24
4.2 Permodelan Vector Autoregressive Var
4.2.1. Uji Kestasioneran
Salah satu asumsi yang harus dipenuhi dalam VAR adalah kestasioneran data. Syarat ini mutlak harus dipenuhi dalam VAR,
karena apabila syarat ini dilanggar maka akan terjadi spurious regression regresi palsu.
Berdasarkan Lampiran 2, dengan melakukan uji Dickey fuller semua peubah menunjukkan perilaku yang tidak stasioner, hal ini
dapat diketahui dari nilai mutlak Augmented Dickey-Fuller pada test statistic mutlak critical value atau nilai probabilitas a
5 yang artinya menolak H
dengan kata lain data tidak stasioner. Setelah dilakukan pembedaan satu kali terhadap semua peubah,
berdasarkan Lampiran 2, dengan melakukan uji Dickey fuller
didapatkan perilaku stasioner untuk keempat peubah, hal ini dapat diketahui dari nilai mutlak Augmented Dickey-Fuller pada test statistic
mutlak critical value atau nilai probabilitas a 5 yang artinya
menerima H dengan kata lain data stasioner.
4.2.2 Penentuan Panjang Lag atau Pemilihan Ordo
Pemilihan ordo pada model VAR dilakukan dengan mengkaji nilai AIC. Ordo model VAR tidak lain adalah pada lag berapa masih
terdapat pengaruh yang signifikan dari salah satu variabel series terhadap series yang lainnya.
25 Tabel 4.1 AIC pada lag
Lag AIC
10.42627
1 10.41135
2 10.45661
3 10.50933
4 10.55561
5 10.61201
6 10.66437
7 10.70317
8 10.76440
9 10.80316
10 10.86936
Berdasarkan AIC pada Tabel 4.1 terlihat bahwa pada saat 1
p diperoleh nilai AIC terkecil, sehingga model VAR yang digunakan
adalah model VAR ordo ke-1 atau VAR1. Model VAR1 untuk empat peubah yaitu pergerakan pesawat, penumpang, bagasi dan kargo
dapat dituliskan dengan:
t t
t
y A
A y
1 1
4.18 dengan:
A = vektor konstanta berukuran
1 4
A
1
= matriks parameter berukuran 4
4 y
t
= vektor
t t
t t
y y
y y
. 4
, .
3 ,
. 2
, .
1
berukuran
12
i
t
= vektor sisaan berukuran 1
4
26
4.2.3 Uji Kointegritasi
Uji kointegrasi harus dilakukan karena pada data aktual pergerakan pesawat, penumpang, bagasi dan kargo menunjukkan perilaku yang
tidak stasioner dalam rataan dan harus dilakukan differencing satu kali untuk menjadikan data stasioner. Uji Johansen digunakan untuk
memeriksa ada tidaknya kointegrasi tersebut. Uji Johansen dilakukan untuk mengetahui banyaknya persamaan yang dapat menerangkan
seluruh sistem yang ada. Jika nilai
trace
nilai kritis, maka uji dilanjutkan untuk rank = r+1 hingga diperoleh nilai
trace
nilai kritis. Statistik uji yang digunakan mengikuti persamaan 2.12 dengan
hipotesis yang ingin diuji adalah: H
: r
rank H
1
: r
rank Tabel 4.2 Uji johansen kointegrasi
H rank = r
H
1
rank r
trace
Nilai Kritis = 5 121.0497
47.21 1
1 60.71635
29.68 2
2 25.34977
15.41
3 3
2.225958 3.76
Hasil uji Johansen pada Tabel 4.2 menunjukkan bahwa hingga r = 3 nilai
trace
nilai kritis, sehingga model yang digunakan adalah model VECM dengan rank kointegrasi 3.
27
4.2.4 Pendugaan Model
Kategori