Hipotesis Penelitian TINJAUAN PUSTAKA 2.1

digunakan untuk melihat pengaruh kontemporer dari sebuah variabel dependen jika mendapatkan guncangan atau inovasi dari variabel independen sebesar satu standar deviasi. Vector autoregression dapat pula direpresentasikan sebagai suatu vector moving average VMA: x t = μ + ∑ ∞ = − 1 i t i ε φ 3.6 keterangan :       = i i i i 22 21 12 11 φ φ φ φ φ Keempat koefisien Ø 11 i, Ø 12 i, Ø 21 i, dan Ø 22 i merupakan impuls response function . 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. Dalam penelitian ini yang akan diteliti adalah pengaruh shock volume ekspor, harga ekspor, nilai tukar riil, harga internasional dan harga karet alam negara kompetitor pada lag 1 terhadap volume ekspor karet alam Indonesia ke Amerika Serikat dan Jepang.

3.2.7 Forecast Error Variance Decomposition FEVD

FEVD adalah 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 memengaruhi variabel lainnya pada kurun waktu yang panjang how longhow persistent. Dekomposisi varians merinci varians dari error peramalan forecast menjadi komponen-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

3.2.8 Derajat Pass-Through

Metode penghitungan derajat pass-through mengacu pada model Hyder dan Shah dalam Achsani 2007 dimana Cholesky decomposition digunakan untuk mengidentifikasi guncangan struktural dan menghitung derajat pass-through melalui analisis impulse response. Koefisien derajat pass-through dihitung berdasarkan kumulatif impulse response dari variabel shock terhadap variabel respon dan variabel shock terhadap variabel shock itu sendiri. Persamaan matematis penghitungan derajat pass-through adalah sebagai berikut: ∑ ∑ = = = − n i s s n i s r Through Pass Derajat 1 1 ψ ψ 3.7 Keterangan: ∑ = n i s r 1 ψ : kumulatif respon K terhadap shock P, ERI, PINTL dan PTHAI dari horizon pertama sampai ke-n ∑ = n i s s 1 ψ : kumulatif respon P, ERI, PINTL dan PTHAI terhadap shock P, ERI, PINTL dan PTHAI dari horizon pertama sampai ke-n

3.3 Model Penelitian

Model penelitian ini adalah: t t i k i t Y Y ε β α + + = ∑ − = 1 1 3.8 Keterangan: Yt : vektor variabel endogen XK t , P t , PINTL t , PTHAI t, ERI t α : konstanta β : koefisien matriks untuk lag-i ε : residual t : periode triwulan k : ordo dari model VAR Berdasarkan model di atas, dengan memasukkan enam variabel yang akan digunakan dalam penelitian ini, maka persamaan VAR yang akan terbentuk sesuai variabel yang akan dianalisis adalah: t t k i t k i t k i t k i t k i t k i t YI ERI PTHAI PINTL P K K 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 ε ψ ω φ θ δ β α + + + + + + + = ∑ ∑ ∑ ∑ ∑ ∑ − = − = − = − = − = − = 3.9 t t k i t k i t k i t k i t k i t k i t K YI ERI PTHAI PINTL P P 2 1 2 1 1 2 1 1 2 1 1 2 1 1 2 1 1 2 1 2 ε β ψ ω φ θ δ α + + + + + + + = ∑ ∑ ∑ ∑ ∑ ∑ − = − = − = − = − = − = 3.10 t t k i t k i t k i t k i t k i t k i t P K YI ERI PTHAI PINTL PINTL 3 1 3 1 1 3 1 1 3 1 1 3 1 1 3 1 1 3 1 3 ε δ β ψ ω φ θ α + + + + + + + = ∑ ∑ ∑ ∑ ∑ ∑ − = − = − = − = − = − = 3.11 t t k i t k i t k i t k i t k i t k i t PINTL P K YI ERI PTHAI PTHAI 4 1 4 1 1 4 1 1 4 1 1 4 1 1 4 1 1 4 1 4 ε θ δ β ψ ω φ α + + + + + + + = ∑ ∑ ∑ ∑ ∑ ∑ − = − = − = − = − = − = 3.12 t t k i t k i t k i t k i t k i t k i t PTHAI PINTL P K YI ERI ERI 5 1 5 1 1 5 1 1 5 1 1 5 1 1 5 1 1 5 1 5 ε φ θ δ β ψ ω α + + + + + + + = ∑ ∑ ∑ ∑ ∑ ∑ − = − = − = − = − = − = 3.13 Keterangan: K : Volume ekspor karet alam Kg P : Harga ekspor karet alam USDKg PINTL : Harga karet alam di pasar internasional USDKg PTHAI : Harga karet alam di negara kompetitor USDKg ERI : Nilai tukar riil RpUSD dan RpYen YI : GDP riil USD dan Yen Persamaan umum: t p t p t t t e X A X A X A A X + + + + + = − − − ... 2 2 1 1 3.14 Keterangan: X t : Vektor yang berisi n variabel nx1 A : Vektor intersep nx1 A 1 : Matriks koefisien nxn e t : Vektor variabel gangguan Berdasarkan persamaan di atas, maka untuk mendapatkan jawaban dari permasalahan jangka panjang hubungan jangka panjang maka model VAR harus dikombinasikan dengan VECM sehingga persamaan akan menjadi sebagai berikut: t t t t k i i t x X ε αβµ µ µ τ + + + + ∆ = ∆ − − − = ∑ 1 1 1 1 1 3.15 Error termnya ε 1t, ε 2t, ε 3t, … , ε 5t yaitu sisaan dugaan error term akan menjadi fokus utama. ε it dapat diinterpretasikan sebagai inovasi atau guncangan dari variabel yang kita inginkan, sehingga dampak guncangan sebuah variabel terhadap variabel lainnya dapat dianalisis. Perestriksian persamaan VAR dan VECM di atas akan menyebabkan jumlah parameter sama dengan jumlah persamaan exact identified sehingga error ε 1t, ε 2t, ε 3t, … , ε 5t dapat diidentifikasi dan diperoleh pure innovation dari ε 1t, ε 2t, ε 3t, … , ε 5t. Setelah diperoleh pure innovation maka analisis selanjutnya dapat dilakukan yaitu impulse response function IRF dan forecast error variance decomposition FEVD.