menunjukkan bahwa semua peubah atau variabel data yang digunakan dalam penelitian ini tidak stasioner, maka data perlu dilakukan uji
stasioneritas lebih lanjut yaitu pada pembedaan pertama atau first difference. Hasil uji first difference dapat dilihat pada Tabel 2 berikut.
Tabel 2. Hasil Uji Stasioner First Difference
Variability Test Critical Value
5 t-statistic
Probability KKOL
-2.976.263 -5.241.454
0.0005
LH -2.976.263
-4.921.974 0.0002
TR -2.971.853
-2.644.743 0.0963
Pembedaan pertama kembang kol dan lettuce head sudah stasioner, tetapi tomat beef masih tidak stasioner yang terlihat pada Tabel 2, maka
harus dilakukan uji stasioner lebih lanjut yaitu pada pembedaan kedua atau second difference. Hasil second difference untuk tomat beef dapat
dilihat pada Tabel 3 berikut ini.
Tabel 3. Hasil Uji Stasioner Second Difference
Variability Test Critical Value
5 t-statistic
Probability TR
-2.976.263 -6.759.467
0.0000 Pembedaan kedua tomat beef sudah stasioner yang terlihat pada Tabel
3. Artinya data stasioner pada pembedaan kedua, karena seluruh peubah atau variabel harus berada pada derajat yang sama, pada penelitian ini
yaitu pada derajat pembedaan kedua. Dari uji stasioneritas yang dilakukan sudah dapat menentukan model peramalan yang akan dipilih
yaitu model VECM. Hasil uji stasioneritas pada setiap level dapat dilihat secara lengkap pada Lampiran 7, 8, dan 9.
4.2.2 Uji Kausalitas Granger
Uji Kausalitas Granger dilakukan untuk mengetahui hubungan kausalitas antara variabel-variabel atau peubah yang digunakan dalam
penelitian ini atau yang ada dalam model. Hubungan kausalitas antar variabel atau peubah dapat diketahui dengan melakukan Pairwise
Granger Causality Test. Hasil uji kausalitas Granger apabila nilai probability variabel lebih kecil dari atau sama dengan 5 persen maka
terdapat hubungan kausalitas diantara variabel tersebut. Tetapi
sebaliknya jika nilai probability lebih dari 5 persen maka tidak terdapat hubungan kausalitas diantara variabelnya. Hasil uji Kausalitas Granger
dapat dilihat pada Tabel 4.
Tabel 4. Hasil Uji Kausalitas Granger Null
Hypothesis: F-Statistic Probability
Hasil Pengujian
Hubungan Kasusalitas
LH does not Granger
Cause KKOL 3.79253
0.0377 Ada
hubungan Hubungan
satu arah dari lettuce
head ke kembang kol
KKOL does not Granger
Cause LH 3.02112
0.0684 Tidak ada
hubungan
TR does not Granger
Cause KKOL 1.99773
0.1585 Tidak ada
hubungan Tidak terjadi
hubungan kausalitas
KKOL does not Granger
Cause TR 1.82107
0.1844 Tidak ada
hubungan
TR does not Granger
Cause LH 0.21765
0.8060 Tidak ada
hubungan Tidak terjadi
hubungan kausalitas
LH does not Granger
Cause TR 1.29882
0.2921 Tidak ada
hubungan
Terlihat pada Tabel 4 pada pengujian ini diketahui uji kausalitas menunjukkan hasil bahwa variabel-variabel atau peubah permintaan
komoditas hanya terdapat satu hubungan kausalitas, yaitu antra lettuce head dan kembang kol. Hubungan kausalitas tersebut hanya satu arah
yang diartikan bahwa permintaan lettuce head mempengaruhi permintaan kembang kol. Hasil uji Kausalitas Granger secara lengkap
dapat dilihat pada Lampiran 10.
4.2.3 Uji Lag Optimum
Penentuan panjang lag dalam model VAR menunjukkan derajat bebas. Peramalan dengan menggunakan pendekatakan model VAR -
VECM sangat sensitif terhadap jumlah lag yang digunakan. Pengujian ini dilakukan untuk menentukan jumlah lag optimum yang dapat
digunakan dalam variabel yang akan dianalisis. Penentuan lag dapat digunakan dengan beberapa pendekatan antara lain Likelihood Ratio
LR, Final Prediction Error FPE, Akaike Information Criterion AIC, dan Schwarz Criterion SC. Model yang baik adalah model
yang mampu memberikan tingkat residual atau error yang paling kecil. Model dengan nilai AIC atau SC terkecil dipilih sebagai model terbaik
dengan panjang lag yang cukup efisien. Hasil pengujian lag optimum dapat dilihat pada Tabel 5 dan secara lengkap dapat dilihat pada
Lampiran 11. Terlihat pada Tabel 5, hanya AIC yang menentukan panjang lag
yang berbeda, sedangkan LR, FPE, SC, dan HQ menentukan panjang lag yang sama yaitu pada lag satu. Karena empat kriteria memberikan
hasil yang sama, maka dipilih panjang lag satu. Penelitian ini panjang lag optimum berada pada lag satu, ini akan menentukan lag yang
berpengaruh pada perhitungan peramalan.
Tabel 5. Hasil Uji Lag Optimum
4.2.4 Uji Kointegrasi
