berdasarkan lag terpendek dengan menggunakan Schwarz Information Criterion SC. Hasil pengujian penentuan lag optimal ini dapat dilihat pada Tabel 4.2.
Tabel 4.2. Pengujian Lag Optimal VAR
Lag LM1R LM2R LM1ISLR
LM2ISLR 0 -5.655168 -6.693080 -1.629395 -1.735444
1 -7.595590 -8.748189 -2.429522 -2.507683 2
-8.456005 -9.890451
-3.413715 -3.510520
3 -8.515877
-10.07351 -3.169537
-3.261383 4 -7.950825 -9.609169 -2.577178 -2.681131
5 -7.823485 -9.569978 -2.478067 -2.586532
Sumber : Lampiran 2 Catatan : Tanda asterik menunjukkan SC terkecil
Dengan demikian persamaan umum VAR dapat ditulis sebagai berikut : M1 Konvensional
M2 Konvensional
M1 Islam
M2 Islam
dimana : = Variabel analisis untuk konvensional yang terdiri dari keseimbangan
it i
t i
i i
i t
i i
t i
i i
t i
i t
rs lpdb
islr lm
X ε
ψ +
Γ +
Π +
Φ +
=
− =
= −
− =
− =
∑ ∑
∑ ∑
2 1
2 1
2 1
2 1
inf exp
1
it i
t i
i i
t i
i i
t i
i i
t i
i t
rs lpdb
islr lm
X ε
ψ +
Γ +
Π +
Φ +
=
− =
− =
− =
− =
∑ ∑
∑ ∑
2 1
2 1
2 1
2 1
inf exp
2
it t
i i
i t
i i
i t
i i
i t
i i
t
idep lpdb
r lm
Z ε
+ Γ
+ Π
+ Φ
+ Ψ
=
− =
− =
− =
− =
∑ ∑
∑ ∑
1 3
1 3
1 3
1 3
1
inf exp
2
it i
t i
i i
t i
i i
t i
i i
t i
i t
idep lpdb
r lm
Z
ε
+ Γ
+ Π
+ Φ
+ Ψ
=
− =
− =
− =
− =
∑ ∑
∑ ∑
3 1
3 1
3 1
3 1
inf exp
1
t
Z 18
19
20
21
uang riil M1R dan M2R, pendapatan riil PDBR, expected inflation EXPINF, dan suku bunga IDEP
= Variabel analisis untuk Islam yang terdiri dari keseimbangan uang riil Islam M1ISLR dan M2ISLR, pendapatan riil PDBR, expected
inflation EXPINF, dan rate of return syariah RS = parameter dalam bentuk matriks polinomial finite order matrix
dengan lag operator i =
vector white noise =
panjang lag ordo VAR
4.3 Pengujian Stabilitas VAR
Stabilitas VAR perlu diuji dahulu sebelum melakukan analisis lebih jauh, karena jika hasil estimasi VAR yang akan dikombinasikan dengan model koreksi
kesalahan tidak stabil, maka IRF Impulse Response Function dan FEVD Forecasting Error Variance Decomposition menjadi tidak valid Nugraha,
2006. Untuk menguji stabil atau tidaknya estimasi VAR yang telah dibentuk maka dilakukan VAR stability condition check berupa roots of characteristic
polynomial. Suatu sistem VAR dikatakan stabil jika seluruh roots-nya memiliki modulus lebih kecil dari 1 Lutkepohl dalam Eviews 4 User’s Guide, 2002.
Berdasarkan uji stabilitas VAR maka dapat disimpulkan bahwa estimasi VAR yang akan digunakan untuk analisis IRF dan FEVD stabil. Ringkasan pengujian
stabilitas VAR dapat dilihat pada Tabel 4.3. Dari tabel tersebut dapat disimpulkan bahwa model VAR yang dibentuk sudah stabil pada lag optimalnya.
t
X
Φ Γ
Π , ,
, ψ
it
ε i
Tabel 4.3. Uji Stabilitas Model VAR
Model Kisaran Modulus
LM1R 0.080699-0.897403 LM2R 0.339967-0.908146
LM1ISLR 0.252866-0.859786 LM2ISLR 0.296331-0.859966
Sumber : Lampiran 3 4.4
Pengujian Kointegrasi
Konsep kointegrasi ini dikemukakan oleh Engle dan Granger pada tahun 1987 sebagai fenomena kombinasi linear dari dua atau lebih variabel yang tidak
stasioner akan menjadi stasioner. Kombinasi linear ini dikenal dengan istilah persamaan kointegrasi dan dapat diinterpretasikan sebagai hubungan
keseimbangan jangka panjang diantara variabel Verbeek dalam Nugraha, 2006. metode pengujian kointegrasi didasarkan pada metode Johansen.
Pengujian ini dilakukan dalam rangka memperoleh hubungan jangka panjang antar variabel yang telah memenuhi persyaratan selama proses integrasi
yaitu dimana semua variabel telah stasioner pada derajat yang sama yaitu derajat 1 I1. Informasi jangka panjang diperoleh dengan menentukan terlebih dahulu rank
kointegrasi untuk mengetahui berapa sistem persamaan yang dapat menerangkan dari keseluruhan sistem yang ada. Kriteria pengujian kointegrasi pada penelitian
ini didasarkan pada trace-statistics. Apabila nilai trace-statistics lebih besar daripada nilai kritis lima persen maka hipotesis alternatif yang menyatakan jumlah
rank kointegrasi dapat diterima. Hasil pengujian kointegrasi dapat dilihat pada Tabel 4.4.
