Didalam prakteknya untuk menguji ada tidaknya masalah akar unit kita mengestimasi persamaan 3.3 daripada persamaan 3.2 dengan menggunakan
hipotesis nul θ = 0. jika θ = 0 maka ρ = 1 sehingga data Y mengandung akar unit yang berarti data time series Y adalah tidak stasioner. Tetapi perlu dicatat bahwa
jika θ = 0 maka persamaan persamaan 3.1 dapat ditulis menjadi: ΔYt = et
3.4 karena et adalah residual yang mempunyai sifat white noise, maka
perbedaan atau diferensi pertama first difference dari data time series random walk
adalah stasioner. Untuk mengetahui masalah akar unit, sesuai dengan persamaan 3.3
dilakukan regresi Y
t
dengan Y
t-1
dan mendapatkan koefisiennya θ. Jika nilai θ = 0 maka kita bisa menyimpulkan bah
wa data Y adalah tidak stasioner . Tetapi jika θ negatif maka data Y adalah stasioner karena agar θ tidak sama dengan nol maka
nilai ρ harus lebih kecil dari satu. Uji statistik yang digunakan untuk memverifikasi bahwa nilai θ nol atau tidak tabel distribusi normal tidak dapat
digunakan karena koefisien θ tidak mengikuti distribusi normal. Sebagai alternatifnya Dickey-
Fuller telah menunjukkan bahwa dengan hipotesis nul θ = 0, nilai estimasi t dari koefisien Y
t-1
di dalam persamaan 3.3 akan mengikuti dist
ribusi statistik τ tau. Distribusi statistik τ kemudian dikembangkan lebih jauh oleh Mackinnon dan dikenal dengan distribusi statistik Mackinnon.
3.7.2. Uji Kointegrasi
Setelah diketahui bahwa seluruh data yang akan dianalisis stasioner, maka selanjutnya akan diuji apakah ada hubungan keseimbangan jangka panjang antara
seluruh variabel tersebut. Granger 1988 menjelaskan bahwa jika dua variabel berintegrasi pada derajat satu, I 1 dan berkointegrasi maka paling tidak pasti ada
Universita Sumatera Utara
satu arah kausalitas Granger. Ada tidaknya kointegrasi didasarkan pada uji Trace Statistic
dan Maksimum Eigenvalue. Apabila nilai hitung Trace Statistic dan Maksimum Eigenvalue lebih besar daripada nilai kritisnya, maka terdapat
kointegrasi pada sejumlah variabel, sebaliknya jika nilai hitung Trace Statistic dan maksimum Eigenvalue lebih kecil daripada nilai kritisnya maka tidak terdapat
kointegrasi. Nilai kritis yang digunakan adalah yang dikembangkan oleh Osterwald-Lenum.
Menurut Granger Gujarati, 2003, uji kointegrasi bisa dianggap sebagai tes awal pretest untuk menghindari regresi lancung spurious regression.
Dua variabel yang berkointegrasi memiliki hubungan jangka panjang atau ekuilibrium.
Enders 1997 menyatakan bahwa dalam model yang menunjukkan keseimbangan dalam jangka panjang terdapat hubungan linear antarvariabel yang
stasioner, atau dapat dinyatakan dalam persamaan sebagai berikut :
Yt = a + a
1
Y
t-1
+ u
t
di mana Xt adalah variabel independen yang tidak stasioner 3.5
Persamaan 3.5 bisa ditulis kembali: u
t
= Yt - a - a
1
X
t
di mana ut adalah dissequilibrium error. Dan ut stasioner 3.6
Menurut Granger Thomas, 1995, jika terdapat hubungan jangka panjang antara variabel X dan Y seperti dinotasikan dalam persamaan 3.5 maka
dissequilibrium error seperti dalam persamaan 3.6 adalah stasioner dengan
Eut=0. Karena pada dasarnya pengujian kointegrasi dilakukan untuk melihat
apakah residu dari hasil regresi variabel variabel penelitian bersifat stasioner atau tidak persamaan 3.6, maka pengujian kointegrasi dalam penelitian ini akan
Universita Sumatera Utara
dilakukan dengan menguji stasioneritas residu dengan uji ADF. Jika error stasioner, maka terdapat kointegrasi dalam model.
3.7.3. Uji Stabilitas Lag Struktur VAR
