4. Gross Domestic Product GDP adalah Produk Domestik Bruto PDB riil
yang menjadi indikator untuk mengukur pertumbuhan ekonomi di Indonesia. Data variabel GDP merupakan data konstan dalam dolar Amerika pada tahun
dasar 2000. 5.
London Inter Bank Offer Rate LIBOR adalah suku bunga internasional yang digunakan sebagai suku bunga pinjaman luar negeri. Data variabel LIBOR
merupakan data dalam persen.
3.3. Metode Analisis dan Pengolahan Data
Alat analisis yang digunakan dalam penelitian ini adalah metode Granger Causality
Kausalitas Granger, Vector Auto Regression VAR dan Vector Error Correction Model
VECM dalam mengelolah beberapa data time series.
3.3.1. Metode Granger Causality Kausalitas Granger
Studi kausalitas ditujukan untuk mengukur kekuatan hubungan antar variabel dan menunjukkan arah hubungan sebab akibat, dimana X menyebabkan
Y, Y menyebabkan X, atau X menyebabkan Y dan Y menyebabkan X. Uji kausalitas Granger dipercaya jauh lebih bermakna dari uji korelasi biasa Ascarya,
2009. Dengan melakukan uji kausalitas Granger dapat diketahui beberapa hal, sebagai berikut:
• Apakah X mendahului Y, apakah Y mendahului X, atau hubungan X dan Y timbal balik.
• Suatu variabel X dikatakan menyebabkan variabel lain Y, apabila Y saat ini diprediksi lebih baik dengan menggunakan nilai-nilai masa lalu X.
• Asumsi dalam uji ini adalah bahwa X dan Y dianggap sepasang data runtut waktu yang memiliki kovarians linier yang stasioner
Secara matematis, persamaan kausalitas Granger ini dapat dituliskan sebagai berikut:
Y
t
= ∑ a
i
Y
t-i
+ ∑ b
j
X
t-j
+ v
t
; X → Y jika b
j
Y
t
= ∑ c
i
Y
t-i
+ ∑ d
j
X
t-j
+ u
t
; Y → X jika d
j
3.3.2. Metode Vector Auto Regression VAR
Metode VAR merupakan rangkaian model time series multivariat yang dikembangkan oleh Sims 1980, dimana VAR adalah suatu sistem persamaan
yang memperlihatkan setiap peubah sebagai fungsi linier dari konstanta dan nilai lag
dari peubah-peubah yang ada dalam sistem. Metode VAR digunakan jika data stasioner atau tidak mengandung unit root pada level. Dalam model VAR, semua
variabel yang digunakan dalam analisis dianggap berpotensi menjadi variabel endogen, dengan mengabaikan pemisahan antara variabel eksogen dan endogen.
Model umum VAR sebagai berikut Achsani et al, 2005: X
t
= µ
t
+ ∑
A
i
+ X
t -1
+
t
dimana, X
t
= vektor dari variabel endogen dengan dimensi n x 1, µ
t
= vektor dari variabel eksogen, termasuk konstanta intersep dan tren, A
i
= koefisien matriks dimensi n x n,
t
= vektor dari residual.
3.3.3. Metode Vector Error Correction Model VECM
Data stasioner atau tidak mengandung unit root merupakan syarat pertama dalam metode VAR. Namun pada umumnya, data time series tidak stasioner pada
level, dan baru stasioner pada perbedaan pertama atau first difference, yang menyebabkan hilangnya informasi jangka panjang. Model VECM dapat
digunakan untuk mengantisipasi hilangnya informasi jangka panjang, dan apabila terdapat minimal satu persamaan yang terkointegrasi.
Model umum VECM sebagai berikut Achsani et al, 2005: ∆X
t
= µ
t
+ πX
t -1
+ ∑
Г
i
∆X
t-i
+
t
Dimana π dan Г merupakan fungsi dari A
i
pada model umum VAR. Matriks π
dapat dipecah menjadi dua matriks dan β dengan dimensi n x r. π = β
τ
, dimana merupakan matriks penyesuaian,
β merupakan vector kointegrasi, dan τ merupakan rank kointegrasi.
3.3.4. Pengujian Pra Estimasi