Uji Kausalitas Granger Uji Lag Optimum

Uji stasioneritas yang sudah dilakukan kita sudah dapat menentukan model yang akan dipilih, apabila semua variabel stasioner pada level maka digunakan model VAR, dan apabila semua atau salah satu tidak stasioner pada level dan dilakukan pembedaan maka model yang dipilih adalah VECM. Dalam penelitian ini dapat disimpulkan bahwa terdapat hubungan diantara variabel-variabel tersebut dalam jangka panjang.

4.2.2 Uji Kausalitas Granger

Tujuan dilakukannya uji kausalitas granger adalah untuk mengetahui dan melakukan evaluasi kemampuan peramalan dari satu deret waktu terhadap deret waktu sebelumnya. Apabila hipotesis tersebut bernilai nol maka tidak ada hubungan kausalitas diantara variabel, sedangkan hipotesis alternative menunjukan adanya hubungan kausalitas diantara variabel. Nilai hipotesis nol dapat ditolak dengan melihat nilai probabilitasnya, pada penelitian ini dilakukan dengan nilai kritis 5 persen, artinya jika nilai probabilitas lebih besar dari 5 persen maka hipotesis nol dapat ditolak sehingga akan terdapat hubungan kausalitas diantara variabel tersebut. Hasil uji kausalitas untuk produk sedan, mpv dan City car dapat dilihat pada Tabel 3 berikut ini Tabel 3. Hasil Uji Kausalitas Granger Null Hypothesis: Obs F-Statistic Prob. CITYCAR does not Granger Cause SEDAN 41 0.23028 0.6341 SEDAN does not Granger Cause CITYCAR 0.94559 0.3370 MPV does not Granger Cause SEDAN 41 0.48711 0.4895 SEDAN does not Granger Cause MPV 0.00357 0.9527 MPV does not Granger Cause CITYCAR 41 4.31617 0.0446 CITYCAR does not Granger Cause MPV 6.64712 0.0139 Berdasarkan Tabel diketahui bahwa uji kausalitas Granger menunjukan hasil bahwa variabel-variabel penjualan produk hanya terdapat satu hubungan kausalitas, yaitu antara MPV dan produk City car. Hubungan kausalitas tersebut dapat diartikan Kausalitas dua arah atau saling mempengaruhi bidirectional causality, dapat diartikan bahwa penjualan produk MPV mempengaruhi penjualan produk City car sebesar 0,0446, dan sebaliknya penjualan produk City car mempengaruhi MPV sebesar 0,0139.

4.2.3 Uji Lag Optimum

Penetapan lag optimum penting untuk dilakukan karena dalam metode VAR lag optimal dari variabel endogen merupakan variabel independen yang digunakan dalam model. Nilai lag optimal diperoleh dengan melakukan estimasi VAR. Sebelum melakukan penentuan lag optimal maka dapat dilihat terbih dahulu apakah model VAR tersebut stabil atau tidak. Hasil dari lag optimum dapat dilihat pada Tabel 4 berikut ini Tabel 4. Hasil Uji Lag Optimum Lag LogL LR FPE AIC SC HQ -360.4722 NA 24984.35 18.63960 18.76757 18.68552 1 -349.7128 19.31189 22877.58 18.54937 19.06124 18.73303 2 -346.1208 5.894427 30481.40 18.82671 19.72247 19.14810 3 -339.9125 9.232903 36002.84 18.96987 20.24954 19.42900 Berdasarkan hasil Tabel 4 dapat dilihat bahwa penentuan lag dapat digunakan dengan beberapa pendekatan antara lain Likelihood Ratio LR, Final Prediction Error FPE, Akaike Information Criterion AIC, dan Schwarz Criterion SC. Berdasarkan uji kestabilan yang telah dilakukan ditunjukan bahwa model VAR dalam penelitian ini telah stabil pada lag ke-3. Setelah dipastikan bahwa hasil estimasi var berada dalam kondisi stabil , maka daoat dilakukan penetapan lag optimal.lag optimal dihitung dengan menggunakan AIC dengan mengambil nilai AIC yang paling kecil. Dari tabel 3 memperlihatkan bahwa dari 3 lag, lag yang bertanda asterisk terdapat pada lag pertama, hal ini menandakan bahwa lag optimal yang dipilih berdasarkan AIC terdapat pada lag pertama.

4.2.4 Pemodelan VAR