4.3. Uji Stabilitas VAR
Tahap selanjutnya dalam estimasi data time series adalah uji stabilitas VAR. Pengujian stabilitas VAR ini berguna untuk validitasi dalam Impulse
Response Function IRF dan juga Variance Decompotition FEVD. Pengujian
yang dilakukan adalah VAR Stability Condition Check berupa roots of characteristic polynominal
terhadap seluruh variabel yang akan dianalisis. Dengan melihat dari nilai modulus yang lebih kecil dari 1 untuk seluruh roots-
nya, maka data dianggap stabil.
Tabel 4.3 Hasil Uji Stabilitas VAR
Root Modulus 0.811344 - 0.060975i
0.813632 0.811344 + 0.060975i
0.813632 0.467093 - 0.323830i
0.568368 0.467093 + 0.323830i
0.568368 0.424159 0.424159
Sumber : Diolah Hasil uji pada Tabel 4.3 diatas menunjukkan bahwa persamaan VAR
memiliki nilai modulus yang kurang dari satu pada lag 1. Dengan kata lain, dapat dikatakan bahwa model VAR yang dibentuk sudah stabil pada lag optimumnya
yaitu lag 1.
4.4. Uji Granger Causality
Dalam tahap uji Granger Causality dapat menjelaskan beberapa hubungan kausalitas antar variabel yang diambil. Yang dimaksud dengan uji Granger
Causality adalah menerangkan tentang hubungan sebab akibat, yaitu perubahan
variabel yang lebih berpengaruh terhadap variabel yang lain.
Tabel 4.4 Hasil Uji Kausalitas Granger
Variabel Pemrediksi
Probabilitas does not Granger Cause NT VET PDB SBI
INFLASI NT
0.0324 0.0646
0.7712 0.6869
VET 0.8952 0.1210
0.4896 0.3231
PDB 0.1248 0.2463 0.1774 0.3838
SBI 0.6189 0.5274 0.3031 0.0042
INFLASI 0.8506 0.7989 0.3142 0.6550 Sumber : Diolah
Ket : signifikan pada α = 5
Dari Tabel 4.4 diatas menjelaskan beberapa hubungan sebab akibat dari beberapa variabel dengan melihat dari nilai probabilitasnya yang kurang dari taraf
nyata atau signifikan pada α = 5. Dengan melihat Tabel 4.4 diatas, juga
menjelaskan adanya hubungan kausalitas granger hanya terjadi pada beberapa variabel saja, seperti adanya hubungan kausalitas Granger pada variabel nilai
tukar dengan volume ekspor, dan juga hubungan kausalitas Granger pada variabel suku bunga SBI dengan inflasi.
Dalam uji kausalitas Granger, implikasi dari Tabel 4.4 diatas yang terjadi antara variabel nilai tukar dengan volume ekspor tekstil mengindikasikan bahwa
terdapat hubungan satu arah antar variabel tersebut dengan melihat dari nilai probabilitasnya yang kurang dari taraf nyata sebesar 5 0,0324. Hubungan satu
arah yang dimaksud mengimplikasikan bahwa perubahan yang terjadi dalam variabel nilai tukar mempengaruhi volume ekspor tekstil Indonesia, dan tidak
sebaliknya.
Begitu juga yang terjadi antara variabel suku bunga SBI dengan inflasi 0,0042, mengindikasikan bahwa hanya ada hubungan satu arah antara SBI
dengan inflasi. Dengan kata lain perubahan yang terjadi dalam variabel SBI akan berpengaruh terhadap tingkat inflasi yang terjadi di Indonesia.
4.5. Uji Kointegrasi
Tahap uji kointegrasi yang dilakukan berguna untuk mengetahui adanya hubungan keseimbangan jangka panjang dengan mengetahui apakah terdapat
kesamaan pergerakan dan stabilitas variabel-variabel yang diuji. Metode pengujian kointegrasi pada penulisan ini didasarkan pada metode Johansen’s
Cointegration Test .
Tabel 4.5 Hasil Uji Kointegrasi
Hypothesizes No. of CEs
Eigenvalue Trace Statistic
0.05 Critical Value
Prob None 0.570940
59.46037 60.06141
0.0561 At
most 1 0.413055 34.07565 40.17493 0.1795
At most
2 0.335923 18.09094 24.27596 0.2465 At
most 3 0.165634 5.810233 12.32090 0.4595
At most
4 0.012513 0.377743 4.129906 0.6020 Data : Diolah
Keterangan : signifikan pada taraf nyata 5.
Analisis ekonometrika dengan melihat dari Tabel 4.5 diatas tidak mengindikasikan adanya nilai probabilitas yang kurang dari taraf nyata sebesar
5 atau tidak ada data yang signifikan pada taraf nyata sebesar 5. Hasil dari uji kointegrasi dalam tabel diatas mengandung arti bahwa dengan tidak adanya nilai
probabilitas yang signifikan pada taraf nyata sebesar 5, maka kelima variabel
yang digunakan dalam penulisan ini tidak memiliki stabilitas atau keseimbangan jangka panjang.
Tidak terkointegrasinya data yang diolah pada penulisan ini menggambarkan bahwa variabel-variabel yang diambil berupa volume ekspor
tekstil, nilai tukar, PDB, SBI, dan juga Inflasi hanya mengindikasikan adanya hubungan keseimbangan jangka pendek saja. Dengan kata lain, implikasi ekonomi
antara variabel satu dengan variabel lainnya hanya mempengaruhi satu sama lain untuk keseimbangan jangka pendek, tidak mempengaruhi dalam keseimbangan
jangka panjang atau dalam waktu yang lama. Implikasi hubungan jangka panjang dalam pandangan ekonomi tersebut
lebih mengacu kepada pergerakan nilai tukar itu sendiri. Pada realita sesungguhnya, pergerakan yang terjadi dalam variabel nilai tukar secara
mingguan bahkan harian menyebabkan seseorang tidak dapat memprediksi seberapa besar perubahan yang akan terjadi pada variabel-variabel lainnya untuk
jangka panjang. Tidak adanya kointegrasi dalam pengujian tersebut maka model dari
VECM dan forecasting tidak dapat dilakukan karena pada saat pengujian kointegrasi di lag 1 tidak menunjukkan adanya kointegrasi antar variabel pada lag
optimalnya tersebut yaitu lag 1. Dengan kata lain, model persamaan VAR yang dianalisis bukan merupakan model VAR VECM, melainkan sistem persamaan
VAR First Difference.
4.6 Model VAR
Kategori