dimana q merupakan jumlah variabel, T adalah jumlah observasi, dan AIC merupakan Akaike Information Criteria
dengan perhitungan sebagai berikut Syabran dalam Hanie, 2006:
dengan merupakan jumlah residual kuadrat, N adalah jumlah sampel, dan k adalah jumlah variabel.
3.6.3 Uji Kointegrasi
Uji kointegrasi bertujuan untuk menentukan apakah variabel-variabel yang tidak stasioner mengalami kointegasi atau tidak. Konsep kointegrasi dikemukakan oleh Engle
dan Granger pada tahun 1987 sebagai fenomena dimana kombinasi linear dari dua atau lebih variabel yang tidak stasioner akan menjadi stasioner. Kombinasi linear ini dikenal
dengan nama persamaan kointegrasi dan dapat diinterpretasikan sebagai hubungan keseimbangan jangka panjang diantara variabel.
Untuk menguji apakah kombinasi variabel yang tidak stasioner mengalami kointegrasi, pengujian yang dapat dilakukan adalah uji kointegrasi Engle-Granger, uji
kointegrasi Johansen, maupun uji kointegrasi Durbin-Watson. Pengujian ini dilakukan dalam rangka memperoleh hubungan jangka panjang antara variabel yang telah
memenuhi persyaratan dalam proses integrasi dimana semua variabel telah stasioner pada derajat yang sama yaitu pada first difference. Salah satu uji kointegrasi yang akan
digunakan dalam penelitian ini adalah uji kointegrasi Johansen. Dengan H = non-
kointegrasi, dan H
1
= kointegrasi. Jika t-trace statistics t-mac-kinnon maka tolak H yang artinya persamaan tersebut terkointegrasi.
N K
N AIC
t
2 log
2
+ =
∑
ε
13
2
∑
t
ε
3.7 Analisis
Impulse Response Function IRF
Analisis impuls respon adalah metode yang digunakan untuk menentukan respon suatu variabel endogen terhadap guncangan shock variabel tertentu. IRF juga
digunakan untuk melihat guncangan dari satu variabel yang lain dan berapa lama pengaruh tersebut terjadi. IRF dalam penelitian ini dilakukan untuk mengetahui respon
dinamik variabel permintaan uang baik pada konvensional maupun pada Islam terhadap guncangan variabel PDB, inflasi yang diharapkan, suku bunga, dan return syariah untuk
permintaan uang pada Islam.
3.8 Analisis
Forecasting Error Variance Decomposition FEVD
Analisis dekomposisi varian atau dikenal dengan Forecasting Error Variance Decomposition
FEVD digunakan untuk menghitung dan menganalisis seberapa besar pengaruh acak guncangan dari variabel tertentu terhadap variabel endogen. FEVD
menghasilkan informasi mengenai relatif pentingnya masing-masing inovasi acak atau seberapa kuat komposisi dari peranan variabel tertentu terhadap variabel lainnya dalam
model VAR. Peramalan dekomposisi varian dalam penelitian ini untuk melihat seberapa besar
inovasi dari variabel PDB, suku bunga dan inflasi yang diharapkan dalam menjelaskan permintaan uang konvensional sebagai variabel endogen. Serta melihat seberapa besar
inovasi dari variabel PDB, inflasi yang diharapkan, dan return syariah dalam menjelasakan permintaan uang Islam sebagai variabel endogen.