Analisis Vector Auto Regression (VAR)

 Penelitian ini menggunakan alat analisis Vector Auto Regression (VAR) dengan bantuan software olah data Eviews. VAR digunakan untuk menganalisis sistem variabel penelitian yang bersifat time-series dan untuk menganalisis dampak dinamis yang dikarenakan perubahan nilai faktor-faktor yang diteliti dalam penelitian. Analsis VAR adalah salah satu model ekonometrika yang sering digunakan utnuk menganlisis kebijakan makroekonomi dinamik dan stokastik. Aija (2011) menjelaskan VAR adalah suatu sistem persamaan yang digunakan untuk menggambarkan setiap variabel sebagai fungsi linier dari konstanta, nilai lag dari variabel itu sendiri, dan nilai lag dari variabel lain yang terdapat dalam sistem variabel penjelas VAR. Sistem penjelas variabel VAR terdiri dari nalai lag  semua variabel terikat dalam sistem VAR yang memerlukan penjelasan retriksi untuk memperoleh interpretasi persamaan.

1. Uji Stasioner Data dan Derajat Integrasi

Aija (2011) menjelaskan bahwa langkah awal untuk menguji stasioneritas dalam estimasi model ekonomi yang bersifat time series adalah dengan uji stasioneritas data yang dilakukan dengan menggunakan ADF (Augmented Dickey-Fuller) pada level yang sama sampai didapatkan data memiliki varians kecil dan memiliki tendesi untuk mendekati nilai rata-rata. Selanjutnya untuk menguji adanya persepsi bahwa suatu data time series tidak stasioner dapat menggunakan uji akar unit atau uji stasioner. Stasioner merupakan data yang memiliki sifat flat, tidak memiliki komponen trebd, keragaman kosntan, dan tidak terjadi fluktuasi secara periodik.

1. Penetapan Lag Length

Permasalahan yang biasanya terjadi dalam uji stasioneritas merupakan penetapan lag optimal. Apabila lag  yang digunakan terlalu sedikit maka residual dari regresi tidak akan menunjukkan proses white noise yang mengakibatkan model tidak dapat mengestimasi actual error secara teat. Hal tersebut akan mengakibatkan standar kesalahan dan γ tidak dapat diprediksi dengan baik. Begitupun sebaliknya apabila lag yang digunakan terlalu banyak maka akan mengurangi kemampuan untuk menolak H0, hal tersebut terjadi dikarenakan parameter yang digunakan terlalu banyak akan mengurangi derajat kebebasan. Lag yang optimal akan dipergunakan pada analisis VAR.

1. Uji Kointegrasi

Kointegrasi merupakan ekuilibrium atau hubungan jangka panjang antar variabel yang tidak stasioner. Selanjutnya apabila semua variabel dalam penelitian telah memenuhi persyaratan untuk prosedur integrasi, pengujian kointegrasi dapat dilakukan untuk memperoleh ekuilibrium antara variabel bebas dengan model variabel terikat. Meskipun dalam penelitian ditemukan variabel yang tidak stasioner akan tetapi kombinasi atar variabel penelitian dapat berubah menjadi stasioner dengan menjalankan langkah selanjutnya dalam estimasi VAR merupakan uji konintegrasi agar mengetahui adanya hubungan antar variabel (Widarjono, 2007).

Salah satu uji yang dilakukan dalam uji kointegrasi adalah dengan menggunakan metode Johansen. Dalam penelitian ini menggunakan uji kointegrasi  dengan  metode Johansen.

1. Estimasi VAR dan VECM

Untuk mendeskripsikan hubungan antar variabel dapat menggunakan pendekatan struktural teori ekonomi. Namun dalam pendekatan ekonomi tidak cukup menyediakan spesifikasi yang tepat atas hubungan dinamis antar variabel, seperti teori yang terlalu kompleks mengakibatkan simplifikasi yang dibuat atau bisa dikatakan bahwa fenomena yang terjadi sangat kompleks apabila dijelaskan dengan teori yang ada. Kemudian untuk mengatasi permasalahan tersebut tersebut VAR muncul dengan pertimbangan bahwa model VAR dapat meminimalkan pendekatan teori ekonomi secara baik. Melalui model VAR peneliti dapat dengan mudah memperhatikan dua hal, yakni: pertama peneliti tidak harus membedakan variabel endogen dan variabel eksogen. Variabel yang digunakan dalam penelitian baik variabel endogen maupun variable; eksogen diyakini saling berhubungan seharusnya dimasukkan kedalam variabel  eksogen dalam model VAR. Kemudian yang kedua adalah peneliti dapat melihat hubungan antar variabel dalam model VAR dengan menggunakan sejumlah kelambanan variabel dalam penelitian. Kelambanan penelitian digunakan untuk melihat efek dari variabel satu terhadap variabel yang lain dalam model (Widarjono, 2007).

Hasil dari series stasioner akan berujung pada penggunaan VAR dengan metode standar sementara series non-stasioner atau stasioner pada tingkat first difference akan berimplikasi pada dua pilihan VAR, VAR dalam bentuk difference atau VECM.

• VAR (Unrestricted VAR)

Unrestricted VAR dalam penelitian digunakan apabila data dalam penelitian dalam model VAR data penelitian dalam stasioner tingkat level. Variasi VAR tanpa restriksi terjadi karena terdapat perbedaan derajat integrasi variabel penelitian. Bentuk model VAR keduanya diakibatkan karena adanya perbedaan level integrasi variabel bersifat stasioner pada level namun tidak ada hubungan kointegrasi, maka estimasi model VAR yang dapat digunakan adalah bentuk difference (Widarjono, 2007).

• VECM (restricted VAR)

Model VECM biasanya digunakan dalam model VAR non-struktural jika data penelitian berupa time series tidak stasioner pada level, namun stasioner pada data diferensiasi dan terkointegrasi sehingga menunjukkan adanya hubungan teoritis antar variabel.

1. IRF

IRF digunakan untuk mengatahui respon pada saat ini dan respon dimasa yang akan dating untuk setiap variabel akibat perubahan atau  shock suatu variabel tertentu.

1. Variance Decompotition forecast error variance decompotition)

Variance decompotition adalah alat pada model VAR yang dapat memicu variasi dari variabel penelitian yang diestimasi menjadi komponen shock atau menjadi variabel innovation, dengan anggapan bahwa variabel tersebut tidak saling berhubungan. Selanjutnya variance decompotititon akan menunjukan indoemasi perihal proporsi dari pergerakan pengaruh shock variabel lain dalam penelitian pada waktu saat ini dan waktu dimasa depan.