Tabel 4.3. Uji Akar Unit pada First Difference
Negara Nilai ADF
Nilai Kritis MacKinnon Keterangan
1 5
10
Indonesia -3.861332
-3.445852 -2.868268 -2.570419 Stasioner
Malaysia -2.799174
-3.445928 -2.868302 -2.570437 Stasioner
Thailand -5.435319
-3.445481 -2.868105 -2.570332 Stasioner
Singapura -14.26980
-3.445338 -2.868042 -2.570298 Stasioner
Filipina -10.70369
-3.445409 -2.868073 -2.570315 Stasioner
Cina -10.15730
-3.445627 -2.868169 -2.570366 Stasioner
Korea Selatan -14.87241
-3.445338 -2.868042 -2.570298 Stasioner
Jepang -15.99288
-3.445338 -2.868042 -2.570298 Stasioner
Selandia Baru -22.47325
-3.445302 -2.868206 -2.570289 Stasioner
Australia -15.36790
-3.445338 -2.868042 -2.570298 Stasioner
US -7.081948
-3.445554 -2.868137 -2.570349 Stasioner
Keterangan: stasioner pada taraf nyata 1, 5, dan 10
stasioner pada taraf nyata 10
Berdasarkan Tabel 4.3 di atas, dapat diketahui bahwa pada first difference semua data yang digunakan dalam penelitian ini telah stasioner pada taraf 10
persen yang juga berarti tidak memiliki akar-akar unit lagi dan data yang digunakan terintegrasi pada ordo satu atau dapat disingkat menjadi I1.
Karena penggunaan data pada first difference dapat menghilangkan informasi pada jangka panjang maka untuk menganalisisnya akan digunakan data
level sehingga model VAR akan dikombinasikan dengan model koreksi kesalahan
menjadi VECM apabila data tersebut stasioner pada first difference dan terkointegrasi.
4.3. Penentuan
Lag Optimal
Penentuan lag optimum ini sangat penting dalam model VAR karena pengujian ini bertujuan untuk mengetahui besarnya lag dari variabel endogen
dalam sistem persamaan yang akan digunakan sebagai variabel eksogen Enders
dalam De Jong, 2005. Pengujian ini juga sangat berguna dalam mengatasi atau menghilangkan masalah autokorelasi yang sering terjadi pada data time series
sehingga setelah melakukan pengujian ini dan diperoleh lag yang optimal maka diharapkan masalah autokorelasi dalam sistem VAR dapat tidak muncul lagi.
Penentuan lag optimal yang digunakan dalam penelitian ini adalah berdasarkan informasi dengan menggunakan Akaike Information Criterion AIC
yang memiliki nilai terkecil. Dalam penelitian ini lag optimal yang dipilih adalah lag
tiga karena memiliki nilai AIC terkecil. Dalam persamaan VAR first differences
yang dilakukan terlihat bahwa lag dua yang memiliki nilai AIC lebih kecil akan tetapi karena lag optimal diperoleh dari model VAR first differences
maka nilai lag optimal ditambahkan satu karena estimasi yang akan dilakukan dalam persamaan VARVECM dalam waktu t bukan t-1. Hasil dari pengujian ini
dapat dilihat pada lampiran 1.
4.4. Pengujian Stabilitas VAR
Pengujian ini dilakukan karena jika hasil estimasi VAR yang akan dikombinasikan dengan model koreksi kesalahan yang tidak stabil, maka IRF
Impulse Response Function dan FEVD Forecasting Error Variance Decomposition
menjadi tidak valid Nugraha, 2006.
Untuk menguji kestabilan atau tidaknya estimasi VAR yang telah dibentuk maka dilakukan VAR stability condition check berupa roots of characteristic
polynomial . Sistem dikatakan stabil apabila seluruh roots-nya memiliki modulus
lebih kecil dari satu Lutkepohl dalam Eviews 6 User’s Guide, 2007. Berdasarkan
uji stabilitas VAR maka dapat diketahui bahwa estimasi VAR yang akan digunakan untuk analisis IRF dan FEVD stabil. Hasil pengujian ini dapat dilihat
pada lampiran 2.
4.5. Uji Kointegrasi