Berdasarkan Tabel 4.8 di atas dapat dijelaskan bahwa semua data variabel stasioner sebagaimana ditunjukkan oleh nilai Augmented Dickey Fuller statistiknya
lebih kecil dari nilai kritis Mc.Kinnon pada derajat kepercayaan 1 persen. Berdasarkan uji stasioneritas data diketahui bahwa semua data sudah dinyatakan
stasioner pada differensi kedua. Stasioner data diperlukan untuk membuktikan bahwa data dapat digunakan dalam analisis dan dalam kesimpulan pengambilan kebijakan,
di mana data stasioner mendukung kebijakan yang tidak bias.
4.2.2. Uji Kointegrasi
Uji kointegrasi dilakukan sebagai tindak lanjut terjadinya data yang tidak stasioner pada tingkat level yang artinya bahwa terindikasi adanya hubungan jangka
panjang antar variabel. Untuk membuktikan terjadinya kointegrasi dalam jangka panjang maka diperlukan uji kointegrasi. Untuk mengetahui ada berapa persamaan
kointegrasi maka dilakukan uji kointegrasi. Hasil uji kointegrasi dengan alat bantu Eviews 4.1 ditampilkan pada Tabel 4.9.
Universitas Sumatera Utara
Tabel 4.9. Uji Kointegrasi Johansen
Date: 112810 Time: 13:14 Sampleadjusted: 1986 2009
Included observations: 24 after adjusting endpoints Trend assumption: Linear deterministic trend
Series: LOGT LOGG LOGR LOGINF LOGPDB Lags interval in first differences: 1 to 2
Unrestricted Cointegration Rank Test
Hypothesized Trace
5 Percent 1 Percent
No. of CEs Eigenvalue Statistic
Critical Value
Critical Value
None 0.989694
190.2843 68.52
76.07 At most 1
0.763590 80.48415
47.21 54.46
At most 2 0.684510
45.87167 29.68
35.65 At most 3
0.531243 18.18461
15.41 20.04
At most 4 2.12E-05
0.000509 3.76
6.65 denotes rejection of the hypothesis at the 51 level
Trace test indicates 4 cointegrating equations at the 5 level Trace test indicates 3 cointegrating equations at the 1 level
Sumber: Data Diolah dengan Eviews 4.1
Berdasarkan Tabel 4.9 di atas dapat dijelaskan bahwa ada 4 persamaan kointegrasi pada level 5 dan 3 persamaan kointegrasi pada level 1 yang berarti
adanya hubungan jangka panjang antara variabel terbukti. Jadi semua variabel dinyatakan memiliki kontribusi dalam jangka panjang sehingga analisa Vector
Autoregression dapat digunakan untuk pengujian selanjutnya.
4.2.3. Pengujian Lag Optimal
Pengujian lag optimal dapat memanfaatkan beberapa informasi yaitu dengan menggunakan Akaike Information Criterion AIC, Schwarz Criterion SC dan
Hannan-Quinn Criterion HQ dan dipilih nilai yang terkecil di antara lag sebagai
Universitas Sumatera Utara
pedoman penentuan panjang lag yang optimal. Nilai AIC dan SIC pada masing- masing lag ditunjukkan pada Tabel 4.10.
Tabel 4.10. Penentuan Panjang Lag Lag
1 2
AIC -6.703345
-6.971869 SIC
-5.240694 -4.290343
Sumber: Data Diolah dengan Eviews 4.1 Berdasarkan Tabel 4.10 di atas dapat dijelaskan bahwa penentuan panjang lag
dilakukan dengan uji Akaike Information Criterion AIC, pada lag dasar atau lag 1 nilai AIC sebesar -6.703345 dan pada lag 2 sebesar -6.971869, sehingga dikatakan
lag 2 yang terbaik dibandingkan dengan lag 1 karena nilai AIC lag 2 -6.971869 nilai AIC lag 1 -6.703345 sehingga penelitian ini menggunakan lag 2.
4.2.4. Uji Stabilitas VAR
