4.1.3. Uji Stabilitas VAR
Sebelum analisis berupa proses innovation accounting dilaksanakan, dilakukan terlebih dahulu pengujian stabilitas terhadap data. Sistem VAR pada
lag optimal harus stabil. Hal ini merupakan syarat yang harus dipenuhi oleh model dinamik seperti VAR. Sistem VAR yang tidak stabil akan membuat hasil
Impulse Response Function IRF dan Forecast Error Variance Decomposition
FEVD tidak valid. Uji stabilitas berdasarkan modulus atau unit lingkaran akan diterapkan untuk menentukan apakah sistem VAR tersebut stabil pada lag
optimal. Stabilitas sistem VAR dikatakan stabil jika seluruh akar unitnya memiliki modulus lebih kecil dari satu dan semuanya terletak didalam unit lingkaran.
Tabel 4.4 Hasil Uji Stabilitas VAR Root
Modulus 0.949791
0.949791 0.674162
– 0.294734i 0.735774
0.674162 + 0.294734i 0.735774
0.679999 0.679999
-0.251726 – 0.260855i
0.362507 -0.251726 + 0.260855i
0.362507 0.143282
0.143282
Sumber: data diolah
Tabel 4.4 memperlihatkan bahwa model VAR yang digunakan dalam penelitian ini stabil pada lag optimalnya, yaitu pada lag satu karena nilai modulus
dari seluruh roots memiliki nilai kurang dari satu. Dengan demikian peramalan menggunakan Impulse Response Function IRF dan Forever Error Variance
Decomposition FEVD yang akan dihasilkan dianggap valid.
4.1.4. Uji Kausalitas Granger
Analisis hubungan kausalitas dari setiap variabel dapat dilihat dari uji kausalitas granger. Dalam penelitian ini, uji kausalitas dilakukan dengan
menggunakan Granger Causality Test dengan hipotesis awal H tidak ada
hubungan kausalitas dan hipotesis alternatifnya H
1
terdapat hubungan kausalitas. Kriteria penolakan H
adalah dengan melihat nilai probabilitas yang lebih kecil dari nilai kritis yang ditantukan. Hasil uji kausalitas granger dalam
penelitian ini dapat dilihat pada Tabel 4.5
Tabel 4.5 Hasil Uji Kausalitas Granger Variabel Probabilytas does Not Granger Cause
G GW
INV INF
NE ER
TR G
0.8518 0.7565 0.8459 0.0597
0.8034
0.0023
GW
0.0126
0.4144 0.7826 0.7936
0.7283 0.3744 INV
0.2098 0.4285
0.3270 0.0516 0.0716 0.1625
INF
0.00001
0.7325 0.3092 0.5594
0.4215 0.7795 NE
0.0710 0.8714 0.8795
0.8889 0.6334 0.5623
ER 0.2831
1.0000 0.07738 0.8064
0.0013
0.9997 TR
0.0062
0.6903 0.2183 0.8412
0.0019 0.1997
Sumber: data diolah
Hasil Uji kausalitas pada Tabel 4.5 menunjukkan bahwa terdapat hubungan dua arah antara variabel TR dengan variabel G. Hipotesis nol yang menyatakan
bahwa TR tidak mempengaruhi G, ditolak pada tingkat signifikansi lima persen tolak H
, pada α = 5, demikian juga dengan sebaliknya. Hipotesis nol yang
menyatakan bahwa G tidak mempengaruhi TR ditolak pada tingkat signifikasi lima persen. Artinya penerimaan pajak mempengaruhi pengeluaranbelanja
pemerintah, sebaliknya pengeluaran pemerintah mempengaruhi penerimaan pajak. Berdasarkan Tabel 4.5 juga diperoleh beberapa variabel yang memiliki
hubungan satu arah dengan variabel lainnya pada tingkat signifikansi lima persen. Varibel yang memiliki hubungan satu arah tersebut antara lain variabel GW
dengan variabel G, variabel INF dengan variabel G, variabel ER dengan variabel NE, dan variabel TR dengan Variabel NE.
4.1.5. Uji Kointegrasi
Salah satu asumsi yang harus dipenuhi dalam VAR atau VECM adalah semua variabel endogen dan variabel eksogen bersifat stasioner. Apabila variabel
tidak stasioner, maka perlu dilakukan uji kointegrasi. Jika variabel yang tidak stasioner terkointegrasi, maka kombinasi linier antar variabel dalam sistem akan
bersifat stasioner, sehingga dapat diperoleh persamaan yang stabil Enders, 1995. Pengujian kointegrasi dilakukan untuk memperoleh hubungan jangka
panjang antar variabel yang telah memenuhi persyaratan selama proses integrasi yaitu dimana semua variabel telah stasioner pada derajat yang sama yaitu derajat
satu I 1. Salah satu cara untuk menguji kointegrasi yaitu dengan menggunakan uji kointegrasi Johansen.
Dalam penelitian ini uji kointegrasinya menggunakan pendekatan Johansen dengan membandingkan antara trace statistic dengan critical value yang
digunakan, yaitu lima persen. Jika trace statistic lebih besar dari critical value lima persen maka terdapat kointegrasi dalam sistem persamaan tersebut. Hasil uji
kointegrasi berdasarkan trace test dapat dilihat pada Tabel 4.6 Tabel 4.6 Hasil Uji Kointegrasi
Hyputhesized No.of CE s
Eigenvalue Trace statistic 0.05 Critical Value
Prob. None
0.935471 213.9335
125.6154 0.0000
At most 1 0.914792
142.6769 95.75336
0.0000 At most 2
0.717396 78.64778
69.81889 0.0083
At most 3 0.513988
45.79138 47.85613
0.0772 At most 4
0.470493 27.03182
29.79707 0.1008
At most 5 0.248177
10.50081 15.49471
0.2442
Sumber: data diolah
Jika trace statistic lebih besar dari critical value lima persen,maka persamaan tersebut terkointegrasi. Dengan demikian H
= non kointegrasi dengan hipotesis alternatifnya H
1
= kointegrasi. Jika trace statistic lebih besar dari critical value
lima persen, maka tolak H atau terima H
1
yang artinya terjadi kointegrasi. Dari tabel 4.6 dapat diketahui bahwa terdapat tiga persamaan yang terkointegrasi
dalam penelitian ini. Karena terdapat persamaan yang terkointegrasi maka model yang akan digunakan adalah model Vector Error Correction Model VECM,
4.2 Hasil Estimasi VECM