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