3.2.4. Uji Kointegrasi
Menurut Nachrowi 2006, hubungan kointegrasi terjadi akibat variabel- variabel yang digunakan tidak stasioner secara individual tetapi, kombinasi linear
antara dua atau lebih variabel tersebut merupakan time series yang stasioner. Kombinasi linier dapat diinterpretasikan sebagai hubungan keseimbangan jangka
panjang. Pada penelitian ini uji kointegrasi yang digunakan adalah uji kointegrasi
Johansen. Uji tesebut akan menguji apakah kombinasi variabel yang tidak stasioner terkointegrasi.
Hipotesis-nya adalah, H = non kointegrasi dan hipotesis
alternatifnya H
1
= terkointegrasi. Jika trace statistics lebih besar dari critical value maka tolak H
o
yang artinya variabel-variabel tersebut terkointegrasi.
3.2.5. Metode Analisis VAR
VAR adalah metode analisis yang banyak digunakan untuk multivariate time series
. Metode analisis ini hampir sama dengan Granger Causality namun Granger Causality
merupakan bivariate time series. Secara umum persamaan VAR dengan orde p dan n buah peubah tak bebas pada waktu ke-t dapat
dimodelkan seperti berikut Enders, 2004 : X
t
= A
o
+ A
1
X
t-1
+ A
2
X
t-2
+……+ A
p
X
t-p
+ e
t
3.6 Dimana :
X
t
= vektor peubah tak bebas berukuran n x 1 A
= vektor intersep berukuran n x 1 A
i
= matrik koefisien berukuran n x n untuk setiap i=1,2,…p
e
t
= vektor sisaan berukuran n x 1
Asumsi yang harus dipenuhi pada analisis VAR yaitu semua peubah tak bebas harus bersifat stasioner dan semua sisaan harus bersifat white noise yaitu
memiliki rataan nol, diantara peubah tak bebas tidak ada korelasi dan ragam konstan.
3.2.6. Metode Kausalitas Granger
Gujarati 2004 menjelaskan, walaupun analisis regresi berhubungan dengan keterkaitan antara variabel satu dengan variabel lain, tapi hal tersebut
belum tentu menyiratkan adanya hubungan sebab akibat. Dengan kata lain, adanya hubungan antara variabel belum tentu membuktikan adanya kausalitas. Uji
kausalitas Granger dapat mengindikasikan apakah suatu variabel mempunyai hubungan dua arah atau hanya satu arah saja dengan memasukan unsur waktu.
Adanya hubungan dua arah atau satu arah tersebut dapat dilihat dengan membandingkan probabilitas dengan nilai kritis yang digunakan. Jika hasil uji
kausalitas Granger menunjukkan probabilitas lebih kecil dari nilai kritis maka terdapat hubungan kausalitas saling menyebabkan.
3.2.7. Metode Analisis VECM
Arsana 2006 menjelaskan, model Vector Error Correction Model atau VECM merupakan bentuk VAR yang terestriksi. Restriksi tersebut diberikan
kepada variabel yang tidak stasioner pada level tapi terkointegrasi. VECM merestriksi hubungan jangka panjang variabel-variabel endogen agar konvergen
ke dalam hubungan kointegrasi namun tetap membiarkan keberadaan dinamisasi jangka pendeknya. Oleh sebab itu pada VECM telah terkandung parameter jangka
pendek dan jangka panjang yang memungkinkan kita untuk mengetahui respon pada jangka pendek dan jangka panjang. Secara umum model VECM adalah
sebagai sebagai berikut :
- -
– 3.7
- -
– 3.8
Dimana, µ merupakan intersep,
a
1
dan
b
1
merupakan koefisien jangka pendek, γ
merupakan parameter koreksi error dan persamaan dalam tanda kurung menunjukkan kointegrasi diantara variabel x dan y.
3.2.8. Impulse Response Function IRF