2004. IRF digunakan untuk menentukan respon variabel NPF. Analisis IRF menjelaskan dampak dari guncangan shock pada suatu variabel terhadap
variabel lain, dimana dalam analisis ini tidak hanya dalam waktu pendek tetapi dapat menganalisis untuk beberapa horizon ke depan kuartal sebagai informasi
jangka panjang. Pada alalisis ini dapat melihat respon dinamika jangka panjang setiap variabel apabila ada inovasi shock tertentu sebesar satu standar error pada
setiap persamaan. Sumbu horisontal merupakan periode dalam kuartal, sedangkan sumbu vertikal menunjukan nilai respon dalam persentase.
Analisis impuls respons adalah metode yang digunakan untuk menentukan respon suatu variabel endogen terhadap guncangan shocks variabel tertentu. IRF
juga digunakan unruk melihat guncangan dari satu variabel yang lain dan berapa lama pengaruh tersebut terjadi. IRF dalam penelitian ini untuk mengetahui respon
dinamik variabel. IRF menunjukkan bagaimana respon dari setiap variabel endogen
sepanjang waktu terhadap kejutan dari variabel itu sendiri dan variabel endogen lainnya. IRF digunakan untuk melihat pengaruh kontemporer dari sebuah variabel
dependen jika mendapatkan guncangan atau inovasi dari variabel independen sebesar satu standar deviasi.
Hasil IRF tersebut sangat sensitif terhadap pengurutan ordering variabel yang digunakan dalam perhitungan. Pengurutan variabel yang didasarkan pada
faktorisasi cholesky. Variabel yang memiliki nilai prediksi terhadap variabel lain diletakkan di depan berdampingan satu sama lainnya. Variabel yang tidak
memiliki nilai prediksi terhadap variabel lain diletakkan paling belakang.
3.4.7 Forecast Error Variance Decomposition FEDV
Analisis dekomposisi varian atau dikenal dengan Forecasting Error Decomposition of Variance FEDV digunakan untuk menghitung dan
menganalisis seberapa besar pengaruh acak guncangan dari variabel tertentu terhadap variabel endogen.
Analisis dekomposisi varian atau dikenal dengan FEVD digunakan untuk menghitung dan menganalisis seberapa besar pengaruh acak guncangan dari
varibel tertentu terhadap variabel endogen. FEVD menghasilkan informasi mengenai relatif pentingnya masing-masing inovasi acak atau seberapa kuat
komposisi dari variabel tertentu terhadap variabel lainnya dalam model VAR. Ukuran kuat lemahnya variabel dalam mempengaruhi variabel lainnya ditetapkan
secara normatif. Ukuran kuatnya suatu variabel dalam memepengaruhi variabel lainnya ditetapkan lebih besar dari 50 persen dan lemah lebih kecil dari 50 persen.
Metode yang dapat digunakan untuk melihat bagaimana perubahan dalam suatu variabel makro - ditunjukkan oleh perubahan variance error yang dipengaruhi
oleh variabel-variabel lainnya : Metode ini dapat melihat juga kekuatan dan kelemahan dari masing-
masing variabel dalam mempengaruhi variabel lainnya pada kurun waktu yang panjang how long how persistent. Dekomposisi varians merinci varians dari
error peramalan forecast menjadi komponen yang dapat dihubungkan dengan setiap variabel endogen dalam model melalui perhitungan 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 : Mengembangkan model dalam suatu sistem yang kompleks multivariat,
sehingga dapat menangkap hubungan keseluruhan variabel dalam sistem. Uji VAR yang bersifat multivariat bisa menghindari parameter yang bisa akibat tidak
dimasukannya variabel yang relevan. Dapat mendeteksi hubungan antar variabel dalam sistem persamaan, dengan menjadikan seluruh variabel menjadi
endogenous. Karena bekerja berdasarkan data, metode VAR terbebas dari berbagai batasan teori ekonomi yang sering muncul termasuk gejala perbedaan
semu spurious variable endogenty dan exogenty di dalam model ekonometrik konvensional terutama pada persamaan simultan, sehingga menghindari
penafsiran yang salah. Dengan teknik VAR maka yang akan terpilih hanya variabel yang relevan untuk disinkronisasi dengan teori yang ada. Tidak dilandasi
teori tentang hubungan antarvariabel model non-struktural. Model VAR kurang cocok untuk analisis kebijakan. Pemilihan banyaknya lag dalam persamaan dapat
menimbulkan permasalahan. Interpretasi koefisien yang di dapat berdasarkan model VAR tidak mudah.
IV. HASIL DAN PEMBAHASAN
