah satu karakteristik VECM adalah semua variabel eksogen juga merupakan variabel endogen. Pendekatan ini juga mempunyai kelebihan untuk memperkecil terjadinya multikolinieritas karena variabelnya dalam bentuk beda pertama, dan mampu menangkap fenomena ekonomi yang ekstrim Thomas, 1997. Untuk sampai pada tujuan yang diharapkan prosedur yang dilakukan melalui beberapa tahapan berikut.

4.3.1.1. Eksplorasi Data

Dalam model ECM Variabel yang digunakan tidak harus dalam bentuk logaritma. Namun bentuk logaritma baik digunakan dengan dua alasan: 1 parameter variabelnya diinterpretasikan sebagai nilai elastisitas dan 2 pada variabel beda pertama first difference diinterpretasikan sebagai laju pertumbuhan growth rates dengan formula sebagai berikut Thomas, 1997: = ∆ t y 1 1 1 1 ln ln ln − − − − − ≈ ⎟ ⎠ ⎞ ⎜ ⎝ ⎛ = − t t t t t t t Y Y Y Y Y Y Y 52 Dengan cara ini semua variabel tidak memiliki satuan karena dalam bentuk laju pertumbuhan. Jika nilai parameter dikalikan 100 satuannya menjadi seragam dalam bentuk persen sehingga mudah membacanya. Untuk variabel yang merupakan friksi seperti suku bunga, jika diperlukan tetap mengubah variabel in level menjadi bentuk bedanya difference, tapi tidak harus dilogaritmakan karena satuannya sudah persen. Namun dalam menginterpretasi hasil jika variabel lain dikalikan dengan 100, sedangkan variabel suku bunga tidak. Untuk variabel yang bernilai negatif, seperti BOP atau BOT, tidak dapat dilakukan 113 logaritma, namun jika diperlukan tetap diubah dalam bentuk beda difference. Hanya perlu diingat penentuan elastisitas dilakukan dengan perhitungan manual. Sebelum dilakukan pengolahan lebih lanjut, semua variabel dalam bentuk nominal diriilkan terlebih dahulu, termasuk untuk nilai tukar dan suku bunga bank. Sementara itu untuk PDB menggunakan harga konstan. Tahun dasar yang digunakan harus sama dengan tahun dasar yang digunakan pada penentuan indeks harga konsumen. Eksplorasi data tersebut menjadi dalam bentuk logaritma dan riil, pengolahannya dapat dilakukan langsung pada monitor pengolahan data program microfit Lampiran 5 .

4.3.1.2. Uji Stasionaritas

Metode pendugaan standar yang sering digunakan dalam aplikasi ekonometrika berdasarkan pada asumsi bahwa nilai tengah dan varian dari variabel didefinisikan konstan dan tidak tergantung pada waktu. Namun aplikasi dengan pengujian unit root menunjukkan bahwa asumsi tersebut tidak memuaskan untuk sebagian besar variabel ekonomi makro time series Dickey, 1994. Uji stasionaritas bertujuan untuk mengetahui apakah variabel yang digunakan mengandung unit root tidak stationer. Variabel yang nilai tengah dan variannya berubah setiap waktu dikenal sebagai variabel yang mengandung unit root atau tidak stasioner. Pendugaan menggunakan variabel yang tidak stasioner menghasilkan regresi yang semu spurious regression dan kesimpulan yang menyesatkan Dickey, 1994 dan Verbeek, 2000. Oleh karena itu sebelum melakukan pendugaan harus dilakukan pengujian apakah data yang digunakan sudah stasioner. Jika tidak, lakukan pengolahan lebih lanjut agar menjadi stasioner. Menurut Thomas 1997 suatu data deret waktu misalkan X, dikatakan stasioner jika nilai tengah EX t , varian VarX t , dan covariannya CovX t , X t+k 114 konstan untuk semua t. Untuk mengetahui apakah suatu variabel stationer atau tidak, dilakukan dengan uji statistik Dickey Fuller DF dan Augmented Dickey Fuller ADF. Hasil uji statistik tersebut menampilkan dua tabel output, yaitu yang mengandung intersep dengan trend dan yang mengandung intersep tanpa trend. Pengujian hipotesis dari kedua hasil tersebut menggunakan kriteria Schwarz Bayesian Criterion SBC. Hipotesis yang digunakan adalah: H : Variabel mengandung unit root. H 1 : Variabel tidak mengandung unit root. Penentuan nilai t statistik berpedoman pada nilai SBC yang bernilai paling tinggi. H akan ditolak jika nilai t statistik hitung lebih negatif 1 dari nilai kritis pada selang kepercayaan 95. Ini berarti variabel tidak mengandung unit root. Jika terjadi sebaliknya maka variabel yang diuji mengandung unit root. Pada tahap awal pengujian unit root dilakukan pada semua variabel dalam level in level. Apabila hasil uji ADF mengandung unit root, maka dilakukan penarikan diferensial sampai data menjadi stationer. Jika diferensiasi sebanyak k kali data menjadi stationer, maka suatu data deret waktu dikatakan integrated of order k atau ditulis dengan Ik. Untuk itu variabel dalam level diolah terlebih dahulu menjadi dalam bentuk beda pertamanya. Demikian selanjutnya hingga ditemui variabel yang stasioner. Penulisan program uji unit root dapat dilihat pada Lampiran 5 . Pada model ketahanan pangan, pengujian unit root dilakukan terhadap 45 variabel yang akan digunakan dalam model. Hasil uji statistik DFADF menunjukkan bahwa sebagian besar variabel mengandung unit root dalam level, kecuali variabel kebijakan subsidi pertanian AGSP dan konsumsi protein per kapita per hari PACK, untuk n=1,2, dan 4 sudah stasioner dalam level. Sebagian besar data yang digunakan mengandung unit root, maka uji dilanjutkan terhadap variabel pada beda pertama. 1 Karena uji unit roots menggunakan tabel sebelah kiri dan satu arah. 115 Hasil uji menunjukkan 38 variabel stasioner pada beda pertama, sedangkan variabel LEAV6, LRFPCP dan harga solar riil masih belum stasioner. Uji unit root dicukupkan pada beda pertama. Variabel yang belum stationer pada beda pertama tidak digunakan dalam analisis lebih lanjut. Hasil uji tersebut dapat dilihat dari nilai ADF statistik hitung yang didasarkan pada kriteria SBC. Pada selang kepercayaan 95, nilai kritis untuk statistik ADF dengan jumlah observasi 24 in level, mencakup intersep tetapi tanpa trend adalah -2.9907 dan untuk intersep dan trend linier adalah - 3.6119. Pada jumlah pengamatan 23 first difference, mencakup intersep tetapi tanpa trend adalah -2.9970 dan untuk intersep dan trend linier adalah -3.6219. Program komputer dan hasil lengkap uji unit-root dapat dilihat pada Lampiran 6 . Pada model stabilitas ekonomi makro, hasil uji statistik DFADF menunjukkan bahwa hipotesis nol dari kesembilan variabel yakni bahwa variabel yang diuji mengandung unit root dalam level tidak dapat ditolak, kecuali untuk variabel suku bunga dan neraca perdagangan. Pengujian dilanjutkan terhadap beda pertama dan hasilnya semua variabel stasioner pada I1. Hal tersebut dapat dilihat dari nilai statistik Likelihood Ratio berdasarkan kriteria SBC baik untuk statistik DFADF dengan jumlah observasi 94 dalam level dengan intersep tanpa trend adalah -2.8922 maupun dengan intersep dan trend adalah -3.4576. Pada jumlah pengamatan 93 first difference dengan intersep tanpa trend adalah -2.8925 maupun dengan intersep dan trend adalah -3.4581. Ringkasan hasil uji unit root kesembilan variabel dapat dilihat pada Lampiran 7. 4.3.1.3. Uji Ordo Lag Sebelum menentukan rank kointegrasi perlu ditentukan seberapa besar lag optimal yang digunakan dalam model. Pada kasus persamaan parsial atau univariat tidak memerlukan pengujian statistik, tetapi dapat ditentukan secara langsung sesuai 116 dengan data yang digunakan. Ordo lag optimal untuk data deret waktu tahunan adalah satu, untuk data deret waktu smesteran adalah dua, untuk data deret waktu triwulan adalah empat dan untuk data deret waktu bulanan adalah 12. Pada kasus sistem persamaan atau multivariat penentuan ordo lag optimal harus dilalui melalui uji statistik SBC. Ordo lag optimal saat nilai statistik SBC terbesar atau menggunakan Adjusted LR Test. Penelitian ini menggunakan pendekatan Adjusted LR Test. Hipotesis yang digunakan adalah: H : lag n = lag n- 1 ditolak jika nilai p-value 0.05 Jika H ditolak, pengujian dilanjutkan hingga diperoleh nilai p-value 0.05, sebagai berikut: H : lag n- 1 = lag n- 2 diterima jika nilai p-value 0.05. Jika H diterima, maka ordo yang dipilih adalah ordo terkecil. Dalam kasus ini ada dua, yaitu n- 1 dan n- 2 , yang dipilih adalah n- 2 . Hal ini dimaksudkan untuk menghindari pengurangan jumlah observasi akibat meningkatnya lag yang digunakan. Penulisan program penentuan ordo lag optimal dapat dilihat pada Lampiran 8 . Dengan memilih dua, tiga, empat dan lima sebagai maksimum ordo VAR, terlihat bahwa uji Adjusted LR gagal menunjukkan ordo lag yang optimum. Artinya hipotesis nol ditolak karena tidak ada nilai Likelihood Ratio yang lebih besar dari nilai kritis yaitu 0.05. Pada saat memilih enam sebagai maksimum ordo VAR, hipotesis nol yaitu ordo lag optimum adalah ordo empat sama dengan ordo tiga tidak dapat ditolak. Berdasarkan hasil uji tersebut maka ordo lag optimum yang digunakan adalah tiga. Hasil analisisnya dapat dilihat pada Lampiran 9. 4.3.1.4. Uji Kointegrasi Uji ini bertujuan untuk memastikan apakah variabel yang digunakan dalam persamaan atau sistem persamaan mempunyai hubungan jangka panjang. Pada kasus 117 analisis parsial variabel-variabel dalam persamaan dikatakan terkointegrasi jika residual error term dari persamaan tersebut memiliki derajat integrasi k-1, dimana k adalah derajat integrasi masing-masing variabel yang digunakan dalam persamaan. Dalam kasus penelitian ini, berarti residualnya harus berderajat nol atau I0. Pengujian tersebut menggunakan uji statistik DFADF seperti uji stasionaritas. Jika ada kointegrasi maka pendugaan dapat dilanjutkan sehingga diperoleh nilai-nilai dugaan. Penulisan programnya dapat dilihat pada Lampiran 10. Pada kasus sistem persamaan, uji kointegrasi berarti menentukan rank kointegrasi r. Asumsi yang digunakan model mengandung unrestricted intercept dan restricted trend. Pengujian hipotesis berdasarkan statistik yang berdasarkan Maximal Eigenvalue of the Stochastic Matrix dan Trace of the Stochastic Matrix. Penulisan program penentuan rank kointegrasi pada sistem persamaan dapat dilihat pada Lampiran 11 . Jika hasil statistik Likelihood Ratio lebih besar dari nilai kritis pada selang kepercayaan 95 maka hipotesis nol akan ditolak. Jika terjadi sebaliknya maka hipotesis nol tidak dapat ditolak. Prosedurnya sebagai berikut: H : r = 0 : statistik Likelihood Ratio lebih besar dari nilai kritis pada selang kepercayaan 95 tolak H dan uji dilanjutkan H : r =1 : statistik Likelihood Ratio lebih besar dari nilai kritis pada selang kepercayaan 95 tolak H dan uji dilanjutkan H : r = 2 : statistik Likelihood Ratio lebih kecil dari nilai kritis pada selang kepercayaan 95 terima H . Ini berarti terima Hipotesis alternatif, dimana r = 2. Berdasarkan nilai Maximal Eigenvalue of the Stochastic Matrix dan Trace of the Stochastic Matrix Lampiran 12 , hipotesis nol tidak dapat ditolak pada r= 2. Uji sebelumnya hipotesis nol ditolak untu r= 1. Dengan demikian dapat terima hipotesis alternatif yaitu r = 2 atau ada dua rank kointegrasi. Hasil analisis rank kointegrasi ini menyimpulkan bahwa dari sembilan persamaan dalam model terdapat 118 dua persamaan yang dapat menjelaskan hubungan jangka panjang untuk menjelaskan keseluruhan fenomena yang tercakup dalam model yang dianalisis.

4.3.1.5. Identifikasi Persamaan Struktural