Ho : tidak terdapat autokorelasi Ha : terdapat autokorelasi
Nilai Probabilitas Chi-Square 0,05 = tidak terdapat autokorelasi, Ho diterima
Nilai Probabilitas Chi-Square 0,05 = terdapat autokorelasi, Ho ditolak
4. Uji Lag Length
Uji lag length bertujuan untuk mengetahui lag optimal yang digunakan dalam model penelitian. Hal ini dikarenakan jika lag yang digunakan
terlalu sedikit, maka residual dari regresi tidak akan menampilkan proses white noise sehingga model tidak dapat mengestimasi actual error secara
tepat. Akibatnya standar kesalahan tidak diestimasi secara baik. Selain itu jika mamasukkan lag terlalu banyak akan mengurangi kemampuan
menolak Ho dan dapat mengurangi derajat kebebasan.
10
5. Uji Causalitas Granger
Uji Causalitas Granger digunakan untuk mengetahui jenis suatu variabel, yang apakah variabel tersebut mempunyai hubungan dua arah
atau hanya satu arah. Pada uji ini digunakan data time series karena untuk melihat pengaruh masa lalu terhadap kondisi saat ini. Sebelum dilakukan
10
Shocrul Rohamtul Ajija, Cara Cerdas Menguasai Eviews. Jakarta: Salemba Empat, 2011, h. 186
analisis kointegrasi, VAR dan VECM perlu dilakukan pengujian kausalitas antara variabel-variabel penelitian. Uji kausalitas ini
menggunakan metode Granger Causality. Jika terdapat hubungan kausalitas antara variabel penelitian, maka analisis regresi OLS tidak
dapat dilakukan karena hasil estimasinya akan bias. Dalam pengujian kausalitas dilakukan dengan memasukkan lag berbeda, yaitu mulai lag 2
sampai dengan lag 12. Hal ini dilakukan karena Granger ini sangat peka terhadap lag-lag tersebut.
Langkah-langkah pengujian sebagai berikut: Hipotesis:
Ho : tidak terdapat hubungan kausalitas antar variabel
Ha : terdapat hubungan kausalitas antar variabel
Pengambilan keputusan dilakukan dengan kriteria: Bila probabilitas 0,05
Ho diterima Bila probabilitas 0,05
Ho ditolak
6. Uji Kointegrasi
Dalam analisis VARVECM, kointegrasi digunakan untuk mengetahui keberadaan hubungan jangka panjang antara variabel-variabel yang tidak
stasioner. Kointegrasi berarti meskipun secara individu tidak stasioner, namun kombinasi linier dari dua atau lebih variabel-variabel tersebut
dapat menjadi stasioner. Artinya, kombinasi dari variabel-variabel yang tidak stasioner menghasilkan residual yang stasioner.
