2. Melakukan uji kointegrasi untuk menentukan model yang akan digunakan dalam penelitian apakah menggunakan model VAR atau VECM.
3. Menyusun Variance Decompositions VD. Dekomposisi varian VD menunjukkan persentasi dari varians eror yang terjadi dalam meramal suatu
variabel pada suatu jangka waktu tertentu yang berkaitan dengan guncangan tertentu.
4. Menganalisis Impulse Response Function IRF. IRF menyusuri jejak dari respon yang diharapkan dari nilai saat ini dan masa depan dari tiap variabel
terhadap suatu guncangan pada satu dari persamaan VAR.
3.3.1 Model Umum VAR
Pendekatan VAR merupakan rangkaian model time series multivariat yang dikembangkan oleh Sims. VAR adalah suatu sistem persamaan yang
memperlihatkan setiap peubah sebagai fungsi linier dari konstanta dan nilai lag dari peubah-peubah yang ada dalam sistem Enders, 2004. Dalam model VAR,
semua variabel yang digunakan dalam analisis dianggap berpotensi menjadi variabel endogen, dengan mengabaikan pemisahan antara variabel eksogen dan
variabel endogen atau dalam arti lain yaitu semua variabel berhak menjadi variabel dependent dan variabel independent. Model VAR dan VECM yang
digunakan dalam
penelitian ini
adalah sebagai
berikut: Model Umum :
G
t
= f GW
t,
INV
t,
ER
t,
INF
t,
TR
t,
NE
t
........................................................ 3.1 Model dalam bentuk matriks,
��_ ��_
��_�� ��_ �
�� ��_��
��_� =
+
11 12
13 14
15 16
17 21
22 23
24 25
26 27
31 32
33 34
35 36
37 41
42 43
44 45
46 47
51 52
53 54
55 56
57 61
62 63
64 65
66 66
71 72
73 74
75 76
77
��_
�−�
��_
�−�
��_��
�−�
��_ �
�−�
��
�−�
��_��
�−�
��_�
�−�
+
1 �
2 �
3 �
4 �
5 �
6 �
7 �
....... 3.2
Keterangan : G
= Pengeluaran pemerintah Indonesia Miliar Rupiah GW
= Pertumbuhan PDB Indonesia Persen INV
= Investasi Miliar Rupiah ER
= Nilai Tukar RPUS INF
= Inflasi Persen TR
= Penerimaan pajak Indonesia Miliar Rupiah NE
= Ekspor bersih US Dolar
Semua data estimasi yang dipergunakan dalam VAR adalah dalam bentuk logaritma natural sesuai dengan pendapat Sims dan Enders 2004, kecuali data
yang sudah dalam bentuk persen atau data tersebut memiliki koefisien yang negatif sangat kecil yang tidak mungkin untuk diubah kedalam bentuk logaritma
natural. Salah satu alasannya adalah untuk memudahkan analisis, karena baik dalam impulse respons maupun variance decomposition, pengaruh guncangan
dilihat dalam standar deviasi yang dapat dikonversi dalam bentuk persentase. Semua variabel adalah variabel endogen dalam metode VAR, sehingga dalam
model penelitian ini dapat dilihat hubungan saling ketergantungan antara semua variabel Agung, 2012.
Selain VAR, terdapat pula VAR FD Vector Autoregression First Difference
. Perbedaan keduanya terletak pada kestasioneran data yang digunakan. Model VAR stasioner pada data level, sementara VAR FD stasioner
pada data turunan pertama first difference.
3.3.2 Uji Stasionaritas Data
