LR, Final Prediction Error FPE, Akaike Information Criterion AIC, dan Schwarz Criterion SC. Model yang baik adalah model
yang mampu memberikan tingkat residual atau error yang paling kecil. Model dengan nilai AIC atau SC terkecil dipilih sebagai model terbaik
dengan panjang lag yang cukup efisien. Hasil pengujian lag optimum dapat dilihat pada Tabel 5 dan secara lengkap dapat dilihat pada
Lampiran 11. Terlihat pada Tabel 5, hanya AIC yang menentukan panjang lag
yang berbeda, sedangkan LR, FPE, SC, dan HQ menentukan panjang lag yang sama yaitu pada lag satu. Karena empat kriteria memberikan
hasil yang sama, maka dipilih panjang lag satu. Penelitian ini panjang lag optimum berada pada lag satu, ini akan menentukan lag yang
berpengaruh pada perhitungan peramalan.
Tabel 5. Hasil Uji Lag Optimum
4.2.4 Uji Kointegrasi
Uji kointegrasi dilakukan karena data yang digunakan berfluktuasi dengan asumsi data tidak stasioner dan menentukan apakah
mengalami kointegrasi atau tidak. Proses kointegrasi ini memberikan informasi mengenai hubungan jangka panjang yang ada dengan
menggunakan data deret waktu yang tidak stasioner. Dua variabel atau lebih yang tidak stasioner sebelum dilakukan pembedaan tetapi
stasioner setelah dilakukan pembedaan pada tingkat pertama, maka besar kemungkinan terdapat hubungan jangka panjang diantara variabel
atau peubah tersebut pada penelitian ini dalam 50 periode ke depan yang diteliti. Namun, proses pembedaan ini justru akan menghilangkan
hubungan jangka panjang yang mungkin terdapat dalam variabel- variabel atau peubah deret waktu yang diteliti dan hanya memberikan
Lag LogL
LR FPE
AIC SC
HQ -5.908.071
NA 8.58e+16
47.50457 47.65083
47.54514
1 -5.577.490
55.53762 1.26e+16
45.57992 46.16498
45.74219 2
-5.484.960 13.32428
1.29e+16 45.55968
46.58354 45.84366
3 -5.408.992
9.116235 1.58e+16
45.67193 47.13458
46.07761
4 -5.330.136
7.570129 2.10e+16
45.76109 47.66254
46.28847
5 -5.203.176
9.141139 2.27e+16
45.46541 47.80565
46.11449
hubungan jangka pendek deret waktu tersebut. Langkah selanjutnya, untuk mengetahui keterkaitan jangka panjang antar variabel-variabel
atau peubah permintaan, maka dilakukan analisis dengan menggunakan uji kointegrasi Johansen. Variabel-variabel yang akan diuji harus
merupakan variabel yang stasioner pada derajat yang sama. Hasilnya jika nilai Trace Statistic lebih kecil dibandingkan dengan nilai Critical
Value maka variabel-variabel tidak terkointegrasi, sebaliknya jika nilai Trace Statistic-nya lebih besar dibandingkan dengan nilai Critical
Value maka variabel-variabel terkointegrasi. Hasil uji kointegrasi dapat dilihat pada Tabel 6 berikut.
Tabel 6. Hasil Uji Kointegrasi
Hypothesized Eigenvalue
Trace 0.05
Prob. No. of CEs
Statistic Critical Value
None
0.981953 114.4954
29.79707 0.0000
At most 1 0.384318
18.14015 15.49471
0.0195
At most 2 0.237242
6.499555 3.841466
0.0108
Trace test indicates 3 cointegrating eqns at the 0.05 level
Tabel 6 di atas menunjukkan bahwa terdapat variabel-variabel atau peubah yang terindikasi terkointegrasi pada derajat kepercayaan 5
persen. Adanya kointegrasi variabel terhadap variabel lain, hal ini menandakan bahwa terdapat hubungan jangka panjang diantara
komoditas sayuran kembang kol, lettuce head, dan tomat beef dalam penelitian ini. Hasil uji kointegrasi secara lengkap dapat dilihat pada
Lampiran 12.
4.2.5 Estimasi VECM Vector Error Correction Model
