Infas -5.407393 -3540328 0.0005 Stasioner
Level Peind -5.028560 -3.533083 0.0012
Stasioner 1
st
Difference Peas -3.943694 -3.544284
0.0205 Stasioner 1
st
Difference Ihsg -3.301065 -3.536601
0.0818 Stasioner
Level Sumber: Pengujian Unit Root Test
Hasil uji Augmented Dickey Fuller pada Tabel 4.11 tersebut diatas menunjukkan bahwa variabel infind, infas dan ihsg dan yang stasioner pada level
sebagaimana ditunjukkan oleh nilai Dickey Fuller, diatas nilai kritis Mc.Kinnon pada derajat kepercayaan 5 persen. Solusi yang dapat dilakukan untuk data yang tidak
stasioner adalah dengan menciptakan variabel baru dengan cara first difference yaitu Variabel Cadev, Kurs, Sbpu, Libor, Peind, Peas sebagaimana ditunjukkan oleh nilai
Dickey Fuller, diatas nilai kritis Mc.Kinnon pada derajat kepercayaan 5 persen.
4.4. Uji Kointegrasi
Uji kointegrasi dilakukan sebagai tindak lanjut terjadinya data yang tidak stasioner pada tingkat level yang artinya bahwa terindikasi adanya hubungan jangka
panjang antar variabel. Untuk membuktikan terjadinya kointegrasi dalam jangka panjang maka diperlukan uji kointegrasi. Untuk mengetahui ada berapa persamaan
kointegrasi maka dilakukan uji kointegrasi. Hasil uji kointegrasi dengan alat bantu Eviews 6.
Tabel 4.12. Uji Kointegrasi Johansen
Date: 073011 Time: 02:35 Sample adjusted: 2000Q4 2009Q4
Included observations: 37 after adjustments Trend assumption: Linear deterministic trend
Series: CADEV IHSG KURS PINF PINR PPE Lags interval in first differences: 1 to 2
Universitas Sumatera Utara
Unrestricted Cointegration Rank Test Trace Hypothesized
Trace 0.05 No. of CEs
Eigenvalue Statistic
Critical Value Prob.
None 0.823767
159.5104 95.75366
0.0000 At most 1
0.686809 95.28027
69.81889 0.0001
At most 2 0.545727
52.32540 47.85613
0.0179 At most 3
0.324689 23.13033
29.79707 0.2397
At most 4 0.151522
8.604774 15.49471
0.4032 At most 5
0.065974 2.525273
3.841466 0.1120
Trace test indicates 3 cointegrating eqns at the 0.05 level denotes rejection of the hypothesis at the 0.05 level
MacKinnon-Haug-Michelis 1999 p-values
Sumber: Data diolah dengan Eviews
4.5. Vector Autoregression
Estimasi VAR didukung dengan penggunaan lag, dimana nilai Akaike Information AIC dan Schwarz Information Criterion SIC yang paling kecil
diantara lag sebagai pedoman penentuan panjang lag. Nilai AIC dan SIC pada masing-masing lag ditunjukkan pada Tabel 4.13 sebagai berikut:
Tabel 4.13. Nilai AIC dan SIC pada Lag
Lag 1 2
Nilai AIC 57.74464
57.51415 Nilai SIC
59.53617 60.87551
Sumber: Data diolah dengan Eviews
Sehubungan dengan Tabel di atas bahwa penentuan panjang lag menunjukkan bahwa nilai AIC dan SIC paling kecil ada pada lag 1. Maka dapat disimpulkan bahwa
penggunaan lag 1 merupakan yang terbaik bila dibanding dengan model lainnya sehingga lag 2 digunakan dalam penelitian ini.
Universitas Sumatera Utara
Pemilihan lag yang digunakan juga ditentukan oleh lag optimal, dilakukan pada model VAR. Pengujian melihat panjang lag maksimum sistem VAR yang stabil.
Stabilitas VAR dilihat dari nilai inverse roots karakteristik VAR polinominalnya. Pengujian stabilitas sistem VAR akan dimulai dengan lag satu. Sistem VAR
dikatakan stabil stasioner jika seluruh akar-akar unit memiliki modulus lebih kecil dari satu dan semuanya terletak di dalam unit circle. Jika sistem VAR tidak stabil
maka beberapa hasil seperti standard error pada impulse response akan tidak valid.
Tabel 4.14. Nilai Modulus Seluruh Akar Unit
Roots of Characteristic Polynomial Endogenous variables: CADEV IHSG KURS PINF PINR
PPE Exogenous variables: C
Lag specification: 1 1 Date: 073011 Time: 02:38
Root Modulus
0.990867 0.990867
0.776036 0.776036
0.673708 - 0.312499i 0.742656
0.673708 + 0.312499i 0.742656
0.686901 0.686901
0.162778 0.162778
No root lies outside the unit circle. VAR satisfies the stability condition.
Sumber: Data diolah dengan Eviews
Berdasarkan Tabel 4.14 Nilai Modulus Seluruh Akar Unit diatas diketahui bahwa seluruh akar-akar unir hasil pengujian stabilitas estimasi VAR memiliki
modulus lebih kecil dari 1. Maka estimasi VAR yang memenuhi kondisi stabilitas adalah estimasi VAR dengan menggunakan lag 1.
Universitas Sumatera Utara
Hasil estimasi VAR terhadap cadev, kurs, pinf, pinr, ppe, dan ihsg pada lag 1 dapat dilihat pada Tabel 4.15 yaitu:
Tabel 4.15 Hasil Estimasi Var Dengan Lag 1
Vector Autoregression Estimates Date: 073011 Time: 02:37
Sample adjusted: 2000Q2 2009Q4
Included observations: 39 after adjustments Standard errors in t-statistics in [ ]
CADEV IHSG
KURS PINF
PINR PPE
CADEV-1 0.754621
-0.009750 0.036590
-0.000163 7.89E-05
0.000107 0.12599
0.01125 0.03231
0.00014 0.00012 4.1E-05
[ 5.98939] [-0.86676] [
1.13238] [-1.20104]
[ 0.63639] [ 2.59035]
IHSG-1 3.092774
0.939759 -0.888919
0.002082 -0.001540
-0.000529 1.62760
0.14531 0.41742
0.00175 0.00160 0.00053
[ 1.90021]
[ 6.46733] [-2.12955] [
1.18938] [-0.96229]
[ -0.99673]
KURS-1 0.005067
0.001350 0.526895
0.001534 0.001221
0.000623 0.67583
0.06034 0.17333
0.00073 0.00066 0.00022
[ 0.00750] [ 0.02237]
[ 3.03990] [ 2.11047]
[ 1.83767] [ 2.82546]
PINF-1 23.52542
5.478190 33.41037
0.572327 0.052039
0.000923 130.395
11.6414 33.4418
0.14022 0.12825
0.04256 [ 0.18042]
[ 0.47058] [ 0.99906]
[ 4.08174] [ 0.40577]
[ 0.02169] PINR-1
6.057716 -14.41004
-83.05055 0.040851
0.663877 -0.043987
144.796 12.9271
37.1350 0.15570
0.14241 0.04726
[ 0.04184]
[-1.11472] [-2.23645] [ 0.26237]
[ 4.66171] [-0.93076]
PPE-1 365.3744
68.94845 97.06272
-0.328222 -0.142580
0.506520 438.938
39.1876 112.572
0.47200 0.43171
0.14326
Universitas Sumatera Utara
[ 0.83240] [ 1.75945]
[ 0.86223] [-0.69539]
[-0.33027] [ 3.53560]
C 5517.844
365.9692 4184.790
-7.477653 -10.66333
-7.726120 7564.50
675.344 1940.03
8.13425 7.43990
2.46894 [ 0.72944]
[ 0.54190] [ 2.15708]
[-0.91928] [-1.43326]
[-3.12933] R-squared
0.964997 0.942837
0.519489 0.653857
0.753361 0.906776
Adj. R-squared 0.958434
0.932119 0.429393
0.588955 0.707117
0.889297 Sum sq. resides
1.58E+08 1260487.
10401709 182.8617
152.9757 16.84645
S.E. equation 2223.050
198.4697 570.1346
2.390487 2.186433
0.725570 F-statistic
147.0334 87.96691
5.765967 10.07455
16.29074 51.87665
Log likelihood -352.0398
-257.8158 -298.9700
-85.46939 -81.98959
-38.96988 Akaike AIC
18.41230 13.58030
15.69077 4.742020
4.563569 2.357430
Schwarz SC 18.71088
13.87889 15.98936
5.040608 4.862157
2.656018 Mean dependent
38496.51 1191.595
9441.436 6.165641
5.850112 2.435897
S.D. dependent 10903.81
761.7623 754.7602
3.728565 4.040069
2.180715 Determinant resid covariance dof adj.
1.83E+17 Determinant resid covariance
5.60E+16 Log likelihood
-1084.020 Akaike information criterion
57.74464 Schwarz criterion
59.53617 Sumber: Data diolah dengan Eviews.
Hasil dari Tabel 4.15 dengan lag = 1 untuk kuartal 2000-2009, model VAR untuk Cdev, Kurs, Pinr, Pinf, Ppe, Ihsg masing-masing adalah:
CADEV = 0.75462067102CADEV-1 + 3.09277389364IHSG-1 + 0.00506722367792KURS-1 + 23.5254232266PINF-1 + 6.05771644908PINR-1 +
365.374401899PPE-1 + 5517.84360272
IHSG = - 0.00974968405CADEV-1 + 0.939758826457IHSG-1 + 0.00134951562935KURS-1 + 5.4781897673PINF-1 - 14.4100437949PINR-1 +
68.9484540344PPE-1 + 365.969208466
KURS = 0.0365903314671CADEV-1 - 0.888919336161IHSG-1 + 0.526895471118KURS-1 + 33.4103692725PINF-1 - 83.0505537998PINR-1 +
97.0627167078PPE-1 + 4184.79034786
Universitas Sumatera Utara
PINF = - 0.000162719365731CADEV-1 + 0.00208164137203IHSG-1 + 0.00153375110743KURS-1 + 0.572326669866PINF-1 + 0.0408505772456PINR-1 -
0.328221742827PPE-1 - 7.47765264934
PINR = 7.88594731678e-05CADEV-1 - 0.00154042299947IHSG-1 + 0.00122149345088KURS-1 + 0.0520394380353PINF-1 + 0.66387662022PINR-1 -
0.142579739206PPE-1 - 10.6633344627
PPE = 0.000106521030941CADEV-1 - 0.000529484563882IHSG-1 + 0.000623241834972KURS-1 + 0.000922974927898PINF-1 -
0.0439870510622PINR-1 + 0.506519506348PPE-1 - 7.72611978
Berdasarkan hasil peramalan Cadev, Kurs, Pinr, Pinf, Ppe, Ihsg di tunjukkan pada lampiran Tabel 4.15 masing-masing adalah:
1. Variabel Cadangan Devisa Nasional CADEV
Kontribusi yang paling besar dan positif terhadap CADEV adalah cadangan devisa nasional CADEV itu sendiri sebesar 5.98939 sedangkan variabel KURS
berkontribusi paling sedikit sebesar 0.00750 dan variabel lainnya seperti PINR, PINF, PPEK, dan IHSG tidak begitu besar pengaruhnya terhadap CADEV.
2. Variabel KURS Kontribusi yang paling besar dan positif terhadap KURS adalah KURS itu sendiri
sebesar 3.303990, sedangkan variabel lain PINR berkontribusi paling sedikit
Universitas Sumatera Utara
sebesar – 2.23645 sedangkan variabel CADEV, PINF, PPE dan IHSG tidak begitu besar pengaruhnya terhadap KURS.
3. Variabel PINR tingkat suku bunga SBPU dan LIBOR
Kontribusi yang paling besar dan positif terhadap PINR adalah PINR itu sendiri sebesar 4.66171. Sedangkan variabel IHSG berkontribusi paling sedikit sebesar -
0.96229 dan variabel lainnya seperti CADEV, KURS, PINF, dan PPE tidak begitu besar pengaruhnya terhadap PINR.
4. Variabel PINF Perbedaan tingkat Inflasi Indonesia dan Amerika
Kontribusi yang paling besar dan positif terhadap PINF adalah PINF itu sendiri sebesar 4.08174. Sedangkan variabel CADEV berkontribusi paling sedikit sebesar
-1.20104 dan variabel lainnya seperti KURS, PINR, PPE dan IHSG tidak begitu besar pengaruhnya terhadap PINF.
5. Variabel PPE perbedaan pertumbuhan ekonomi Indonesia dan Amerika
Kontribusi yang paling besar dan positif terhadap PPE adalah PPE itu sendiri sebesar 3.53560. Sedangkan variabel IHSG berkontribusi paling sedikit sebesar -
0.99673. dan variabel lainnya seperti CADEV, KURS, PINR, PINF dan tidak begitu besar pengaruhnya terhadap PPE.
6. Variabel IHSG
Kontribusi yang paling besar dan positif terhadap IHSG adalah IHSG itu sendiri sebesar 6.46733 sedangkan variabel PINR berkontribusi paling sedikit sebesar -
Universitas Sumatera Utara
1.11472 variabel lainnya seperti CADEV, KURS, PINF dan PPE tidak begitu besar pengaruhnya terhadap IHSG.
Berdasarkan hasil penelitian yang ditunjukkan pada Tabel 4.15 dengan menggunakan dasar lag 1 terlihat bahwa adanya hubungan antara Cadangan devisa,
Kurs, Pinr, Pinf, Ppe dan Ihsg. Namun dengan mengamati t-statistik dari masing- masing koefisien, dan membandingkan dengan t-tabel
α 5, variabel yang memberikan kontribusi yang signifikan untuk masing-masing variabel dapat disajikan
sebagai berikut:
Tabel 4.16. Hasil Analisa Var
Variabel CADEV KURS PINR
PINF PPE
IHSG CADEV
t-1 - - - - - KURS - t-1 - - - -
PINR - - t-1 - - - PINF - - - t-1 - -
PPE - - - - t-1 - IHSG - - - - - t-1
4.6. Impulse Response Function IRF