Setelah dilakukan pengujian pada first difference, diperoleh hasil bahwa semua variabel stasioner pada taraf nyata 5 persen dan 10 persen. Nilai
probability lebih kecil daripada nilai kritis 5 persen dan 10 persen sehingga semua
variabel stasioner pada derajat yang sama yaitu derajat integrasi satu. Data yang tidak stasioner seringkali menunjukkan hubungan ketidakseimbangan dalam
jangka pendek, tetapi ada kecenderungan terjadinya hubungan keseimbangan dalam jangka panjang. Untuk mengetahui ada tidaknya hubungan jangka panjang
di dalam variabel perlu dilakukan uji kointegrasi. Oleh karena itu, untuk menganalisis informasi jangka panjang akan digunakan data level sehingga model
VAR akan dikombinasikan dengan model koreksi kesalahan menjadi VECM.
5.2 Penentuan
Lag Optimal
Dampak sebuah kebijakan ekonomi seperti kebijakan moneter dan fiskal biasanya tidak secara langsung berdampak pada aktivitas ekonomi tetapi
memerlukan waktu atau kelambanan lag. Penentuan lag optimal sangat penting dalam analisis menggunakan VAR karena variabel eksogen yang digunakan
dalam persamaan adalah lag dari variabel endogen dan juga variabel eksogen itu sendiri. Pengujian lag optimal ini sangat berguna untuk menghilangkan masalah
autokorelasi dalam sistem VAR, sehingga dengan digunakannya lag optimal diharapkan masalah autokorelasi tidak muncul lagi.
Tabel 13 Hasil Pengujian Lag Optimal
Keterangan : angka yang bertanda menunjukkan posisi lag optimal
Penetapan lag optimal menggunakan nilai dari likelihood ratio LR, final prediction error
FPE, Akaike information criterion AIC, Schwartz information criterion
SC, dan Hannan-Quin criterion HQ. Besarnya lag yang terpilih adalah lag yang terpendek. Tabel 13 menunjukkan bahwa semua kriteria yang ada
memberikan hasil lag terpendek untuk Amerika Serikat maupun Jepang yaitu lag pertama. Oleh karena itu, lag yang dipilih untuk Amerika Serikat dan Jepang
adalah lag pertama. Masing-masing lag ini akan digunakan pada persamaan VAR sebagai lag optimal.
5.3 Pengujian Stabilitas VAR
Langkah pengujian yang selanjutnya adalah pengujian stabilitas VAR. VAR yang dikombinasikan dengan model koreksi kesalahan harus stabil agar
impulse response function IRF dan forecasting error variance decomposition
FEVD menjadi valid. Uji stabilitas VAR dilakukan dengan menghitung akar- akar dari fungsi polinomial atau dikenal dengan roots of characteristic
polinomial . Jika semua akar dari fungsi polinomial tersebut berada di dalam unit
circle atau jika nilai absolutnya 1 maka model VAR tersebut dianggap stabil.
Hasil pengujian yang ditunjukkan pada Tabel 14 menunjukkan bahwa persamaan VAR untuk Amerika Serikat dan Jepang memiliki nilai modulus kurang dari satu,
sehingga dapat disimpulkan bahwa model VAR yang dibentuk sudah stabil pada lag
optimalnya. Tabel 14 Hasil Pengujian Stabilitas VAR
Modulus Amerika Serikat Modulus Jepang
0,924258 0,830514
0,616262 0,793284
0,526992 0,485868
0,526992 0,342030
0,041701 0,151539