70
menunjukkan adanya unit root akar unit dan menunjukkan tidak adanya unit
root akar unit. Jika dalam uji stasioneritas ini menunjukkan nilai ADF statistik lebih kecil lebih negatif dari Mackinnon critical Value, maka dapat diketahui
bahwa data tersebut stasioner karena tidak mengandung akar unit. Sebaliknya jika jika nilai ADF statistik lebih besar tidak lebih negatif dari Mackinnon critical
value maka dapat disimpulkan bahwa data tersebut tidak stasioner.
2. Penentuan lag optimal
Penentuan kelambanan lag optimal merupakan tahapan yang sangat penting dalam model VAR mengingat tujuan membangun model VAR adalah
untuk melihat perilaku dan hubungan dari setiap variabel dalam sistem. Untuk kepentingan tersebut, dapat digunakan beberapa kriteria sebagai berikut:
Akaike Information Criterion AIC :
−
�
+ +
Schwarz Information Criterion SIC :
−
�
+
log � �
Hannan Quinnon HQ
: −
�
+
log � �
Dimana : 1 = nilai fungsi log likelihood yang sama jumlahnya dengan
−
�
+ log � +
��′ �
; ′ merupakan sum of squared residual T = jumlah observasi
k = parameter yang diestimasi Penetuan lag optimal dengan menggunakan kriteria informasi tersebut
diperoleh dengan memilih kriteria yang mempunyai nilai paling kecil di antara berbagai lag yang diajukan. Sangat dimungkinkan untuk membangun model VAR
sebanyak n persamaan yang mengandung kelambanan sebanyak ρ lag dan n
variabel ke dalam model VAR mengingat seluruh variabel yang relevan dan memiliki pengaruh ekonomi dapat dimasukkan kedalam persamaan model VAR.
71
Karena itu lag optimal yang digunakan dalam model VAR bisa jadi sangat panjang.
78
3. Uji Stabilitas Model
Untuk menguji kestabilan sistem VAR yang telah ditentukan setelah penentuan lag maka perlu dilakukan pengujian dengan roots of Characteristic
Polynomial. Jika dari hasil pengujian menunjukkan roots memiliki modulus yang
lebih kecil dari 1, maka model tersebut dapat dikatakan stabil. Dan jika sitem VAR stabil pada bagian output bawahnya akan muncul dua kalimat berikut : No
root lies outside the unit circle. VAR satisfies the stability condition . Dan jika VAR
tidak stabil akan muncul peringatan sebagai berikut : Warning : At least one root outside the unit circle. VAR does not satisfy the stability condition
.
4. Uji Kausalitas Granger
Tahapan selanjutnya dalam model VAR setelah menetukan panjang lag optimal adalah melakukan uji kausalitas Granger guna mengetahui apakah
terdapat hubungan yang saling mempengaruhi antar variabel endogen sehingga spesifikasi model VAR menjadi tepat untuk digunakan mengingat sifatnya yang
non struktural. Uji kausalitas Granger melihat pengaruh masa lalu terhadap kondisi sekarang sehingga uji ini memang tepat dipergunakan untuk data time
series .
Dalam konsep kausalitas Granger, dua perangkat data time series yang linier berkaitan dengan variabel X danY diformulasikan dalam dua bentuk model
regresi. Hasil-hasil regresi pada kedua bentuk model regresi linier tersebut akan menghasilkan empat kemungkinan mengenai nilai koefisien regresi masing-
masing sebagai berikut:
1. ∑
≠
� �=
dan ∑ =
� �=
, terdapat kausalitas satu arah dari Y ke X. 2.
∑ =
� �=
dan ∑ ≠
� �=
, terdapat kausalitas satu arah dari X ke Y.
78
Indra Budi Sucahyo, “Analisis Hubungan Suku Bunga SBI, Pertumbuhan Ekonomi, dan Financial Deepening di Indonesia
.” Skripsi. Fakultas Ekonomi Universitas Airlangga, Surabaya. 2008. hal.69.
72
3. ∑
≠
� �=
dan ∑ ≠
� �=
, terdapat kausalitas dua arah dari X ke Y. 4.
∑ ≠
� �=
dan ∑ =
� �=
, tidak terdapat kausalitas antara X dan Y.
5. Analisis Impulse Response Function IRF
