menguji data first difference. Jika dari hasil uji ternyata data first difference telah stasioner, maka dikatakan data time series tersebut terintegrasi pada derajat
pertama I1 untuk seluruh variabel. Tetapi jika data first difference tersebut belum stasioner maka perlu dilakukan differencing kedua pada data tersebut.
Prosedur ini seterusnya dilakukan hingga diperoleh data yang stasioner.
2. Uji Kausalitas Granger
Uji kausalitas granger digunakan untuk mengevaluasi kemampuan peramalan dari satu peubah deret waktu pada periode sebelumnya terhadap
peubah deret waktu lainnya pada periode saat ini. Hipotesis nol yang yang diuji menyatakan tidak adanya kausalitas diantara variabel sedangkan hipotesis
alternatifnya menyatakan adanya hubungan kausalitas diantara variabel. Untuk menolak atau menerima hipotesis nol, maka dapat melihat nilai probabilitasnya
yang dibandingkan dengan tingkat kepercayaan, pada penelitian ini menggunakan nilai kritis 5 persen. Jika nilai probabilitasnya lebih besar dari 5 persen maka
hipotesis nol ditolak yang artinya terdapat hubungan kausalitas pada variabel- variabel yang diuji.
3. Uji Lag Optimum
Uji lag digunakan untuk menentukan panjang lag optimum yang akan digunakan untuk analisis selanjutnya. Uji lag optimum merupakan langkah
penting yang harus dilakukan dalam menggunakan model VECM. Untuk langkah awal dalam pengujian ini terlebih dahulu adalah membentuk persamaan VAR
untuk mendapatkan lag optimum dan stabilitas VAR baru dapat dibentuk persamaan VECM nya. Informasi kriteria untuk menentukan panjang lag yang
tepat adalah dengan menggunakan pemilihan kriteria model Final Prediction Error FPE, Akaike Information Criteria AIC, Schwarz Criteria SC, dan
Hannan-Quinn HQ. Pada pengujian pemilihan lag melalui kriteria tersebut, akan didapat kandidat lag pada masing-masing kriteria yang merujuk pada lag optimal.
Pada Eviews 6 memberikan tanda bintang pada nilai AIC dan SC terkecil. Salah satu metode yang paling umum digunakan untuk menentukan panjang
lag adalah dengan melihat AIC nya. Rumus AIC adalah Gujarati, 2004: AIC = T Log |
| + 2n..................2
Dimana: T
= jumlah observasi yang digunakan |
| = determinan dari matriks ragakoragam dari sisaan
n = jumlah parameter yang diestimasi dalam semua persamaan
4. Uji Kointegrasi
