digunakan adalah VAR FD atau VECM. Oleh sebab itu uji stasioneritas sangat penting dilakukan pada sebelum estimasi VAR.
3.2.2. Uji Lag Optimal
Penentuan panjang lag optimal sangat penting untuk memperoleh model VAR yang baik, karena dalam model VAR suatu variabel juga dipengaruhi
dirinya sendiri selain variabel lain. Menurut Pratika 2007, lag yang terlalu panjang akan membuang dengan percuma derajat bebas, sedangkan lag yang
terlalu pendek akan mengakibatkan spesifikasi model yang salah. Panjang lag yang optimal dapat dicari dengan menggunakan kriteria informasi yang tersedia.
Kriteria informasi tersebut antara lain, Likehood Ratio LR, Akaike Information Criterion
AIC, Schwarz Information Criterion SC, Final Prediction Error FPE dan Hannan-Quinn Criterion HQ.
3.2.3. Uji Stabilitas
Arsana 2006 menjelaskan bahwa stabilitas model VAR dilihat dari nilai inverse roots
karakteristik AR polinominalnya. Hal tersebut dapat dilihat dari nilai modulus di tabel AR roots-nya, jika seluruh nilai AR roots dibawah satu maka
model VAR tersebut stabil. Uji stabilitas penting dilakukan sebelum analisis Impulse Response Function
IRF dan Variance Decomposition VD. Jika model VAR tidak stabil maka hasil analisis IRF dan VD tidak valid.
3.2.4. Uji Kointegrasi
Menurut Nachrowi 2006, hubungan kointegrasi terjadi akibat variabel- variabel yang digunakan tidak stasioner secara individual tetapi, kombinasi linear
antara dua atau lebih variabel tersebut merupakan time series yang stasioner. Kombinasi linier dapat diinterpretasikan sebagai hubungan keseimbangan jangka
panjang. Pada penelitian ini uji kointegrasi yang digunakan adalah uji kointegrasi
Johansen. Uji tesebut akan menguji apakah kombinasi variabel yang tidak stasioner terkointegrasi.
Hipotesis-nya adalah, H = non kointegrasi dan hipotesis
alternatifnya H
1
= terkointegrasi. Jika trace statistics lebih besar dari critical value maka tolak H
o
yang artinya variabel-variabel tersebut terkointegrasi.
3.2.5. Metode Analisis VAR
