PDB industri besi baja di Indonesia serta variabel makroekonomi adalah analisis impuls respon IRF dan analisis peramalan dekomposisi ragam galat FEVD.
Sistem persamaan VAR yang telah terbentuk harus diuji stabilitasnya terlebih dahulu sebelum kedua analisis tersebut, melalui VAR stability condition check.
Uji stabilitas VAR dilakukan dengan menghitung akar-akar dari fungsi polinomial atau dikenal dengan roots of characteristic polinomial. Model VAR tersebut
dianggap stabil jika semua akar dari fungsi polinomial tersebut berada didalam unit circle
atau jika nilai absolutnya lebih kecil dari 1 sehingga IRF dan FEVD yang dihasilkan dianggap valid Windarti, 2004.
3.3.5. Uji Kointegrasi.
Uji kointegrasi bertujuan untuk menentukan apakah variabel-variabel yang tidak stasioner terkointegrasi atau tidak. Konsep kointegrasi dikemukakan oleh
Engle dan Granger dalam Enders 2004 sebagai kombinasi linear dari dua atau lebih variabel yang tidak stasioner akan menghasilkan variabel yang stasioner.
Kombinasi linear ini dikenal dengan istilah persamaan kointegrasi dan dapat diinterpretasikan sebagai hubungan keseimbangan jangka panjang diantara
variabel Eviews 6 User’s Guide. Dalam penelitian ini untuk menguji apakah kombinasi variabel yang tidak stasioner terkointegrasi dapat diuji dengan
menggunakan uji kointegrasi Johansen, yang ditunjukkan oleh persamaan matematis berikut ini :
3.35
1 1
1 p
t t
i t
t i
y y
y
β ε
− −
=
∆ =
+ Π +
Γ ∆ +
∑
Persamaan tersebut terkointegrasi jika trace statistic critical value. Dengan demikian H
= non-kointegrasi dengan hipotesis alternatifnya H
1
= kointegrasi. Kita tolak H
atau terima H
1
jika trace statistic critical value, yang artinya terjadi kointegrasi. Tahapan analisis dilanjutkan dengan analisis Vector
Error Correction Model VECM setelah jumlah persamaan yang terkointegrasi
telah diketahui.
3.3.6. Innovation Accounting.
3.3.6.1.Impulse Response Function IRF.
Cara yang paling 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 analisis IRF Impulse Response Function atau analisis FEVD Forecast Error Variance
Decomposition . Impulse Response Function dapat meneliti hubungan antar
variabel dengan menunjukkan bagaimana variabel endogen bereaksi terhadap sebuah shock dalam variabel itu sendiri dan variabel endogen lainnya.
Impulse Response Function menurut Pindyk dan Rubinfeld 1998 adalah
suatu metode yang digunakan untuk menentukan respon suatu variabel endogen terhadap suatu shock tertentu karena sebenarnya shock variabel misalnya ke-i tdk
hanya berpengaruh terhadap variabel ke-i itu saja tetapi ditransmisikan kepada semua variabel endogen lainnya melalui struktur dinamis atau struktur lag dalam
VAR. Impulse Response Function dengan kata lain mengukur pengaruh suatu
shoc k pada suatu waktu kepada inovasi variabel endogen pada saat tersebut dan
dimasa yang akan datang.
Analisis fungsi impuls respon Impulse Response Function atau disingkat dengan IRF dalam analisis ini dilakukan untuk menilai respon dinamik variabel
nilai tukar, PMDN sektor besi baja, ekspor neto besi baja, LIBOR, suku bunga pinjaman investasi, dan PDB besi baja terhadap adanya guncangan shock
variabel FDI sektor besi baja. Impulse Response Function sementara itu bertujuan untuk mengisolasi suatu guncangan agar lebih spesifik artinya suatu variabel yang
dapat dipengaruhi oleh shock atau guncangan tertentu. Shock spesifik tersebut tidak dapat diketahui melainkan shock secara umum apabila suatu variabel tidak
dapat dipengaruhi oleh shock.
3.3.6.2.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. Metode ini dapat melihat kekuatan dan kelemahan
masing-masing variabel dalam memengaruhi variabel lainnya dalam kurun waktu yang panjang.
Metode ini merinci ragam dari peramalan galat menjadi komponen- komponen yang dapat dihubungkan dengan setiap variabel endogen dalam model.
Seberapa besar perbedaan antara error variance sebelum dan sesudah terjadinya shock
yang berasal dari dirinya sendiri maupun dari variabel lain dapat dilihat dengan menghitung presentase kuadrat prediksi galat k-tahap ke depan dari
sebuah variabel akibat inovasi dalam variabel-variabel lain. Dapat diketahui melalui FEVD secara pasti faktor-faktor yang memengaruhi fluktuasi dari variabel
tertentu.
3.3.7. Mekanisme Analisis Olah Data.
