sendiri dan variabel endogen lainnya. IRF juga mengidentifikasikan suatu kejutan pada suatu vaariabel endogen sehingga dapat menetukan bagaimana suatu
perubahan yang tidak diharapkan dalam variabel mempengaruhi variabel lainnya sepanjang waktu. Dengan demikian, IRF digunakan untuk melihat pengaruh
kontemporer dari sebah variabel dpenden jika mendapatkan guncangan atau inovasi dari variabel independen sebesar satu standar deviasi.
Hasil IRF sangat sensitif terhadap pengurutan ordering variabel yang digunakan dalam perhitungan.pengurutan variabel yang didasarkan pada
faktorisassi chelosky dilakukan dengan catatan variabel yang memiliki nilai prediksi terhadap variabel lain yang diletakkan di depan berdampingan satu sama
lainnya. Sedangkan, variabel yang tidak memiliki nilai prediksi terhadap variabel lain diletakkan paling belakang, kemudian variabel lainnya diletakkan di antara
kedua variabel tersebut berdasrkan nilai matriks korelasi yangmenyatakan tingkat korelasi paling besar. Selain itu, IRF juga digunakan untuk mengetahui berapa
lama pengaruh shock dari satu variabel terhadap variabel lain tersebut tejadi. IRF juga bertujuan untuk mengisolasi suatu shock agar lebih spesifik artinya variabel
ekonomi hanya dipengaruhi oleh shock tertentu saja. Apabila hal tersebut tidak dilakukan maka shock spesifik tersebut tidak dapat diketahui dan yang dapat
diketahui adalah shock secara umum.
2.7. Forecast Error Variance Decomposition FEVD
Forecast Error Decomposition of variance FEVD dapat memberikan informasi mengenai variabel inovasi yang relatif lebih penting dalam VAR.
Metode ini digunakan untuk melihat bagaimana perubahan dalam suatu variabel makro, yang digunakan untuk melihat bagaimana perubahan dalam suatu variabel
makro, yang ditujukan oleh perubahan variance error yang dipengaruhi oleh variabel-variabel lainnya. Metode ini juga dapat mencirikan struktur dinamis
dalam model VAR. Dengan metode ini, dapat dilihat juga kekuatan dan kelemahan dari mmasing-masing variabel dalam mempengaruhi variabel lainnya
pada kurun waktu yang panjang how long how persistent. Dekomposisi varians merinci varian dari error peramalan forecast menjadi
komponen-komponen yang dapat dihubungkan dengan setiap variabel endogen dalam model. Dengan menghitung persentase squared prediction error k-tahap ke
depan dari sebuah variabel akibat inovasi dalam variabel-variabel lain, dapat dilihat seberapa besar error peramalan variabel tersebut disebabkan oleh variabel
itu sendiri dan variabel-variabel lainnya. FEVD dilakukuan untuk memberikan informasi mengenai bagaiman
hubungan dinamis antara variabel yang dianalisis. Selain itu, FEVD dilakukan untuk melihat seberapa besar pengaruh acak guncangan random shock dari
variabel tertentu terhadap variabel endogen. FEVD menghasilkan informasi mengenai relatif pentingnya masing-masing inovasi acak random innovation
structural disturbance atau seberapa kuat peranan variabel tertentu terhadap lainnya.
2.8. Peramalan forecasting
Menurut Hanke 2003 Peramalan merupakan suatu upaya untk memprediksi ketidakpastian masa depan. Dengan maksud membantu para
pengambil keputusan untuk memutuskan suatu kebijakan secara lebih baik. Peramalan melibatkan sejumlah studi mengenai data historis dan manipulasi data
tersebut untuk mencari pola data sehingga dapat digunakan untuk memperkirakan pola data di masa depan
Tebakan ilmiah mengenai masa depan lebih bernilai bagi perusahaan dibandingkan dengan tebakan non-ilmiah. Tebakan ilmiah yaitu peramalan yang
berdasarkan metode-metode manipulasi data secara logis yang dihasilkan dari kejadian-kejadian masa lalu Hanke, 2003. Penggunaan teknik peramalan diawali
dengan pengeksplorasian pola data pada masa lalu guna mengembangkan model yang sesuai dengan pola data itu dengan menggunakan asumsi bahwa pola data
pada masa lalu itu akan berulang lagi pada waktu yang akan datang. Hasil pengolahan data masa lalu akan menjadi tolak ukur perusahaan untuk membuat
perencanaan langkah langkah yang akan diambil oleh perusahaan.
2.9. Metode Peramalan Kualitatif