Identifikasi Model Metode Pendugaan Model

Sehingga metode 3SLS akan lebih cocok digunakan dalam estimasi, dengan alasan metode 3SLS umumnya memberikan hasil estimasi yang konsisten dan secara asimtotik lebih efisien dibandingkan 2SLS, semua persamaan struktural over identified , dan kovarian antar peubah pengganggu dari setiap persamaan tidak sama dengan nol. Namun, metode 3SLS menuntut spesifikasi model yang akurat karena metode tersebut sangat peka terhadap kesalahan spesifikasi dan memerlukan data yang besar Gujarati, 1999. Untuk itu dipilih metode 2SLS, karena metode ini cukup toleran terhadap kesalahan spesifikasi model, kesalahan spesifikasi satu persamaan tidak ditransfer ke persamaan lain. Alasan lain penggunaaan 2SLS adalah cocok untuk estimasi persamaan simultan yang over identified, lebih efisien dibandingkan OLS, cocok digunakan pada jumlah sampel yang sedikit, dan metode ini dapat menghindari estimasi yang bias dan penduga yang konsisten serta tidak terlalu sensitif terhadap kesalahan spesifikasi model. Sehingga metode penggunaan model yang digunakan dalam studi ini adalaah 2SLS. Perhitungan penduga parameter persamaan struktural dilakukan dengan menggunakan program computer SASETS versi 6.12 Statistical Analysis System Econometric Time Series terhadap data sekunder time series periode 1981-2005. Untuk mengetahui dan menguji apakah variabel penjelas secara bersama- sama berpengaruh nyata atau tidak terhadap variabel endogen, maka setiap persamaan digunakan uji statistik F, dan untuk menguji apakah masing-masing variabel penjelas berpengaruh nyata atau tidak terhadap variabel endogen, maka pada setiap persamaan digunakan uji statistik t. Selanjutnya karena model mengandung persamaan simulatan dan peubah bedakala lag endogenous variabel, maka uji serial korelasi dengan menggunakan statistik d w Durbin Watson Statistik tidak valid untuk digunakan. Sebagai penggantinya untuk mengetahui apakah serial korelasi autocorrelation atau tidak dalam setiap persamaan maka digunakan uji statistik d h Durbin-h statistiks pindyck dan Rubinfeld, 1991, sebagai berikut : [ ] β var 1 2 1 1 n n d h − ⎟ ⎠ ⎞ ⎜ ⎝ ⎛ − = dimana : h = Angka statistik durbin-h d = d w statistik n = Jumlah observasi, dan Var β = Varian koefisien regresi untuk lagged dependent variabel Apabila h-hitung lebih kecil dari nilai kritis h dari tabel distribusi normal, maka dalam persamaan tidak mengalami serial kolerasi.

4.4. Validasi Model

Validasi model bertujuan untuk mengetahui tingkat representasi model dibandingkan dengan dunia nyata sebagai dasar untuk melakukan simulasi. Berbagai kriteria statistik dapat digunakan untuk validasi model ekonometrika dengan membandingkan nilai-nilai aktual dan dugaan peubah-peubah endogen Klein, 1993. Validasi model dilakukan dengan menggunakan Root Means Squares Error RMSE, Root Means Percent Squares Error RMSPE dan Theil’s Inequality Coefficient U Pindyck dan Rubinfield, 1991. Kriteria-kriteria dirumuskan sebagai berikut : ∑ = − = n t a t s t Y Y n RMSE 1 2 1 ∑ = ⎟⎟ ⎠ ⎞ ⎜⎜ ⎝ ⎛ − = n t a t a t s t Y Y Y n RMSPE 1 2 1 ∑ ∑ ∑ = = = + − = n t n t a t s t n t a t s t Y n Y n Y Y n U 1 1 2 2 1 2 1 1 1 dimana : s t Y = Nilai hasil simulasi dasar dari variabel observasi a t Y = Nilai aktual variabel observasi n = Jumlah periode observasi Statistik RMSPE digunakan untuk mengukur seberapa jauh nilai-nilai peubah endogen hasil pendugaan menyimpang dari alur nilai-nilai aktualnya dalam ukuran relatif persen, atau seberapa dekat nilai dugaan itu mengikuti perkembangan nilai aktualnya. Sedangkan nilai statistik U bermanfaat untuk mengetahui kemampuan model untuk analisis simulasi peramalan. Nilai koefisien Theil U berkisar antara 0 dan 1. Jika U = 0 maka pendugaan model sempurna, jika U = 1 maka pendugaan model naif. Disamping itu, validasi model juga dapat dijelaskan dari nilai koefisien determinsi R 2 , semakin besar nilai tersebut semakin besar proporsi variasi