3.2 Metode Analisis Data
Penelitian ini menggunakan analisis vector autoregression VAR jika data yang digunakan stasioner dan tidak terkointegrasi, atau menggunakan analisis
vector error correction model VECM, jika data yang digunakan stasioner, namun terkointegrasi. Perangkat lunak yang digunakan dalam penelitian ini
adalah Microsoft Excel 2007 dan program Eviews 6.0.
3.2.1 Vector Autoregression VAR
VAR adalah suatu sistem persamaan yang memperlihatkan setiap peubah sebagai fungsi linier dari konstanta dan nilai lag lampau dari peubah itu sendiri
serta nilai lag dari peubah lain yang ada dalam sistem. Peubah penjelas dalam VAR meliputi nilai lag seluruh peubah tak bebas dalam sistem. Pada metode
VAR, variabel eksogen dan endogen tidak dapat dibedakan secara apriori. Menurut Sims 1972 hanya variabel endogen yang masuk analisis.
Keunggulan metode VAR dibandingkan dengan metode ekonometri konvensional adalah Junaidi 2008:
1 Mengembangkan model secara bersamaan di dalam suatu sistem yang
kompleks multivariate, sehingga dapat menangkap hubungan keseluruhan variabel di dalam persamaan tersebut.
2 Uji VAR yang multivariate bisa menghindari parameter yang bias akibat
tidak dimasukannya variabel yang relevan. 3
VAR dapat mendeteksi hubungan antar variabel di dalam sistem persamaan, dengan menjadikan seluruh variabel sebagai endogenous.
4 Karena bekerja berdasarkan data, metode VAR terbebas dari berbagai batasan
teori ekonomi yang sering muncul, termasuk gejala perbedaan palsu di dalam model ekonometri konvensional, terutama pada persamaan simultan, sehingga
menghindari penafsiran yang salah. Selain memiliki kelebihan, metode VAR juga memiliki kelemahan, adapun
beberapa kelemahan yang dimiliki model VAR antara lain: 1
Model VAR lebih bersifat ateoritik karena tidak memanfaatkan informasi atau teori terdahulu. Oleh karenanya, model tersebut sering disebut model
yang tidak struktural.
2 Mengingat tujuan utama model VAR untuk peramalan, maka model VAR
kurang cocok untuk menganalisis kebijakan. 3
Pemilihan banyaknya lag yang digunakan dalam persamaaan juga dapat menimbulkan permasalahan dalam proses estimasi.
Pemodelan VAR adalah bentuk pemodelan yang digunakan untuk multivariate time series. Model VAR menjadikan semua variabel bersifat
endogen. Spesifikasi model VAR meliputi pemilihan variabel dan banyaknya selang lag yang digunakan dalam model. Sesuai dengan Sims 1972, variabel
yang digunakan dalam persamaan VAR dipilih berdasarkan teori ekonomi yang relevan. Pemilihan selang optimal kemudian akan menggunakan kriteria informasi
seperti Akaike information criterion AIC, Schwarz information criterion SC, Hannan-Quinn information criterion HQ.
Model VAR secara matematis dapat diwakili oleh Ender 2004: ∑
A 3.2
Keterangan: x
t
adalah vektor dari variabel-variabel endogen berdimensi n x 1, µ
t
adalah vektor dari variabel-variabel eksogen termasuk di dalamnya konstanta intercept dan tren, A
i
adalah matriks-matriks koefisien berdimensi n x n dan u
t
adalah vektor dari residual-residual yang secara kontemporer berkorelasi tetapi tidak berkorelasi dengan nilai lag mereka sendiri dan juga tidak berkorelasi
dengan seluruh variabel yang ada dalam sisi kanan persamaan diatas.
3.2.2 Uji Stasioneritas Data
Hal penting yang berkaitan dengan studi atau penelitian yang menggunakan data time series adalah stasioneritas. Data deret waktu dikatakan stasioner jika
data menunjukkan pola yang konstan dari waktu ke waktu atau dengan kata lain tidak terdapat pertumbuhan atau penurunan pada data, secara kasarnya data harus
horizontal sepanjang sumbu waktu. Engel dan Granger 1987 menyatakan bahwa uji akar unit dipandang
sebagai uji stasioneritas, karena pada intinya uji tersebut bertujuan untuk mengamati apakah koefisien tertentu dari model otoregresif yang ditaksir
mempunyai nilai atau tidak. Jika data runtun waktu time series yang digunakan tidak stasioner, maka kesimpulan yang diperoleh akan menghasilkan pola
hubungan regresi yang semu spurious regression. Data yang stasioner akan
Kategori