suatu variabel ekonomi dalam sebuah sistem ekonomi dimana terjadi saling ketergantungan antar variabel dalam ekonomi.
2.5. Vector Error Correction Model VECM
Vector Error Correction Model VECM adalah suatu analisis untuk melakukan rekonsiliasi perilaku peubah ekonomi jangka panjang dan peubah
ekonomi jangka pendek Gujarati, 1995. Untuk itu peubah-peubah dalam di dalam VECM memiliki hubungan jangka panjang atau kointegrasi. Hubungan
dinamis jangka pendek antar peubah dalam sistem dipengaruhi oleh deviasi atau penyimpangan dari keseimbangan jangka panjang. Model VECM berguna untuk
mengukur kecepatan deviasi kembali ke keseimbangan. Vector Error Correction Model VECM adalah restricted Vector
Autoregression VAR yang berkointegrasi. VECM di design untuk data time series non stationer yang berkointegrasi. Faktor kointegrasi dikenal sebagai error
correction term, mengingat bahwa deviasi keseimbangan jangka panjang diperbaiki secara perlahan-lahan melalui beberapa tahap jangka pendek.
VECM mempunyai hubungan kointegrasi yang dibangun melalui spesifikasi perilaku jangka panjang dari variabel-variabel endogen untuk menuju converge
ke hubungan jangka panjangnya, serta memungkinkan dilakukan penyesuaian jangka pendek secara dinamik. Sebagai contoh, digunakan sistem dua variabel
yang memiliki suatu persamaan kointegrasi tanpa turunan dalam bentuk lag Subagjo, 2005.
Variabel sisi sebelah kanan dalam model ini merupakan error correctionmodel term. Dalam ekuilibrium jangka panjang, residual term ini
adalah nol. Namun demikian, apabila ada deviasi dengan ekuilibrium jangka panjang error correction term tidak sama dengan nol dan masing-masing variabel
secara parsial menyesuaikan pada hubungan ekuilibrium.
2.6. Impuls Response Function IRF
Impuls resonponse function merupakan suatu cara pengujian struktur dinamis dari ssitem variabel dalam model yang diamati dan dicerminkan oleh
cariabel inovasi innovation variable. IRF menunjukkan respon dari setiap variabel endogen sepanjang waktu terhadap kejutan shock dari variabel itu
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