Vector Autoregression VAR Metode Analisis Data

3.2. Metode Analisis Data

3.2.1. Vector Autoregression VAR

Penelitian ini menggunakan metode Vector Autoregression VAR, yaitu suatu sistem persamaan yang diperlihatkan setiap peubah sebagai fungsi dari konstanta dan nilai lag dari peubah itu sendiri serta nilai lag yang lain dari peubah lain ada dalam sistem itu sendiri. Jika data yang digunakan stasioner dan tidak terkointegrasi, maka metrode VAR level yang digunakan. Tetapi, jika data yang digunakan tidak stasioner di level maka VAR first difference yang digunakan. Keuntungan VAR dibanding metode ekonometri konvensional adalah sebagai berikut: 1. Mengembangkan model secara bersamaan di dalam suatu sistem yang kompleks multivariat, sehingga dapat menangkap hubungan keseluruhan variabel didalam persaman itu. Jadi, dengan metode VAR ini dapat menangkap berbagai pola hubungan kausalitas antara variabel dalam sistem, dalam hal ini hubungan langsung maupun hubungan tak langsung. 2. Uji VAR yang multivariat bisa menghindari parameter yang bias akibat tidak dimasukkannya variabel yang relevan. 3. Metode VAR dapat mendeteksi hubungan antara variabel dalam sistem persamaan, dengan menjadikan seluruh variabel sebagai endogenus. 4. Karena bekerja berdasarkan data, motode VAR terbatas dari berbagai batasan teori ekonomi yang sering muncul termasuk gejala perbedaan palsu spuriuos variabel endogen and exogen didalam model ekonometri konvensional terutama dalam persamaan simultan, sehingga menghindari penafsiran yang salah. 5. Karena VAR merupakan sub topik time series dalam ekonometri, maka analisa secara dinamis antar variabel sangat diperlukan. Dengan metode dekomposisi varians dan Impuls Respon Function, hasil empiris dalam metode VAR dapat menjelaskan pergerakan variabel dalam mempengaruhi seluruh variabel lain dalam mempengaruhi satu variabel lain. Sebagai metode ekonometrika, VAR juga tidak luput dari berbagai kelemahan, yang dapat diuraikan sebagai berikut: 1. Model VAR boleh dikatakan ambisus bila argumentasi yang digunakan dalam menyusun teori baru ataupun menguji teori lama berdasarkan data time series yang ada. Karena betapapun hasilnya dari model VAR, seorang peduli dapat membenarkan dan membantah teori lama ataupun mengusulkan teori baru berdasarkan hasil empiris yang diperoleh. 2. Metode VAR tidak mempermasalahkan perbedaan eksogenitas dan endogenitas. Hal ini akan menyebabkan berbagai implikasi kebijaksanaan yang kurang tepat bila semata-mata didasarkan pada hubungan antara Variabel dalam sistem. Adapun beberapa tahapan yang digunakan dalam penelitian ini, diantaranya: 1. Uji kestasioneran data dengan menggunakan Augmented Dickey Fuller ADF Test. Jika nilai ADF statistiknya lebih kecil dari MacKinnon Value maka dapat disimpulkan bahwa data tersebut stasioner. 2. Apabila hasil dari uji ADF mengandung akar unit atau dengan kata lain dat tidak stasioner pada tingakat level, maka harus dilakukan penarikan differensial sampai data stasioner, dilakukan pengujian pada tingkat first difference atau second difference. Metode VAR dapat dikombinasikan dengan Vector Error Corection Model VECM. 3. Uji lag optimal VAR, pada tahap pertama, akan dilihat panjang lag maksimum sistem VAR yang stabil. Pada tahap kedua, panjang lag optimal akan dicari dengan menggunakan kriteri Schwarz Information Criteria SC. Setelah mendapat ordo lag optimal, maka dalam penggunaan VECM ordo optimal dikurangi 1 menjadi k-1. 4. Uji kointegrasi dilakukan dengan pendekatan johansen dengan melihat nilai Trace Statistic. 5. Infulse Response Function IRF dan Variance Decomposition VD untuk melihat dan peran shok masing-masing variable terhadap variable tertentu.

3.2.2. Uji Unit –Root