Uji Kointegrasi Estimasi VECM Vector Error Correction Model

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