60
Kondisi order order condition didasarkan atas kaidah penghitungan variabel yang dimasukkan dan dikeluarkan dari suatu persamaan tertentu. Cara
yang dilakukan adalah menguji persamaan struktural dengan mengelompokkan terlebih dahulu persamaan persamaan tersebut ke dalam jumlah total persamaan
struktural total variabel endogen dan dinyatakan dengan G, jumlah variabel dalam model dinyatakan dengan K, dan jumlah variabel dalam persamaan yang
diidentifikasi yang dinyatakan dengan M. Identifikasi dengan order condition diekspresikan dengan K-
M ≥ G-I dan akan menghasilkan tiga alternatif kondisi identifikasi yakni:
1 K-M G-1, maka persamaan disebut under identified 2
K-M = G-1, maka persamaan disebut just identified 3
K-M G-1 maka persamaan disebut over identified. Jika persamaan bersifat under identified maka tidak dapat diestimasi, jika
just identified dapat diestimasi menggunakan metode ILS dan jika over identified
tersebut dapat diestimasi dengan metode 2SLS atau 3SLS. Baltagi 2005 memberikan alternatif penduga 2SLS untuk menduga persamaan simultan dalam
bentuk data panel dengan pendekatan metode 2SLS konvensional Panel 2SLS atau Fixed Effect Two Stage Least Square Within 2SLSW2SLS maupun
penduga Random Effect Two Stage GLS EC2SLSError Component 2SLS.
3.2.6 Pengujian Parameter Model
Pengujian parameter model bertujuan untuk mengetahui kelayakan model dan apakah koefisien yang diestimasi telah sesuai dengan teori atau hipotesis.
Pengujian parameter terdiri dari uji koefisien regresi secara menyeluruh F- test
uji F dan uji koefisien regresi secara parsial uji t.
Uji-F
Uji-F digunakan untuk melakukan uji hipotesis koefisien slope regresi atau parameter model secara menyeluruhbersamaan. Kriteria pengujiannya adalah
jika nilai nilai F observasi F tabel atau nilai probabilitas F-statistic taraf nyata α, maka keputusan menolak H
signifikan. Dengan menolak H berarti minimal
ada satu peubah bebas yang berpengaruh nyata terhadap peubah tak bebas.
61
Uji-t
Setelah melakukan uji koefisien regresi secara keseluruhan, maka langkah selanjutnya adalah menguji koefisien regresi secara parsial menggunakan uji-t.
Hipotesis pada uji-t adalah H :
β
i
= 0 vs H
1
: β
i
≠ 0. Keputusan dalam pengujian ini dilakukan dengan membandingkan nilai t-hitung dengan t-tabel atau dengan
melihat nilai probabilitas dari t-hitung. Jika nilai t-hitung t-tabel atau jika nilai probabilitas t α=0,05 maka keputusan menolak H
adalah signifikan dan peubah bebas secara parsial peubah bebas memengaruhi peubah tak bebas.
Validasi Model
Selain pengujian parameter, kelayakan model dapat diketahui dengan pengujian validasi. Validasi model bertujuan untuk mengetahui apakah model mampu
merepresentasikan kondisi dunia nyata, dengan membandingkan nilai dugaan dengan nilai aktual. Beberapa pengujian validasi model yang digunakan dalam
penelitian ini adalah Uji Theil’s Theil’s Inequality Coefficient, Root Mean Squares Percent Error
RMSPE dan Koefisien Determinasi R
2
. Koefisien determinasi Goodness of Fit merupakan suatu ukuran yang penting
dalam regresi, karena dapat menginformasikan baik atau tidaknya model regresi hasil estimasi. Nilai R
2
mencerminkan seberapa besar variasi dari peubah bebas Y dapat diterangkan oleh peubah tak bebas X. Jika R
2
= 0, maka variasi dari Y tidak dapat diterangkan oleh X sama sekali, namun jika R
2
= 1 maka variasi dari Y secara keseluruhan dapat diterangkan oleh X. Semakin tinggi nilai koefisien
determinasi maka model akan semakin baik, namun kriteria R
2
hanya dapat digunakan pada model yang diestimasi dengan OLS.
Nilai Theil’s berkisar antara 0 sampai 1, dengan kriteria semakin mendekati nol maka model semakin baik. Nilai statistik Theil’s dirumuskan sebagai berikut:
� = �1�∑ �
� �
− �
� �
2 �
�=1
�1�∑ �
� �
2 �
�=1
+ �1�∑ �
� �
2 �
�=1
3.38
Nilai EMSPE dirumuskan sebagai berikut: ����� = �
1 �
∑ �
�
� �
−�
� �
�
� �
�
2 �
�=1
3.39
