dimana l adalah nilai dari fungsi log likelihood dan k adalah jumlah parameter yang diestimasi dengan menggunakan T pengamatan. Dalam penelitian ini akan
digunakan kriteria SC. Besarnya lag optimal ditentukan oleh lag yang memiliki kriteria SC terkecil.
3.3.3. Uji Kointegrasi Cointegration Test
Kointegrasi merupakan hubungan jangka panjang long term relationship antara variabel-variabel stasioner pada derajat integrasi yang sama. Konsep dari
kointegrasi menyatakan bahwa jika satu variabel atau lebih tidak stasioner akan tetapi terkointegrasi, maka kombinasi linier antara variabel dalam sistem akan
bersifat stasioner, sehingga diperoleh sistem persamaan jangka panjang yang relatif stabil Enders, 1995.
Engle dan Granger dalam Enders 1995 menyatakan bahwa hubungan kointegrasi hanya dapat dibentuk oleh variabel-variabel yang terintegrasi pada
derajat yang sama. Selain itu, menurut Engle dan Granger komponen-komponen dari vektor =
, ,…,
dikatakan terkointegrasi pada order d,b, jika:
1. Semua komponen-komponen dari x
t
terintegrasi pada order d, 2.
Terdapat vector β = , ,…, sehingga kombinasi linier dari
= +
+ … + terintegrasi pada order d-b dengan
b0. Pada dasarnya terdapat pelbagai cara untuk melakukan uji kointegrasi,
yaitu : uji kointegrasi Engle-Granger dan uji kointegrasi Johansen. Namun, yang digunakan dalam penelitian ini adalah uji kointegrasi Johansen.
Prosedur pengujian kointegrasi Johansen merupakan generalisasi multivariat dari Dickey-Fuller Test Enders, 1995. Seperti halnya the augmented
dickey fuller test, model multivariat juga dapat digeneralisasi menjadi:
= +
+ … + + 3.8
Persamaan diatas juga dapat ditransformasi menjadi: ∆
∆
3.9
dimana: 1 –
Pengujian bertujuan untuk menilai rank dari matriks π. Rank dari matriks π
adalah jumlah vektor kointegrasi yang independen. Jika rank π = 0, maka
matriks bernilai nol dan persamaan 3.14 merupakan persamaan VAR biasa dalam bentuk first difference. Jika rank
π = 1, maka terdapat satu vektor kointegrasi dan bagian
merupakan error correction model. Jumlah vektor kointegrasi bisa diketahui dengan melihat signifikansi dari
characteristic roots dari π. Pengujian untuk jumlah characteristic roots dapat
dilakukan melalui dua uji statistik, yaitu:
3.10
,
3.11
dimana: = estimasi nilai characteristic roots yang disebut eigenvalues yang
diperoleh dari estimasi matriks T = jumlah observasi yang digunakan
3.3.4. Vector Error Correction VEC Model
