Analisis VAR pada dasarnya bisa dipadankan dengan suatu model persamaan simultan, karena dalam analisis VAR kita mempertimbangkan
beberapa variabel endogen secara bersama-sama dalam suatu model. Perbedaannya dengan model persamaan simultan biasa adalah dalam analisis
VAR masing – masing variabel selain diterangkan oleh nilainnya di masa lampau, juga dipengaruhi oleh nilai masa lalu dari semua variabel endogen lainnya dalam
model yang diamati.
3.7.1 Proses Pembentukan Model VAR
Model VAR adalah model persamaan regresi yang menggunakan data time series. Sebagaimana pembentukan model VAR ini juga sangat terkait erat
dengan masalah stasionaritas data dan kointegerasi antara variabel didalamnya. Langkah pembentukan VAR ini adalah melakukan uji stasionaritas data. Jika data
adalah stasioner pada tingkat level maka kita memperoleh model VAR bias unrestricted VAR.
Sebaliknya jika data tidak stasioner pada level tetapi stasioner pada proses diferensi data, maka kita harus menguji apakah data mempunyai hubungan
dalam jangka panjang atau tidak dengan melakukan uji kointegrasi. Apabila terdapat kontegrasi maka model yang kita punya adalah model Vector Error
Correction Model VECM. Model VECM ini menunjukkan adanya hubungan jangka panjang antara variabel di dalam sistem VAR.
3.7.2. Impulse Response
Karena secara individu koefisien di dalam model VAR sulit diinterpretasikan maka menggunakan analisis impulse response yang merupakan
salah satu analisis penting di dalam model VAR. Analisis impulse response ini melacak respon dari variabel endogen di dalam sistem VAR karena adanya
goncangan shocks atau perubahan di dalam variabel gangguan. Widarjono, 2007.
3.7.3. Forecast Error Variance Decomposition FEDV
FEDV atau lebih sering disebut dengan variance decomposition, dilakukan untuk mengetahui kepentingan relatif dari berbagai
shock terhadap variabel itu sendiri maupun variabel lainnya. Analisis FEDV digunakan untuk memprediksi kontribusi persentase varian setiap variabel karena
adanya perubahan variabel tertentu di dalam sistem. Analisi FEDV bertujuan untuk mengetahui pengaruh atau kontribusi antar variabel transmit Manurung,
2005. Persamaan FEDV dapat diturunkan dengan ilustrasi sebagai berikut :
Nilai dan
digunakan untuk mengestimasi nilai masa depan = et + n + A
12
et + n-2 +... + A
1
n – 1et +1 Artinya FEDV selalu 100 persen dan nilai FEDV yang lebih tinggi
menjelaskan kontribusi varians satu variabel transmit terhadap variabel transmit lainnya lebih tinggi.
3.8. Defenisi Operasional
