banyak akan mengurangi derajat bebas.Selanjutnya, berikut adalah kriteria yang digunakan untuk mengetahui jumlah lag optimal yang digunakan dalam uji
stasioneritas.
Akaike Information Criterion AIC : −2
1 �
+ 2 �+�
Schwarz Criterion SC : −2
1 �
+ �
log ��
Hannan-Quinn Criterion HQ : −2
1 �
+ 2 �log
log � �
dimana: 1 = nilai fungsi log likelihood yang sama jumlahnya dengan
−
�2
1+log 2 � +log
�
′′
�
′
�
; �
′′
�
′
merupakan sum of squared residual T = jumlah observasi
k = parameter yang diestimasi
Dalam penentuan lag optimal dengan menggunakan kriteria informasi tersebut, dipilih kriteria yang mempunyai final prediction error correction FPE
atau jumlah dari AIC, SC, dan HQ yang paling kecil.
3.8 Uji kausalitas
Pengujian kausalitas dilakukan untuk mengetahui apakah di dalam variabel endogen terdapat hubungan sebab akibat. Ada tidaknya kausalitas ini diuji melalui
uji F atau melihat dari nilai probabilitasnya.Analisis terakhir berkaitan dengan dengan model sistem VAR non struktual mencari adanya hubungan kedua
variabel tersebut antara uji kausalitas variabel endongen didalam sistem VAR.
3.9 Estimasi VAR
Yang dimaksud Estimasi VAR adalah masalah penentuan panjangnya kelambanan didalam sistem VAR.Panjang kelambanan variabel yang optimal
Universitas Sumatera Utara
diperlukan untuk menangkap pengaruh dari setiap variabel yang lain dalam sistem VAR.Penentuan panjangnya kelembanan optimal ini bisa menggunakan beberapa
kriteria seperti Akaike information Criteria AIC, Schwartz InformationCriteria SIC, Hannan- Quin Criteria HQ, Likelihood Ratio LR maupun dari Final
Prediction Error FPE,Widarjono, 2007.
Formulasi AIC dan SIC adalah sebagai berikut: ��� = ln �
RSS n
� + 2k
n ��� = ln �
RSS n
� + k
n ln n
Dimana: RSS
= jumlah residual kuadrat Residual sum of squares k
= jumah variabel parameter setimasi n
= jumlah observasi Bila kita menggunakan salah satu kriteria di dalam menentukan
panjangnya kelambanan maka panjang kelambanan optimal terjadi jika nilai- nilai kriteria di atas mempunyai nilai absolut paling kecil.
3.10 Impulse Response
Karena secara individu koefisien didalam model VAR sulit diinterprentasikan maka menggunakan analisis impulse response.Impulse
response ini merupakan salah satu analisis penting didalam model VAR.Analisisimpulse response ini melacak respon dari variabel endogen didalam
sistem VAR karena adanya goncangan shocks atau perubahan di dalam variabel gangguan Widarjono 2007.
Universitas Sumatera Utara
Adanya shock variabel gangguan
e
1t
di dalam persamaan Sb, misalnya mengalami kenaikan sebesar satu deviasi standar, akan mempengaruhi nilai Sb
saat ini maupun di masa akan mendatang.Karena variabel Sb muncul dalam persamaan Sb dan I maka shock variabel gangguan
e
1t
juga akan mempengaruhiSb dan I juga. Begitu pula adanya shock variabel gangguan
e
2t
dan
e
3t
didalam persamaan Sb dan I juga akan mengalami Sb. Dengan mengunakan analisis impulse response ini kita bisa melacak shock untuk beberapa periode ke
depan.
3.11Uji Kointegrasi
Sebagaimana dinyatakan oleh Engle – Granger 1983 keberadaan variabel nonstasioner menyebabkan kemungkinan besar adanya hubungan jangka panjang
antara variabel didalam sistem VAR. Berkaitan dengan hal ini, maka langkah hubungan antra variabel.Pada langkah ini kita akan mengetahui keberadaan
hubungan antara variabel. Pada langkah ini kita akan mengetahui apakah model kita merupakan VAR tingkat diferensi jika tidak ada kointegrasi dan VECM bila
terdapat kointegrasi.
Dalam pengujian kointegrasi digunakan untuk mengetahui keberadaan hubungan antar variabel.Pada langkah ini kita akan mengetahui apakah model kita
merupakan VAR tingkat diferensi jika tidak ada kointegrasi dan VECM bila terdapat kointegrasi.
3.12 Forecast Error Variance Decomposition FEVD