98
4.3. Model Analisis VAR
Penelitian ini akan menggunakan data time series dengan pendekatan alat analisis Vector Autoregression. Pendekatan model VAR dianggap lebih sesuai
untuk mendeteksi hubungan timbal balik atau kausalitas dua arah yang dinamis antar variabel dalam sistem persamaan. Seperti dilakukan oleh Sims 1980 bahwa
metode VAR telah banyak digunakan untuk penelitian makroekonomi, yang memungkinkan peneliti dapat menganalisis hubungan timbal balik yang dinamis
antar variabel dalam sistem persamaan dengan menggunakan Impulse Response Function dan Forecast Error Variance Decomposition.
Alasan lain penggunaan metode VAR dalam penelitian ini adalah karena metode VAR tidak tergantung
atau tidak harus mengikuti asumsi struktur ekonomi seperti dalam konsep teori, sehingga memungkinkan semua variabel di dalam sistem merupakan variabel
endogen. Selain itu karena data time series memiliki rata-rata dan varian yang selalu berubah sepanjang waktu dalam fungsi waktu sehingga data variabelnya
non stasioner, maka pengunaan metode klasik seperti OLS akan memberikan hasil yang meragukan spurious.
Pada model VAR penentuan variabel bebas dan variabel terikat tidak dapat dibedakan begitu saja, karena seluruh variabel yang digunakan dalam sistem
dapat menjadi variabel endogeneous dan juga dapat menjadi variabel exogeneous dengan lag waktu. Vector Autoregressive merupakan suatu sistem persamaan
yang menunjukkan bahwa setiap variabel merupakan fungsi linear dari konstanta dan nilai lag variabel itu sendiri, serta nilai lag variabel lain yang ada dalam
sistem persamaan. Thomas 1997 merumuskan persamaan VAR secara umum seperti berikut :
99 Z
t
=
t
+
k
i 1
A
i
Z
t – 1
+ e
t
................................................................ 4.1
keterangan : Z
t
= Vektor variabel endogen dalam model yang berdimensi n x 1 A
t
= Matrik parameter yang berdimensi n x n k
= Ordo dari model VAR
t
= Matrik varibel eksogen, seperti intersep, trend, termasuk dummy e
t
= Matrik residual. Metode
analisis VAR
hanya mampu
mendiskripsikan hubungan
keseimbangan jangka pendek, sementara itu penelitian ini dimaksudkan untuk menggambarkan hubungan keseimbangan baik dalam jangka pendek maupun
keseimbangan dalam jangka panjang. Oleh karena itu agar dapat digunakan untuk analisis jangka panjang, maka model VAR harus digabungkan dengan matriks
kointegrasi, kombinasi keduanya akan menghasilkan model VAR yang terkointegrasi cointegrating VAR, kombinasi dari kedua persamaan ini dikenal
dengan Vector Error Correction Model VECM Siregar dan Ward, 2002.
4.4. Spesifikasi Model VECM