Uji Lag Optimal Uji Stabilitas VAR

Tabel 4.2 Uji Akar Unit Pada Tingkat Diferensiasi Pertama Variabel Nilai ADF Nilai Kritis Mc Kinnon Keterangan 1 5 10 G -6.616552 -4.374307 -3.603202 -3.238054 Stasioner GW -6.494443 -3.711457 -2.981038 -2.629906 Stasioner INV -4.703183 -3.711457 -2.981038 -2.629906 Stasioner ER -5.314595 -3.711457 -2.981038 -2.629906 Stasioner INF -6.284779 -3.724070 -2.986225 -2.632604 Stasioner TR -6.284779 -3.711457 -2.981038 -2.629906 Stasioner NE -5.922290 -3.724070 -2.986225 -2.632604 Stasioner Sumber: data diolah Berdasarkan hasil uji akar-akar unit pada tabel 4.2, diketahui bahwa seluruh data telah stasioner. Dengan kata lain bahwa seluruh variabel stasioner pada tingkat diferensiasi pertama first diffrence. Hal itu dapat diketahui karena nilai ADF lebih kecil dari nilai Mc Kinnon.

4.1.2. Uji Lag Optimal

Langkah penting yang harus dilakukan dalam menggunakan model VAR adalah penentuan jumlah lag optimal yang digunakan dalam model. Penentuan lag optimal merupakan tahap penting karena variabel independen yang digunakan adalah lag dari variabel dependen dan juga variabel independennya. Selain hal tersebut penentuan lag optimal penting karena berkaitan dengan keakuratan informasi yang dihasilkan oleh estimasi model VAR. Pengujian panjang lag yang optimal dapat memanfaatkan beberapa informasi yaitu dengan menggunakan Akaike Information Criterion AIC, Schwarz Criterion SC dan Hanan-Quinn Criterion HQ. Tabel 4.3 Hasil Uji Lag Optimal Lag LR FPE AIC SC HQ NA 0.074544 17.26850 17.60722 17.36604 1 246.3622 4.24e-06 7.350941 10.06069 8.131250 2 61.93655 1.77e-06 5.489577 10.57035 6.952656 Sumber: data diolah Tabel 4.3 memperlihatkan hasil tingkat lag optimal berdasarkan berbagai kriteria. Dalam tabel tersebut menunjukkan bahwa nilai SC pada lag 1 merupakan yang terkecil atau minimum, sehingga lag optimal untuk variabel-variabel yang ingin diestimasi adalah satu.

4.1.3. Uji Stabilitas VAR

Sebelum analisis berupa proses innovation accounting dilaksanakan, dilakukan terlebih dahulu pengujian stabilitas terhadap data. Sistem VAR pada lag optimal harus stabil. Hal ini merupakan syarat yang harus dipenuhi oleh model dinamik seperti VAR. Sistem VAR yang tidak stabil akan membuat hasil Impulse Response Function IRF dan Forecast Error Variance Decomposition FEVD tidak valid. Uji stabilitas berdasarkan modulus atau unit lingkaran akan diterapkan untuk menentukan apakah sistem VAR tersebut stabil pada lag optimal. Stabilitas sistem VAR dikatakan stabil jika seluruh akar unitnya memiliki modulus lebih kecil dari satu dan semuanya terletak didalam unit lingkaran. Tabel 4.4 Hasil Uji Stabilitas VAR Root Modulus 0.949791 0.949791 0.674162 – 0.294734i 0.735774 0.674162 + 0.294734i 0.735774 0.679999 0.679999 -0.251726 – 0.260855i 0.362507 -0.251726 + 0.260855i 0.362507 0.143282 0.143282 Sumber: data diolah Tabel 4.4 memperlihatkan bahwa model VAR yang digunakan dalam penelitian ini stabil pada lag optimalnya, yaitu pada lag satu karena nilai modulus dari seluruh roots memiliki nilai kurang dari satu. Dengan demikian peramalan menggunakan Impulse Response Function IRF dan Forever Error Variance Decomposition FEVD yang akan dihasilkan dianggap valid.

4.1.4. Uji Kausalitas Granger