41 karena itu, dilakukan uji kointegrasi untuk mengetahui keberadaan hubungan
antar variabel. Kointegrasi adalah terdapatnya kombinasi linier antara variabel yang non stasioner yang memiliki hubungan jangka panjang pada ordo yang sama.
Uji yang dilakukan adalah trace test yaitu mengukur jumlah vektor kointegrasi dalam data dengan menggunakan pengujian pangkat matriks kointegrasi yang
dinyatakan sebagai berikut Enders 1995
trace
r = –T 1-
max
r, r+1 = –T ln 1-
r+1
dimana: = Nilai dugaan akar karakteristik eigenvalues yang didapatkan dari
estimasi matriks π
T = Jumlah observasi r = Pangkat yang mengindikasikan jumlah vektor kointegrasi
Rank kointegrasi r dari vektor adalah banyaknya vektor kointegrasi yang saling bebas. Jumlah hubungan kointegrasi r dapat dihitung dengan
menggunakan 2 uji statistik. Pada uji λ
trace
, H adalah jumlah vektor kointegrasi
yang hilang ≤ r sebagai alternatif umum. Jika λ
trace
λ
tabel
maka terima H yang
artinya kointegrasi terjadi pada rank r. Sementara pada uji λ
max
, Ho yaitu jumlah vektor kointegrasi = r adalah alternatif dari vektor kointegrasi r+1 Enders, 1995.
Jika tidak terdapat kointegrasi antar variabel maka digunakan model VARD VAR in difference dengan lag kelambanan p, sedangkan jika dalam
data yang diduga di model VAR terdapat kointegrasi maka model VAR yang digunakan adalah model VECM Vector Error Correction Model lag
kelambanan p rank r Widarjono, 2010.
4. Estimasi Model VAR
Estimasi model VAR dapat ditulis ke dalam bentuk persamaan sebagai berikut:
y
t
= µ + A
1
y
t-1
+ ... + A
p
y
t-p
+ ε
t
42 dimana y
t
adalah vektor nx1 dari variabel yang terintegrasi pada orde satu, umumnya dinotasikan I1 dan
ε
t
adalah nx1 vektor inovasi Hjalmarsson dan Par 2007. Pada penelitian ini n yang diteliti berjumlah 3 variabel.
Selanjutnya, dari hasil estimasi VAR, untuk melihat apakah variabel Y memengaruhi X dan demikian pula sebaliknya, hal ini dapat diketahui dengan
cara membandingkan nilai t-statistik hasil estimasi dengan nilai t-tabel. Jika nilai t-statistik lebih besar daripada t-tabelnya, maka dapat dikatakan bahwa variabel
Y memengaruhi X. Model VAR dapat disusun setelah variabel-variabel dilihat
kestasionerannya, kointegrasi, kelambanan, dan kecocokan variabel untuk dimasukkan ke dalam model. Berdasarkan penjelasan dari model VAR yang
dilakukan oleh Widarjono 2010 dan Enders 1995, dapat diasumsikan model VAR kelambanan satu yang akan digunakan dalam peramalan harga biji kakao
adalah sebagai berikut : =
+ +
dengan: IND
= Harga kakao bursa komoditi Indonesia NYBOT = Harga kakao bursa komoditi New York
LIFFE = Harga kakao bursa komoditi London
Jika terdapat kointegrasi pada data yang dicek kestasionerannya maka model yang digunakan adalah model VECM Vector Error Correction Model lag
p rank r. Model VECM dapat dituliskan sebagai berikut Hjalmarsson dan Par 2007.
Δy
t
= µ + Π y
t-1
+ Δy
t-i
+ ε
t
Dimana Π =
– I dan Γ
i =
– Jika koefisien matriks
Π mengurangi rank r n, maka terdapat matriks nxr dimasing-masing
α dan dengan rank r sehingga Π = α dan y
t
yang stasioner. r adalah jumlah hubungan kointegrasi, maka elemen
α dikenal sebagai
43 parameter penyesuaian dalam Vector Error Correction Model VECM dan setiap
kolom adalah vektor kointegrasi.
5. Fungsi Respon Impuls Impulse Response Function
Penggunaan impulse response merupakan analisis yang penting di dalam
model VAR karena di dalam model VAR secara individual koefisien sulit diinterpretasikan. IRF dapat mengidentifikasi suatu guncangan pada variabel itu
sendiri dan variabel endogen lainnya sehingga dapat menentukan bagaimana suatu perubahan dalam variabel mempengaruhi variabel lainnya. Analisis ini dapat
melacak respon dari variabel endogen di dalam sistem VAR karena adanya shock atau perubahan di dalam variabel error Widarjono 2010.
Sims 1980 menjelaskan bahwa fungsi Impulse Response Function IRF menggambarkan ekspektasi k-periode ke depan dari kesalahan prediksi suatu
variabel inovasi dari variabel yang lain. Dengan demikian, lamanya pengaruh dari shock suatu variabel terhadap variabel lain sampai pengaruhnya hilang atau
kembali ke titik keseimbangan dapat dilihat atau diketahui. Analisis IRF dilakukan dengan menyederhanakan bentuk SVAR ke dalam
bentuk Vector Moving Average VMA sebagai berikut: x
t
= + i e
1-i
Metode IRF digunakan untuk menentukan respon suatu variabel endogen terhadap suatu shock tertentu karena sebenarnya shock variabel tidak hanya
berpengaruh terhadap variabel itu sendiri tetapi ditransmisikan kepada semua variabel endogen lainnya melalui struktur dinamis atau struktur selang dalam
VAR. Dengan kata lain IRF mengukur pengaruh suatu shock pada suatu waktu kepada inovasi variabel endogen pada saat tersebut dan dimasa yang akan datang.
6. Dekomposisi Ragam Variance Decomposition
