2. Apabila hasil dari uji ADF mengandung akar unit atau dengan kata lain dat tidak stasioner pada tingakat level, maka harus dilakukan penarikan
differensial sampai data stasioner, dilakukan pengujian pada tingkat first difference
atau second difference. Metode VAR dapat dikombinasikan dengan Vector Error Corection Model
VECM. 3. Uji lag optimal VAR, pada tahap pertama, akan dilihat panjang lag maksimum
sistem VAR yang stabil. Pada tahap kedua, panjang lag optimal akan dicari dengan menggunakan kriteri Schwarz Information Criteria SC. Setelah
mendapat ordo lag optimal, maka dalam penggunaan VECM ordo optimal dikurangi 1 menjadi k-1.
4. Uji kointegrasi dilakukan dengan pendekatan johansen dengan melihat nilai Trace Statistic.
5. Infulse Response Function IRF dan Variance Decomposition VD untuk melihat dan peran shok masing-masing variable terhadap variable tertentu.
3.2.2. Uji Unit –Root
Sebelum dilakukan analisis, maka data yang digunakan dalam penelitian ini harus diuji terlebih dahulu. Pengujian ini disebut pengujian awal pre-test. Uji
ini dilakukan karena asumsi yang dilakukan dalam model bahwa data deret waktu yang digunakan adalah stasioner atau I0. Kenyataannya, umumnya data deret
waktu variabel ekonomi tidak stasioner atau mengandung unit-root. Uji unit-root dalam penelitian ini delakukan dengan menerapkan uju Augmented Dickey Fuller
Test ADF. Jika nilai ADF statistiknya lebih kecil dari MacKinnon Critical Value
maka dapat disimpulkan bahwa data tersebut stasioner.
Namun jika nilai ADF statistiknya ternyata lebih besar dari nilai MacKinnon Critical Value
berarti data tersebut tidak stasioner. Jika variabel yang digunakan tidak stasioner maka harus didifferensiasi terlebih dahulu. Jika variabel
mencapai I1, maka variabel tersebut harus didifferensiasi terlebih dahulu sebanyak satu kali untuk mencapai stasioner. Jika variabel mencapai I2, maka
variabel tersebut harus didifferensiasi menjadi sebanyak dua kali untuk menjadi stasioner.
Thomas 1997 menyebutkan bahwa pada dasarnya Aughmented Dickey Fuller
ADF test melakukan regresi terhadap persamaan berikut:
1 1
2 1
1
...
t t
r t r
X X
X X
U a
f f
f
- -
- - +
D =
+ +
D +
+ D
+ Hipotesis yang diuji adalah :
: H
f =
data tidak stasioner
: H
f data stasioner
Dimana
1 2
... 1.
r
f f
f f
= +
+ +
- Nilai
f diestimasi melalui metode ordinary
Least Squares OLS dengan statistik uji yang digunakan, adalah:
hit
t S
f
f =
Dengan:
s
f
= Simpangan baku dari f
Jika t
hit
lebih kecil dari nilai MacKinnon Critical Value, maka keputusan yang diambil adalah tolak H
. Sehingga, dapat disimpulkan bahwa data tersebut stasioner.
3.2.3. Penentuan Lag Optimal
Terdapat beberapa tahap bentuk pengujian yang akan dilakukan untuk memperoleh panjang lag optimal. Pada tahap pertama akan dilihat panjang lag
maksimum sistem VAR yang stabil. Stabilitas sistem VAR dilihat dari nilai inverse root
karakteristik AR polinomialnya. Suatu sistem VAR dikatakan stabil stasioner jika seluruh root-nya memiliki modulus lebih kecil dari satu dan
semuanya terletak didalam unit circle. Pada tahap kedua, panjang lag optimal akan dicari dengan menggunakan
kriteria Akaike Information Criteeria AIC dan Schwarz Information Criteria SIC yang dirumuskan sebagai berikut:
AIC q = Log
2 i
e T
å
+ 2 q
T SIC q = AIC q +
q T
Log T-1
dengan
2 i
e
å
adalah jumlah residual kuadrat, sedangkan T dan q masing-masing merupakan jumlah sampel dan jumlah variabel yang beroperasi dalam persamaan.
Untuk menetapkan tingkat lag yang paling optimal, model VAR harus diestimasi dengan berbeda-beda tingkat lag-nya, kemudian dibandingkan dengan
AIC dan SICnya. Nilai AIC dan SIC yang paling kecil dipakai sebagai patokan pada tingkat lag paling optimal, karrena nilai AIC atau SIC minimum
menggambarkan residual error yang paling kecil.
3.2.4. Impulse Response Function IRF
