untuk mengetahui variabel yang tidak stasioner terkointegrasi dalam jangka panjang. Kombinasi linear ini dikenal dengan istilah persamaan kointegrasi dan
dapat diinterpetasi sebagai hubungan keseimbangan jangka panjang diantara variabel. Persamaan matematis dari uji kointegrasi Johansen ini adalah:
3.2 5. Uji Granger Kausalitas
Uji Granger kausalitas berguna untuk mengetahui hubungan sebab akibat diantara variabel yang digunakan dalam model yang akan diestimasi. Hubungan
sebab akibat ini dapat dilihat dengan membandingkan probabilitas dengan nilai kritis yang digunakan. Pada penelitian ini probabilitas yang digunakan adalah
lima persen untuk setiap variabel, sehingga hasil pengujian kausalitas Granger dengan nilai probabilitas kurang dari 0,05 dikatakan memiliki hubungan sebab
akibat.
3.2.4 Impulse Response Function IRF
Impulse Response Function menunjukkan bagaimana suatu variabel
endogen bereaksi terhadap guncangan dalam variabel itu sendiri dan variabel endogen lainnya. IRF mengukur pengaruh dari guncangan pada waktu tersebut
dan pengaruhnya di masa yang akan datang.
3.2.5 Forecast Error Variance Decomposition FEVD
Enders 2004 menyatakan bahwa forecast error variance decomposition mampu menjelaskan proporsi pergerakan dari suatu varibabel yang disebabkan
oleh guncangan dari variabel itu sendiri dan membandingkan dengan pergerakan yang dialami oleh variabel yang lain dalam suatu persamaan
Berbeda dengan dengan Impulse Raspons Function, Forecast Error Variance Decomposition menunjukkan bagaiman perubahan dalam suatu variabel
yang ditunjukkan oleh perubahan error variance. Metode ini menunjukkan struktur yang dinamis dalam model VAR. Dimana dalam metode ini dapat
diketahui kelemahan dan kekuatan masing-masing variabel dalam mempengaruhi variabel lainnya dalam persamaan untuk kurun waktu jangka panjang.
IV. HASIL DAN PEMBAHASAN 4.1 Hasil Uji Pra Estimasi
4.1.1 Uji Kestasioneritasan Data
Sebelum mengestimasi variabel dengan data time series dan menggunakan metode Vector Auto Regressive VAR perlu melakukan uji stasioneritas. Uji
stasioneritas diperlukan untuk mengalisis ada atau tidaknya unit root yang terkandung dalam variabel yang akan diestimasi. Apabila variabel yang akan
diestimasi memiliki unit root akan menghasilkan regresi palsu atau spurious regression. Spurious regression
mengindikasikan persamaan seolah-olah variabel memiliki hubungan, tetapi sesungguhnya hubungan antar variabel bersifat tidak
valid. Uji stasioneritas dilakukan kepada setiap variabel yang akan diestimasi
hubungannya. Untuk melihat ada atau tidaknya unit root dapt menggunakan metode Augmented Dicky Fuller dan atau Philip Perron test. Ketasioneritasan
suatu variabel dapat dilihat dengan membandingkan nilai stasistik Augmented Dicky Fuller
dengan nilai kritis Mc Kinnon. Apabila nilai statistik Augmented Dicky Fuller
lebih kecil daripada nilai kritis Mc Kinnon maka variabel tersebut dinyatakan stasioner. Dalam metode Augmented Dicky Fuller memiliki hipotesis:
H : µ=0 data mengandung unit root sehingga tidak stasioner
H
1
: µ0 data tidak mengandung unit root sehingga stasioner