Perumusan Model Analisis Persamaan Simultan

b. Fungsi Produktivitas Kedelai Produktivitas kedelai PRV diduga dipengaruhi oleh perubahan harga riil kedelai di tingkat petani PTP t -PTP t-1 , rasio harga riil benih kedelai terhadap harga riil benih tahun sebelumnya PBN t PBN t-1 , dan produktivitas tahun sebelumnya PRV t-1 . Persamaan produktivitas kedelai dapat dirumuskan sebagai berikut : PRV t = b + b 1 PTP t -PTP t-1 + b 2 PBN t PBN t-1 + b 3 PRV t-1 + µ 2t ................ 4.3 Ket: PRV t = produtivitas kedelai tahun ke-t tonha PTP t -PTP t-1 = perubahan harga riil kedelai di tingkat petani Rpkg PBN t PBN t-1 = rasio harga riil benih kedelai PRV t-1 = produktivitas kedelai tahun sebelumnya tonha µ 2t = variabel pengganggu Nilai dugaan parameter yang diharapkan b 1 0; b 2 0; 0 b 3 1. c. Fungsi Harga Kedelai di Tingkat Petani Harga kedelai di tingkat petani PTP diduga dipengaruhi oleh produksi kedelai PRD, harga riil kedelai di tingkat pedagang besar PKB, konsumsi kedelai CON, dan harga riil kedelai impor tahun sebelumnya PKI t-1 . Persamaan harga kedelai di tingkat petani dapat dirumuskan sebagai berikut: PTP t = c + c 1 PRD t + c 2 PKB t + c 3 CON t + c 4 PKI t-1 + µ 3t …………..……...4.4 Ket: PTP t = perubahan harga riil kedelai di tingkat petani Rpkg PRD t = produksi kedelai domestik ton PKB t = harga riil kedelai di tingkat pedagang besar Rpkg CON t = konsumsi kedelai ton PKI t-1 = harga riil kedelai impor tahun sebelumnya USton µ 3t = variabel pengganggu Nilai dugaan yang diharapkan c 2 , c 3, c 4 0; c 1 0. d. Fungsi Konsumsi Kedelai Konsumsi kedelai diduga dipengaruhi oleh harga riil kedelai eceran PKD, pendapatan nasional per kapita tahun sebelumnya PNB t-1 , dan konsumsi kedelai tahun sebelumnya CON t-1 . Persamaan konsumsi kedelai dapat dirumuskan sebagai berikut: CON t = d o + d 1 PKD t + d 2 PNB t-1 + d 3 CON t-1 + µ 4t …………………………..4.5 Ket: CON t = konsumsi kedelai ton PKD t = harga riil kedelai eceran Rpkg PNB t-1 = pendapatan nasional per kapita tahun sebelumnya US CON t-1 = konsumsi kedelai tahun sebelumnya ton µ 4t = variabel pengganggu Nilai dugaan yang diharapkan d 1 0; d 2 0; 0 d 3 1. e. Fungsi Harga Kedelai Eceran Harga kedelai eceran diduga dipengarui oleh harga riil kedelai di tingkat pedagang besar PKB, penawaran kedelai PRD+JIM, dan konsumsi kedelai CON. Persamaan harga kedelai eceran dapat dirumuskan sebagai berikut: PKD t = e + e 1 PKB t + e 2 PRD+JIM t + e 3 CON t + µ 5t …………………….4.6 Ket: PKD t = harga kedelai eceran Rpkg PKB t = harga riil kedelai di tingkat pedagang besar Rpkg PRD t = produksi kedelai ton JIM t = jumlah impor kedelai ton CON t = konsumsi kedelai ton µ 5t = variabel pengganggu Nilai dugaan yang diharapkan e 1 , e 3 0; e 2 0. f. Fungsi Impor Kedelai Menurut Setiabakti 2013, faktor-faktor yang mempengaruhi impor kedelai adalah produksi kedelai, permintaan kedelai, harga kedelai impor, dan produksi kedelai Amerika. Menurut Purwanto 2009, faktor-faktor yang signifikan mempengaruhi impor kedelai adalah produksi kedelai dalam negeri, konsumsi kedelai dan harga kedelai domestik. Penelitian ini menggunakan variabel yang mengacu pada penelitian Setiabakti 2013 dan Purwanto 2009. Jumlah impor kedelai Indonesia JIM diduga dipengaruhi oleh harga riil kedelai impor PKI, produksi kedelai PRD, konsumsi kedelai CON, dan impor kedelai tahun sebelumnya JIM t-1 . Persamaan impor kedelai dapat dirumuskan sebagai berikut: JIM t = f + f 1 PKI t + f 2 PRD t + f 3 CON t + f 4 JIM t-1 + µ 6t ………………… …....4.7 Ket: JIM t = volume impor ton PKI t = harga riil kedelai impor USton PRD t = produksi kedelai ton CON t = konsumsi ton JIM t-1 = volume impor tahun sebelumnya ton µ 6t = variabel pengganggu Nilai dugaan parameter yang diharapkan f 3 0; f 1 , f 2 0; 0 f 4 1. g. Fungsi Harga Kedelai Impor Harga kedelai impor diduga dipengaruhi oleh harga riil kedelai dunia PWO, nilai tukar rupiah terhadap dolar Amerika EXR, tarif impor kedelai tahun sebelumnya TIM t-1 dan harga kedelai impor tahun sebelumnya PKI t-1 . Persamaan harga kedelai impor dapat dirumuskan sebagai berikut: PKI t = g + g 1 PWO t + g 2 EXR t + g 3 TIM t-1 + g 4 PKI t-1 + µ 7t ……………… 4.8 Ket: PKI t = harga kedelai impor Rpkg PWO t = harga riil kedelai dunia USton EXR t = nilai tukar rupiah terhadap Amerika RpUS JIM t = jumlah impor kedelai ton PKI t-1 = harga kedelai impor tahun sebelumnya Rpkg µ 7t = variabel pengganggu Nilai dugaan parameter yang diharapkan g 1 ,g 2 , g 3 0; 0 g 5 1. 4.3.3.2 Identifikasi Model Menurut Koutsoyiannis 1977 masalah identifikasi muncul hanya untuk persamaan-persamaan yang di dalamnya terdapat koefisien-koefisien yang harus diestimasi secara statistik dari data contoh. Masalah identifikasi tidak muncul dalam persamaaan definisi, identitas atau dalam pernyataan tentang kondisi equilibrium karena dalam hubungan tersebut tidak memerlukan pengukuran. Teori ekonometrika mengemukakan dua kemungkinan situasi dalam suatu identifikasi, yaitu : 1. Persamaan Underidentified Suatu persamaan dikatakan underidentified jika bentuk statistiknya tidak tunggal. Suatu sistem dikatakan underidentified ketika satu atau lebih persamaan yang ada dalam sistem tersebut underidentified. Jika suatu persamaan atau model under identified maka tidak ada nilai parameter persamaan bentuk turunannya yang dapat dihitung. 2. Persamaan Identified Suatu persamaan identified memiliki bentuk statistik tunggal, persamaan tersebut bisa exactly identified atau overidentified. Persamaan yang teridentifikasi, koefisien yang terdapat di dalamnya dapat diduga secara statistik. Jika persamaan exactly identified maka metode yang sesuai untuk pendugaan adalah Indirect Least Square ILS sedangkan persamaan overidentified maka metode yang dapat digunakan adalah Two Stage Least Square 2SLS. Berdasarkan teori Koutsoyiannis, terdapat dua tahap identifikasi terhadap suatu model persamaan simultan yaitu: 1. Order Condition Order condition digunakan untuk mengetahui apakah persamaan yang ada dapat diidentifikasi atau tidak dapat diidentifikasi. Langkah dalam penentuan order condition yaitu : a. Bila K-M ≥ G-1, maka persamaan tersebut dapat diidentifikasi b. Bila K-M G-1, maka persamaan tersebut tidak dapat diidentifikasi atau unidentifeid Ket: K = Total variabel dalam model M = Total variabel endogen dan eksogen dalam persamaan yang akan diidentifikasi G = Total persamaan dalam model 2. Rank Condition Rank condition digunakan untuk mengidentifikasi persamaan setelah uji order condition menghasilkan kesimpulan dapat diidentifikasi. Uji rank condition dilakukan untuk melihat persamaan tersebut exactly identified atau overidentified. Penentuan rank condition sebagai berikut: a. Persamaan tersebut exactly identified, bila K-M = G-1 b. Persamaan tersebut overidentified, bila K-M G-1 Model persamaan simultan dalam penelitian ini terdiri dari delapan persamaan dengan satu persamaan identitas dan tujuh persamaan struktural serta 20 total variabel di dalam model yang terdiri dari delapan variabel endogen dan 12 variabel predetermine lima variabel lag endogen, tiga variabel lag eksogen, dan empat variabel eksogen. Uji order condition menghasilkan kesimpulan bahwa masing-masing model dapat diidentifikasi, hasil pengurangan total variabel dalam model dengan total variabel endogen dan eksogen dalam persamaan yang diidentifikasi lebih besar dari hasil pengurangan total persamaan dalam model dengan satu. Uji rank condition menghasilkan kesimpulan overidentified untuk masing- masing persamaan dalam model, uji ini dapat dilihat dari hasil pengurangan total variabel dalam model dengan total variabel endogen dan eksogen dalam persamaan yang diidentifikasi lebih besar dari pengurangan total persamaan dalam model dengan satu. Hasil identifikasi yang menghasilkan kesimpulan overidentified memungkinkan persamaan untuk diestimasi dengan metode Two Stage Least Square 2SLS. Program komputer estimasi model keragaan ekonomi kedelai dengan software SASETS disajikan dalam Lampiran 2, sedangkan hasil estimasi parameter model keragaan ekonomi kedelai dengan software SASETS disajikan dalam dan Lampiran 3.

4.3.3.3 Uji Kesesuaian Model

Koutsoyiannis 1977 menerangkan bahwa pengujian terhadap dugaan persamaan secara keseluruhan dilakukan dengan uji F-statistik. Uji F-statistik dapat menjelaskan kemampuan variabel eksogen secara bersama-sama dalam menjelaskan keragaman dari variabel endogen. Hipotesis yang diuji dari pendugaan persamaan di atas adalah variabel eksogen tidak berpengaruh nyata terhadap variabel endogen. Hipotesis ini disebut hipotesis nol. Mekanisme yang digunakan untuk menguji hipotesis dari parameter dugaan secara serentak uji F-statistk adalah: F hitung = SSR k-1 SSE n-k Dengan derajat bebas = k-1, n-k Ket: SSR = jumlah kuadrat regresi SSE = jumlah kuadrat sisa k = jumlah parameter n = jumlah pengamatan Selanjutnya dilakukan pengujian dengan kriteria uji sebagai berikut : F hitung F tabel : Terima H , artinya secara bersama-sama variabel eksogen yang digunkan tidak berpengaruh nyata terhadap variabel endogen variabel yang digunakan tidak bisa menjelaskan secara nyata keragaman dari variabel endogen F hitung F tabel : Tolak H , artinya secara bersama-sama variabel eksogen berpengaruh nyata terhadap variabel endogen minimal terdapat satu parameter dugaan yang tidak sama dengan nol dan berpengaruh nyata terhadap keragaman variabel endogen

4.3.3.4 Uji Dugaan Variabel Secara Parsial

Uji parsial uji t bertujuan untuk mengetahui apakah variabel eksogen yang terdapat di dalam model secara individu berpengaruh nyata terhadap variabel endogen. Mekanisme uji statistik t adalah sebagai berikut: T hitung = bi Sbi Ket: bi = koefisien parameter dugaan Sbi = standar deviasi parameter dugaan Dengan kriteria uji sebagai berikut: T hitung t tabel : Terima H , artinya variabel eksogen secara individu tidak berpengaruh nyata terhadap perubahan variabel eksogen T hitung t tabel : Tolak H , artinya ada variabel eksogen secara individu berpengaruh nyata terhadap perubahan variabel endogen dengan tingkat kepercayaan 1-α persen

4.3.3.5 Uji Statistik Durbin – h

Metode pengujian yang sering digunakan untuk mendeteksi adanya serial korelasi adalah dengan statistik Dw Durbin Watson Statistic. Jika di dalam model terdapat persamaan yang mengandung variabel bedakala maka penggunaan Dw sudah tidak valid sehingga digunakan uji statistik Durbin-h Dh untuk mengetahui ada tidaknya serial korelasi pada persamaan yang mengandung variabel bedakala. Pindyck dan Rubinfeld 1998 menyebutkan rumus uji statistik Durbin-h sebagai berikut: Dh = 1 − Dw 2 1 N 1 − N Var β Keterangan: Dh = nilai statistik durbin-h Dw = nilai durbin watson hitung N = jumlah periode pengamatan Var β = varians varibel bedakala endogen SE 2 Apabila digunakan taraf nyata α = 0.05, sehingga diketahui -1.96 ≤ Dh ≤ 1.96 maka dapat disimpulkan persamaan tidak mengalami serial korelasi. Namun, apabila diketahui nilai Dh -1.96 maka terdapat serial korelasi negatif, sebaliknya apabila nilai Dh 1.96 maka terdapat serial korelasi positif.