tidak dari pasar tersebut. Dengan menggunakan data deret waktu time series, maka langkah-langkah yang digunakan adalah sebagai berikut:
4.2.1. Hasil Uji Stasioneritas Data dengan Uji Augmented Dickey Fuller ADF
Uji stasioneritas dapat dilakukan dengan uji akar-akar unit unit root yang dikembangkan oleh Dickey Fuller. Alternatif dari uji Dickey Fuller
adalah Augmented Dickey Fuller ADF yang berusaha meminimumkan autokorelasi. Uji ADF merupakan regresi first difference data time series
terhadap lag variabel, lagged difference terms, konstanta, dan variabel trend. Untuk melihat stasioneritas dengan menggunakan uji DF atau ADF dilakukan
dengan membandingkan t
σ
statistik dari variabel lag variabel eksogen dengan nilai kritis DF atau ADF dalam tabel. Data yang tidak stasioner bisa
menyebabkan regresi yang lancung spurious sehingga perlu dilakukan uji stasioneritas data.
Tahapan pengolahan data dalam penelitian ini dimulai dengan uji stasioner terhadap variabel-variabel yang digunakan dalam penelitian yaitu:
RIDOM harga beras Indonesia, RIPHI harga beras Philipina, RITHA harga beras Thailand, RIVIE harga beras Vietnam.
Tabel 4.2 diperoleh bahwa data yang digunakan dalam penelitian ini dua variabel sudah stasioner pada tingkat level, yaitu: RIDOM dengan nilai Critical
Value -3,444756, ADF Test Statistic -3,843215 dan Prob 0,0173 pada taraf 5 persen, demikian juga dengan RIVIE dengan nilai Critical Value -3,444756,
ADF Test Statistic -3,462955 dan Prob 0,0478 pada taraf 5 persen. Hal ini
karena nilai mutlak ADF lebih kecil dari nilai mutlak tabel critical value.
Universitas Sumatera Utara
Sehingga, hipotesis nol yang menyatakan bahwa masing-masing variabel memiliki unit root tidak dapat ditolak.
Dalam analisis VAR minimal satu saja ada variabel sudah stasioner pada level maka dipakai analisis VAR. Selanjutnya, jika setelah uji
stasioneritas, ternyata tidak ada satupun variabel yang stasioner pada level, maka analisis yang dipakai adalah Error Correction Models ECM.
Tabel 4.2. Uji Unit Root Level
Variabel Critcal Value
α
:5
ADF Test Statistic Prob.
RIDOM -2,883930 -3,444756 -0,201661 -3,843215
0,9342 0,0173 RIPHI
-2,883753 -3,444756 -0,080892 -2,305700 0,9482 0,4276
RITHA -2,883753 -3,445030 -1,553896 -3,445030
0,5032 0,1776 RIVIE
-2,883759 -3,444756 -0,879464 -3,462955 0,7921 0,0478
Sumber: Lampiran 4.7. Hasil Olahan Eviews 6.0 Keterangan: - MacKinnon 1996 one-sided p-values.
- Nilai yang tidak dikurung adalah nilai dengan intercept tanpa linier trend - Nilai dalam kurung adalah nilai dengan intercept dan linier trend
Pengujian kestasioneran data dilakukan karena data yang tidak stasioner atau mengandung trend dan tidak dapat dimasukkan ke dalam model VAR biasa.
Data yang tidak stasioner pada tingkat level harus diferensiasi sebanyak satu kali yaitu dengan uji akar unit first difference. Berikut ini hasil uji unit root pada first
difference disajikan pada Tabel 4.3.
Tabel 4.3. Uji Unit Root First Difference
Variabel Critcal Value
α
:5
ADF Test Statistic Prob.
RIDOM -2,883930 -3,445030 -8,267163 -8,264825
0,0000 0,0000 RIPHI
-2,883753 -3,444756 -7,804927 -7,877021 0,0000 0,0000
RITHA -2,883753 -3,444756 -9,106649 -9,085977
0,0000 0,0000 RIVIE
-2,883753 -3,444756 -9,459622 -9,423941 0,0000 0,0000
Sumber: Lampiran 4.8. Hasil Olahan Eviews 6.0 Keterangan: - MacKinnon 1996 one-sided p-values.
- Nilai yang tidak dikurung adalah nilai dengan intercept tanpa linier trend - Nilai dalam kurung adalah nilai dengan intercept dan linier trend
Universitas Sumatera Utara
Setelah dilakukan pada uji akar unit first difference, semua variabel RIDOM, RIPHI, RITHA, RIVIE telah stasioner, hal ini ditunjukkan oleh nilai
mutlak ADF pada masing-masing variabel lebih besar dibandingkan nilai kritisnya critical value. Data yang sudah stasioner sudah dapat diuji dengan
metode VAR. Apabila terdapat satu variabel stasioner pada level sedangkan variabel
lainnya stasioner pada first difference, maka harus menggunakan analisis vector auto regression VAR.
4.2.2. Penentuan Ordo VAR dengan Uji Lag Optimal
