67 ada di dalam model K berjumlah 115 peubah, dengan jumlah peubah
predetermined terbanyak dalam suatu persamaan M adalah sebanyak 7 peubah. Maka berdasarkan order condition criteria, setiap persamaan di dalam model ini
adalah teridentifikasi secara berlebih over-identified.
4.2.2 Metode Pendugaan Model
Metode pendugaan model yang dapat dilakukan untuk sistem persamaan simultan yang dinyatakan over-identified adalah dengan metode 2-SLS Two
Stage Least Squares, 3-SLS Three Stage Least Squares, LIML Limited Information Maximum Likelihood, atau FIML Full Information Maximum
Likelihood. Metode pendugaan model yang digunakan dalam penelitian ini adalah metode 2-SLS dengan pertimbangan: penerapan 2-SLS menghasilkan
taksiran yang konsisten, lebih sederhana dan lebih mudah; sedangkan metode 3- SLS, LIML maupun FIML membutuhkan informasi yang lebih banyak dan lebih
sensitif terhadap kesalahan pengukuran maupun kesalahan spesifikasi model Gujarati, 1999.
Persamaan simultan sangat memungkinkan terjadinya korelasi antara peubah endogen dengan error term. Kondisi ini menyebabkan penggunaan regresi
biasa OLS sangat berpotensi menghasilkan taksiran yang bias dan tidak konsisten. Oleh karena itu, metode 2-SLS lebih tepat digunakan untuk analisis
simultan, dimana dalam analisis ini semua peubah diperhitungkan sebagai suatu sistem secara menyeluruh. Metode 2-SLS terdiri dari dua tahap, yaitu: a tahap
pertama, melakukan analisis regresi bentuk yang direduksi reduced form peubah dependen atas semua peubah eksogen untuk setiap persamaan dengan tujuan
menghilangkan korelasi antara peubah dependen dengan error term. Tahap ini menghasilkan nilai taksiran masing-masing persamaan yang kemudian berfungsi
sebagai peubah instrumental, yaitu suatu peubah yang menjelaskan peubah endogen sehingga menyerupai peubah dependen yang asli namun tidak
berkorelasi dengan error term; dan b tahap kedua, menggantikan peubah endogen dalam persamaan asli dengan nilai taksirannya, kemudian menerapkan
OLS untuk persamaan yang kemudian ditransformasikan Pyndick Rubinfeld, 1998.
68 Penghitungan parameter pendugaan persamaan struktural dalam model
dilakukan dengan menggunakan program computer SASETS Statistical Analysis SystemEconometric Time Series versi 9.1 terhadap data sekunder time series
periode tahun 1990 – 2010. SASETS versi 9.1 ini masih menggunakan nilai probabilitas |T| untuk uji dua-arah two-tails sebagaimana terlihat pada hasil
pengolahan SAS Lampiran 13 dan 15. Sementara itu, hipotesis pendugaan parameter yang diharapkan dalam penelitian ini adalah satu arah one-tail,
sehingga nilai probabilitas |T| harus dibagi dua agar sesuai dengan hipotesis satu arah one-tail.
Setelah menentukan metode pendugaan estimasi model, selanjutnya yang harus dilakukan adalah mengevaluasi hasil koefisien pendugaan model dan
menguji hipotesis. Evaluasi hasil pendugaan model persamaan umumnya dibagi menjadi tiga kriteria Koutsoyiannis, 1977, yaitu:
1 Kriteria Ekonomi
Economic ‘a prior’ criteria, dalam hal ini ditentukan oleh prinsip-prinsip yang sesuai dengan kriteria ekonomi, yang mengacu pada arah sign dan besaran
magnitude.
2 Kriteria Statistik
Statistical criteria: first-order test, yang ditentukan oleh teori statistik dan membantu evaluasi model secara statistik yang dapat dipercaya dari koefisien
pendugaan estimasi model. Variasi total dependent variable terbagi menjadi dua komponen, yaitu: variasi yang dijelaskan oleh prediktor peubah melalui perkiraan
model fungsi regresi, dan variasi yang tidak dapat dijelaskan oleh model regresi atau variasi eror. Metode ANOVA dapat menjelaskan varian total sebuah peubah
kedalam komponen penjumlahan yang disebabkan oleh berbagai faktor yang terpisah. Kriteria statistik yang paling sering digunakan dalam model regresi linier
berganda ini tercantum dalam tabel Analysis of Variance ANOVA.
a. Koefisien determinasi
Koefisien determinasi R
2
merupakan suatu ukuran yang menjelaskan seberapa besar variasi dependent, Y dapat dijelaskan oleh regressor, X, atau dengan kata
lain persentase variabilitas keragaman pada dependent variable yang dapat dijelaskan oleh independent variable-nya, dengan nilai 0
≤ R
2
≤ 1.
