Tabel 5.2. Uji Stasioneritas Data pada First Difference Variabel
ADF Statistik
Nilai Kritis MacKinnon Keterangan
1 5
10 DLn_NKPP
-4.60489 -4.06204
-3.45995 -3.15611
Stasioner DLn_IHSG
-7.19724 -3.50388
-2.89359 -2.58393
Stasioner D_SBI
-4.42285 -3.50145
-2.89254 -2.58337
Stasioner D_PE
-5.74293 -3.50739
-2.89511 -2.58474
Stasioner DLn_KURS
-7.59387 -3.50224
-2.89288 -2.58355
Stasioner D_INF
-8.22995 -3.50145
-2.89254 -2.58337
Stasioner DLn_NPL
-10.0438 -3.50145
-2.89254 -2.58337
Stasioner DLn_TKP
-10.8994 -3.50145
-2.89254 -2.58337
Stasioner
Sumber: Hasil Olahan
5.1.2. Lag Optimal
Setelah melakukan uji stasioneritas data, maka tahap selanjutnya dalam sistem VAR atau VECM adalah menentukan jumlah lag optimal dari sebuah
sistem persamaan. Hal ini penting karena suatu variabel dipengaruhi oleh lag dari variabel itu sendiri dan lag dari variabel lainnya. Sebelum mencari nilai lag
optimum perlu dicari terlebih dahulu panjang selang maksimum sistem VAR yang stabil. Stabilitas sistem VAR dapat dilihat dari nilai inverse root karakteristik AR
polynomial -nya. Suatu sistem VAR dikatakan stabil stasioner jika seluruh roots-
nya memiliki modulus lebih kecil dari satu dan semuanya terletak didalam unit circle
. Kemudian panjang selang optimal akan dicari dengan menggunakan kriteria informasi yang tersedia. Pada penelitian ini digunakan kriteria informasi
Schwarz Information Criterion SC untuk menentukan panjang lag maksimum.
Dari Tabel 5.3 dapat diketahui bahwa nilai terendah dari SC tercapai pada saat lag dua. Sehingga jumlah lag optimum dari model penelitian ini adalah dua.
Tabel 5.3. Penetapan Lag Optimum Lag
SC 3.083112
1 -0.312365
2 -0.624220
3 1.285576
4 2.958412
5 4.099942
6 5.315026
Sumber : Hasil Olahan Catatan : merupakan Lag Optimum
5.1.3. Uji Kointegrasi Cointegration Test
Winarno 2002 menyatakan bahwa dua variabel yang tidak stasioner sebelum dideferensi namun stasioner pada tingkat diferensi pertama first
difference , besar kemungkinan akan terjadi kointegrasi, yang berarti terdapat
hubungan jangka panjang diantara keduanya. Uji kointegrasi pada penelitian ini menggunakan pendekatan Johansen dengan membandingkan antara nilai Trace
Statistic dengan critical value yang digunakan dalam penelitian ini yaitu 5 .
Sebelum melakukan uji kointegrasi maka terlebih dahulu ditentukan asumsi deterministik yang digunakan. Pada penelitian ini asumsi yang digunakan adalah
asumi 3 Intercept [no trend] in CE and Test VAR. Berdasarkan Tabel .5.4 diketahui bahwa terdapat 6 persamaan kointegrasi yang signifikan dalam model.
Tabel 5.4. Uji Kointegrasi Hypothesized
No. of CEs Eigenvalue
Trace Statistic 5 Percent
Critical Value 1 Percent
Critical Value None
0.650183 263.4012
156.00 168.36
At most 1 0.366187
166.7694 124.24
133.57 At most 2
0.319673 124.8172
94.15 103.18
At most 3 0.265244
89.38056 68.52
76.07 At most 4
0.247348 61.02461
47.21 54.46
At most 5 0.192554
34.88258 29.68
35.65 At most 6
0.149495 15.20569
15.41 20.04
At most 7 0.003348
0.308559 3.76
6.65
Catatan : signifikan pada taraf nyata 5 signifikan pada taraf nyata 1
5.1.4. Estimasi Vector Error Correction Model VECM