AIC -
2lT+2kT ……………. 7 SC
- 2lT+k logTT ……… 8
3.4.5 Uji Stabilitas VAR
Pengujian ini dilakukan karena jika hasil estimasi VAR yang akan dikombinasikan dengan model koreksi kesalahan yang tidak stabil, maka IRF
Impulse Response
Function dan
FEVD Forecast
Error Variance
Decomposition menjadi tidak valid Nugraha, 2006. Stabilitas dapat diartikan hasil estimasinya mendekati nol jika model
diperpanjang periode waktunya. Sebuah model dikatakan memilik validitas yang tinggi jika inverse akar karakteristiknya mempunyai modulus kurang dari satu
atau semuanya berada didalam lingkaran. Jika modulus nya kurang dari satu atau berada dalam lingkaran, maka model cukup stabil. Namun sebaliknya, jika
modulus bernilai satu atau lebih dari satu, atau modulus kebanyakan berada diluar lingkaran maka dapat dipastikan bahwa model tersebut kurang stabil. Jika VAR
tersebut memiliki tingkat stabilitas yang rendah atau semua inverse akar karakteristiknya berada diluar unit circle, maka hasil dari estimasi model VAR
tersebut meragukan.
3.4.6 Impulse Response Function IRF
Cara yang baik untuk mencirikan struktur dinamis dalam model adalah dengan menganalisa respon dari model terhadap guncangan Enders, 2004. Ada
dua cara dalam melakukan hal tersebut, yaitu dengan menganalisis Impulse Response Function IRF dan analisis Forecast Error Variance Decomposition
FEVD. IRF dapat meneliti hubungan antar variabel dengan menunjukkan bagaimana variabel endogen bereaksi terhadap sebuah shock dalam variabel itu
sendiri dan variabel endogen lainnya. IRF adalah suatu metode yang digunakan untuk menentukan respon suatu
variabel endogen terhadap suatu shock tertentu karena sebenarnya shock variabel misalnya ke-i tidak hanya berpengaruh terhadap variabel ke-i itu saja tetapi
ditransmisikan kepada semua variabel endogen lainnya melalui struktur dinamis atau struktur lag dalam VAR. Oleh karena itu, IRF juga dapat mengukur pengaruh
suatu shock pada suatu waktu kepada inovasi variabel endogen pada saat tersebut dan dimasa yang akan datang.
Analisis IRF Impulse Rensponse Function dilakukan untuk menilai respon dinamik variabel MPV Multi Purpose Vehicle, Sedan dan City car. Terhadap
adanya goncangan shock variabel tertentu. IRF juga bertujuan untuk mengisolasi suatu guncangan agar lebih spesifik artinya suatu variabel yang dapat dipengaruhi
oleh guncangan tertentu. Apabila suatu variabel tidak dapat dipengaruhi oleh shock, maka shock spesifik tersebut tidak dapat diketahui melainkan shock secara
umum.
3.4.7 Forecast Error Variance Decomposition FEVD
Metode yang dapat dilakukan untuk melihat bagaimana perubahan dalam suatu variabel yang ditunjukkan oleh perubahan error variance dipengaruhi oleh
variabel-variabel lainnya adalah FEVD. Metode ini mencirikan suatu struktur dinamis dalam model VAR. Dimana dalam metode ini dapat dilihat kekuatan dan
kelemahan masing-masing variabel dalam mempengaruhi variabel lainnya dalam kurun waktu yang panjang.
FEVD mencirikan ragam dari peramalan galat menjadi komponen- komponen yang dapat dihubungkan dengan setiap variabel endogen dalam model.
Dengan menghitung persentase kuadrat prediksi galat k-tahap ke depan dari sebuah variabel akibat inovasi dalam variabel-variabel lain, maka akan dapat
dilihat seberapa besar perbedaan antara error variance sebelum dan sesudah terjadinya shock yang berasal dari dirinya sendiri maupun dari variabel lain.
Jadi melalui FEVD dapat diketahui secara pasti faktor-faktor yang memberikan kontribusi yang paling signifikan terhadap perubahan dari variabel
tertentu. Dalam analisis ini variabel tersebut yaitu variabel MPV Multi Purpose Vehicle, Sedan dan City car.
IV. HASIL DAN PEMBAHASAN