4.5. Vector Autoregression
Setelah terjadi hubungan jangka panjang dalam uji kointegrasi, maka langkah selanjutnya adalah dengan menggunakan Vector Autoregression VAR. Estimasi
VAR didukung dengan penggunaan lag, dimana nilai Akaike Information Criterion AIC dan Schwarz Information Criterion SIC yang paling kecil diantara lag
sebagai pedoman penentuan panjang lag. Untuk menentukan panjang lag dilakukan dengan uji Akaike Information
Criterion AIC dan Schwarz Information Criterion SIC, nilai terkecil dari AIC dan SIC digunakan untuk menentukan panjangnya kelambanan yang optimal.
Tabel 4.11 Penentuan Panjang Lag Lag 1
2 3 4 AIC -3.385924
-9.899820 -8.675222
-10.65232 SIC -0.846396
-7.405641 -5.010882
-5.795268
Berdasarkan Tabel 4.11 diketahui bahwa penentuan panjang lag pada lag dasar atau lag 1 nilai AIC sebesar -3.385924 dan nilai SIC sebesar -0.846396
merupakan nilai yang paling baik, sehingga dikatakan lag 1 yang terbaik dibandingkan dengan model-model yang lainnya, sehingga penelitian ini
menggunakan lag 1. Asumsi penggunaan lag 1 ditentukan oleh stabilitas lag structure dengan
menggunakan Inverse Roots of AR Characteristic Polynomial dan prinsip Parsimony. Berdasarkan hasil peramalan tingkat bunga BI BIR, permintaan domestik DD,
permintaan eksternal neto NED, indeks harga impor IHI, indeks harga ekspor
Universitas Sumatera Utara
IHE, suku bunga pasar uang SBPU dan inflasi INF ditunjukkan pada lampiran hasil estimasi VAR pada tabel 4.12, masing-masing adalah :
1. Variabel Tingkat Bunga BI
Kontribusi yang paling besar dan positif terhadap terhadap tingkat bunga BI BIR adalah indeks harga impor IHI sebesar 2,24 kemudian disusul oleh suku
bunga pasar uang SBPU sebesar 1,50, sedangkan permintaan domestik DD, net ekternal demand NED, indeks harga ekspor IHE dan inflasi INF
memiliki kontribusi yang negatif terhadap tingkat bunga BI BIR. 2.
Variabel Permintaan Domestik Kontribusi yang paling besar dan positif terhadap permintaan domestik DD
adalah permintaan domestik DD itu sendiri sebesar 5,63 kemudian disusul oleh indeks harga impor IHI sebesar 0,72, sedangkan tingkat bunga BI BIR, indeks
harga ekspor IHE, suku bunga pasar uang SBPU, dan permintaan eksternal neto NED memiliki kontribusi yang rendah terhadap permintaan domestik
DD.
3. Variabel Permintaan Eksternal Neto
Kontribusi yang paling besar dan positif terhadap permintaan eksternal neto NED adalah permintaan eksternal neto NED itu sendiri sebesar 3,21 kemudian
disusul oleh inflasi INF sebesar 0,31. Sedangkan tingkat bunga BI BIR, permintaan domestik DD, suku bunga pasar uang SBPU, indeks harga ekspor
Universitas Sumatera Utara
IHE, indeks harga impor IHI kontribusinya rendah terhadap permintaan eksternal neto NED.
4. Variabel Indeks Harga Ekspor
Kontribusi yang paling besar dan positif terhadap indeks harga ekspor IHE adalah indeks harga impor IHI sebesar 2,11. Sedangkan tingkat bunga BI BIR,
suku bunga pasar uang SBPU, permintaan domestik DD, permintaan eksternal neto NED dan inflasi INF memiliki kontribusi negatif terhadap indeks harga
ekspor IHE. 5.
Variabel Indeks Harga Impor Kontribusi yang paling besar dan positif terhadap indeks harga impor IHI adalah
indeks harga impor IHI itu sendiri sebesar 2,90. Sedangkan tingkat bunga BI BIR, suku bunga pasar uang SBPU, permintaan eksternal neto NED, indeks
harga ekspor IHE dan inflasi INF memiliki kontribusi negatif terhadap indeks harga impor IHI.
6. Variabel Suku Bunga Pasar Uang
Kontribusi yang paling besar dan positif terhadap suku bunga pasar uang SBPU adalah suku bunga pasar uang SBPU itu sendiri sebesar 4,62 kemudian disusul
oleh indeks harga impor IHI sebesar 1,19. Sedangkan tingkat bunga BI BIR, indeks harga ekspor IHE, permintaan domestik DD, permintaan eksternal neto
NED, dan inflasi INF memiliki kontribusi yang rendah terhadap suku bunga pasar uang SBPU.
7. Variabel Inflasi
Universitas Sumatera Utara
Kontribusi yang paling besar dan positif terhadap inflasi INF adalah inflasi INF sebesar 3,4 kemudian disusul oleh permintaan domestik DD 1,24.
Sedangkan tingkat bunga BI BIR, suku bunga pasar uang SBPU, permintaan eksternal neto NED, indeks harga ekspor IHE, dan indeks harga impor IHI
memiliki kontribusi yang rendah terhadap inflasi INF. Berdasarkan hasil penelitian yang ditunjukkan pada Tabel 4.12 dengan
menggunakan dasar lag 1 terlihat bahwa adanya hubungan antara tingkat bunga BI BIR, permintaan domestik DD, permintaan eksternal neto NED, indeks harga
ekspor IHE, indeks harga impor IHI, suku bunga pasar uang SBPU dan inflasi INF. Hal ini dapat disimpulkan bahwa dengan mengamati t-statistik dari masing-
masing koefisien, hubungan timbal balik antara variabel tingkat bunga BI BIR, permintaan domestik DD, permintaan eksternal neto NED, indeks harga impor
IHI, indeks harga ekspor IHE, suku bunga pasar uang SBPU dan inflasi INF secara statistik signifikan.
Berdasarkan hasil analisa Vector Autoregression diketahui bahwa variabel sebelumnya juga mempengaruhi. Dimana dapat ditunjukkan pada lampiran tabel hasil
estimasi VAR bahwa variabel masa lalu t-1 berpengaruh signifikan terhadap dirinya sendiri dan variabel lain. Dari hasil estimasi tersebut di atas beserta uraiannya
ternyata hubungan timbal balik antara variabel tingkat bunga BI BIR, permintaan domestik DD, permintaan eksternal neto NED, indeks harga impor IHI, indeks
harga ekspor IHE, suku bunga pasar uang SBPU dan inflasi INF menjadi semakin jelas dan dengan demikian hipotesa adanya hubungan timbal balik antara
Universitas Sumatera Utara
tingkat bunga BI BIR, permintaan domestik DD, permintaan eksternal neto NED, indeks harga impor IHI, indeks harga ekspor IHE, suku bunga pasar uang
SBPU dan inflasi INF sebagai variabel yang diamati dalam penelitian ini terbukti. Model VAR sesuai dengan ekspektasi perekonomian Indonesia di masa
mendatang, hal tersebut dapat ditunjukkan pada trend beberapa variabel yang berfluktuasi. Berdasarkan hasil penjelasan Vector Autoregression kemudian didukung
dengan gambar stabilitas berikut :
Tabel 4.13 Roots of Characteristic Polynomial Roots of Characteristic Polynomial
Endogenous variables: LOGBIR LOGDD LOGED LOGIHE LOGIHI LOGINF LOGSBPU
Exogenous variables: C Lag specification: 1 1
Date: 040910 Time: 10:03 Root
Modulus
0.828980 - 0.197230i 0.852119
0.828980 + 0.197230i 0.852119
0.847598 - 0.074315i 0.850849
0.847598 + 0.074315i 0.850849
0.494622 - 0.273274i 0.565092
0.494622 + 0.273274i 0.565092
0.084179 0.084179
No root lies outside the unit circle. VAR satisfies the stability condition.
Berdasarkan gambar 4.8 diketahui bahwa spesifikasi model yang terbentuk dengan menggunakan Roots of Characteristic Polynomial dan Inverse Roots of AR
Characteristic Polynomial diperoleh hasil stabil, hal ini dapat ditunjukkan bahwa
Universitas Sumatera Utara
semua unit roots berada dalam lingkaran gambar Inverse Roots of AR Characteristic Polynomial. Ini disimpukan bahwa spesifikasi model penelitian menjadi stabil
-1.5 -1.0
-0.5 0.0
0.5 1.0
1.5
-1.5 -1.0
-0.5 0.0
0.5 1.0
1.5 Inverse Roots of AR Characteristic Polynomial
Gambar 4.8 Stabilitas Struktur Model
.
4.6 Impulse Response Function