4.7.3 Penentuan Lag Optimal
Pengujian selanjutnya yaitu menentukan jumlah lag optimal yang akan digunakan dalam variabel yang akan dianalisis. Penentuan lag optimal yang
digunakan dengan beberapa pendekatan antara lain Likelihood Ratio LR, Final Prediction Error FPE, Akaike Information Criterion AIC, dan Schwarz
Criterion SC. Hasil pengujian lag optimal dapat dilihat pada Tabel 6 berikut.
Tabel 6. Penentuan Lag Optimal
Lag LogL
LR FPE
AIC SC
HQ
-113.5871 NA
0.011183 4.020246
4.126821 4.061759
1 -16.14339
181.4470 0.000530
0.970462 1.396760
1.136514 2
2.709548 33.15517 0.000378 0.630705 1.376728 0.921296 Berdasarkan hasil penentuan lag optimal di atas maka dapat dilihat bahwa
lag yang optimal berada pada lag ke dua. Hal ini diketahui dari semua kriteria memberikan panjang lag yang sama yaitu pada lag ke dua.
4.7.4 Uji Kointegrasi
Uji kointegrasi bertujuan untuk menentukan apakah variabel-variabel yang tidak stasioner mengalami kointegrasi atau tidak. Pengujian ini dilakukan dalam
rangka memperoleh hubungan jangka panjang antara variabel yang telah memenuhi persyaratan dalam proses integrasi dimana semua variabel telah
stasioner pada derajat yang sama yaitu first difference atau I0. Dalam penelitian ini untuk mengetahui keterkaitan jangka panjang antar komoditi diuji dengan
menggunakan uji kointegrasi Johansen. Dengan kriteria pengujian jika trace statistic lebih besar dari critical value, maka terjadi kointegrasi, sebaliknya jika
trace statistic lebih kecil dari critical value, maka tidak terkointegrasi. Hasil pengujian dapat dilihat pada Tabel 7.
Tabel 7. Uji Kointegrasi
Hypothesized No.of CE s
Eigen value Trace
Statistic 0.05 Critical
Value Prob
None 0.328122
24.95816 24.27596
0.0410 At Most 1
0.045937 2.688157
12.32090 0.8848
At Most 2 0.000977
0.054723 4.129906
0.8480 Berdasarkan hasil pengujian tersebut dapat diketahui bahwa terdapat satu
persamaan kointegrasi, karena hanya ada satu nilai trace statistic yang lebih besar
dari taraf nyata 5 persen. Adanya kointegrasi variabel terhadap variabel yang lain hal ini berarti terdapat hubungan jangka panjang diantara ABS Acrylonitrile
Butadiene Stryrene, PP Polypropilene, dan PS Polystyrene.
4.7.5 Estimasi VECM Vector Error Correction Model
Pengaruh suatu variabel yang terkointegrasi terhadap variabel lainnya dalam jangka panjang dapat dilihat dari analisis menggunakan metode Vector Error
Correction Model VECM. Interpretasi hasil dilakukan dengan melihat koefisien kointegrasinya dan pembacaan tanda adalah terbalik dari tanda koefisiennya.
Koefisien kointegrasi dikatakan signifikan jika mutlak nilai t-statistic lebih besar daripada nilai t-tabel yaitu 1,96.
Tabel 8. Estimasi VECM Vector Error Correction Model
Cointegrating Eq Cointegrating Eq1
ABS 1.000000
PP 0.930352
[1.95240] PS
2.870379 [2.59531]
Dari hasil estimasi VECM pada tabel di atas diketahui bahwa apabila penjualan PP meningkat satu persen maka akan menurunkan penjualan ABS
sebesar 0.93 persen. Sedangkan apabila penjualan PS meningkat satu persen, maka juga akan menurunkan penjualan ABS sebesar 2.87 persen.
4.7.6 Pengujian Stabilitas Model