3 Hasil perkiraan forecast yang diperoleh dengan menggunakan metode ini dalam banyak kasus lebih bagus dibandingkan dengan hasil yang didapat
dengan menggunakan model persamaan simultan yang kompleks sekalipun. Selain itu, VAR Analysis juga merupakan alat analisis yang sangat berguna,
baik di dalam memahami adanya hubungan timbal balik interrelationship antara variabel-variabel ekonomi, maupun di dalam pembentukan model ekonomi
berstruktur. Pada dasarnya, Analisis VAR meliputi:
3.6.1 Uji akar unit Unit Root Test
Uji akar unit ini digunakan untuk melihat apakah data yang diamati stationer atau tidak. Test ini sebenarnya hanya merupakan pelengkap dari analisis
VAR, mengingat tujuan dari analisis VAR adalah untuk menilai adanya hubungan timbal balik di antara variabel-variabel yang diamati, dan bukan test untuk data.
Akan tetapi, apabila data yang diamati adalah stationer, hal ini akan meningkatkan akurasi dari analisis VAR.
Uji stasioneritas data dapat dilakukan dengan menggunakan Augmented Dickey - Fuller ADF.pada tingkat derajat yang sama hingga diperoleh suatu data
yang stasioner. Bentuk persamaan uji stasioner dengan analisis ADF dapat dilihat dalam persamaan berikut:
p
∆Y
t
=
α
+ γY
t-1
+
β
i
Σ ∆Y
t-i+1
+ ε
t
……………………………… 3.2
i=1
dimana:
Yt = Bentuk dari first difference
Universitas Sumatera Utara
α
= Intersep Y = Variabel yang diuji stasionernya
β
= Panjang lag yang digunakan dalam model
ε
= Error Term
Dalam persamaan tersebut, diketahui bahwa H menunjukkan adanya unit
roots dan H
1
menunjukkan kondisi tidak adanya unit root. Jika dalam uji stasioner ini menunjukkan nilai ADF
statistic
yang lebih besar daripada Mackinnon Critical Value, maka dapat diketahui bahwa data tersebut stasioner karena tidak
mengandung unit roots. Sebaliknya, jika nilai ADF
statistic
lebih kecil daripada Mackinnon Critical Value, maka dapat diketahui bahwa data tersebut tidak
stasioner.
1.6.2 Uji Hipotesis Hyphothesis Testing
a. Likelihood Ratio Test Likelihood Ratio Test digunakan untuk menguji hipotesis mengenai
berapakah jumlah lag optimal yang sesuai untuk model yang diamati. untuk mengetahui jumlah lag optimal yang digunakan dalam uji stasioneritas berikut
adalah kriteria yang digunakan:
Universitas Sumatera Utara
b. Granger Causality Test Uji kausalitas dilakukan untuk mengetahui apakah suatu variabel endogen
dapat diperlakukan sebagai variabel eksogen. Uji kausalitas dapat dilakukan dengan berbagai metode diantaranya metode Granger’s Causality dan Error
Correction Model Causality. Pada penelitian ini digunakan metode Granger’s Causality. Granger’s
Causality digunakan untuk menguji adanya hubungan kausalitas antara dua variabel. Kekuatan prediksi predictive power dari informasi sebelumnya dapat
menunjukkan adanya hubungan kausalitas antara y dan z dalam jangka waktu lama. Penggunaan jumlah lag atau efek tunda dianjurkan dalam waktu lebih lama,
sesuai dengan dugaan terjadinya kausalitas. Pengujian hubungan kausalitas dengan metode Granger’s Causality
dikembangkan oleh Granger. Model Granger’s Causality dinyatakan dalam bentuk vektor autoregresi yang dinyatakan dalam persamaan berikut ini:
n n
Y
t
=
Σ
α
t
y
t-i
+
Σ ß
j
X
t-j
+
μ
1t
; X → Y jika
ß
j
0 …….…………...… 3.3
i=1 j=1
m m
X
t
=
Σ
λ
t
y
t-i
+
Σ
γ
j
X
t-j
+
μ
2t
;
Y → X jika
γ
j
0 ……..…………….. 3.4
i=1 j=1
keterangan :
Y = variabel terikat
X = variabel bebas
μ
1
,μ
2
= error of term
Dimana
μ
1
,
μ
2
adalah error of term yang diasumsikan tidak mengandung korelasi serial dan m = n. Berdasarkan hasil regresi linear diatas, akan dihasilkan
Universitas Sumatera Utara
empat kemungkinan mengenai nilai koefisien-koefisien regresi dari persamaan 3.1 dan 3.2 adalah sebagai berikut:
n s
1 Jika secara statistik
∑
ß
j
≠ 0 dan
∑
γ
j
= 0,
j=1 j=1
maka terdapat kausalitas satu arah unindirectional causality dari Y ke X.
n s
2 Jika secara statistik
∑
ß
j
= 0 dan
∑
γ
j
≠ 0,
j=1 j=1
maka terdapat kausalitas satu arah unindirectional causality dari X ke Y.
n s
3 Jika secara statistik
∑
ß
j
= 0 dan
∑
γ
j
= 0,
j=1 j=1
maka X dan Y bebas antara satu dengan yang lainnya, artinya antara Y ke X tidak saling mempengaruhi independence atau tidak signifikan antara satu
dengan lainnya.
n s
4 Jika secara statistik
∑
ß
j
≠ 0 dan
∑
γ
j
≠ 0,
j=1 j=1
maka terdapat kausalitas dua arah antara Y dan X atau terdapat hubungan kausalitas feedback atau bilateral causality antara satu dengan lainnya.
Untuk memperkuat indikasi keberadaan berbagai bentuk kausalitas seperti yang disebutkan diatas, maka perlu dilakukan uji F Ftest untuk masing-
masing regresi.
n
Hipotesis nolnya adalah H0: Σ
α
i
= 0
i=1
Universitas Sumatera Utara
Kemudian untuk menguji hipotesis atau pola kausalitas granger tersebutlah digunakan uji F Ftest dengan rumus sebagai berikut:
RSSR – RSSUR m RSSUR n – k
dimana: m adalah jumlah lag, RSSR Restricted Residual Sum of Squares diperoleh dari
regresi yang dilakukan terhadap X tanpa melibatkan lag variabel B, dan RSSUR Unrestricted Residual Sum of Squares diperoleh dari regresi yang dilakukan
terhadap jumlah observasi dan k adalah jumlah parameter. Sedangkan nilai n – k disebut juga derajat kebebasan atau degree of freedom.
Jika nilai Fstat lebih besar daripada F
tabel
pada level signifikan yang ditentukan, maka H
ditolak atau tidak cukup bukti untuk diterima. Dengan kata lain, bahwa Y granger cause X atau terdapat hubungan kausalitas. Jika H
tidak cukup bukti untuk dapat ditolak maka Y does not granger cause X.
Analisis dalam penelitian ini menggunakan software e-views. Dengan menggunakan e-views, maka test kausalitas antara variabel dapat dilakukan
dengan mudah, dimana lag optimal digunakan. Untuk menguji hipotesis, maka dipermudah dengan membaca probabilitasnya.
Dimana jika probabilitas lebih kecil daripada α dalam penelitian ini, penulis
menggunakan α sebesar 5, maka H ditolak atau dengan kata lain variabel Y
menyebabkan variabel X. Dan sebaliknya, jika probabilitasnya lebih besar
Universitas Sumatera Utara
daripada
α
, maka tidak cukup bukti menolak H , atau Y tidak menyebabkan X
sehingga artinya tidak ada hubungan kausalitas diantara kedua variabel tersebut. Pengujian kausalitas dengan model bivariat menggunakan pengujian secara
berpasangan untuk masing-masing variabel secara parsial pada satu persamaan. Dalam proses pengujian dengan model mutivariat VAR dilakukan secara
bersamaan simultan sehingga terdapat signifikansi gabungan dalam satu persamaan Hamilton 1994 dan Patterson, 2000.
Setiap persamaan dalam VAR diuji dalam distribusi Wald Chi-Squares atau biasa din
otasikan χ2 – Wald. Setiap variabel dipertukarkan dari variabel endogen menjadi variabel eksogen untuk diuji hubungan kausalitas. Hasil perhitungan
statistik χ2 – Wald menunjukkan signifikansi gabungan joint significance dari variabel endogen bedakala dalam persamaan VAR.
3.6.2 Innovation Accounting
