Metode Pengumpulan Data Metode Analisis Data
                                                                                nilai lag yang sama untuk semua variabel, sehingga diperoleh model VARp. Bentuk  umum  model  VARp  dengan  k-variabel  endogen
= ...,
dapat ditulis sebagai berikut: =
+...+ +
+ .........................................................3.3
dimana : , = i= 1,...,p adalah matriks koefisien berdimensi
=  proses  white  noise  berdimensi  k  dan  time  invariant  positive  definite matriks
= Matriks  C  =  matriks  koefisien  dari  m-variabel  independen  yang  mungkin
masuk ke dalam model dengan dimensi kxm = vector kolom berdimensi mx1 yang memuat semua variabel independen
yang  mungkin  masuk  ke  dalam  model  seperti  konstanta,  trend,  variabel dummy danatau variabel dummy musiman.
3.  Uji Stasioneritas Uji Stasioneritas merupakan langkah awal dalam mengestimasi model VAR.
Uji  stasioneritas  dimaksudkan  agar  estimasi  regresi  yang  dihasilkan  tidak mengandung  fenomena  nonsense  regression  spurious  regression.  Kejadian
tersebut  menggambarkan  hubungan  variabel  yang  terlihat  signifikan  secara statistik namun sebenarnya tidak memiliki hubungan.
4
Cara menguji stasioneritas ialah dengan menggunakan uji akar unit unit root test
.  Uji  akar  unit  yang  dipakai  dalam  penelitian  ini  menggunakan Augmented  Dickey-Fuller
ADF  test.  Data  stasioner  apabila  hasil  nilai  t-
4
Hendri Tanjung dan Abrista Devi, Metodologi Penelitian Ekonomi Islam, h.271.
Statistic ADF  lebih  besar  dari  nilai  test  critical  value  nya.  Hasil  data  time
series yang  stasioner  berujung  pada  penggunaan  VAR  dengan  metode
standar,  sedangkan  bila  data  time  series  tidak  stasioner  maka  berimplikasi pada  dua  metode  VAR,  yaitu  VAR  dalam  bentuk  difference  atau  VECM.
Keberadaan  data  yang  tidak  stasioner  meningkatkan  kemungkinan  adanya hubungan kointegrasi antara variabel.
4.  Penetapan Lag Optimal Penetapan  lag  sangatlah  penting  dalam  model  VAR,  karena  jika  lag  yang
ditentukan  terlalu  sedikit  menyebabkan  model  tidak  dapat  secara  tepat mengestimasi actual error sehingga
dan standar kesalahan tidak diestimasi dengan  baik,  sedangkan  jika  lag  yang  ditentukan  terlalu  banyak  akan
mengurangi degrees of freedom.
5
Penetapan  lag  optimal  dapat  ditentukan  dengan  melihat  kriteria  yang ditentukan  oleh  Akaike  Information  Criterion  AIC,  Schwarz  Information
Criterion SIC,  Hannan-Quin    Information  Criterion  HQ,  dan  Likelihood
Ratio LR.
5.  Uji Stabilitas VAR Uji stabilitas VAR penting untuk melihat apakah model pada VAR stabil atau
tidak,  karena  jika  model  VAR  tidak  stabil  maka  hasil  analisis  IRF  dan  VD menjadi tidak valid.
5
Hendri Tanjung dan Abrista Devi, Metodologi Penelitian Ekonomi Islam, h.273.
Stabilitas  sistem  VAR  dilihat  dari  nilai  inverse  roots  karakteristik  AR polinomialnya.
6
Hal ini dapat dilihat dari AR Root Table dan AR Root graph. Model  VAR  dikatakan  stabil  bila  seluruh  akar  unitnya  memiliki  modulus
lebih kecil dari satu dan terletak didalam unit circle. 6.  Uji Kointegrasi
Uji  kointegrasi  digunakan  untuk  mengetahui  keberadaan  hubungan  jangka panjang antar variabel-variabel yang tidak stasioner, dimana walaupun secara
individual  tidak  stasioner  namun  kombinasi  linier  dari  dua  atau  lebih variabel-variabel  tersebut  stasioner.
7
Untuk  menguji  kointegrasi  umumnya digunakan  metode  uji  Johansen.  Variabel  dinyatakan  terkointegrasi  apabila
nilai trace statistic dari hasil penelitian lebih besar dari nilai critical value. 7.  Model Umum Vector Error Correction Model VECM
Teknik  untuk  mengoreksi  ketidakseimbangan  jangka  pendek  menuju  pada keseimbangan  jangka  panjang  disebut  Vector  Error  Correction  Model
VECM.  VECM  adalah  bentuk  VAR  yang  terestriksi.  Restriksi  tambahan harus diberikan karena variabel mengandung unit root namun berkointegrasi.
Seperti  model  VAR,  model  VECM  memiliki  satu  persamaan  untuk  setiap variabel  sebagai  variabel  dependen,  namun  untuk  setiap  persamaan
digunakan model ECM.
8
= +
+ +
+...+ +
+...+ +
.............................................................................................................3.4
6
Mustika  Rini, Obligasi Syariah  Sukuk  dan ndikator Makro Ekonomi ndonesia:
Sebuah Analisis VECM,  skripsi S1 Fakultas Ekonomi dan Manajemen, IPB, 2012, h.45.
7
Hendri Tanjung dan Abrista Devi, Metodologi Penelitian Ekonomi Islam, h.274.
8
Dedi Rosadi, Ekonometrika  Analisis Runtun Waktu dengan EViews, h.217.
dan =
+ +
+ +...+
+ +...+
+ ............................................................................................3.5
dimana =
. Estimasi model VECM dan analisis model VECM ekuivalen dengan analisis
pada model VAR. 8.  Uji Diagnostik Pada Model VECM
Setelah  model  VECM  diperoleh,  tahap  selanjutnya  ialah  melakukan  uji diagnostik  terhadap  model  VECM,  salah  satunya  dengan  memeriksa  adanya
korelasi  serial  antar  residual  pada  beberapa  lag  dengan  menggunakan  uji Portmanteau.  Apabila  hasil  estimasi  dalam  penelitian  menunjukkan  nilai
probabilitas  lebih  besar  dari  5  maka  dapat  disimpulkan  bahwa  tidak  ada komponen autokorelasi sehingga model tersebut merupakan model yang baik.
9.  Impulse Response Function IRF Analisis  IRF  bertujuan  untuk  mengetahui  berapa  lama  waktu  yang
dibutuhkan  bagi  suatu  variabel  dalam  memberikan  respon  atas  perubahan yang  terjadi  pada  variabel  lainnya.  IRF  mampu  melacak  pengaruh
kontemporer dari inovasi shock suatu variabel tertentu sebesar satu standar deviasi  terhadap  nilai-nilai  variabel  endogen  dalam  sistem  pada  saat  ini  dan
yang  akan  datang.
9
IRF  dapat  juga  menunjukkan  tanda  dari  multiplier
9
Hendri Tanjung dan Abrista Devi, Metodologi Penelitian Islam, h.274.
dinamis,  namun  tidak  dapat  menunjukkan  ukuran  dan  besarnya  pengaruh perubahan dalam sistem.
10
10. Variance Decomposition VD Variance Decomposition merupakan analisis yang menyusun perkiraan error
variance suatu  variabel,  yaitu  seberapa  besar  perbedaan  antara  variance
sebelum dan sesudah shock dari diri sendiri maupun shock yang berasal dari variabel  lain.
11
Analisis  VD  digunakan  untuk  memprediksi  kontribusi persentase varians setiap variabel terhadap variabel lainnya pada saat ini dan
periode  kedepannya.  Sehingga  dapat  mengetahui  shock  variabel  mana  yang paling penting terhadap perubahan variabel lainnya dalam masa penelitian.
12