Pada persamaan 3.29 diasumsikan bahwa error term ut tidak berkorelasi. Kasus error term-nya berkorelasi maka contoh persamaan yang dapat
diuji stasioneritas melalui Augmented Duckey-Fuller ADF dapat ditulis sebagai berikut Gujarati, 2003:
∆ Y
t
= β
1
+ β
2t
+ δY
t-1
+ α ∑ ∆Y
t-1
+ ε
t
3.30 dimana:
ε
t
= pure white noise error term, ∆
Y
t-1
= Y
t-1
– Y
t-2
, ∆Y
t-2
= Y
t-2
– Y
t-3
, dan seterusnya. Kasus persamaan seperti ini pengujian hipotesis yang dilakukan masih
sama dengan sebelumnya yaitu H adalah δ = 0 tidak stasioner dengan hipotesis
alternatifnya yaitu H
1
adalah δ 0 stasioner. Artinya jika H ditolak dan
menerima H
1
maka data stasioner dan begitu juga sebaliknya. Uji yang dilakukan untuk mengetahui apakah sebuah data time series bersifat stasioner atau tidak
adalah dengan melakukan uji Ordinary Least Square OLS dan melihat nilai t statistik dari estimasi δ. Uji statistik memiliki rumus sebagai berikut jika δ adalah
nilai dugaan dan
S
δ
adalah simpangan baku dari δ maka: t
hit
= 3.31
Keputusannya adalah tolak H apabila nilai t-statistik lebih kecil dari nilai
statistik ADF dalam nilai kritikal 1 persen, 5 persen, atau 10 persen. Dengan kata lain data bersifat stasioner dan begitu juga sebaliknya.
3.3.4.2 Pengujian Lag Optimal.
Langkah penting yang harus dilakukan dalam menggunakan model VAR adalah penentuan jumlah lag yang optimal yang digunakan dalam model.
Pengujian panjang lag yang optimal dapat memanfaatkan beberapa informasi yaitu dengan menggunakan Akaike Information Criterion AIC, Schwarz
Criterion SC dan Hannan-Quin Criterion HQ. Langkah sebelumnya adalah
menentukan nilai determinan dari kovarian residual ˆ Ω
untuk dapat menentukan lag
ini, yang dapat dihitung sebagai berikut Eviews 6 User’s Guide:
Ω
= det
−
∑
t t
t
e e
p T
ˆ ˆ
1 3.32
dimana p adalah angka parameter dari tiap persamaan dalam VAR. Selanjutnya, log likelihood
value dengan mengasumsikan distribusi normal Gaussian dapat dihitung:
l = -
{ }
Ω +
+ ˆ
log 2
log 1
2 π
k T
3.33 dimana k adalah banyaknya parameter yang diestimasi dan T adalah jumlah
observasi. Dilanjutkan kemudian dengan menggunakan Nilai AIC, SC maupun HQ dan dipilih nilai yang terkecil. Rumus perhitungannya dapat dilihat dalam
tabel dibawah ini Eviews 6 User’s Guide :
3.3.4.3.Uji Stabilitas VAR.
Metode yang akan digunakan untuk melakukan analisis pengaruh guncangan Foreign Direct Investment sektor industri besi baja terhadap output
AIC SC
HQ
2 2
l T k T
− +
2 log
l T k
T T
− +
2 2 loglog
l T k
T T
− +
3.34
PDB industri besi baja di Indonesia serta variabel makroekonomi adalah analisis impuls respon IRF dan analisis peramalan dekomposisi ragam galat FEVD.
Sistem persamaan VAR yang telah terbentuk harus diuji stabilitasnya terlebih dahulu sebelum kedua analisis tersebut, melalui VAR stability condition check.
Uji stabilitas VAR dilakukan dengan menghitung akar-akar dari fungsi polinomial atau dikenal dengan roots of characteristic polinomial. Model VAR tersebut
dianggap stabil jika semua akar dari fungsi polinomial tersebut berada didalam unit circle
atau jika nilai absolutnya lebih kecil dari 1 sehingga IRF dan FEVD yang dihasilkan dianggap valid Windarti, 2004.
3.3.5. Uji Kointegrasi.
