yang digunakan dalam proses pengolahan data penelitian ini adalah program Microsoft Excel 2007
untuk mengelompokkan data dan kemudian diolah dengan menggunakan program E-Views 5.1.
3.4.1. Pengujian Pra-estimasi
Sebelum masuk kedalam tahapan analisis model VAR, maka sebelumnya kita harus melakukan beberapa pengujian. Hal ini penting karena dalam model
multivariat time-series kebanyakan data yang digunakan mengandung akar unit sehingga akan membuat hasil estimasi menjadi palsu atau disebut spurious
regression Gujarati 2004.
Adapun tahapan sebelum melakukan analisis dengan pemodelan adalah sebagai berikut :
1. Uji stasioneritas data
Pengujian akar unit ini sering juga disebut dengan stationary stochastic process
, karena pada prinsipnya uji tersebut dimaksudkan untuk mengamati apakah koefisien tertentu dari model otogresif yang ditaksir mempunyai nilai satu
atau tidak. Dalam analisis time series, informasi tentang stasioneritas suatu data series
merupakan hal yang sangat penting karena mengikutsertakan variabel yang nonstasioner ke dalam persamaan estimasi koefisien regresi akan mengakibatkan
standard error yang dihasilkan jadi bias. Adanya bias ini akan menyebabkan
kriteria konvensional yang biasa digunakan untuk menjustifikasi kausalitas antara dua variabel menjadi tidak valid. Artinya, estimasi regresi dengan menggunakan
suatu variabel yang memiliki unit root data non-stasioner dapat menghasilkan kesimpulan forecasting yang tidak benar karena koefisien regresi penaksir tidak
efisien. Pada penelitian ini, uji stasioneritas dilakukan dengan menggunakan
metode Augmented Dickey-Fuller Test ADF. Uji stasioneritas ini didasarkan atas hipotesis nol variabel stokastik memiliki unit root. Dengan menggunakan model
uji ADF test, hipotesis nol dan dasar pengambilan keputusan lainnya yang digunakan dalam uji ini didasarkan pada nilai kritis MacKinnon sebagai pengganti
uji-t. Selanjutnya nisbah t tersebut dibandingkan dengan nilai kritis statistik pada t tabel ADF untuk mengetahui ada atau tidaknya akar-akar unit. Jika hipotesa
diterima berarti variabel tersebut tidak stasioner, maka perlu dilakukan uji derajat integrasi. Uji derajat integrasi dimaksudkan untuk melihat pada derajat atau order
diferensi ke berapa data yang diamati akan stasioner.
2. Penentuan selang optimal
Sebelum melakukan uji kointegrasi perlu dilakukan penentuan panjang lag. Karena uji kointegrasi sangat peka terhadap panjang lag, maka penentuan lag
yang optimal menjadi salah satu prosedur penting yang harus dilakukan dalam pembentukan model Enders 2004.
Guna memperoleh panjang selang yang tepat akan dilakukan 3 bentuk pengujian secara bertahap. Pada tahap pertama akan dilihat panjang selang
maksimum sistem VAR yang stabil. Stabilitas sistem VAR dilihat dari nilai inverse roots
karakteristik AR polinomialnya. Suatu sistem VAR dikatakan stabil stasioner jika seluruh roots-nya memiliki modulus lebih kecil dari satu dan
semuanya terletak di dalam unit circle. Pada tahap kedua, panjang selang optimal akan dicari dengan
menggunakan kriteria informasi yang tersedia. Kandidat selang yang terpilih adalah panjang selang menurut kriteria Likelihood Ratio LR, Final Prediction
Error FPE, Akaike Information Criterion AIC, Schwarz Information Criterion
SC, dan Hannan-Quinn Criterion HQ. Jika kriteria informasi hanya merujuk pada sebuah kandidat selang maka, kandidat tersebutlah yang optimal. Jika
diperoleh lebih dari satu kandidat, maka pemilihan dilanjutkan pada tahap ketiga. Pada tahap terakhir ini, nilai Adjusted R
2
variabel VAR dari masing- masing kandidat selang akan diperbandingkan, dengan penekanan pada variabel-
variabel terpenting dari sistem VAR tersebut. Selang optimal akan dipilih dari sistem VAR dengan selang tertentu yang menghasilkan nilai Adjusted R
2
terbesar pada variabel-variabel penting di dalam sistem.
3. Pengujian hubungan kointegrasi
Kointegrasi merupakan kombinasi hubungan linear dari variabel-variabel yang nonstasioner dan semua variabel tersebut harus terintegrasi pada orde atau
derajat yang sama. Variabel-variabel yang terintegrasi akan menunjukkan bahwa
variabel tersebut mempunyai trend stokhastik yang sama dan selanjutnya mempunyai arah pergerakan yang sama dalam jangka panjang. Uji kointegrasi
merupakan kelanjutan dari uji akar-akar unit dan uji derajat integrasi. Untuk melakukan uji kointegrasi, pertama-tama peneliti perlu mengamati perilaku data
ekonomi runtun waktu yang akan digunakan. Ini berarti pengamat harus yakin terlebih dahulu apakah data yang akan digunakan stasioner atau tidak, yang antara
lain dapat dilakukan dengan uji akar-akar unit dan uji integrasi. Apabila terjadi satu atau lebih variabel mempunyai derajat integrasi yang berbeda, maka variabel
tersebut tidak dapat berkointegrasi Engle dan Granger 1987. Metode pengujian yang dapat dilakukan adalah uji kointegrasi Engle-Granger, uji kointegrasi
Johansen, dan uji kointegrasi Durbin-Watson.
3.4.2. Vector Autoregression VAR