Pengujian Pra-Estimasi .1 Uji Stasioneritas Data

domestik dan pasar internasional dapat menjadi pendorong terus meningkatnya impor beras. Sumber : BPS, FAO diolah Gambar 11 Perkembangan harga beras dunia, harga beras impor, dan harga beras domestik periode 1969-2011 5 ANALISIS GUNCANGAN HARGA MINYAK MENTAH DUNIA TERHADAP HARGA BERAS DOMESTIK 5.1 Pengujian Pra-Estimasi 5.1.1 Uji Stasioneritas Data Metode pengujian yang digunakan untuk melakukan uji stasioneritas data adalah uji ADF Augmenteed Dicky Fuller dengan menggunakan taraf nyata lima persen. Jika nilai t-ADF lebih kecil dari nilai kritis MacKinnon, maka dapat disimpulkan data yang digunakan adalah stasioner tidak mengandung akar unit. Pengujian akar-akar unit ini dilakukan pada tingkat level sampai dengan first difference . Hasil uji stasioneritas data dapat dilihat pada Tabel 4. Tabel 4 Hasil pengujian akar unit Variabel Nilai ADF Nilai Kritis MacKinnon 5 Level 1 st Difference Level 1 st Difference HBDom - 2.13 - 5.67 - 2.93 - 2.94 HMMD - 2.09 - 5.69 - 2.93 - 2.94 PB - 1.62 - 6.55 -2.93 - 2.94 HBD - 10.01 - 7.95 -2.93 - 2.94 HBI - 1.51 - 6.12 -2.93 - 2.94 NT - 0.35 - 5.74 - 2.93 - 2.94 TFP -7.79 -8.56 -2.93 - 2.94 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000 1969 1971 1973 1975 1977 1979 1981 1983 1985 1987 1989 1991 1993 1995 1997 1999 2001 2003 2005 2007 2009 2011 Rpkg HBD HBI HBDom Sumber : Lampiran 1 dan 2 Hasil pengujian akar unit pada level menunjukkan bahwa semua variabel belum stasioner pada taraf nyata yang digunakan yaitu lima persen. Hanya variabel harga beras dunia yang stasioner pada uji unit root tingkat level. Penelitian yang menggunakan data yang belum stasioner akan menghasilkan regresi lancung spurious regression. Regresi lancung adalah regresi yang menggambarkan hubungan antara dua variabel atau lebih yang nampak signifikan secara statistik tapi kenyataannya tidak atau tidak sebesar yang nampak dari regresi yang dihasilkan. Akibatnya terjadi misleading dalam penelitian terhadap suatu fenomena ekonomi yang sedang terjadi. Oleh karena itu, pengujian akar unit dilanjutkan dengan melakukan uji akar unit pada tingkat first difference. Setelah dilakukan pengujian akar unit ke tingkat first difference, semua variabel telah stasioner pada derajat yang sama, yaitu derajat integrasi satu I1. Penggunaan data first difference memiliki kekurangan yaitu akan menghilangkan informasi jangka panjang. Oleh karena itu untuk menganalisis informasi jangka panjang akan digunakan data level sehingga model VAR akan dikombinasikan dengan model koreksi kesalahan error correction model menjadi VECM.

5.1.2 Penentuan Selang Optimal

Langkah selanjutnya untuk mengestimasi model VAR, harus terlebih dahulu menentukan lag optimal yang akan digunakan dalam estimasi VAR. Penetapan lag optimal penting dilakukan karena dalam metode VAR, lag optimal dari variabel endogen merupakan variabel independen yang digunakan dalam model. Pengujian panjang lag optimal ini sangat berguna untuk menghilangkan masalah autokorelasi dalam sistem VAR yang digunakan sebagai analisis stabilitas VAR. Sehingga dengan digunakannya lag optimal diharapkan tidak muncul lagi masalah autokorelasi. Panjang lag optimal akan dicari dengan menggunakan kriteria informasi yang tersedia. Kandidat lag yang terpilih adalah panjang lag menurut kriteria Likehood Ratio LR, Final Prediction Error FPE, Akaike Information Crition AIC, Schwarz Information Crition SC, dan Hannan-Quin Crition HQ. Penentuan lag optimal dalam penelitian ini berdasarkan kriteria sequential modified LR test statistik LR. Tabel 5 Hasil pengujian lag optimal Lag LogL LR FPE AIC SC HQ -1233.55 NA 3.30e+18 65.34 65.69 65.47 1 -1177.65 85.32 5.44e+18 65.77 68.87 66.87 2 -1071.52 117.30 9.50e+17 63.55 69.41 65.64 3 -953.54 80.72 2.62e+17 60.71 69.33 63.78 4 -1233.55 NA 3.30e+18 65.34 65.69 65.47 Sumber : Lampiran 3 Keterangan : optimum lag pada lag ke-2 Pada Tabel 5 dapat dilihat bahwa untuk model Guncangan Harga Minyak Mentah Dunia terhadap Harga Beras Domestik berdasarkan kriteria informasi yang tersedia yaitu dalam hal ini sequential modified LR test statistik LR, maka lag yang optimum adalah pada lag ke-2. Implikasinya dari sisi ekonomi, penggunaan lag 2 sebagai lag optimal artinya semua variabel yang ada dalam