H
0 :
data tidak stasioner H
1
: data stasioner Dengan mengikuti pernyataan bahwa :
3 Nilai t-statistik ADF nilai kritis ADF pada level 5 maka H diterima.
4 Nilai t-statistik ADF nilai kritis ADF pada level 5 maka H
1
diterima.
2. Uji lag length
Salah satu permasalahan yang terjadi dalam uji stasioneritas adalah penentuan lag optimal. Jika lag yang digunakan dalam stasioneritas terlalu
sedikit, maka residual dari regresi tidak akan menampilkan proses white noise sehingga model tidak dapat mengestimasi actual error secara tepat. Namun
jika lag yang digunakan terlalu banyak, maka dapat mengurangi kemampuan untuk menolak H0 karena tambahan parameter terlalu banyak akan
mengurangi derajat bebas. Dalam penentuan lag optimal dilakukan melalui likelihood ratio test, tentukan criteria yang mempunyai Final Frediction Error
FPE, Akaike Information Criterion AIC, Schwarz Criterion SC, dan Hannan-Quinn HQ.
3. Uji Kointegrasi
Kestasioneran data melalui diferensiasi dinilai masih belum cukup apabila peneliti meneruskan uji VECM. Model harus memiliki kointegrasi
atau hubungan jangka pendek dan jangka panjang. Pendeteksian ini dapat dilakukan dengan Metode Johansen. Pengujian kointegrasi dalam penelitian
ini dilaksanakan dengan derajat kepercayaan 5 dengan cara membandingkan trace statistic atau max eigen statistic dengan critical value-nya.
30
Hipotesis : H
: terdapat hubungan jangka panjang antara variabel independen dan variabel dependent
H
1
: tidak terdapat hubungan jangka panjang antara variabel independen dan variabel dependen
Dengan mengikuti pernyataan bahwa: 1. Jika nilai trace statistic nilai critical value maka H
diterima, model terkointegrasi
2. Jika nilai trace statistic nilai critical value maka H
1
diterima, model tidak terkointegrasi.
30
Moch. Doddy Ariefianto, “Ekonometrika : Esensi dan Aplikasi Dengan Menggunakan
Eviews ”, Jakarta: Erlangga, 2012, h. 113
4. Uji Vector Error Correction Model VECM
VECM merupakan suatu model analisis ekonometrika yang digunakan untuk mengetahui tingkah laku jangka pendek dari suatu variabel jangka
panjangnya Kostov dan Lingard, 2000.
31
Insukindro 1992 berpendapat VECM dapat digunakan pada variabel runtun waktu yang tidak stasioner dan
regresi atau korelasi lancing.
32
Gujarati berpendapat VECM ini dinilai kurang cocok jika digunakan dalam menganalisis suatu kebijakan. Hal ini dikarenakan analisis VECM yang
ateori dan terlalu menekankan pada forecasting atau peramalan pada suatu ekonometrika.
33
Apabila variabel-variabel tidak terkointegrasi pada stasioner atau ordo yang sama, maka VECM tidak dapat diterapkan. Sebagai gantinya peneliti
dapat menggunakan VAR standar yang hasilnya identik dengan ordinary least square OLS . Pelaku dinamis VECM dapat dilihat dari respon dari setiap
variabel terikat terhadap shock pada variabel tersebut maupun terhadap variabel bebas lainnya. Ada dua cara untuk melihat karakteristik dinamis
VECM, yaitu melalui IRF impulse response function dan variance decomposition.
31
Shochrul R. Ajija, Dkk., “Cara Cerdas Menguasai Eviews”, Jakarta: Salemba Empat,
2011, h. 180
32
Shochrul R. Ajija, Dkk., “Cara Cerdas Menguasai Eviews”. h. 180
33
Damodar N.Gujarati, “Basic Econometric’s, 4
th
Edition ”, New York: Megraw-Hill, 2003,
h.853
1 Impulse response function IRF Analisis IRF dapat melacak respon dari variabel terikat di dalam
sistem VECM karena adanya shock dari variabel bebas pada persamaan variabel terikat dalam suatu system VECM. Misalnya variabel bebas
mengalami kenaikan sebesar x maka akan mempengaruhi variabel terikat untuk saat ini atau masa depan. Menurut Sims 1992 fungsi IRF
menggambarkan ekspektasi periode ke depan dari kesalahan prediksi suatu variabel akibat inovasi dari variabel yang lain. Sehingga lamanya
pengaruh shock pada suatu variabel terhadap variabel lain hingga pengaruhnya hilang atau kembali pada titik keseimbangan dapat dilihat.
34
2 Variance decomposition Disebut juga forecast error variance decomposition, merupakan
perangkat yang dapat menggambarkan relatif pentingnya variabel-variabel bebas pada model VECM karena shock dan menjelaskan seberapa kuat
peranan variabel tertentu terhadap variabel lainnya. Analisis ini dilaksanakan dengan cara pemisahan variasi dari sejumlah variabel yang
diestimasi menjadi komponen-komponen shock, dengan asumsi bahwa komponen-komponen tidak saling berkolerasi.
34
Shochrul R. Ajija, Dkk., “Cara Cerdas Menguasai Eviews” Jakarta: Salemba Empat,
2011, h. 168.
F. Kerangka Pemikiran Penelitian
