Hasil pengujian stasioneritas untuk masing-masing data menunjukkan bahwa tidak semua variabel stasioner pada tingkat level. Variabel harga
internasional CPO LN_PCPOR, harga internasional minyak bumi LN_PCO dan nilai tukar riil LN_ERR tidak stasioner pada level. Hal tersebut dapat dilihat
dari nilai statistik ADF masing-masing data tersebut yang lebih besar daripada Mackinnon critical value
pada tingkat level Tabel 4.1. Selanjutnya variabel yang tidak stasioner pada tingkat level perlu dilakukan uji unit root pada tingkat
first difference .
Berdasarkan pengujian pada tingkat first difference diperoleh hasil bahwa semua data variabel stasioner pada taraf 5 persen Tabel 4.1. Penggunaan data
first difference dapat menghilangkan informasi jangka panjang sehingga model
yang digunakan untuk penelitian ini adalah VECM.
4.2. Penentuan
Lag Optimum
Penentuan lag yang optimum sangat penting dalam analisis VAR. Lag yang terlalu panjang akan mengurangi derajat bebas, sedangkan lag yang terlalu
pendek akan mengakibatkan spesifikasi model yang salah. Penentuan lag optimal yang digunakan pada penelitian ini didasarkan pada nilai Akaike Information
Criteria AIC yang terkecil. Hasil pengujian lag optimal tersebut dapat dilihat
pada Tabel 4.2.
Tabel 4.2. Hasil Pengujian Lag Optimal AIC
Lag AIC
6,615047 1
3,155742 2
2,835931 3
3,137823 4
1,293084
Sumber: Lampiran 5. Keterangan: Tanda menunjukkan lag optimal.
Berdasarkan hasil pengujian lag optimal dengan nilai AIC, diketahui nilai AIC terkecil sebesar 1,293084 yang berada pada lag empat. Dengan demikian lag
optimal yang akan digunakan dalam dalam model VECM adalah lag empat.
4.3. Uji Stabilitas
Uji stabilitas VAR perlu dilakukan sebelum untuk menghasilkan analisis IRF dan VD yang valid. Jika modulus dari seluruh roots of characteristic
polynominal kurang dari satu maka model VAR tersebut stabil. Berdasarkan hasil
uji stabilitas VAR dapat disimpulkan bahwa model yang digunakan stabil. Hal tersebut dibuktikan dengan seluruh modulusnya yang kurang dari satu yaitu
sebesar 0,994844 sampai dengan 0,462425 Lampiran 4.
4.4. Uji Kointegrasi
Kointegrasi merupakan hubungan ekuilibrium jangka panjang antara variabel tidak stasioner tetapi memiliki kombinasi linier yang stasioner. Hasil uji
kointegrasi menggunakan uji kointegrasi Johansen dapat dilihat pada Tabel 4.3.
Tabel 4.3. Hasil Uji Kointegrasi Hypothesized No.
of CEs Eigenvalue
Trace Statistics Critical Value
5 None
0.989539 353.3636
117.7082 At most 1
0.843640 175.5179
88.80380 At most 2
0.689075 103.1498
63.87610 At most 3
0.598746 57.58988
42.91525 At most 4
0.341337 21.97663
25.87211 At most 5
0.135807 5.692422
12.51798
Sumber: lampiran 6.
Uji kointegrasi Johansen digunakan untuk mengetahui jumlah persamaan kointegrasi di dalam sistem. Penentuan jumlah persamaan yang terkointegrasi
dilakukan dengan membandingkan estimasi trace statistics terhadap nilai kritisnya critical value pada tingkat kritis 5 persen. Sebuah persamaan dikatakan
terkointegrasi apabila nilai trace statistics-nya lebih besar daripada nilai kritis yang digunakan. Pada tabel diatas diperoleh hasil bahwa terdapat empat
persamaan yang terkointegrasi. Hal tersebut dilihat dari adanya empat nilai trace statistics
-nya lebih besar daripada nilai kritis yang digunakan.
4.5. Uji Kausalitas Granger
