kointegrasi jangka panjang. Setelah jumlah rank kointegrasi telah didapat maka dapat dilakukan pendekatan VECM.
3. Analisis perilaku guncangan stabilitas suatu variabel dan peranan masing
– masing guncangan terhadap variabel tertentu dengan menggunakan Impulse Response Function IRF dan Variance Decomposition VD.
3.2.1. Model Umum Vector Auto Regression VAR
Hubungan kasualitas antar variabel dalam sistem persamaan multivariat lebih rumit dibandingkan dengan bivariat. Persamaan VAR yang dapat dibentuk
adalah sebagai berikut :
⎥ ⎥
⎥ ⎦
⎤ ⎢
⎢ ⎢
⎣ ⎡
+ ⎥
⎥ ⎥
⎦ ⎤
⎢ ⎢
⎢ ⎣
⎡ ⎥
⎥ ⎥
⎦ ⎤
⎢ ⎢
⎢ ⎣
⎡ =
⎥ ⎥
⎥ ⎦
⎤ ⎢
⎢ ⎢
⎣ ⎡
wt vt
ut Zt
Xt Yt
L a
L a
L a
L a
L a
L a
L a
L a
L a
Zt Xt
Yt 33
32 31
23 22
21 13
12 11
8
Hsiao secara terperinci telah membuat teorema pola hubungan antara variabel dalam variabel bedasarkan nilai dalam a
ij
sebagai berikut : 1.
Bila variabel X tidak mempengaruhi Z, syaratnya adalah : a
32
L = 0 2.
Bila variabel X mempengaruhi Z, syaratnya adalah : a
32
L ≠ 0
3. Hubungan timbal balik antara variabel X dan Z, bila :
a
32
L ≠ 0 dan a
23
L ≠ 0
4. Hubungan tidak langsung dari variabel X dan Z melalui Y, syaratnya :
a
23
L = 0 ; a
31
L ≠ 0 ; a
12
L ≠ 0
hubungan palsu jenis I dari variabel X terhadap Z jika dan hanya jika terdapat
kondisi :
a
21
L = 0 ; a
32
L ≠ 0, untuk semua panjang lag
5. Hubungan palsu jenis II dari variabel X terhadap Z jika dan hanya jika
terdapat kondisi : a
32
L = 0 ; a
12
L = 0, untuk semua panjang lag k dan a
31
L ≠ 0 ; a
21
L ≠ 0, untuk semua panjang lag k
3.2.2. Uji Stasioneritas Data
Hal yang paling penting berkaitan dengan penelitian yang menggunakan data time series adalah stasioneritas. Time series dikatakan stasioner jika secara
stokastik data menunjukkan pola yang konstan dari waktu ke waktu atau dengan kata lain tidak terdapat pertumbuhan atau penurunan pada data atau data tersebut
harus horizontal sepanjang sumbu waktu. Data yang non stasioner akan menghasilkan apa yang dinamakan regresi
palsu atau Spurious Regression. Spurious Regression ini adalah regresi yang menggambarkan hubungan dua variabel atau lebih yang nampak signifikan secara
statistik padahal kenyataannya tidak atau tidak sebesar regresi yang dihasilkan tersebut. Ada beberapa cara yang dapat dilakukan untuk mengukur stasioneritas,
salah satunya dengan menggunakan Augmented Dickey-Fuller ADF Test. Jika nilai ADF lebih kecil dari Mc Kinnon Critical Value maka dapat disimpulkan
bahwa data tersebut stasioner. Jika data tersebut berdasarkan uji ADF non stasioner maka solusi yang dapat dilakukan adalah dengan melakukan difference
non stationary processes. ADF test pada dasarnya melalu estimasi terhadap persamaan regresi sebagai berikut :
ΔY
t
= β
1
+ β
2
t + δY
t-1
+ α
i
Y
t-1
+ ε
t
9 Dimana
ε
t
adalah white noise dan ∆Y
t-1
= Y
t-1
– Y
t-2
pada ADF yang akan diuji apakah = 0, dengan hipotesis alternatif 0. jika nilai dari t-hitung untuk lebih
kecil dari nilai ADFnya maka hipotesis nol yang menyatakan bahwa data tidak stasioner ditolak terhadap hipotesis alternatifnya.
3.2.3. Penetapan Tingkat Lag Optimum
