difference dalam VAR dapat digunakan, namun identifikasi restriksi jangka panjang tidak dapat dilakukan. Oleh karena itu, kestasioneran data harus diketahui
sebelum menggunakan VAR. Uji akar-akar unit merupakan uji yang paling populer untuk mengetahui
stasioner sebuah data. Untuk menguji akar-akar unit pada penelitian ini digunakan uji Augmented Dickey-Fuller ADF yang dikembangkan oleh Dickey dan Fuller,
yaitu dengan membandingkan nilai ADF dengan nilai kritis Mac Kinnon 1, 5 , dan 10. Dalam tes ADF, jika nilai ADF lebih kecil dari nilai kritis Mac Kinnon
maka dapat disimpulkan bahwa data tersebut stasioner. Jika data berdasarkan uji ADF tidak stasioner maka solusinya adalah dengan melakukan difference non
stationary processes. Hasil series stasioner akan berujung pada penggunaan VAR dengan metode standar. Sementara series yang tidak stasioner akan berimplikasi
kepada penggunaan VAR dalam bentuk difference atau VECM. Keberadaan variabel yang tidak stasioner meningkatkan kemungkinan keberadaan hubungan
kointegrasi antar variabel.
3.3.2.2. Uji Lag Optimal
Penentuan lag ini sangat penting mengingat tujuan dikembangkannya model VAR adalah untuk melihat perilaku dan hubungan variabel dalam jangka pendek.
Dengan lag yang terlalu sedikit maka residual dari regresi tidak akan menampilkan proses white noise sehingga model tidak dapat mengestimasi actual
error secara tepat. Namun, jika memasukkan terlalu banyak lag maka dapat mengurangi kemampuan untuk menolak H
karena tambahan parameter yang terlalu banyak akan mengurangi degrees of freedom Gujarati, 2003.
Selain itu, isu tentang penentuan panjang lag yang tepat akan menghasilkan residual yang bersifat Gaussian dalam arti terbebas dari permasalahan autokorelasi
dan heteroskedasitas Gujarati, 2003. Untuk kepentingan tersebut dapat digunakan beberapa kriteria untuk mengetahui optimal atau tidaknya lag yang
digunakan. Beberapa kriteria tersebut adalah dengan metode Akaike Information Criterion AIC, Schwarz Information Criterion SIC, Final Prediction Error
FPE, dan Hannan Quinn HQ. Tanda bintang menunjukkan lag optimal yang direkomendasikan oleh kriteria AIC, SIC, FPE dan HQ.
3.3.2.3. Uji Stabilitas VAR
Uji stabilitas VAR harus dilakukan terlebih dahulu sebelum melakukan analisis impuls respon IRF dan analisis peramalan dekomposisi ragam galat
FEVD melalui VAR stability condition check. Uji ini nantinya dimaksudkan untuk mengetahui valid atau tidaknya kedua analisis tersebut. Uji stabilitas VAR
dilakukan dengan menghitung akar-akar dari fungsi polinomial atau dikenal dengan roots of characteristic polinomial. Model VAR tersebut dianggap stabil
jika semua akar dari fungsi polinomial tersebut berada didalam unit circle atau jika nilai absolutnya lebih kecil dari satu sehingga IRF dan FEVD yang dihasilkan
dianggap valid Firdaus, 2011.
3.3.2.4. Uji Kointegrasi
Uji kointegrasi bertujuan untuk menentukan apakah variabel-variabel yang tidak stasioner terkointegrasi atau tidak. Konsep kointegrasi dikemukakan oleh
Engle dan Granger 1987 sebagai kombinasi linear dari dua atau lebih variabel
yang tidak stasioner akan menghasilkan variabel yang stasioner. Kombinasi linear ini dikenal dengan istilah persamaan kointegrasi dan dapat diinterpretasikan
sebagai hubungan keseimbangan jangka panjang diantara variabel. Firdaus, 2011
Persamaan tersebut dikatakan terkointegrasi jika trace statistic critical value. Dengan demikian H
= nonkointegrasi dengan hipotesis alternatifnya H
1
= kointegrasi. Kita tolak H
atau terima H
1
jika trace statistic critical value, yang artinya terjadi kointegrasi dalam persamaan. Tahapan analisis Vector Error
Correction Model VECM dapat dilanjutkan setelah jumlah persamaan yang terkointegrasi telah diketahui.
3.3.2.5. Uji Kausalitas Granger Granger Causality