Hasil uji stasioner data pada tingkat level ditampilkan pada Tabel 14. Hasil uji ADF pada tingkat level menunjukkan bahwa variabel susu segar memiliki nilai
ADF statistik yang lebih kecil dari MacKinnon critical value pada taraf nyata 5. Variabel selain susu segar memiliki nilai ADF statistik yang lebih besar dari
MacKinnon critical value pada taraf nyata 5. Dari hasil tersebut dapat disimpulkan bahwa variabel susu segar sudah stasioner pada tingkat level,
sedangkan variabel yang lain belum stasioner pada tingkat level, sehingga perlu dilakukan uji ADF pada first difference. Hasil uji ADF pada first difference
menunjukkan bahwa semua variabel sudah stasioner karena memiliki nilai ADF statistik yang lebih kecil dari MacKinnon critical value Tabel 15.
Table 15 Hasil Uji Stasioner Data Pada Tingkat First Difference
Variabel ADF
statistic MacKinnon critical value
Keterangan 1
5 10
In IHK -5.42396
-4.175640 -3.51308
-3.186854 Stasioner 5
In DAB -5.79357
-3.581152 -2.92662
-2.601424 Stasioner 5
In DSH -6.40485
-4.170583 -2.92662
-3.185512 Stasioner 5
In DSB -6.08437
-4.170583 -2.92662
-3.185512 Stasioner 5
In DSM -5.50896
-4.170583 -2.92662
-3.185512 Stasioner 5
In HSP -6.19633
-3.581152 -2.92662
-2.601424 Stasioner 5
In DKD -6.03947
-3.581152 -2.92662
-2.601424 Stasioner 5
In TAR -6.43480
-3.592462 -2.93140
-2.603944 Stasioner 5
In TAB -7.27244
-3.581152 -2.92662
-2.601424 Stasioner 5
In TIT -6.40777
-3.581152 -2.60142
-2.601424 Stasioner 5
In SSE -5.38338
-3.581152 -2.92662
-2.601424 Stasioner 5
6.2 Penentuan Lag Optimal
Tabel 16 Hasil Penetapan Lag Optimal
Lag LogL
LR FPE
AIC SC
HQ -3810.583
NA 1.61e+60
169.8481 170.2898
170.0128 1
-3490.575 469.3450
2.68e+56 161.0033
166.3029 162.9789
2 -3362.090
125.6294 5.35e+56
160.6707 170.8281
164.4573 3
-2975.610 188.9460
1.98e+53 148.8715
163.8869 154.4691
Keterangan: lag optimal yang disarankan
Setelah melakukan uji stasioner data, tahapan analisis VAR berikutnya yaitu penentuan lag optimal. Penentuan lag optimal dalam penelitian ini menggunakan
kriteria Akaike Information Criterion AIC, Schwarz Information Criterion SC, dan Hannan-quinn Information Criterion HQ. Berdasarkan hasil perhitungan,
51 lag optimal yang disarankan oleh semua kriteria adalah lag ke-3, sehingga lag
optimal yang dipilih dalam penelitian ini adalah lag optimal ke-3 Tabel 16.
6.3 Uji Stabilitas Model VAR
Uji stabilitas model VAR dilakukan dengan menguji akar-akar dari fungsi polinomial atau roots of caracterictics polynomial. Jika semua akar dari fungsi
polinomial tersebut berada dalam unit circle atau jika nilai absolutnya 1 maka model VAR dinyatakan stabil. Model VAR yang stabil akan menghasilkan
estimasi Impuls Response Functions IRF dan Forecast Error Variance Decomposition FEVD yang dianggap valid. Hasil uji stabilitas model VAR
menunjukkan bahwa model VAR yang digunakan pada penelitian ini sudah stabil pada lag optimalnya, yaitu lag ke-3. Hal ini terbukti dari semua nilai modulusnya
1. Adapun hasil pengujian stabilitas model VAR dapat dilihat pada Lampiran 4.
6.4 Uji Kointegrasi
Uji kointegrasi dilakukan untuk mengetahui apakah variabel-variabel yang tidak stasioner berkointegrasi atau tidak. Hasil uji kointegrasi juga menyatakan
hubungan jangka panjang diantara variabel, sehingga diketahui Vector Error Correction Model VECM dapat digunakan atau tidak. Kriteria yang digunakan
dalam uji kointegrasi ini yaitu Johansen Cointegration Test. Jika trace statistic lebih besar daripada critical value, maka model tersebut berkointegrasi.
Tabel 17 Hasil Johansen Cointegration Test
Hypothesized No. of CEs
Eigenvalue Trace
statistic 0.05
Critical Value Prob.
None 0.913593
414.1605 285.1425
0.0000 At most 1
0.791793 301.5208
239.2354 0.0000
At most 2 0.726569
229.3365 197.3709
0.0005 At most 3
0.673560 169.6881
159.5297 0.0124
At most 4 0.562484
118.1907 125.6154
0.1297 At most 5
0.435343 80.12684
95.75366 0.3604
At most 6 0.368621
53.83612 69.81889
0.4687 At most 7
0.298316 32.68308
47.85613 0.5744
At most 8 0.198991
16.38657 29.79707
0.6848 At most 9
0.122157 6.179928
15.49471 0.6743
At most 10 0.004050
0.186678 3.841466
0.6657
Keteranngan: terdapat empat persamaan yang terkointegrasi pada taraf nyata 5
Hasil perhitungan Johansen Cointegration Test disajikan pada Tabel 17. Hasil uji kointegrasi menunjukkan bahwa pada taraf nyata 5 terdapat empat
persamaan yang memiliki nilai trace statistic yang lebih besar dari critical value. Berdasarkan hasil tersebut, disimpulkan bahwa terdapat empat persamaan yang
berkointegrasi dalam jangka panjang, sehingga estimasi menggunakan VECM bisa dilakukan pada tahap berikutnya.
6.5 Estimasi Vector Error Corection Model VECM
Model VECM digunakan untuk menganalisis hubungan jangka pendek antarvariabel terhadap jangka panjangnya. VECM merupakan VAR yang
terestriksi karena dalam estimasi VECM kesalahan yang ada akan dikoreksi secara bertahap melalui penyesuain parsial jangka pendek. Hasil estimasi VECM
menginterpretasikan dua penafsiran, yaitu mengukur kointegrasi atau hubungan jangka panjang antarvariabel serta mengukur error-corection atau kecepatan
masing-masing variabel dalam bergerak menuju keseimbangan jangka panjangnya Besimi et al, 2006 dalam Firdaus, 2011. Hasil estimasi VECM dapat dilihat
pada Tabel 18. Hasil estimasi VECM menunjukkan pengaruh harga masing-masing
komoditas pangan hewani asal ternak terhadap inflasi Kabupaten Bogor yang dikelompokkan menjadi dua bagian, yaitu estimasi jangka panjang dan estimasi
jangka pendek. Pada estimasi jangka pendek, tidak terdapat komoditas yang berpengaruh nyata terhadap inflasi Kabupaten Bogor. Hal ini dapat diterima
karena suatu variabel bereaksi terhadap variabel lainnya membutuhkan waktu lag, dan pada umumnya reaksi suatu variabel terhadap variabel lainnya terjadi
dalam jangka panjang Firdaus, 2011. Adanya mekanisme penyesuaian dari jangka pendek ke jangka panjang ditunjukkan oleh parameter kointegrasi
kesalahan CointEq1 yang bernilai negatif. Menurut Ariefianto 2012, model koreksi kesalahan adalah valid dan stabil jika nilai parameternya adalah negatif
dengan nilai absolut kurang dari satu dan signifikan. Interpretasi dari nilai kointegrasi kesalahan sebesar -0.001844, yaitu terdapat adanya penyesuaian dari
jangka pendek ke jangka panjang pada inflasi Kabupaten Bogor yang dikoreksi setiap bulannya sebesar 0.0018.