melihat nilai Akaike Information Criterion AIC dan uji Schwartz Information Criterion SIC. Selanjutnya pengujian dilakukan dimulai dengan melihat nilai
AIC dan SIC yang paling minimum. Berikut hasil uji AIC dan SIC:
Table 4.5 Hasil Pengujian Lag Optimum
Lag AIC SIC 2 23.79510
25.12730 3 20.41585
22.52758 4 18.99848
21.90177
Sumber : Data Diolah Berdasarkan pengujian diatas maka dapat di simpulkan bahwa lag ke 4
adalah tenggat yang paling optimalbaik digunakan dalam model. Hal ini dibuktikan dengan nilai AIC dan SIC yang paaling minimum.
4.3.4 Estimasi Model VAR
Karena variabel yang kita teliti memiliki hubungan kointegrasi diantara setiap variabelnya, maka model VAR yang kita pakai merupakan model VECM.
Berikut hasil estimasi model VAR yang kita gunakan:
Tabel 4.6 Hasil Estimasi Model VECM
Cointegrating Eq: CointEq1
BIRATE-1 1.000000
ER-1 -0.002607
0.00033 [-8.01634]
INFLASI-1 -0.456773
0.02851 [-16.0190]
PDRB-1 -2.637207
Universitas Sumatera Utara
0.31739 [-8.30894]
C 36.43512
Error Correction: DBIRATE
DER DINFLASI DPDRB
CointEq1 0.477921
-124.3141 2.615995
0.100286 0.17914
145.124 0.33569
0.20008 [ 2.66782]
[-0.85660] [ 7.79278]
[ 0.50123] DBIRATE-1
0.333049 609.7094
2.457079 -0.587497
0.29684 240.468
0.55624 0.33153
[ 1.12200] [ 2.53551]
[ 4.41731] [-1.77209]
DBIRATE-2 -0.445556 -63.84940 -1.984082
0.061004 0.28526
231.091 0.53455
0.31860 [-1.56192] [-0.27630] [-3.71170] [
0.19148] DBIRATE-3
-0.655930 209.6818 -1.841623
0.087347 0.27301
221.166 0.51159
0.30492 [-2.40259] [
0.94807] [-3.59979] [ 0.28646]
DER-1 0.001150
0.427329 0.008019
-0.001552 0.00060
0.48294 0.00112
0.00067 [ 1.92894]
[ 0.88486] [ 7.17836]
[-2.33059] DER-2
8.81E-06 -0.265596
0.000101 0.001442
0.00023 0.18427
0.00043 0.00025
[ 0.03873] [-1.44131]
[ 0.23620] [ 5.67745]
DER-3 0.001577
-0.123032 0.007754
-0.001049 0.00055
0.44918 0.00104
0.00062 [ 2.84383]
[-0.27390] [ 7.46316]
[-1.69460] DINFLASI-1
0.008010 -57.86659
-0.204771 0.245767
0.08075 65.4168
0.15132 0.09019
[ 0.09920] [-0.88458]
[-1.35324] [ 2.72504]
DINFLASI-2 0.290630
64.99396 0.961924
-0.140474 0.08706
70.5262 0.16314
0.09723 [ 3.33834]
[ 0.92156] [ 5.89639]
[-1.44472] DINFLASI-3
0.013657 -165.0805
-0.425552 0.188870
0.09994 80.9656
0.18729 0.11163
[ 0.13665] [-2.03890]
[-2.27221] [ 1.69200]
Universitas Sumatera Utara
DPDRB-1 0.340787
190.8593 2.356860
0.147791 0.19084
154.602 0.35762
0.21315 [ 1.78570]
[ 1.23452] [ 6.59046]
[ 0.69338] DPDRB-2
0.474588 -282.4776
2.263536 0.413382
0.23284 188.624
0.43632 0.26005
[ 2.03827] [-1.49757]
[ 5.18784] [ 1.58962]
DPDRB-3 0.685779
-36.95596 3.861286
-0.568256 0.24624
199.484 0.46144
0.27502 [ 2.78495]
[-0.18526] [ 8.36798]
[-2.06621] C -0.327362
150.1281 -0.852285
-0.013423 0.11143
90.2723 0.20881
0.12446 [-2.93775]
[ 1.66306]
[-4.08156] [-0.10785]
R-squared 0.777193
0.839900 0.938159
0.935486 Adj. R-squared
0.535819 0.666459
0.871164 0.865597
Sum sq. resids 1.962949
1288219. 6.892842
2.448580 S.E. equation
0.404449 327.6456
0.757894 0.451717
F-statistic 3.219872
4.842563 14.00347
13.38518 Log
likelihood -3.304969 -177.4312 -19.63343 -6.178755
Akaike AIC 1.331151
14.72548 2.587187
1.552212 Schwarz SC
2.008588 15.40291
3.264624 2.229649
Mean dependent -0.259615
14.23077 -0.431923
0.039615 S.D. dependent
0.593636 567.3222
2.111494 1.232144
Determinant resid covariance dof adj. 456.8439
Determinant resid covariance 20.73001
Log likelihood -186.9802
Akaike information criterion 18.99848
Schwarz criterion 21.90177
Sumber : Data Diolah Siginifikan tidaknya lag dari suatu variabel terhadap variabel endogenous
lainnya dapat dievaluasi menggunakan nilai mutlak dari statistik-t nilai yang ada dalam tanda kurung [...] . Sebagai perbandingan dapat digunakan nilai kritis rule-
of-thumb sebesar 2.00. Jika lebih besar dari 2.00 maka dikatatakan signifikan. Hasil estimasi model VAR menunjukkan bahwa tingkat suku bunga dipengaruhi
Universitas Sumatera Utara
oleh tingkat suku bungan itu sendiri pada lag 3, nilai tukar mempengaruhi suku bunga pada lag 3, inflasi pada lag 2, sedangkan PDRB berpengaruh pada lag 2
dan lag 3. Dari model diatas terilhat bahwa PDRB tidak dipengaruhi oleh kejutan shock suku bunga pada lag berapapun, sedangkan kejutan nilai tukar
mempengaruhi PDRB pada lag 2 dan lag 3. Kejutan shock nilai tukar yang bernilai negatif pada lag 2 menunjukkan bahwa depresiasi nilai tukar akan
berakibat pada penurunan PDRB Sumatera Utara. Kejutan shock inflasi mempengaruhi PDRB Sumatera Utara pada lag 1. Sedangkan kejutan shock
PDRB Sumatera sendiri tidak mempengaruhi PDRB Sumatera Utara. Maka dapat disimpulkan bahwa kejutan shock nilai tukar dan inflasi lah yang mempengaruhi
PDRB
4.3.5 Impulse response