Menurut Gujarati 2003, data yang stasioner akan mempunyai kecenderungan untuk mendekati nilai rata-rata dan berfluktuasi disekitar nilai
rata-ratanya. Data time series pada umumnya mengandung akar unit unit root dan nilai rata-rata serta variansnya berubah sepanjang waktu. Nilai yang
mengandung unit root atau tidak stasioner, apabila dimasukan dalam perhitungan statistik pada model regresi sederhana, maka kemungkinan besar estimasi akan
gagal mencapai nilai yang sebenarnya atau disebut sebagai spourious estimation.
Untuk menguji ada atau tidaknya akar unit pada data yang di gunakan, dalam penelitian ini digunakan uji Augmented Dickey-Fuller ADF. Menurut
Gujarati 2003, uji stasioneritas data dengan menggunakan uji Dickey-Fuller, dimulai dari sebuah proses autoregresi orde pertama. Jika hasil pengujian
menyatakan bahwa data bersifat stasioner, maka dapat langsung menggunakan metode VAR. Tetapi jika data ternyata tidak stasioner pada orde pertama maka
data tersebut harus diubah dahulu kedalam berntuk diferensialnya atau menngunakan metode VECM karena adanya indikasi memiliki sifat kointegrasi
dalam data yang tidak stasioner.
2. Penentuan Lag Optimal
Dalam menentukan lag optimal dapat dilakukan dengan 3 tahapan pengujian yakni:
a. Melihat lag maksimum dari sistem VAR yang membuat stabil saaat diestimasi. Stabilitasnya dapat dilihat dari nilai invers roots karakteristik
AR polinominalnya. Suatu sistem VAR dikatakan stabil atau stasioner jika
seluruh rootsnya memiliki modulus yang lebih kecil dari satu dan semuanya terletak di dalam unit circle.
b. Melihat panjang lag optimal dengan melihat kriteria informasi yang tersedia menurut Likelihood Ratio LR, Final prediction Error FPE,
Akaikke Information Criterion AIC, Schwarz Information Criterion SC, dan Hannan-Quinn Criterion HQ
c. Melihat panjang lag optimal dengan memperbandingkan nilai adjusted R square
dari variabel-variabel penting dalam persamaan VAR tersebut. Lag optimal akan dipilih dari sistem VAR dengan lag tertentu yang
menghasilkan nilai adjusted R square terbesar pada variabel-variabel penting dalam persamaan.
3. Uji stabilitas model VAR
Penilaian stabilitas model VAR dilihat dari nilai akar-akar dari karakteristik AR polinomialnya atau yang dikenal dengan roots of characteristic
polinomial. Jika semua akar dari fungsi polinomial tersebut berada di dalam unit circle
atau jika nilai absolutnya kurang dari 1 maka model VAR tersebut dianggap stabil sehingga analisis IRF Impulse Response Function dan FEVD Forecast
Error Variance Decomposition dapat dilakukan selanjutnya.
4. Pengujian Hubungan Kointegrasi
Konsep kointegrasi pertama kali di kemukakan oleh Johansen pada tahun 1988. Konsep kointegrasi ini menjelaskan bahwa dari kombinasi linear dari
beberapa variabel yang memiliki akar unit atau bersifat tidak stasioner akan menghasilkan variabel yang stasioner. Pengujian hubungan kointegrasi dilakukan
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
