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