01 02 03
● Model VAR muncul karena sering kali teori ekonomi tidak dapat
menentukan spesifikasi yang tepat sebagai contoh misalnya teori
terlalu kompleks sehingga simplifikasi harus dibuat atau sebaliknya
fenomena yang ada terlalu kompleks jika hanya dijelaskan dengan
teori yang ada.
1. Model VAR memiliki bentuk yang sederhana dimana semua variabel pada
model dianggap sebagai variabel endogen.
Keterangan :
: Vektor berukuran yang berisi peubah
: Vektor intersep berukuran
: Matriks parameter berukuran untuk setiap i
: Vektor error berukuran
Kegunaan AnalisisVector Autoregressive (VAR)
Menurut Juanda dan Junaidi (2012), analisis VAR dapat digunakan untuk :
b. Peramalan yaitu dengan melakukan perkiraan nilai saat ini dan masa depan
seluruh variabel melalui pemanfaatan seluruh informasi masa lalu variabel.
a. Unrestricted VAR, dimana model ini dibagi lagi menjadi dua bentuk, yaitu :
b. Restricted VAR atau sering disebut Vector Error Correction Model (VECM)
merupakan bentuk VAR yang terestriksi karena data tidak stasioner namun
terkointegrasi.
• Vector Error Correction Model (VECM) atau VAR yang terestriksi merupakan model
VAR yang dibatasi karena adanya kointegrasi pada differencing pertama.
• Model VECM adalah metode estimasi model dinamis yang tidak mengacu pada
model yang berdasarkan dengan konsep teoritis, model ini lebih kepada bentuk
model yang menyesuaikan fenomena ekonomi yang terjadi.
• VECM ini juga mampu menganalisis hubungan jangka panjang pada data. Karena
diduga adanya hubungan kointegrasi secara linear.
03
Tahapan Analisis
1. Uji Stasioneritas
Suatu data time series dapat dikatakan stationer apabila pola data berada pada kesetimbangan
disekitar nilai rata-rata yang konstan dan variansi disekitar rata-rata tersebut konstan selama waktu
tertentu.
Uji stationeritas pada penelitian ini dilakukan dengan menggunakan uji Augmented Dickey Fuller
(ADF). Data yang stationer akan menggunakan pengujian VAR dengan metode biasa. Sedangkan data
tidak stationer dan berkointegrasi akan diteruskan pada VAR dalam bentuk VECM. Namun, jika data
tidak stationer tetapi tidak berkointegrasi maka akan dilanjutkan pada tahap VAR in Difference.
Apabila nilai trace statistic lebih besar dari nilai kritis pada tingkat kepercayaan α atau nilai probabilitas
lebih kecil dari α maka hipotesis nol ditolak yang artinya terjadi kointegrasi.
4. Uji Kausalitas
Uji kausalitas untuk mengetahui apakah terdapat hubungan yang saling
mempengaruhi antar peubah endogen sehingga spesifikasi model VAR menjadi tepat
digunakan. Uji kausalitas ini dapat dilakukan dengan menggunakan Granger’s Causality
Test.
Uji kausalitas Granger adalah uji hipotesis statistik untuk menentukan apakah satu
rangkaian waktu berguna dalam memperkirakan yang lain (Granger, 1969). Apabila nilai
probabilitas dari variabel-variabel yang digunakan lebih kecil dari α maka dapat
disimpulkan bahwa terdapat hubungan kasualitas antar variabel-variabel tersebut.
5. Estimasi Model VAR/VECM
Pada pemodelan VAR/VECM analisis model dapat menggunakan analisis impulse response dan variance
decomposition. Analisis impulse response bertujuan untuk melihat pengaruh dari setiap variabel jika diberikan
sebuah impulse. Sedangkan, analisis variance decomposition bertujuan untuk memprediksi kontribusi setiap
variabel yang diakibatkan oleh perubahan variabel tertentu dalam sebuah sistem.