Vector Autoregression VAR Metode Analisis

bersifat iid atau mempunyai rata-rata nol, varian konstan dan tidak saling berhubungan tidak mengalami autokorelasi. Uji hipotesisnya sama dengan metode DFADF, akan tetapi nilai t statistik PP mengikuti persamaan 3.11. ⁄ 3.11 dengan: ∑ dan ∑ ̂ ̂ Asymptotic distribution dari t PP sama dengan uji ADF yaitu menggunakan nilai kritis McKinnon. Penentuan panjang lag pada metode PP menggunakan truncation lag q dari Newey-West Correction. Nilai q menunjukkan periode adanya autokorelasi. Perangkat lunak yang digunakan untuk melakukan uji stasioneritas dengan metode DFADF dan PP adalah EViews 6.0. Cara untuk mengetahui uji hipotesis mana yang digunakan dalam uji stasioneritas adalah: ƒ Regresikan terhadap intercept dan trend ƒ Jika koefisien intercept dan trend signifikan secara statistik maka uji hipotesis yang digunakan adalah uji hipotesis untuk model yang mengandung intercept dan trend atau seperti pada persamaan 3.6c ƒ Jika koefisien intercept saja yang signifikan secara statistik maka uji hipotesis yang digunakan adalah uji hipotesis untuk model yang mengandung intercept saja atau seperti pada persamaan 3.6b ƒ Jika koefisien intercept dan trend tidak signifikan secara statistik maka uji hipotesis yang digunakan adalah uji hipotesis untuk model tanpa intercept dan trend atau seperti pada persamaan 3.6a

3.3.2 Vector Autoregression VAR

Model VAR dipopulerkan pertama kali oleh Sims pada tahun 1980. Model ini merupakan pengembangan dari model autoregression AR univariate. Model VAR merupakan suatu sistem persamaan dinamis karena pendugaan suatu variabel pada periode tertentu tergantung pada pergerakan variabel tersebut dan variabel-variabel lain yang terlibat dalam sistem pada periode-periode sebelumnya Enders 2004. VAR biasanya digunakan untuk memproyeksikan variabel-variabel time series dan untuk menganalisa dampak dinamisnya. Model VAR menganggap beberapa variabel dalam persamaan merupakan variabel endogen sehingga sebuah variabel nilainya dapat dipengaruhi oleh nilainya sendiri di masa lampau dan nilai variabel endogen lainnya di masa lampau. Penggunaan model VAR memiliki keunggulan dan kelemahan. Keunggulan menggunakan model VAR adalah: ƒ Metode ini sederhana karena peneliti tidak perlu khawatir salah dalam membedakan variabel endogen dan eksogen. ƒ Estimasinya sederhana karena metode ordinary least square OLS dapat diaplikasikan pada tiap-tiap persamaannya secara terpisah. ƒ Hasil perkiraan forecast yang diperoleh untuk banyak kasus lebih baik dibandingkan dengan analisis menggunakan model persamaan simultan. ƒ Model VAR bisa menggambarkan adanya hubungan timbal balik interrelationship antara variabel-variabel ekonomi. Kelemahan model VAR adalah: ƒ Sulit menentukan panjang lag optimal yang akan digunakan. ƒ Terlalu banyak parameter yang diestimasi sehingga akan menyulitkan dalam interpretasinya. ƒ Semua variabel dalam model VAR haruslah stasioner dan jika ada yang tidak stasioner maka variabel tersebut harus ditransformasi agar stasioner, namun terkadang data hasil transformasi kurang memuaskan. Bentuk umum dari model VAR untuk variabel sebanyak n dan lag optimalnya p adalah: , , , , … , … , , , … , , , , , … , … , , , … , Keterangan: , , ..., adalah white-noise error yang mempunyai sifat-sifat: ƒ ƒ , untuk i = s ƒ , untuk i ≠ s Matriks VAR tersebut dapat dituliskan dalam bentuk persamaan 3.12. x A A x A x A x e 3.12

3.3.3 Uji Lag Optimum