Critical Value McKinnon 1, 5, 10 artinya terima Ho dimana series
memiliki akar-akar unit. Dan dapat disimpulkan variabel tersebut tidak stasioner. Apabila tidak stasioner pada level, maka dilanjutkan ke tahap Uji Derajat Integrasi
integration test. Jika koefisien ADF statistic lebih kecil dari Critical Value McKinnon
1, 5, 10 artinya tolak Ho dimana series tidak memiliki akar- akar unit. Dan dapat disimpulkan variabel tersebut stasioner.
3.2.2.2. Uji Lag Optimal
Uji lag optimal sangat penting dalam pendekatan VAR. Tujuan dari uji lag optimal karena uji lanjutan pada VAR dan VECM sangat peka terhadap panjang
lag . Penentuan lag optimal harus mempertimbangkan adanya kemungkinan
korelasi antar residual dan penurunan degree of freedom dari persamaan yang dihasilkan dan jumlah parameter yang diestimasi menjadi semakin banyak
sehingga tidak efisien. Pengujian panjang lag yang optimal dapat memanfaatkan beberapa informasi yaitu dengan menggunakan Akaike Information Criteria
AIC, Schwarz Information Criterion SC, dan Hannan-Quinn Criterion HQ. Jika kriteria informasi hanya merujuk pada sebuah kandidat selang, maka kandidat
tersebutlah yang optimal. Namun, jika diperoleh lebih dari satu kandidat, maka dilanjutkan pada perbandingan nilai adjusted R
2
VAR dari masing-masing kandidat lag. Lag optimal yang dipilih dari sistem VAR yaitu yang menghasilkan
nilai adjusted R
2
terbesar dalam sistem.
3.2.2.3. Uji Stabilitas VAR
Setelah dilakukan uji stasioneritas, maka tahap selanjutnya dalam estimasi VAR adalah uji stabilitas VAR. Uji ini dimaksudkan untuk mengetahui valid atau
tidaknya analisis Impulse Response Function. Uji stabilitas VAR dilakukan dengan menghitung akar-akar dari fungsi polinomial. Jika semua akar dari fungsi
polinomial berada dalam unit circle atau jika nilai absolutnya 1 maka model VAR tersebut stabil, sehingga Impulse Response Function valid.
3.2.2.4. Uji Kointegrasi
Uji ini merupakan lanjutan dari uji akar unit dan uji derajat integrasi. Dalam uji kointegrasi ini bertujuan untuk medeteksi stabilitas hubungan jangka
panjang antara variabel independen dengan variabel dependennya. Dalam penelitian ini menggunakan Johansen Cointegrating Test. Hipotesis nol dalam uji
ini adalah tidak ada kointegrasi. Jika trace statistic critical value, maka tolak Ho sehingga persamaan tersebut terkointegrasi.
3.2.2.5. Vector Autoregressive VAR
Vector Autoregressive VAR pertama kali diperkenalkan oleh Sims pada
tahun 1980. Dalam konteks ekonometrika modern VAR termasuk ke dalam multivariate time series analysis
. VAR menyediakan cara yang sistematis untuk menangkap perubahan yang dinamis dalam multiple time series, serta memiliki
pendekatan kredibel dan mudah untuk dipahami bagi pendeskripsian data, forecasting
peramalan, inferensi struktural, serta analisis kebijakan. Menurut Nachrowi 2006 terdapat beberapa kelebihan dan kelemahan
model VAR ini. Beberapa kelebihan dari model VAR, yaitu:
1. Model VAR adalah model yang sederhana dan tidak perlu membedakan mana variabel yang endogen dan mana yang eksogen. Semua variabel
pada model VAR dapat dianggap sebagai variabel endogen. 2. Cara estimasi model VAR sangat mudah, yaitu dengan menggunakan OLS
pada setiap persamaan secara terpisah. 3. Peramalan menggunakan model VAR pada beberapa hal lebih baik
dibanding menggunakan model dengan persamaan simultan yang lebih kompleks.
Sekalipun banyak kelebihan, model VAR tetap mempunyai sisi lemah. Ada beberapa kelemahan yang dimiliki model tersebut, antara lain:
1. Model VAR lebih bersifat a-teoritik karena tidak memanfaatkan informasi atau teori terdahulu. Oleh karenanya, model tersebut sering disebut sebagai
model yang tidak struktural. 2. Mengingat tujuan utama model VAR untuk peramalan maka model VAR
kurang cocok untuk analisis kebijakan. 3. Tantangan terberat VAR adalah pemilihan panjang lag yang tepat.
4. Semua variabel dalam VAR harus stasioner, jika tidak stasioner maka harus ditransformasikan terlebih dahulu.
5. Interpretasi koefisien yang didapat berdasarkan model VAR tidak mudah.
3.2.2.6. Vector Error Correction Model VECM