Uji Stabilitas VAR Uji Kointegrasi

adjusted R 2 terbesar. Dari uji coba yang telah dilakukan, maka kandidat lag yang dipilih adalah lag 1.

4.2.1.3. Hasil Estimasi VAR

Uji lag optimal telah dilakukan, selanjutnya dapat ditulis persamaan umum model VAR dari inflasi. Model ini nantinya akan digunakan untuk melihat stabilitas modelnya, sehingga dapat dilakukan langkah selanjutnya, yaitu estimasi dengan menggunakan model VECM dikarenakan data yang tersedia tidak stasioner pada first different. Model VAR dituliskan sebagai berikut: INFLASI t = ∑ 1 �=1 LN_KURS t-1 + ∑ 1 �=1 LN_OILPRICE t-1 + ∑ 1 �=1 LN_FPI t-1 + ∑ � 1 �=1 M2GROWTH t-1 + ∑ 1 �=1 LN_PDB t-1 + ∑ 1 �=1 SB t-1 + ∑ 1 �=1 LN_G t-1 + ∑ � 1 �=1 DUMMY t-1 + ∑ � 1 �=1 INFLASI t-1 + ε t 5.1 Dimana: INFLASI : Inflasi LN_KURS : Logaritma natural dari data nilai tukar LN_OILPRICE : Logaritma natural dari data harga minyak dunia LN_FPI : Logaritma natural dari data indeks harga pangan dunia M2GROWTH : Pertumbuhan uang beredar LN_PDB : Logaritma natural dari data PDB SB : Suku Bunga LN_G :Logaritma natural dari data konsumsi pengeluaran pemerintah DUMMY : Dummy Inflation Targeting Framework

4.2.1.4. Uji Stabilitas VAR

Langkah berikutnya adalah menguji stabilitas VAR atau VAR stability condition check . Uji stabilitas VAR dilakukan dengan menghitung akar-akar dari fungsi polinomial atau dikenal dengan roots of characteristic polynomial. Jika semua akar dari fungsi polinomial tersebut berada di dalam unit circle atau jika nilai absolutnya kurang dari 1 maka model VAR tersebut dianggap stabil. Tabel 4.7. Hasil Uji Stabilitas VAR Root Modulus 0.998355 0.998355 0.946785 - 0.072246i 0.949538 0.946785 + 0.072246i 0.949538 0.881473 - 0.034562i 0.882150 0.881473 + 0.034562i 0.882150 0.776053 - 0.162206i 0.792824 0.776053 + 0.162206i 0.792824 -0.046103 - 0.165155i 0.171469 -0.046103 + 0.165155i 0.171469 Berdasarkan Tabel 4.7, seluruh variabel memiliki modulus lebih kecil dari satu. Dengan demikian dapat disimpulkan bahwa sistem VAR stabil. Sehingga peramalan menggunakan IRF Impulse Response Function dan FEVD Forecast Error Variance Decompotition yang akan dihasilkan dianggap valid. Selanjutnya, mengingat hasil pengujian kestasioneran data didapatkan hasil bahwa tidak semua data stasioner di tingkat level, maka diperlukan uji kointegrasi. Uji ini dilakukan untuk mengetahui penggunaan data deret waktu menggunakan estimasi VAR first differences atau dengan VECM.

4.2.1.5. Uji Kointegrasi

Berdasarkan hasil pengujian kestasioneran data menunjukkan bahwa tidak semua data stasioner di tingkat level. Data yang stasioner pada first differences kemungkinan besar menggunakan VAR first difference atau VECM. Oleh karena itu, perlu dilakukan uji kointegrasi. Uji kointegrasi dilakukan untuk mendeteksi hubungan jangka panjang antar variabel. Uji ini dilakukan dengan menggunakan Johansen Trace Statistic test. Terdapat lima asumsi deterministic trend dalam uji kointegrasi dan untuk menentukan pilihan trend yang akan dipakai bisa dilihat dari hasil summary, serta pilihan lag yang digunakan adalah lag optimal. Berdasarkan hasil summary dapat dilihat bahwa deterministic trend yang tersedia untuk pilihan ini adalah no intercept or trend 1 yang didasarkan pada adanya tanda bintang pada uji kointegrasi tersebut. Sehingga, untuk penelitian ini akan digunakan pilihan trend yang model 1 yaitu no intercept or trend. Setelah mengetahui pilihan trend yang akan digunakan dan lag optimal yang akan dipakai, selanjutnya akan dilakukan kointegrasi. Hasil uji tersebut disajikan dalam tabel 4.8. Tabel 4.8. Hasil Uji Kointegrasi Johansen Trace Statistic test Hypothesized No. of CEs Eigenvalue Trace Statistic 0.05 Critical Value Prob. None 0.586665 354.4541 179.5098 0.0000 At most 1 0.488002 228.9975 143.6691 0.0000 At most 2 0.342544 133.9377 111.7805 0.0009 At most 3 0.162245 74.38611 83.93712 0.2013 At most 4 0.118310 49.24800 60.06141 0.2908 At most 5 0.093634 31.36802 40.17493 0.2871 At most 6 0.067860 17.40768 24.27596 0.2859 At most 7 0.048978 7.428984 12.32090 0.2844 At most 8 0.002096 0.297970 4.129906 0.6466 Catatan: tanda asterik menunjukkan adanya kointegrasi pada taraf nyata 5 persen Hasil uji kointegrasi dengan menggunakan Johansen Trace Statistic test menunjukkan bahwa, pada pengujian menggunakan model no intercept no trend dan lag optimal 1 terdapat tiga persamaan kointegrasi pada taraf 5 persen. Artinya, terdapat tiga persamaan linear jangka panjang yang dikandung oleh model. Hal ini diperoleh dengan, membandingkan estimasi Trace Statistic terhadap nilai kritisnya critical value, dimana dalam taraf 5 persen ada tiga persamaan yang nilai critical value lebih kecil dibandingkan dengan Trace Statistic nya. Dengan adanya kointegrasi, hasil estimasi selanjutnya menggunakan model VECM.

4.2.2. Hasil Estimasi VECM