3.6 Uji Kausalitas Granger
Uji kausalitas Granger dilakukan untuk mengetahui dan mengevaluasi kemampuan peramalan dari suatu peubah deret waktu pada periode
sebelumnya terhadap peubah deret waktu lainnya pada periode sekarang. Hipotesis nol yang diuji menyatakan bahwa tidak adanya kausalitas diantara
variabel sedangkan hipotesis alternatif menyatakan bahwa adanya hubungan kausalitas diantara variabel. Untuk menolak atau menerima hipotesis nol
dapat melihat probabilitasnya yang dibandingkan dengan tingkat kepercayaan, pada penelitian ini menggunakan tingkat kepercayaan atau nilai
kritis sebesar 5 persen. Jika nilai probabilitasnya lebih kecil dari 5 persen maka hipotesis nol ditolak, ini berarti bahwa adanya hubungan kausalitas
diantara variabel-variabel yang diuji.
3.7 Model Vector Autoregression VAR
Vector Autoregression VAR merupakan alat analisis atau metode statistik yang bisa digunakan baik untuk memproyeksikan sistem variabel-
variabel atau peubah runtut waktu atau time series maupun untuk menganalisis dampak dinamis dari faktor gangguan yang terdapat dalam
sistem variabel tersebut. Kelebihan dari analisis model VAR, antara lain adalah Nachrowi dan Usman, 2006 :
a. Model VAR adalah model yang sederhana dan tidak perlu membedakan mana variabel yang endogen dan mana yang variabel eksogen. Semua
variabel pada model VAR dapat dianggap sebagai variabel endogen b. Cara estimasinya sangat mudah, dimana metode Ordinary Least Square
OLS dapat diaplikasikan pada tiap-tiap persamaan secara terpisah. c. Peramalan atau forecast yang diperoleh dengan model VAR pada beberapa
hal lebih baik dibandingkan hasil yang didapat dengan menggunakan model persamaan simultan yang kompleks sekalipun.
Namun dengan demikian, model VAR tetap mempunyai kekurangan, diantaranya sebagai berikut :
a. Model VAR lebih bersifat a teoritik karena tidak dapat memanfaatkan informasi atau teori terdahulu. Oleh karena itu, model tersebut sering
disebut sebagai model yang tidak struktural.
b. Mengingat tujuan utama model VAR adalah untuk peramalan maka model VAR kurang cocok untuk analisis kebijakan.
c. Pemilihan banyaknya lag yang digunakan dalam persamaan juga dapat menimbulkan permasalahan.
d. Semua variabel VAR harus stasioner, jika tidak stasioner maka harus ditransformasi terlebih dahulu.
e. Interpretasi koefisien yang didapat berdasarkan model VAR tidak mudah. VAR adalah suatu sistem persamaan dinamis dimana pendugaan
suatu peubah pada periode tertentu tergantung pada pergerakan peubah tersebut dan peubah-peubah lain yang terlibat dalam sistem pada periode-
periode sebelumnya Enders, 2004. Untuk suatu sistem sederhana dengan dua peubah, model simultan yang dibentuk Enders, 2004 adalah sebagai
berikut: ..............................................2
..............................................3 dengan asumsi: a dan stasioner; b
dan adalah galat dengan
simpangan baku dan
; dan c dan
tidak berkorelasi. Persamaan 2 dan 3 memiliki struktur timbal balik atau feedback
karena dan saling memberikan pengaruh satu sama lain. Persamaan ini merupakan persamaan VAR struktural. Dengan menggunakan aljabar
matriks, persamaan 2 dan 3 dapat dituliskan sebagai berikut:
atau ..............................................................................4
Jika persamaan 4 dikalikan dengan akan diperoleh model VAR
bentuk standar: ...............................................................................5
dimana:
Secara umum model VAR berordo p mempunyai bentuk persamaan Enders, 2004 sebagai berikut:
.......................................6 Dimana
= vektor peubah endogen berukuran nx1 diasumsikan stasioner yang berisi n peubah yang masuk ke dalam model VAR,
= vektor intersep berukuran nx1,
= matriks parameter berukuran nxn untuk i = 1, 2, ..., p, = vektor sisaan berukuran nx1, p = panjang lag, t = periode
amatan. Vector Autoregression VAR adalah sistem persamaan yang
menunjukkan setiap peubah dalam persamaan merupakan fungsi linier dari konstanta nilai lag dari peubah itu sendiri serta nilai lag dari peubah lain yang
ada di dalam sistem Agung, 2009. Jadi, peubah penjelas dalam VAR meliputi nilai lag seluruh peubah tak bebas dalam sistem.
3.8 Kointegrasi
Kategori