variabel non-stasioner yang terintegrasi pada orde yang sama dan terkointegrasi akan menjadi stasioner dalam jangka panjang Enders, 2004.
2.3. Vector Autoregression VAR Model
Model VAR dikembangkan oleh Christoper Sims pada tahun 1980. Model ini pada dasarnya hampir sama dengan model untuk menguji
Granger’s Causality. Model VAR sangat berguna dalam menentukan tingkat eksogenitas
suatu variabel ekonomi dalam sebuah sistem ekonomi dimana terjadi saling ketergantungan antar variabel dalam ekonomi. Dalam Pasaribu 2003 model ini
juga menjadi dasar munculnya metode kointegrasi Johansen 1988, 1989 yang sangat baik dalam menjelaskan perilaku variabel dalam perekonomian. Ketika kita
tidak yakin bahwa suatu variabel sebenarnya merupakan variabel eksogen, perluasan dasar analisis fungsi perubahan adalah untuk memperlakukan setiap
variabel secara simetris Enders, 2000. Model VAR dalam bentuk standar yaitu :
t
= A + A
1 t-1
+
t
…………………………………… Dimana :
A = B
-1
Ґ A
1
= B
-1
Ґ
1
t
= B
-1
ɛ
t
Vector Autoregression VAR merupakan alat analisis atau metode statistik yang bisa digunakan baik untuk memproyeksikan sistem variabel-variabel runtut
waktu Time series maupun untuk menganalisis dampak dinamis dari faktor gangguan yang terdapat dalam sistem variabel tersebut. Keunggulan dari analisis
VAR antara lain Khaerunnisa, 2009 : 1.
Model ini sederhana, tidak perlu khawatir membedakan mana variabel endogen dan variabel eksogen.
2. Estimasinya sederhana, dimana metode Ordinary Least Square OLS bisa
dapat diaplikasikan pada tiap-tiap persamaan secara terpisah. 3.
Hasil Ramalan Forecast yang diperoleh dengan VAR dalam banyak kasus lebih bagus dibandingkan hasil yang didapat dengan menggunakan model
persamaan simultan yang kompleks sekalipun.
Namun demikian, model VAR juga mempunyai kekurangan, diantaranya adalah sebagai berikut :
1. Model VAR lebih bersifat a-theory karena tidak dapat memanfaatkan
informasi atau teori terdahulu. 2.
Mengingat tujuan utama VAR adalah untuk peramalan maka model VAR kurang cocok untuk analisis kebijakan.
3. Pemilihan banyaknya lag yang digunakan dalam persamaan juga dapat
menimbulkan persamalahan. 4.
Semua variabel VAR harus stasioner. 5.
Interpretasi koefisien yang didapat berdasarkan model VAR tidak mudah. Vector Autoregression VAR adalah sistem persamaan yang menunjukkan
setiap peubah dalam persamaan merupakan fungsi linier dari konstanta nilai lag dari peubah itu sendiri serta nilai lag dari peubah lain yang ada di dalam sistem
Agung, 2009. Jadi, peubah penjelas dalam VAR meliputi nilai lag seluruh peubah tak bebas dalam sistem.
2.4. Konsep Penjualan
