4.2.3. Pengujian Stabilitas VAR
Setelah didapatkan
lag optimal dari masing-masing hubungan antar variabel, langkah selanjutnya adalah menguji kestabilan data. Stabilitas VAR
perlu diuji sebelum melakukan analisis lebih jauh, data tidak stabil berarti data yang digunakan untuk pendugaan model VAR kurang baik dan tidak robust atau
tidak sempurna. Untuk menguji stabil atau tidaknya estimasi VAR yang telah dibentuk maka dilakukan VAR stability condition check berupa roots of
characteristic polynomial. Suatu sistem VAR dikatakan stabil jika seluruh roots- nya memiliki modulus lebih kecil dari 1 Lukepohl, 2002.
Ringkasan pengujian stabilitas VAR dapat dilihat pada Tabel 4.5. Dari tabel tersebut dapat disimpulkan bahwa model VAR yang dibentuk sudah stabil
pada lag optimalnya. Ini terlihat untuk kedua hubungan baik antara permintaan sepeda motor dengan harga premium maupun permintaan mobil dengan premium,
dimana nilai modulusnya kurang dari 1.
Tabel 4.5. Uji Stabilitas Model VAR
Motor dan Harga Premium Mobil dan Harga Premium
Root Modulus Root Modulus
0,990 0,990 0,993 0,993 0,792 0,792 0,716 0,716
4.2.4. Analisis Kointegrasi
Menurut definisi yang diuraikan Engel dan Granger 1987, bahwa kointegrasi mengacu pada sejumlah variabel yang terintegrasi pada derajat yang
sama, maka dapat dilakukan uji kointegrasi. Pada penelitian ini semua variabel terkointegrasi pada derajat I1. Sebab jika variabel-variabel dalam suatu
penelitian terkointegrasi pada derajat yang berbeda, maka dapat dikatakan bahwa variabel-variabel tersebut tidak bisa terkointegrasi.
Adanya hubungan kointegrasi dalam sebuah sistem persamaan mengimplikasikan bahwa dalam sistem tersebut terdapat Error Correction Model
yang menggambarkan adanya dinamisasi jangka pendek secara konsisten dengan hubungan jangka panjangnya. Dengan kata lain, dalam ekonometrika variabel
yang saling terkointegrasi dikatakan dalam keseimbangan jangka panjang Nachrowi dan Usman, 2006. Uji kointegrasi dalam penelitian ini menggunakan
pendekatan Johansen dengan membandingkan antara trace statistic dengan critical value atau dengan membandingkan maksimum eigenvalue dengan critical
value yang digunakan yaitu 5 persen. Jika trace statistic atau maksimum eigenvalue lebih besar dari critical value maka terdapat kointegrasi dalam sistem
persamaan tersebut. Dalam uji kointegrasi terdapat lima asumsi deterministic trend, untuk
menentukan pilihan trend yang digunakan bisa dilihat dari hasil summary, serta pilihan lag yang digunakan adalah lag optimal. Pemilihan asumsi dengan
summary disesuaikan berdasarkan kriteria informasi Akaike Information Criteria
AIC. Dari summary didapatkan bahwa asumsi yang digunakan adalah intercept and trend untuk kedua hubungan.
4.2.4.1. Kointegrasi Antara Permintaan Motor dengan Harga Premium
Setelah dilakukan uji kointegrasi, maka untuk hubungan antara permintaan sepeda motor dengan harga premium tidak terkointegrasi, artinya secara bivariate
tidak terdapat persamaan linier jangka panjang yang dikandung dalam model
diantara kedua variabel tersebut. Dari Tabel 4.6 terlihat bahwa pada nilai trace statistic maupun maximum eigen value lebih kecil dari nilai kritisnya atau
probabilitas α lebih besar dari 5 persen, berarti tidak terdapat kointegrasi diantara
kedua variabel tersebut, baik pada rank=0 maupun rank=1.
Tabel 4.6. Analisis Kointegrasi Antara Motor dengan Harga Premium
No Hipotesis Trace statistic
Max Eigen Value
Trace-stat cv=5 Prob EV-stat cv=5 Prob
1 Rank= 0 17,505 25,872
0,378 12,066 19,387
0,409 2 Rank=1 5,439 12,518
0,535 5,439 12,518
0,535
4.2.4.2. Kointegrasi Antara Permintaan Mobil dengan Harga Premium
Sedangkan untuk hubungan antara permintaan mobil dengan harga premium terkointegrasi, terdapat satu persamaan kointegrasi. Artinya secara
bivariate terdapat satu persamaan linier jangka panjang yang dikandung dalam model diantara kedua variabel tersebut. Ini bisa terlihat dari Tabel 4.7, untuk
rank=0 kedua nilai baik trace statistic maupun maximum eigen value lebih besar dari nilai kritis pada 5 persen, atau probabilitas
α kurang dari 5 persen. Tapi untuk rank=1 tidak terdapat kointegrasi, sehingga hanya ada satu persamaan linier dalam
jangka panjang.
Tabel 4.7. Analisis Kointegrasi Antara Mobil dengan Harga Premium
No Hipotesis Trace statistic
Max Eigen Value
Trace-stat cv=5 Prob EV-stat cv=5 Prob
1 Rank= 0 29,630 25,872 0,016
23,533 19,387
0,012 2 Rank=1
6,097 12,518 0,448
6,097 12,518
0,448
4.2.5. Analisis Kausalitas Permintaan Motor dan Harga Premium
Berdasarkan hasil uji kointegrasi sebelumnya, permintaan sepeda motor dan harga premium menunjukkan bahwa data tidak terkointegrasi, maka tidak ada
uji untuk mencari hubungan jangka panjangnya maupun hubungan kausalitas jangka panjangnya. Uji kausalitas bivariate dilakukan untuk melihat hubungan
kausalitas jangka pendek diantara variabel-variabel yang ada dalam model. Uji kausalitas pada penelitian ini menggunakan VAR Pairwise Granger Causality
Test. H yang diuji adalah tidak ada hubungan kausalitas dan H
1
adalah ada hubungan kausalitas. Untuk menerima atau menolak H
digunakanlah nilai probability 5. Hasil uji kausalitas bivariate dalam model VAR dapat dilihat
dalam Tabel 4.8. Didapatkan bahwa tidak terdapat kausalitas antara kenaikan harga premium terhadap permintaan jumlah sepeda motor atau sebaliknya. Dari
tabel terlihat bahwa probabilitas α lebih besar dari 5 persen, berarti menerima H
, tidak ada hubungan kausalitas.
Tabel 4.8. Uji Kausalitas Motor dan Premium Jangka Pendek Dependent Variabel
Independent Variabel Probabilitas
Permintaan Motor Harga Premium
0,182
Harga Premium Permintaan Motor
0,595
4.2.6. Analisis Kausalitas Permintaan Mobil dan Harga Premium 4.2.6.1. Kausalitas Jangka Panjang