3.3.3. Metode Vector Error Correction Model VECM
Data stasioner atau tidak mengandung unit root merupakan syarat pertama dalam metode VAR. Namun pada umumnya, data time series tidak stasioner pada
level, dan baru stasioner pada perbedaan pertama atau first difference, yang menyebabkan hilangnya informasi jangka panjang. Model VECM dapat
digunakan untuk mengantisipasi hilangnya informasi jangka panjang, dan apabila terdapat minimal satu persamaan yang terkointegrasi.
Model umum VECM sebagai berikut Achsani et al, 2005: ∆X
t
= µ
t
+ πX
t -1
+ ∑
Г
i
∆X
t-i
+
t
Dimana π dan Г merupakan fungsi dari A
i
pada model umum VAR. Matriks π
dapat dipecah menjadi dua matriks dan β dengan dimensi n x r. π = β
τ
, dimana merupakan matriks penyesuaian,
β merupakan vector kointegrasi, dan τ merupakan rank kointegrasi.
3.3.4. Pengujian Pra Estimasi
3.3.4.1.Uji Stasioneritas Data
Uji stasioneritas data atau sering disebut dengan unit root test, merupakan langkah awal yang dilakukan untuk mengestimasi sebuah model yang akan
digunakan. Unit root test dapat dilakukan dengan uji Augmented Dicky-Fuller ADF dan menggunakan taraf nyata lima persen. Menurut Gujarati 2003, ADF
dapat diuji dengan persamaan sebagai berikut: ∆Y
t
= β
1
+ β
2
t +
δY
t -1
+ α
i
∑ ∆Y
t -1
+
t
; dimana
t
= pure white noise error term, ∆Y
t -1
= Y
t -1
- Y
t -2
dan seterusnya.
Selain itu, perlu dilakukan juga ujia nilai t-statistik dari estimasi δ, untuk
mengetahui apakah data time series bersifat stasioner atau tidak. Uji statistik memiliki rumus sebagai berikut:
t
hit
= δ S
δ
Dengan pengujian hipotesis yaitu H =
δ = 0 tidak stasioner dengan hipotesis alternatifnya yaitu H
1
= δ 0 stasioner. Apabila nilai t-statistik lebih kecil dari
nilai statistik ADF, maka hasil yang didapat adalah tolak H . Dimana, jika H
ditolak dan menerima H
1
, maka data yang digunakan bersifat stasioner atau tidak mengandung unit root , dan begitu juga sebaliknya.
3.3.4.2.Uji Lag Optimal
Uji ini dilakukan untuk membentuk model VAR yang baik dengan penentuan panjang lag yang optimal yang digunakan dalam model. Penentuan
jumlah lag optimal yang akan digunakan dalam model VAR dapat ditentukan berdasarkan kriteria Akaike Information Criterion AIC, Schwarz Information
Criterion SC dan Hannan Quinnon Criterion HQ. Menurut Gujarati 2003,
lag yang akan dipilih adalah model dengan nilai yang paling kecil. Karena, jika
terlalu banyak panjang lag, maka akan mengurangi degree of freedom atau derajat bebas, sehingga lag yang lebih kecil disarankan untuk dapat memperkecil
spesifikasi error. Rumus untuk menghitung nilai AIC, SC dan HQ adalah:
AIC = - 2 T + 2
T SC = - 2
T + logT T
HQ = - 2 T + 2
loglogT T
3.3.4.3.Uji Stabilitas VAR
Metode analisis yang akan digunakan untuk melakukan analisis hubungan guncangan variabel kebijakan fiskal seperti pengeluaran pemerintah dan pajak,
pertumbuhan ekonomi, dan suku bunga internasional terhadap pinjaman luar negeri adalah analisis impuls respon IRF dan analisis peramalan dekomposisi
ragam galat FEVD. Kedua analisis tersebut dapat digunakan setelah uji stabilitas VAR dilakukan. Melalui VAR stability condition check, dengan menghitung akar-
akar fungsi polinominal atau roots of characteristic polinominal. Jika semua akar dari fungsi polinominal tersebut berada di dalam unit circle atau jika nilai
absolutnya lebih kecil dari 1, maka model VAR tersebut dianggap stabil, sehingga IRF dan FEVD yang dihasilkan dianggap valid Windarti, 2004.
3.3.5. Uji Kointegrasi
Kategori