Keadaan Sosial Ekonomi Penduduk

40 dimana struktur pasar ayam broiler di Jabodetabek menghadapi struktur pasar oligopoli. 6.2 Analisis Transmisi Harga Horisontal 6.2.1 Uji Stationeritas Data Pengujian unit akar atau unit root test dilakukan pada data time series untuk melihat apakah data sudah stasioner atau tidak. Hal ini dilakukan untuk menghindari adanya regresi lancung atau spurious. Uji stationer merupakan hal yang penting dalam menganalisis apakah ada tidaknya akar unit yang terkandung dalam variabel sehingga hubungan antara variabel menjadi valid. Adanya kestationeritas dalam data dapat diukur dengan beberapa cara, salah satu nya adalah dengan menggunakan uji augmented dickey fuller ADF. Ke stasioneran data dapat dilihat dari nilai probabilitasnya yang kurang dari 1 , 5 atau 10 Luthfiandy, 2011, jika pada tingkat level data sudah stasioner maka dapat lansung dianalis dengan pendekatan VAR, jika tidak maka dilakukan pengujian pada tingkat first difference. Hasil pengujian akar tingkat level dan first diffrence dapat dilihat pada tabel empat. Dari tabel dapat dilihat bahwa pada tingkat level nilai-p ke empat variabel nilai-p alpha 5 sehingga tidak statisioner pada tingkat level. Hal ini mengindikasikan bahwa seluruh variabel yang digunakan tidak stasioner pada tingkat level. Oleh karena itu maka dilanjutkan uji ADF pada tingkat first difference hingga data yang digunakan menjadi stationer. Uji ADF pada tingkat first difference didapat bahwa ke empat variabel nilai-p alpha 5 maka stasioner pada first difference, sehingga dapat disimpulkan bahwa variabel-variabel yang ada stasioner pada first difference. 41 Tabel 3. Hasil pengujian akar tingkat level dan first difference Variabel Level First difference T statistik probabilitas T statistik probabilitas Cibinong -0.756617 0.8189 -4.415648 0.0013 Citereup -2.796657 0.0690 -7.843715 0.0000 Jasinga -2.411591 0.1460 -7.677574 0.0000 Leuwiliang -1.128967 0.6932 -5.626424 0.0000 Keterangan: signifikan pada taraf nyata 5 signifikan pada taraf nyata 5

6.2.2 Penentuan Lag Optimal

Penentuan lag optimal diperlukan dalam penggunaan metode VAR. Penentuan lag optimal sangat penting dalam pendekatan VAR karena lag dari variabel endogen dalam sistem persamaan akan digunakan sebagai variabel eksogen. Pengujian panjang lag optimal ini sangat berguna untuk menghilangkan masalah autokorelasi dalam sistem VAR. Tabel 4. Hasil pengujian lag optimal Keterangan : lag optimal Semakin panjang lag yang digunakan akan mengurangi derajat bebas dan jumlah observasi. Sedangkan lag yang terlalu pendek akan memberikan spesifikasi yang keliru. Untuk menetapkan lag yang optimal digunakan nilai dari Akaike Information Criteria AIC, Schwarz Criteria SC dan Hannan-Quinn Information Criteria HQ. Hasil pengujian lag optimal dapat dilihat pada tabel empat. Dengan demikian maka lag tiga dipilih untuk digunakan dalam model VAR.

6.2.3 Uji Stabillitas VAR

Uji stabilitas data dilakukan untuk melihat apakah model yang digunakan stabil atau tidak. Sebelum menganalisis perlu dilakukan uji stabilitas data agar estimasi VAR yang digunakan menjadi baik dan Lag LogL LR FPE AIC SC HQ 199.2409 NA 8.54e-11 -11.83278 -11.65139 -11.77175 1 266.8725 114.7688 3.77e-12 -14.96197 -14.05500 -14.65680 2 287.1565 29.50400 3.05e-12 -15.22161 -13.58905 -14.67230 3 321.1552 41.21047 1.16e-12 -16.31243 -13.95430 -15.51899