Langkah Uji Kointegrasi Johansen pada Eviews: Syarat Mutlak Sebelum Membentuk VECM

Dalam pemodelan ekonometrika sistem multivariat, para peneliti sering kali terburu-buru melakukan estimasi *Vector Error Correction Model* (VECM) tanpa menjalankan **Langkah Uji Kointegrasi Johansen pada Eviews** secara benar. Kelalaian mendasar ini sering memicu munculnya pesan kesalahan sistem di EViews seperti "VEC estimate requires at least 1 cointegrating equation", kegagalan konvergensi estimasi, atau dikeluarkannya nilai koefisien *Error Correction Term* (ECT) yang tidak valid, yakni bernilai positif atau melebihi angka satu. Gejala-gejala tersebut menandakan bahwa spesifikasi model yang dipaksakan mengalami cacat struktur karena hubungan jangka panjang antar variabel belum terverifikasi secara statistik.

Kegagalan estimasi VECM akibat mengabaikan prosedur pengujian kointegrasi Johansen ber dampak fatal terhadap validitas penafsiran ekonomis. Tanpa adanya bukti kointegrasi yang sah, pembentukan vektor penyesuaian jangka pendek dalam VECM akan menghasilkan estimasi parameter yang bias dan regresi palsu (*spurious regression*). Akibatnya, fungsi respons impuls (*Impulse Response Function*) serta varians dekomposisi (*Variance Decomposition*) yang dihasilkan EViews menjadi tidak stabil, merusak seluruh dasar pengambilan keputusan akademis maupun analisis kebijakan yang dibangun dalam penelitian.

Konsep Teori Kointegrasi Johansen dan Fondasi VECM

Konsep kointegrasi pertama kali digagas oleh Engle dan Granger (1987) untuk menjelaskan kondisi di mana dua atau lebih variabel non-stasioner pada tingkat level I(0), tetapi memiliki kombinasi linear yang bersifat stasioner. Keberadaan kombinasi linear yang stasioner ini mengindikasikan adanya hubungan keseimbangan jangka panjang (*long-run equilibrium*) yang mengikat variabel-variabel tersebut, meskipun dalam jangka pendek mereka mengalami fluktuasi secara individual.

Pengujian kointegrasi dua tahap Engle-Granger memiliki keterbatasan utama ketika diterapkan pada sistem multivariat, karena hanya mampu mengidentifikasi satu vektor kointegrasi. Untuk mengatasi masalah tersebut, Johansen (1988) serta Johansen dan Juselius (1990) mengembangkan metode pengujian berbasis *Maximum Likelihood* dalam kerangka *Vector Autoregression* (VAR). Pembaca yang ingin mendalami konsep dasar dan teori uji kointegrasi dapat mempelajari landasan matematisnya secara detail di www.statistikian.com.

Metode Johansen menguji matriks dampak jangka panjang dalam sistem VAR untuk menentukan jumlah vektor kointegrasi yang independen, yang dilambangkan dengan nilai rank. Johansen (1995) menegaskan bahwa jika rank matriks bernilai nol, maka tidak terdapat kointegrasi antar variabel. Jika rank bersifat penuh, maka seluruh variabel sebenarnya sudah stasioner pada level I(0). VECM hanya dapat dibentuk apabila nilai rank berada di antara nol dan jumlah total variabel dalam sistem.

Prosedur Johansen menyediakan dua statistik uji utama, yaitu statistik *Trace* (*Trace Statistic*) dan statistik *Maximum Eigenvalue* (*Max-Eigen Statistic*). Kedua statistik ini digunakan untuk menguji hipotesis nol mengenai jumlah vektor kointegrasi. Penentuan pilihan asumsi trend deterministik (apabila memasukkan konstanta atau trend linear) juga memegang peranan krusial dalam menghasilkan nilai kritis yang tepat pada EViews (Juselius, 2006).

Prosedur Teknis Eksekusi Uji Kointegrasi Johansen di EViews

Guna memastikan pengujian kointegrasi Johansen berjalan valid dan memenuhi kaidah ekonometrika, lakukan langkah-langkah teknis berikut secara runtut di EViews:

Langkah 1: Verifikasi Syarat Stasioneritas Data I(1)
Pastikan seluruh variabel yang diuji bersifat tidak stasioner pada tingkat level I(0), namun menjadi stasioner pada diferensiasi pertama atau I(1) melalui uji *Augmented Dickey-Fuller* (ADF) atau *Phillips-Perron* (PP).

Langkah 2: Penentuan Lag Optimal Model VAR Unrestricted
Estimasi model VAR dalam bentuk level terlebih dahulu untuk menentukan panjang lag optimal berdasarkan kriteria informasi terkecil seperti *Akaike Information Criterion* (AIC) atau *Schwarz Criterion* (SC):

EViews Menu: Quick -> Estimate VAR -> VAR Type: Unrestricted VAR -> Endogenous Variables: Y X1 X2 -> Lag Intervals: 1 2
View -> Lag Structure -> Lag Length Criteria
    

Langkah 3: Pembentukan Objek VAR Level di EViews
Buka jendela model VAR Unrestricted yang telah dipasang dengan lag optimal hasil dari Langkah 2.

Langkah 4: Mengakses Menu Johansen Cointegration Test
Pada jendela spesifikasi VAR di EViews, klik menu navigasi utama berikut:

View -> Cointegration Test -> Johansen System Cointegration Test...
    

Langkah 5: Pemilihan Asumsi Trend Deterministik (Deterministic Trend Spec)
Pilih opsi asumsi komponen deterministik yang sesuai dengan karakteristik data ekonomi. Opsi standar yang paling sering digunakan dalam data makroekonomi adalah **Case 3** (*Allow for linear deterministic trend in data - Intercept in CE and VAR*) atau **Case 4** (*Intercept and trend in CE, No trend in VAR*).

Langkah 6: Pengaturan Lag Interval untuk Uji Johansen
Isi kolom *Lag Intervals in First Differences*. Perlu diingat bahwa panjang lag pada pengujian Johansen diisi sebesar lag optimal VAR dikurangi satu (p - 1). Jika lag optimal VAR adalah 2, maka masukkan interval lag `1 1` di EViews.

Langkah 7: Evaluasi Output Trace Statistic dan Max-Eigenvalue
Periksa tabel statistik *Trace* dan *Maximum Eigenvalue*. Bandingkan nilai statistik uji dengan nilai kritis (*Critical Value*) pada tingkat signifikansi 5 persen, atau langsung amati kolom p-value (*Prob.*).

Langkah 8: Keputusan Penentuan Rank Kointegrasi (r)
Tentukan jumlah vektor kointegrasi. Jika p-value pada baris *None* < 0.05, tolak hipotesis nol (r = 0), yang mengindikasikan adanya minimal satu kointegrasi. Lanjutkan pemeriksaan ke baris *At most 1* hingga memperoleh p-value > 0.05.

Langkah 9: Transisi Pemilihan Model Akhir (VECM vs VAR Diff)
Jika terbukti terdapat kointegrasi (r >= 1), lanjutkan estimasi ke model **VECM**. Jika terbukti tidak ada kointegrasi (r = 0), batalkan pembentukan VECM dan beralihlah ke model **VAR First Difference**.

Pembahasan Ilmiah: Justifikasi Ekonometrika dan Pengujian Lanjutan

Rationale ekonometrika di balik penerapan uji Johansen sebagai prasyarat VECM berakar pada prinsip keterikatan stasioneritas jangka panjang. Ketika sekumpulan variabel bersifat I(1), pergerakan masing-masing data didominasi oleh komponen *random walk*. Namun, jika terdapat kombinasi linear antar variabel yang bersifat I(0), hal tersebut membuktikan bahwa guncangan yang memisahkan hubungan antar variabel hanya bersifat sementara (*transitory*) dan variabel akan kembali menuju titik keseimbangannya (Lütkepohl, 2005).

Dalam membaca hasil estimasi di EViews, peneliti kerap menjumpai perbedaan konfirmasi antara statistik *Trace* dan statistik *Maximum Eigenvalue*. Cheung dan Lai (1993) menjelaskan bahwa statistik *Trace* cenderung lebih tangguh (*robust*) terhadap penyimpangan skewness dan kurtosis pada distribusi residu. Oleh karena itu, jika terjadi pertentangan kesimpulan antara kedua statistik tersebut, statistik *Trace* disarankan untuk dijadikan acuan utama dalam menentukan rank kointegrasi.

Penetapan panjang lag pada uji kointegrasi Johansen berperan sangat vital. Gonzalo (1994) menggarisbawahi bahwa penentuan lag yang terlalu pendek akan memicu autokorelasi pada residu, sehingga menghasilkan kesimpulan kointegrasi palsu. Sebaliknya, penentuan lag yang terlalu panjang akan mengurangi derajat kebebasan (*degree of freedom*) dan menurunkan daya uji statistik (*power of test*). Pemilihan lag berdasarkan kriteria AIC atau SC dari model VAR Unrestricted merupakan pendekatan terbaik.

Setelah keberadaan kointegrasi terkonfirmasi dan model VECM diestimasi di EViews, parameter kointegrasi disajikan dalam bentuk persamaan yang ternormalisasi. Sesuai dengan formulasi matematis Johansen (1995), tanda koefisien variabel bebas pada persamaan kointegrasi jangka panjang EViews mengalami pembalikan tanda (*reverse sign*). Peneliti wajib membalikkan tanda koefisien tersebut saat melakukan penafsiran ekonomis jangka panjang.

Indikator kunci keberhasilan estimasi VECM terletak pada koefisien *Error Correction Term* (ECT). Koefisien ECT mengukur kecepatan penyesuaian (*speed of adjustment*) dari ketidakseimbangan jangka pendek menuju keseimbangan jangka panjang. Koefisien ECT wajib bernilai negatif dan signifikan secara statistik pada tingkat signifikansi yang dipilih (misalnya p-value < 0.05). Nilai ECT yang positif mengindikasikan bahwa sistem bergerak menjauhi titik keseimbangan (*divergent*), yang menandakan adanya kesalahan spesifikasi pada model.

Tahap pasca-estimasi VECM memerlukan verifikasi kelayakan statistik melalui uji diagnostik residu. Uji yang wajib dilakukan meliputi uji autokorelasi residu (*VEC Residual Serial Correlation LM Tests*), uji normalitas residu multivariat (*VEC Residual Normality Tests*), serta uji homoskedastisitas (*VEC Residual Heteroskedasticity Tests*). Keberadaan patahan struktural (*structural break*) pada data jangka panjang juga perlu diantisipasi dengan memasukkan variabel dummy eksogen jika diperlukan.

Melalui pemahaman yang utuh terhadap algoritma pengujian kointegrasi Johansen ini, peneliti dapat menghindari kesalahan metodologis mendasar saat menyusun model VECM di EViews, sekaligus menjamin keabsahan ilmiah dari seluruh temuan penelitian ekonometrika yang dihasilkan.

Kesimpulan

Uji kointegrasi Johansen merupakan syarat mutlak yang tidak dapat ditawar sebelum membentuk model VECM pada EViews. Estimasi VECM hanya dapat dilanjutkan apabila hasil uji statistik *Trace* dan *Maximum Eigenvalue* mengonfirmasi keberadaan kointegrasi dengan rank minimal satu (r >= 1). Jika tidak terbukti ada kointegrasi (r = 0), model wajib dialihkan ke VAR *First Difference*. Keberhasilan estimasi VECM selanjutnya ditandai oleh nilai koefisien ECT yang bernilai negatif dan signifikan, serta lolosnya model dari seluruh uji diagnostik residu multivariat.

Daftar Pustaka