3.2.3 Pemilihan Lag Optimum
Penetapan lag optimal penting dilakukan karena dalam metode VAR lag optimal dari variabel endogen merupakan variabel independen yang digunakan
dalam model. Penentuan lag optimum dapat menggunakan beberapa kriteria, seperti Likelihood Ratio LR, Schwarz Information Criterion SC, Akaike
Information Criterion AIC, Final Prediction Error FPE dan Hannan-Quinn Criterion HQ. Pada penelitian ini lag optimum dipilih berdasarkan koefisien
yang ditunjukkan oleh Akaike Information Criterion, secara matematis persamaan AIC adalah sebagai berikut :
AIC k = T ln + 2n
3.3 dimana :
SSR = The Residual Sum of Squares
k = panjang lag
T = jumlah yang diobservasi
n = jumlah parameter yang diestimasi
Besarnya lag optimal ditentukan oleh lag yang memiliki kriteria AIC yang terkecil.
3.2.4 Uji Stabilitas Model VAR
Uji stabilitas perlu dilakukan dalam model VAR yang digunakan. Hal tersebut dikarenakan jika hasil estimasi VAR yang digunakan dikombinasikan
dengan model error correction-nya tidak stabil, maka kesimpulan yang didapat dari Impulse Responses dan Variance Decomposition menjadi tidak valid.
Stabilitas model VAR yang digunakan dapat dilihat dari inverse root karakteristik AR polinomialnya. Hal ini dapat dilihat dari nilai modulus di tabel AR roots-nya.
Jika seluruh nilai AR roots-nya dibawah 1, maka model VAR tersebut stabil.
3.2.5 Uji Kointegrasi
Dalam VAR semua variabel yang digunakan harus stasioner. Apabila variabel tidak stasioner, maka perlu dilakukan uji kointegrasi. Kointegrasi
menggambarkan kombinasi linier dari variabel-variabel yang tidak stasioner. Jika variabel yang tidak stasioner terkointegrasi, maka kombinasi linier antar variabel
dalam sistem akan bersifat stasioner, sehingga dapat diperoleh persamaan yang stabil Enders, 1995.
Pengujian hubungan kointegrasi dilakukan dengan menggunakan lag optimum sesuai dengan pengujian sebelumnya. Sementara penentuan asumsi
deterministik yang melandasi pembentukan persamaan kointegrasi didasarkan pada nilai kriteria informasi AIC dan SIC. Berdasarkan asumsi deterministik
tersebut akan diperoleh informasi mengenai banyaknya hubungan kointegrasi antar variabel sesuai metode Trace dan Max.
Berdasarkan uji Johansen akan didapat rank kointegrasi r. Rank kointegrasi dari vektor y
t
adalah banyaknya vektor kointegrasi yang saling bebas. Untuk itu akan diuji hipotesis sebagai berikut:
H : rank
≤ r H
1
: rank r
Jika rank kointegrasi yang didapat lebih besar dari nol, maka model yang digunakan adalah Vector Error Correction Model VECM. Jika rank kointegrasi
sama dengan nol maka model yang digunakan adalah VAR dengan pendifferensian sampai lag ke-d.
3.2.6 Model Umum Vector Error Correction
Kategori