y
t
=
δ
y
t-1
+
t
3.1 dimana
∆ merupakan perbedaan pertama first difference, dan δ = ρ -1,
sehingga hipotesis yang diuji adalah: H :
: δ = 0
dan hipotesis alternatif H :
δ 0. Model pengujian unit root yang digunakan dalam banyak penelitian adalah
model Aughmented Dickey Fuller ADF test. Model umum dari ADF adalah sebagai berikut:
y
t
= k + y
t-1
+ c
1
y
t-1
+ c
2
y
t-2
+ ..... + c
p
y
t-p
+ Trend +
t
3.2 Hipotesis yang diuji pada uji ADF adalah apakah
H :
: δ = 0
dengan hipotesis alternatif H
: δ 0. Jika nilai ADF statistiknya lebih kecil dari Mac
Kinnon Critical Value maka hipotesis nol yang menyatakan bahwa data tidak
stasioner ditolak terhadap hipotesis alternatifnya dengan kata lain dengan menolak H
berarti data stasioner. Solusi yang dapat dilakukan apabila data tidak stasioner pada uji ADF adalah dengan melakukan difference non stasionary processes.
Test tersebut dilakukan untuk meningkatkan akurasi dari analisis apabila data yang diamati stasioner. Test ini hanya merupakan pelengkap dari analisis
VAR, karena tujuan dari analisis VAR adalah untuk menilai adanya hubungan timbal balik di antara variabel yang diamati.
3.2.2. Model Umum Vector Autoregression VAR
VAR dengan ordo p dengan peubah n buah peubah tak bebas pada waktu
ke-t dapat dimodelkan sebagai berikut:
y
t
= A + A
1
y
t-1
+ A
2
y
t-2
+ ... + A
p
y
t-p
+
ε
t
3.3 dimana: y
t
= vektor peubah tak bebas y
t.1
, y
t.2
, ..., y
n.t
, A
= vektor intersep berukuran n x 1, A
1
= matrik parameter berukuran,
ε
t
= vektor sisaan
ε
1.t
,
ε
2.t
,...,
ε
n.t
.
3.2.3. Penentuan Lag Optimal
Uji lag optimal dilakukan untuk mengetahui berapa jumlah lag yang sesuai untuk diamati. Penetapan tingkat lag yang optimal dapat dilakukan dengan
menggunakan fungsi kriteria informasi information criterion sebagai berikut: a Kriteria uji Likelihood Ratio LR; b Final Prediction Criterion FPE; c
Akaike Information Criterion AIC; d Schwarz Information Criterion SIC;
dan e Hannan-Quinn Criterion. Penentuan lag optimal dalam analisis VAR sangat penting dilakukan karena dari
variabel endogen dalam sistem persamaan akan digunakan sebagai variabel eksogen Enders, 2004. Pengujian panjang lag optimal ini sangat berguna untuk
menghilangkan masalah autokorelasi dalam sistem VAR. Penelitian ini menggunakan Schwarz Information Criterion SIC untuk menentukan lag
optimal. Model VAR diestimasi dengan tingkat lag yang berbeda-beda kemudian dibandingkan nilai SIC-nya. Nilai SIC yang terkecil dipakai sebagai patokan nilai
lag yang optimal.
3.2.4. Uji Kointegrasi
Metode kointegrasi yang dapat digunakan diantaranya metode kointegrasi Engle-Granger dan metode kointegrasi Johansen. Dalam penelitian ini digunakan
metode kointegrasi Johansen untuk memperoleh hubungan jangka panjang antara variabel-variabel dalam model. Metode kointegrasi Johansen digunakan karena
dalam penelitian ini menggunakan metode analisis VAR. Metode kointegrasi Johansen ini berbeda dengan metode Engle-Granger yang biasanya digunakan
untuk satu persamaan saja.
3.2.5. Vector Error Correction Model VECM
Model VECM digunakan jika dalam persamaan terdapat kointegrasi antar variabel atau rank kointegrasi r lebih dari nol. Model VECM ordo p dan rank r
dituliskan sebagai: 3.4
dimana: = ,
= vektor kointegrasi berukuran rx1, = vektor adjustment berukuran rx1,
3.2.6. Innovation Accounting
