Uji stasioneritas yang sudah dilakukan kita sudah dapat menentukan model yang akan dipilih, apabila semua variabel stasioner pada level maka digunakan
model VAR, dan apabila semua atau salah satu tidak stasioner pada level dan dilakukan pembedaan maka model yang dipilih adalah VECM. Dalam penelitian
ini dapat disimpulkan bahwa terdapat hubungan diantara variabel-variabel tersebut dalam jangka panjang.
4.2.2 Uji Kausalitas Granger
Tujuan dilakukannya uji kausalitas granger adalah untuk mengetahui dan melakukan evaluasi kemampuan peramalan dari satu deret waktu terhadap deret
waktu sebelumnya. Apabila hipotesis tersebut bernilai nol maka tidak ada hubungan kausalitas diantara variabel, sedangkan hipotesis alternative
menunjukan adanya hubungan kausalitas diantara variabel. Nilai hipotesis nol dapat ditolak dengan melihat nilai probabilitasnya, pada penelitian ini dilakukan
dengan nilai kritis 5 persen, artinya jika nilai probabilitas lebih besar dari 5 persen maka hipotesis nol dapat ditolak sehingga akan terdapat hubungan kausalitas
diantara variabel tersebut. Hasil uji kausalitas untuk produk sedan, mpv dan City car dapat dilihat pada Tabel 3 berikut ini
Tabel 3. Hasil Uji Kausalitas Granger
Null Hypothesis: Obs
F-Statistic Prob.
CITYCAR does not Granger Cause SEDAN 41
0.23028 0.6341
SEDAN does not Granger Cause CITYCAR 0.94559
0.3370 MPV does not Granger Cause SEDAN
41 0.48711
0.4895 SEDAN does not Granger Cause MPV
0.00357 0.9527
MPV does not Granger Cause CITYCAR 41
4.31617 0.0446
CITYCAR does not Granger Cause MPV 6.64712
0.0139
Berdasarkan Tabel diketahui bahwa uji kausalitas Granger menunjukan hasil bahwa variabel-variabel penjualan produk hanya terdapat satu hubungan
kausalitas, yaitu antara MPV dan produk City car. Hubungan kausalitas tersebut dapat diartikan Kausalitas dua arah atau saling mempengaruhi bidirectional
causality, dapat diartikan bahwa penjualan produk MPV mempengaruhi penjualan produk City car sebesar 0,0446, dan sebaliknya penjualan produk City
car mempengaruhi MPV sebesar 0,0139.
4.2.3 Uji Lag Optimum
Penetapan lag optimum penting untuk dilakukan karena dalam metode VAR lag optimal dari variabel endogen merupakan variabel independen yang digunakan
dalam model. Nilai lag optimal diperoleh dengan melakukan estimasi VAR. Sebelum melakukan penentuan lag optimal maka dapat dilihat terbih dahulu
apakah model VAR tersebut stabil atau tidak. Hasil dari lag optimum dapat dilihat pada Tabel 4 berikut ini
Tabel 4. Hasil Uji Lag Optimum
Lag LogL
LR FPE
AIC SC
HQ -360.4722
NA 24984.35
18.63960 18.76757 18.68552
1 -349.7128 19.31189 22877.58 18.54937
19.06124 18.73303
2 -346.1208
5.894427 30481.40
18.82671 19.72247
19.14810 3
-339.9125 9.232903
36002.84 18.96987
20.24954 19.42900
Berdasarkan hasil Tabel 4 dapat dilihat bahwa penentuan lag dapat digunakan dengan beberapa pendekatan antara lain Likelihood Ratio LR, Final
Prediction Error FPE, Akaike Information Criterion AIC, dan Schwarz Criterion SC. Berdasarkan uji kestabilan yang telah dilakukan ditunjukan bahwa
model VAR dalam penelitian ini telah stabil pada lag ke-3. Setelah dipastikan bahwa hasil estimasi var berada dalam kondisi stabil , maka daoat dilakukan
penetapan lag optimal.lag optimal dihitung dengan menggunakan AIC dengan mengambil nilai AIC yang paling kecil. Dari tabel 3 memperlihatkan bahwa dari 3
lag, lag yang bertanda asterisk terdapat pada lag pertama, hal ini menandakan bahwa lag optimal yang dipilih berdasarkan AIC terdapat pada lag pertama.
4.2.4 Pemodelan VAR