II. TINJAUAN PUSTAKA
2.1. Plastik Plastik merupakan bahan yang terbentuk dari produk polimerisasi sintetik atau semi-sintetik yang mempunyai sifat-sifat unik dan luar biasa. Polimer sendiri adalah rantai berulang dari atom yang panjang, terbentuk dari pengikat yang berupa molekul identik yang disebut monomer. Jika monomernya sejenis disebut homopolimer, dan jika monomernya berbeda akan menghasilkan kopolimer. Proses polimerisasi yang menghasilkan polimer berantai lurus mempunyai tingkat polimerisasi yang rendah dan kerangka dasar yang mengikat antar atom karbon dan ikatan antar rantai lebih besar daripada rantai hidrogen. Bahan yang dihasilkan dengan tingkat polimerisasi rendah bersifat kaku dan keras (Mujiarto, 2005). Plastik merupakan polimer rantai panjang atom mengikat satu sama lain. Rantai ini membentuk banyak unit molekul berulang, atau monomer. Plastik yang umum terdiri dari polimer karbon saja atau dengan oksigen, nitrogen, chlorine atau belerang di tulang belakang. Bahan baku pembuatan plastik adalah minyak dan gas sebagai sumber alami. Dalam perkembangannya minyak dan gas ini mulai digantikan oleh bahanbahan sintetis sehingga dapat diperoleh sifat-sifat plastik yang diinginkan dengan cara kopolimerisasi, laminasi, dan ekstruksi. Polimer alam yang telah kita kenal antara lain: selulosa, protein, karet alam dan sejenisnya. Pada awal mula perkembangannya polimer alam hanya digunakan untuk membuat perkakas dan senjata, tetapi keadaan ini hanya bertahan hingga akhir abad 19 dan selanjutnya manusia mulai memodifikasi polimer menjadi plastik. Plastik yang pertama kali dibuat secara komersial adalah nitroselulosa. Material plastik ini telah berkembang pesat dan sekarang mempunyai peranan yang sangat penting dibidang elektronika, pertanian, tekstil, transportasi, furniture, konstruksi, kemasan kosmetik, mainan anak-anak dan produk-produk industri lainnya. Untuk membuat barang-barang plastik agar mempunyai sifat-sifat seperti yang dikehendaki, maka dalam proses pembuatannya selain bahan baku utama diperlukan juga bahan tambahan aditif. Penggunaan bahan tambahan ini beraneka ragam tergantung pada bahan baku yang digunakan dan mutu produk yang akan
dihasilkan. Berdasarkan fungsinya maka bahan tambahan atau bahan pembantu proses dapat dikelompokkan menjadi: bahan pelunak (plasticsizer), bahan penstabil (stabilizer), bahan pelumas (lubricant), bahan pengisi (filler), pewarna (colorant), antistatic agent, blowing agent, flame. Bahan aditif yang ditambahkan tersebut disebut komponen non-plastik yang berupa senyawa anorganik yang memiliki berat molekul rendah. Bahan aditif dapat berfungsi sebagai pewarna, antioksidan, penyerap sinar UV, anti lekat, dll. Secara garis besar, plastik dapat dikelompokkan menjadi dua golongan, yaitu: plastik thermoplast dan plastik thermoset. Plastik thermoplast adalah plastik yang dapat dicetak berulang-ulang dengan adanya panas. Yang termasuk plastik thermoplast antara lain : PE, PP, PS, ABS, SAN, nylon, PET, BPT, Polyacetal (POM), PC dll. Sedangkan palstik thermoset adalah plastik yang apabila telah mengalami kondisi tertentu tidak dapat dicetak kembali karena bangun polimernya berbentuk jaringan tiga dimensi. Yang termasuk plastic thermoset adalah PU (Poly Urethene), UF (Urea Formaldehyde), MF (Melamine Formaldehyde), polyester, epoksi dll. Penggunaannya tidak saja untuk keperluan rumah tangga, tetapi juga meluas kepada
kemasan,
bangunan
dan
konstruksi,
alat-alat
elektronika
dan
telekomunikasi, alat-alat listrik, alat-alat kantor dan sekolah, alat-alat kedokteran, sandang dan dekorasi, transportasi dan mainan anak-anak. Plastik sering dipakai dalam bentuk barang-barang yang bersifat dipakai buang, seperti lapisan pengemas, namun ditemukannya juga pemakaianya dalam bahan-bahan yang tahan lama. Tabel 1 memperlihatkan pembagian plastik dari material atau bahan baku yang digunakan. Tabel 1. Macam-macam Plastik Kode
Tipe Plastik PET (Polyethylene Terephthalate)
HDPE (High Density Polyethylene)
Sifat Bening, tangguh, tahan terhadap larutan kimia, kedap air dan gas, tahan terhadap temperatur hingga 80oC Semi fleksibel-keras, tahan terhadap larutan kimiadan lembab, permukaan licin, buram, mudah diwarnai, tahan terhadap temperatur sampai 75oC
Kegunaan Botol air mineral dan softdrink, plastik biskuit, botol selai Shopping bag, kotak es cream, gelas jus, botol kimia, bungkus detergent, ember
Lanjutan Tabel 1. Macam-macam Plastik Kode
Tipe Plastik
PVC (Polyvinyl chloride)
Sifat PVC U (Unplasticised) : Kuat, tangguh, tahan terhadap temperatur hingga 80oC PVC P (Plasticised): Fleksibel, tidak tahan larutan kimia
LDPE (Low Density Polyethylene)
PP (Polypropylene)
Lunak, fleksibel, permukaan licin, bening, gampang tergores, tahan temperatur hingga 70oC Keras – fleksibel, permukaan licin, bening/jernih, tahan terhadap larutan kimia, tahan temperatur hingga 140oC
Clear, seperti gelas, kaku, buram/ berwarna, tahan PS (Polystyrene) temperatur hingga 95oC, tidak tahan terhadap larutan kimia Pada dasarnya, item ini merupakan kombinasi dari jenis-jenis plastik yang ada, contoh: SAN, ABS, PC Other SAN: Styrene Acrylonitrile ABS: Acrylonitrile Butadiene Styrene PC: Polycarbonate Sumber: http://www.plastics.org.nz
Kegunaan Kotak komestik, pipa air – fitting, pelapis tembok (dempul) Selang air, sol sepatu, kantong darah, tubing, wire insulation, tali jam Plastik pembungkus nasi, plastik sampah, tempat sampah, selang irigasi, wrapping Serbaguna, wadah untuk pemanasan microwaves, kotak makanan, botol isi ulang, tube CD case, plastic cutlery (sendok garpu, pisau) Part kendaraan, casing monitor, botol minuman, botol kecap, packaging
2.2. Bahan Baku Plastik Thermoplast POLYPROPYLENE (PP) Polypropylene merupakan polimer kristalin yang dihasilkan dari proses polimerisasi gas propilena. Propilena mempunyai specific gravity rendah dibandingkan dengan jenis plastik lain.
POLYSTIRENE (PS) Polistirene adalah hasil polimerisasi dari monomer-monomer stirena, dimana monomer stirena-nya didapat dari hasil proses dehidroge nisasi dari etil benzene (dengan bantuan katalis), sedangkan etil benzene-nya sendiri merupakan hasil reaksi antara etilena dengan benzene (dengan bantuan katalis). ACRYLONITRILE BUTADIENE STYRENE (ABS) Acrylonitrile butadiene styrene (akrilonitril butadiene stirena, ABS) termasuk kelompok engineering thermoplastic yang berisi 3 monomer pembentuk. Akrilonitril bersifat tahan terhadap bahan kimia dan stabil terhadap panas. Butadiene memberi perbaikan terhadap sifat ketahanan pukul dan sifat liat (toughness). Sedangkan stirena menjamin kekakuan (rigidity) dan mudah diproses. Beberapa grade ABS ada juga yang mempunyai karakteristik yang bervariasi, dari kilap tinggi sampai rendah dan dari yang mempunyai impact resistance tinggi sampai rendah. Berbagai sifat lebih lanjut juga dapat diperoleh dengan penambahan aditif sehingga diperoleh grade ABS yang bersifat menghambat nyala api, transparan, tahan panas tinggi, tahan terhadap sinar UV, dll. POLYVINYL CHLORIDE (PVC) Polyvinyl chloride (PVC) merupakan hasil polimerisasi monomer vinil klorida dengan bantuan katalis. Pemilihan katalis tergantung pada jenis proses polimerisasi yang digunakan. POLYACETAL ATAU POLYOXYMETHYLENE (POM) Polyacetal merupakan salah satu engineering plastic yang penting yang banyak digunakan di bidang eletronik, bangunan dan sector alat-alat tehnik. Ada 2 tipe poliasetal yaitu homopolimer dan kopolimer. Asetal homopolimer merupakan polimer kristalin yang dibuat dari formaldehida. Resin ini secara tehnis disebut polioksi metilena (POM). Asetal homopolimer dapat dicampur daengan aditif seperti: antioksidan, lubrikan, filler, pewarna, UV stabilizer, dll. Resin ini aslinya berwarna putih buram. POLYCARBONATE (PC) Polycarbonate merupakan engineering plastic yang dibuat dari
reaksi
kondensasi bisphenol A dengan fosgen dalam media alkali. Polikarbonat
mempunyai sifat-sifat: jernih seperti air, impact strength-nya sangat bagus, ketahanan terhadap pengaruh cuaca bagus, suhu penggunaannya tinggi, mudah diproses, flameabilitasnya rendah. POLIAMIDA (NYLON) Nylon merupakan istilah yang digunakan terhadap poliamida yang mempunyai sifat-sifat dapat dibentuk serat, film dan plastik. Struktur nylon ditunjukkan oleh gugus amida yang berkaitan dengan unit hidrokarbon ulangan yang panjangnya berbeda-beda dalam suatu polimer. POLYETHYLENE PEREPHTALATE (PET) Polyethylene terephtalate yang sering disebut PET dibuat dari glikol (EG) dan terephtalic acid (TPA) atau dimetyl ester atau asam terepthalat (DMT) Sifatsifat PET: PET merupakan keluarga polyester seperti halnya PC. Polymer PET dapat diberi penguat fiber glass, atau filler mineral. PET film bersifat jernih, kuat, liat, dimensinya stabil, tahan nyala api, tidak beracun, permeabilitas terhadap gas, aroma maupun air rendah. 2.3. Teori Peramalan Menurut Heizer dan Render (2006), peramalan (forecasting) adalah seni dan ilmu untuk memperkirakan kejadian dimasa depan. Hal ini dapat dilakukan dengan melibatkan pengambilan data masa lalu dan mendapatkannya ke masa yang akan datang dengan suatu bentuk model matematis. Bisa juga merupakan prediksi intuisi yang bersifat subjektif. Atau bisa juga dengan menggunakan kombinasi model matematis yang sesuai dengan pertimbangan yang baik dari seorang manajer. Aktivitas peramalan merupakan suatu fungsi bisnis yang berusaha memperkirakan penjualan dan penggunaan produk sehingga produk-produk itu dapat dibuat dalam kuantitas yang tepat. Dengan demikian peramalan merupakan suatu dugaan terhadap permintaan yang akan datang berdasarkan pada beberapa variable peramal, sering berdasarkan data deret waktu historis (Vincent, 2001). Menurut Hanke et, al. (2003), tebakan ilmiah mengenai masa depan lebih bernilai bagi perusahaan di bandingkan dengan tebakan non-ilmiah. Tebakan ilmiah yaitu peramalan yang berdasarkan metode-metode manipulasi data secara logis yang dihasilkan dari kejadian-kejadian masa lalu. Penggunaan teknik
peramalan diawali dengan pengeksplorasian pola data pada masa lalu guna mengembangkan model yang sesuai dengan pola data itu dengan menggunakan asumsi bahwa pola data pada masa lalu itu akan berulang lagi pada waktu yang akan datang. Hasil pengolahan data masa lalu akan menjadi tolak ukur perusahaan untuk membuat perencanaan langkah langkah yang akan diambil oleh perusahaan. Tujuan peramalan adalah mengurangi rentang ketidakpastian dimana pendapat pribadi (judgement) manajemen yang harus diambil. Tujuan ini mengarah kepada dua aturan utama yang harus diperhatikan pada proses peramalan: 1.
Peramalan harus secara teknik benar dan menghasilkan peramalan cukup akurat dalam memenuhi kebutuhan perusahaan.
2.
Prosedur peramalan dan hasilnya harus secara efektif disajikan kepada manajemen sehingga peramalan dapat dipakai dalam proses pengambilan keputusan demi keuntungan perusahaan dan hasilnya juga harus dijustifikasi berbasis biaya manfaat. Pertimbangan yang terakhir seringkali disalah-artikan dan dapat membuat
frustasi forecaster (peramal) professional. Namun jika ramalan akan digunakan untuk keuntungan perusahaan, maka mereka yang mempunyai wewenang harus memanfaatkannya. 2.4. Pendekatan dalam Peramalan Menurut Heizer dan Render (2006), terdapat pendekatan umum peramalan, yaitu analisis kuantitatif dan analisis kualitatif. Peramalan kuantitatif (quantitative forecast) menggunakan model matematis yang beragam dengan data masa lalu dan variable sebab akibat untuk meramalkan permintaan. Peramalan subjektif atau kualitatif (qualitative forecast) menggabungkan faktor seperti intuisi, emosi, pengalaman pribadi, dan sistem ilai pengambil keputusan untuk meramal. Menurut Gujarati (2003), ada lima pendekatan dalam peramalan ekonomi berbasis data runtut waktu. Kelima pendekatan tersebut adalah: 1.
Exponential smoothing method Merupakan prosedur yang berkesinambungan merevisi ramalan dalam hal pengalaman yang lebih terkini. Metode ini berbasis rerata (pemulusan) nilai
lampau deret secara menurun (eksponensial). Pemulusan eksponensial sederhana menyediakan rata-rata bergerak tertimbang secara eksponensial semua nilai pengamatan yang lalu. 2.
Single-equation regression method Metode ini disebut juga analisis regresi sederhana yaitu hanya memiliki satu variabel dependen dan satu variabel independen.
3.
Simultaneous-equation regression model Metode ini disebut juga analisis regresi berganda yaitu
melibatkan
penggunaan lebih dari satu variabel bebas dalam prediksi variabel terikat. 4.
Autoregressive integrated moving average (ARIMA) model Model ARIMA berasal dari gabungan antara AR (autoregression) dan MA (Moving Average) yang sudah didiferen. Konsep ini mendasar pada asumsi bahwa “data speak for themselves”, karena nilai data pada masa sekarang dipengaruhi oleh nilai data pada masa-masa sebelumnya.
5.
Vector Auto Regression (VAR) Vector Auto Regression (VAR) merupakan alat analisis atau metode statistik yang bisa digunakan baik untuk memproyeksikan sistem variabelvariabel runtut waktu maupun untuk menganalisis dampak dinamis dari faktor gangguan yang terdapat dalam sistem variabel tersebut. Selain itu, VAR Analisis juga merupakan alat analisis yang sangat berguna, baik di dalam memahami adanya hubungan timbal balik (interrelationship) antara variabel-variabel ekonomi maupun di dalam pembentukan model ekonomi berstruktur.
2.5. Peramalan Penjualan Peramalan penjualan sangat penting dalam mengkaji situasi dan kondisi pada masa depan dan dapat digunakan untuk memperkirakan apa yang akan terjadi di masa mendatang. Dengan melihat pada kondisi data di masa sekarang hal ini diperlukan untuk dapat melaksanakan kebijaksanaan yang akan di ambil perlu melakukan perkiraan akan kesempatan atau peluang yang ada. Menurut Keown, et al. (2004), unsur-unsur pokok dalam proses perencanaan perusahaan adalah meramalkan penjualan. Perhitungan ini biasanya
dihasilkan dengan informasi dari berbagai sumber. Paling sedikit, perkiraan penjualan untuk tahun depan akan mencerminkan: 1.
Kecenderungan penjualan masa lalu yang diharapkan akan terulang lagi pada tahun berikutnya
2.
Pengaruh setiap peristiwa apapun yang mungkin secara material mempengaruhi kecenderungan itu.
2.6. Kointegrasi Regresi dari dua variabel yang non-stasioner akan menyebabkan terjadinya spurios regression sehingga proses diferensiasi harus terlebih dahulu dilakukan (Engle dan Granger, 1987). Tetapi, proses ini justru akan menghilangkan hubungan jangka panjang yang mungkin terdapat dalam variabel-variabel time series yang diteliti dan hanya memberikan hubungan jangka pendek time series. Disinilah penting nya proses kointegrasi dimana konsep ini membantu memberikan informasi mengenai hubungan jangka panjang yang ada dengan menggunakan time series non-stasioner. Dengan kata lain konsep ini mengatakan bahwa apabila terdapat dua atau lebih time series yang tidak stasioner (mempunyai unit roots) dan terintegrasi pada orde yang sama serta residunya bersifat stasioner sehingga tidak ada korelasi seri di dalamnya (white nose), maka time series tersebut dinamakan terkointegrasi. Didalam konsep kointegrasi ini terdapat beberapa hal penting yang perlu diperhatikan, yaitu (Enders, 2004): 1.
Kointegrasi merupakan kombinasi linear dari dua atau lebih dari time series yang tidak stasioner. Vektor kointegrasi dari kombinasi linear tersebut tidak unik karena dengan suatu konstanta yang tidak nol (λ), maka λβ juga benar sebagai vektor kointegrasi. Oleh karena itu, biasanya salah satu besaran digunakan untuk normalisasi vektor kointegrasi dengan menetapkan koefisiennya menjadi satu.
2.
Semua variabel harus terintegrasi pada orde yang sama. Tetapi tidak semua variabel yang terintegrasi pada orde yang sama terkointegrasi.
3.
Bila vektor
mempunyai n komponen, maka akan ada n-1 vektor
kointegrasi linear yang tidak tergantung satu dengan yang lainnya. Jumlah
vektor kointegrasi ini dinamakan peringkat kointegrasi (cointegration rank), biasanya dilambagkan dengan r. Sifat penting yang terdapat dalam variabel-variabel yang terkointegrasi adalah perjalanan waktu variabel-variabel tersebut dipengaruhi oleh perubahan atas hubungan keseimbangan jangka panjangnya. Dengan kata lain, variabelvariabel non-stasioner yang terintegrasi pada orde yang sama dan terkointegrasi akan menjadi stasioner dalam jangka panjang (Enders, 2004). 2.7. Vector Auto Regression (VAR) Vector Auto Regression atau yang lebih dikenal dengan VAR adalah suatu sistem persamaan yang memperlihatkan setiap peubah sebagai fungsi linear dari konstanta dan nilai lag dari peubah itu sendiri serta nilai lag dari peubah lain yang ada di dalam sistem (Agung, 2009). Jadi, peubah penjelas dalam VAR meliputi nilai lag seluruh peubah tak bebas dalam sistem. Model ini dikembangkan oleh Cristoper Sims pada tahun 1980. Model ini dasarnya hampir sama dengan model untuk menguji Granger’s Causality. Model VAR adalah model a-theory terhadap teori ekonomi. Namun demikian model ini sangat berguna dalam menentukan tingkat eksogenitas suatu variabel ekonomi dalam sebuah sistem ekonomi dimana terjadi saling ketergantungan antar variabel dalam ekonomi (Enders, 2004). Model ini juga menjadi dasar mnculnya metode co-integrasi Johansen yang sangat baik dalam menjelaskan perilaku variabel dalam perekonomian. Keunggulan dari metode VAR antara lain sebagai berikut (Gujarati, 2003): 1.
Metode ini sederhana, tanpa harus membedakan mana variabel endogen dan variabel eksogen;
2.
Estimasinya sederhana, dimana metode OLS biasa dapat diaplikasikan pada tiap-tiap persamaan secara terpisah;
3.
Karena bekerja berdasarkan data, metode VAR terbebas dari berbagai batasan teori ekonomi yang sering muncul termasuk gejala perbedaan semu (spurious variabel endogenity dan exogenity) di dalam model ekonometrik konvensional terutama pada persamaan simultan, sehingga menghindari penafsiran yang salah;
4.
Hasil pemikiran (forecast) yang diperoleh dengan menggunakan metode ini dalam banyak kasus lebih bagus dibandingkan dengan hasil yang didapat dengan menggunakan model persamaan simultan yang kompleks sekalipun. Selain itu, analisis VAR juga merupakan alat analisis yang sangat berguna, baik di dalam memahami adanya hubungan timbal balik (interrelationship) antara variabel-variabel ekonomi, maupun di dalam pembentukan model ekonomi berstruktur. Sekalipun model VAR banyak memiliki kelebihan, namun model ini tetap
mempunyai sisi lemah. Ada beberapa kelemahan yang dimiliki model tersebut antara lain : 1.
Model VAR bersifat a-theory karena tidak memanfaatkan informasi atau teori terdahulu. Oleh karena itu model VAR sering disebut model yang tidak struktural.
2.
Model VAR tidak cocok untuk menganalisis kebijakan karena tujuan utama model ini adalah untuk peramalan
3.
Pemilihan banyaknya lag yang digunakan dalam persamaan juga dapat menimbulkan permasalahan. Misalnya kita mempunyai tiga variabel bebas dengan masing-masing lag sebanyak delapan. Hal tersebut berarti kita harus mengestimasi paling sedikit 24 parameter. Untuk kepentingan tersebut, kita harus mempunyai data atau pengamatan yang relatif banyak.
4.
Semua variabel dalam VAR harus stasioner, jika tidak stasioner, maka harus ditransformasi terlebih dahulu.
5.
Interpretasi koefisien yang didapat berdasarkan model VAR tidak mudah.
2.8. Analisis Vector Error Correction Model (VECM) VECM adalah suatu analisis untuk melakukan rekonsiliasi perilaku peubah ekonomi jangka panjang dan peubah ekonomi jangka pendek (Gujarati 1995). Untuk itu, peubah-peubah di dalam VECM memiliki spesifikasi hubungan jangka panjang atau kointegrasi. Hubungan dinamis jangka pendek antar peubah dalam sistem dipengaruhi oleh deviasi/penyimpangan dari keseimbangan jangka panjang. Model VECM berguna untuk mengukur kecepatan deviasi kembali ke keseimbangan.
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). 2.9. Impulse Response Function (IRF) Impulse resnponse function (IRF) adalah metode yang digunakan untuk menentukan respon suatu variabel endogen terhadap guncangan (shocks) variabel tertentu. IRF menunjukkan respon dari setiap variabel endogen sepanjang waktu terhadap guncangan dari variabel itu sendiri dan variabel endogen lainnya. IRF juga mengidentifikasikan suatu guncangan pada suatu variabel endogen sehingga dapat menetukan bagaimana suatu perubahan yang tidak diharapkan
dalam
variabel mempengaruhi variabel lainnya sepanjang waktu. Hasil IRF sangat sensitif terhadap pengurutan (ordering) variabel yang digunakan dalam perhitungan.pengurutan variabel yang didasarkan pada faktorisasi 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 berdasarkan nilai matriks korelasi yang menyatakan 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 guncangan agar lebih spesifik artinya variabel ekonomi hanya dipengaruhi oleh guncangan tertentu saja. Apabila hal tersebut tidak dilakukan maka guncangan spesifik tersebut tidak dapat diketahui dan yang dapat diketahui adalah guncangan secara umum. 2.10. Forecast Error Variance Decompisition (FEVD) Variance Decompotition atau disebut juga forecast error variance decompotition merupakan perangkat pada model VAR/VECM yang akan memisahkan variasi dari sejumlah variabel yang diestimasi menjadi komponen-
komponen shock atau menjadi variabel innovation, dengan asumsi bahwa variabel-variabel innovation tidak saling berkorelasi. Kemudian, variance decompotition akan memberikan informasi mengenai proporsi dari pergerakan pengaruh shock pada sebuah variabel terhadap shock variabel yang lain pada periode saat ini dan periode ke depan. Forecast error variance decompotition menggambarkan proporsi pergerakan dari σy(n)2 terhadap shock dari suatu variabel kepada variabel lainnya (Enders, 2004). 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 komponenkomponen 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 2.11. Penelitian Terdahulu Pratama (2009) dalam skripsinya yang berjudul Integrasi Pasar Obligasi Negara Di Antara Negara-negara ASEAN+6. Dalam penelitian ini model yang digunakan adalah model analisis Vector Autoregression (VAR). Model VAR ini memiliki analisis lanjutan yaitu impulse response finction (IRF) dan forecasting error variance decomposition (FEVD). Dimana peneliti ingin menganalisis hubungan pasar obligasi diantara negara-negara ASEAN+6. Kesimpulan yang telah di dapat yaitu berdasarkan hasil analisis VECM, pada analisis IRF terlihat bahwa adanya hubungan di antara pasar obligasi negara-negara ASEAN+6. Hal ini dijelaskan dengan adanya respon yang dapat dilihat berupa fluktuasi yield yang terjadi dalam jangka pendek akibat guncangan yng terjadi dalam pasar obligasi negara-negara ASEAN+6. Hal ini merupakan hubungan yang dinamis di antara negara-negara ASEAN+6. Sedangkan berdasarkan hasil analisis FEVD
untuk kawasan ASEAN+6 maupun dengan Amerika Serikat diketahui bahwa negara yang dominan dalam mempengaruhi fluktuasi yield obligasi negara dari negara-negara ASEAN+6 maupun Amerika Serikat adalah Australia. Dari hasil analisis IRF dan FEVD juga diketahui bahwa hubungan yang terjadi di antara masing-masing pasar obligasi negara ASEAN+6 adalah relatif sangat lemah. Julivanto (2009) dalam skripsinya yang berjudul Dinamika Ekspor Karet Alam Indonesia. Dalam penelitiannya dinamika ekspor karet alam Indonesia dianalisis dengan menggunakan metode analisis Vector Autoregression (VAR) dan Vector Error Correction Model (VECM) yang menyimpulkan bahwa faktor-faktor yang mempengaruhi volume ekspor karet alam Indonesia adalah produksi karet alam Indonesia, harga karet alam Indonesia, harga minyak mentah dunia, dan nilai tukar Rupiah terhadap Dollar. Guncangan terhadap variabel produksi karet alam paling mempengaruhi volume ekspor karet, hal ini dapat dilihat ketika terjadi guncangan respon volume ekspor karet terhadap variabel tersebut paling signifikan. Volume ekspor karet alam Indonesia sangat dipengaruhi oleh produksi karet alam Indonesia. Pada jangka pendek volume ekspor karet alam Indonesia dipengaruhi oleh volume ekspor dan produksi karet alam Indonesia. Namun pada jangka panjang volume ekspor karet alam lebih besar dipengaruhi oleh produksi karet alam Indonesia sebesar 56 persen. Variabel produksi karet alam pada kenyataannya jarang mengalami guncangan karena sifat tanaman karet yang merupakan tanaman tahunan. Variabel lain yang sering mengalami guncangan seperti harga karet dan harga minyak mentah tidak memiliki pengaruh yang signifikan terhadap volume ekspor karet alam Indonesia. Dan dinamika ekspor karet Indonesia tidak terlalu besar pengaruhnya terhadap perubahan volume ekspor Indonesia.