Penentuan Panjang Lag Pengolahan dan Analisis Data

40

2. Penentuan Panjang Lag

Salah satu permasalahan yang terjadi dalam uji stasioneritas adalah penentuan lag optimal. Harris 1995 menjelaskan bahwa jika lag yang digunakan dalam uji stasioneritas terlalu sedikit, maka residual dari regresi tidak akan menampilkan proses white noise sehingga model tidak dapat mengestimasi actual error secara tepat. Akibatnya, dan standar kesalahan tidak diestimasi secara baik. Namun demikian, jika memasukkan terlalu banyak lag, maka dapat mengurangi kemampuan untuk menolak H karena tambahan parameter yang terlalu banyak akan mengurangi derajat bebas. Panjangnya kelambanan variabel yang optimal diperlukan untuk menangkap pengaruh dari setiap variabel terhadap variabel lain di dalam sistem VAR. Selanjutnya, untuk mengetahui jumlah lag optimal yang digunakan dalam uji stasioneritas, menurut Enders 1995 berikut adalah kriteria yang digunakan: Akaike Information Criterion AIC : T log | Σ| + 2 N Schwarz Bayesian Criterion SBC : T log | Σ| + N log T dimana T = Jumlah observasi | Σ| = Determinan dari matriks varianskovarians dari sisaan N = Jumlah parameter yang diestimasi Dalam penentuan lag optimal dengan menggunakan kriteria informasi tersebut, kriteria yang dipilih adalah kriteria yang mempunyai jumlah dari AIC dan SBC yang paling kecil di antara berbagai lag yang dianjurkan. Bila semakin kecil nilai kriteria tersebut, maka nilai harapan yang dihasilkan oleh sebuah model akan semakin mendekati kenyataan Ajija et al. 2011. Sedangkan jika beberapa kriteria tersebut digunakan maka ada kriteria tambahan yaitu adjusted R 2 sistem VAR. Panjang kelambanan optimal terjadi jika nilai adjusted R 2 adalah paling tinggi Widarjono, 2010. 3. Uji Kointegrasi Keberadaan variabel nonstasioner menyebabkan kemungkinan besar adanya hubungan jangka panjang antara variabel di dalam sistem VAR. Oleh 41 karena itu, dilakukan uji kointegrasi untuk mengetahui keberadaan hubungan antar variabel. Kointegrasi adalah terdapatnya kombinasi linier antara variabel yang non stasioner yang memiliki hubungan jangka panjang pada ordo yang sama. Uji yang dilakukan adalah trace test yaitu mengukur jumlah vektor kointegrasi dalam data dengan menggunakan pengujian pangkat matriks kointegrasi yang dinyatakan sebagai berikut Enders 1995 trace r = –T 1- max r, r+1 = –T ln 1- r+1 dimana: = Nilai dugaan akar karakteristik eigenvalues yang didapatkan dari estimasi matriks π T = Jumlah observasi r = Pangkat yang mengindikasikan jumlah vektor kointegrasi Rank kointegrasi r dari vektor adalah banyaknya vektor kointegrasi yang saling bebas. Jumlah hubungan kointegrasi r dapat dihitung dengan menggunakan 2 uji statistik. Pada uji λ trace , H adalah jumlah vektor kointegrasi yang hilang ≤ r sebagai alternatif umum. Jika λ trace λ tabel maka terima H yang artinya kointegrasi terjadi pada rank r. Sementara pada uji λ max , Ho yaitu jumlah vektor kointegrasi = r adalah alternatif dari vektor kointegrasi r+1 Enders, 1995. Jika tidak terdapat kointegrasi antar variabel maka digunakan model VARD VAR in difference dengan lag kelambanan p, sedangkan jika dalam data yang diduga di model VAR terdapat kointegrasi maka model VAR yang digunakan adalah model VECM Vector Error Correction Model lag kelambanan p rank r Widarjono, 2010.

4. Estimasi Model VAR