Suatu variabel X dikatakan meyebabkan variabel lain Y, apabila Y saat ini diprediksi lebih baik dengan menggunakan nilai-nilai masa lalu X
Asumsi dalam uji ini adalah bahwa X dan Y dianggap sepasang data runtut waktu yang memiliki kovarian linier yang stasioner.
3.3.4 Uji Optimum Lag
Uji optimum lag sangat penting dalam pendekatan VAR. Pengujian panjang lag yang optimal dapat memanfaatkan beberapa informasi yaitu dengan
menggunakan Akaike Information Criterion AIC, Schwarc Criterion SC dan Hannan-Quinn Criterion HQ.
Dalam uji optimum lag, akan menghilangkan masalah autokorelasi dalam sistem VAR. Maka dari itu, dengan menggunakan lag
yang optimal diharapkan masalah autokorelasi tidak akan muncul lagi. Besarnya lag yang dipilih berasal dari lag terpendek.
3.3.5 Uji Stabilitas VAR
Setelah dilakukan uji optimum lag, maka tahap selanjutnya dalam estimasi VAR adalah dengan uji stabilitas VAR. Uji ini nantinya dimaksudkan untuk
mengetahui valid atau tidaknya analisis Impulse Response Function. Apabila hasil estimasi VAR tidak stabil, maka Impulse Response Fuction tidak valid, begitu
juga sebaliknya jika hasil estimasi valid, maka Impulse Response Funcion valid. Uji stabilitas VAR dilakukan dengan menghitung akar-akar dari fungsi
polinomial atau dikenal dengan roots of characteristic polinomial. Jika semua akar dari fungsi polinomial tersebut berada didalam unit circle atau jika nilai
absolutnya kurang dari 1 1 maka model VAR tersebut dianggap stabil sehingga Impuls Responsive Function IRF dan Forecast Error Variance
Decomposition FEVD yang dihasilkan dianggap valid.
3.3.6 Uji Kointegrasi Cointegration Test
Uji ini merupakan lanjutan dari uji akar unit dan uji derajat integrasi. Uji kointegrasi bertujuan untuk menentukan apakah variabel
–variabel yang tidak stasioner tersebut terkointegrasi atau tidak. Konsep kointegrasi ini dikemukakan
oleh Engle dan Granger 1987, sebagai kombinasi linier dari dua atau lebih variabel yang tidak stasioner akan menghasilkan variabel yang stasioner.
Kombinasi linier ini dikenal dengan istilah persamaan kointegrasi dan dapat
diinterpretasikan sebagai hubungan keseimbangan jangka panjang diantara variabel.
Uji kointegrasi bertujuan untuk mendeteksi stabilitas hubungan jangka panjang antara variabel endogen dan variabel eksogennya. Dalam penelitian ini
menggunakan Johansen Cointegrating Test. Hipotesis nol dalam uji ini adalah tidak ada kointegrasi. Jika trace statistic lebih besar dari critical value, maka tolak
H sehingga persamaan tersebut terkointegrasi.
3.3.7 Model Vector Autoregression VAR
VAR adalah suatu sistem persamaan yang memperlihatkan setiap peubah sebagai fungsi linear dari konstanta dan nilai lag dari peubah-peubah yang ada
dalam sistem Enders, 2004. Dalam model VAR semua variabel yang digunakan dalam analisis dapat dianggap berpotensi menjadi variabel endogen dengan
mengabaikan pemisahan antara variabel eksogen dan endogen atau dengan arti lain, semua variabel berhak menjadi variabel-variabel dependen dan independen.
Selain VAR terdapat pula VAR first diference. Model VAR First Difference merupakan bentuk VAR yang terestriksi, namun menjelaskan bahwa data yang
diuji tidak stasioner pada level dan tidak memiliki hubungan kointegrasi. Pada uji sebelumnya didapat bahwa data yang digunakan dalam penelitian ini stasioner
pada first difference sehingga penelitian ini adalah VAR Difference .
3.3.8 Metode Vector Error Corection Model VECM
