81 G : Total persamaan dalam model, yaitu jumlah peubah endogen dalam
model. Berdasarkan order condition tersebut, apabila:
K-M G-1 : maka persamaan dinyatakan teridentifikasi secara berlebih over identified
K-M=G-1 : maka persamaan dinyatakan teridentifikasi secara tepat exactly identified
K-MG-1 : maka persamaan dinyatakan tidak teridentifikasi unidentified
Hasil identifikasi untuk setiap persamaan struktural haruslah exactly identified atau over identified untuk dapat menduga parameter-parameternya.
Kendati suatu persamaan memenuhi order condition, mungkin saja persamaan ini tidak teridentifikasi. Karena itu dalam proses identifikasi
diperlukan suatu syarat perlu sekaligus syarat cukup. Hal itu dituangkan dalam rank condition, untuk identifikasi yang menyatakan bahwa dalam suatu
persamaan teridentifikasi jika dan hanya jika dimungkinkan untuk membentuk minimal satu determinan bukan nol pada order G-1 dari parameter struktural
peubah yang tidak termasuk dalam persamaan tersebut, atau dengan kata lain kondisi rank ditentukan oleh determinan turunan persamaan struktural yang
nilainya tidak sama dengan nol Koutsoyiannis, 1977. Dengan mengikuti prosedur identifikasi yang telah diuraikan di atas, maka
dari model dampak kebijakan fiskal terhadap perekonomian kabupaten kota di Provinsi Sulawesi Selatan dapat diketahui, bahwa jumlah predetermined
variables adalah 72, sedangkan jumlah persamaan G adalah 35 yang terdiri dari 26 persamaan struktural dan 9 persamaan identitas sehingga K = 72, M = 10
dan G = 35, maka K – M = 72 – 10 = 62 dan G – 1 = 35 –1 = 34, maka K – M G – 1 6234. Oleh karena itu berdasarkan kriteria order condition maka
persamaan dinyatakan teridentifikasi secara berlebih over identified sehingga dapat diduga parameter-parameternya.
4.4. Metode Pendugaan Model
Dari hasil identifikasi model, maka model dinyatakan over identified, sehingga dalam penelitian ini pendugaan model dilakukan dengan metode 2SLS
two stage least squares karena metode 2SLS cocok untuk persamaan simultan
yang over identified, dapat digunakan pada jumlah sampel yang relatif sedikit dan tidak sensitif terhadap modifikasi respesifikasi model, baik untuk analisis
struktural maupun untuk analisis simulasi dan peramalan. Pengolahan data dilakukan dengan menggunakan program software komputer SAS versi 9.0.
Untuk mengetahui dan menguji apakah variabel penjelas secara bersama- sama berpengaruh nyata atau tidak terhadap variabel endogen, maka pada 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.
4.5. Validasi Model
Untuk mengetahui apakah model cukup valid untuk membuat suatu simulasi alternatif kebijakan dan peramalan, maka perlu dilakukan suatu validasi
model, dengan tujuan untuk menganalisis sejauh mana model tersebut dapat mewakili dunia nyata.
Dalam penelitian ini, kriteria statistik untuk validasi nilai pendugaan model ekonometrika yang digunakan adalah root means squares error RMSE, root
means squares percent error RMSPE dan theil’s inequality coefficient U Pindyck and Rubinfield, 1991. Kriteria-kriteria tersebut dirumuskan sebagai
berikut:
RMSE =
∑
=
−
n t
a t
s t
Y Y
n
1 2
1
............................................................. 4.37
RMSPE =
∑
=
−
n t
a t
a t
s t
Y Y
Y n
1 2
1
......................................................... 4.38
U =
∑ ∑
∑
= =
=
+ −
n t
n t
a t
s t
n t
a t
s t
Y n
Y n
Y Y
n
1 1
2 2
1 2
1 1
1
. ................................................. 4.39
dimana:
s t
Y : nilai hasil simulasi dasar dari variabel observasi
a t
Y : nilai aktual variabel observasi
n : jumlah periode observasi
83 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 1 dan 0. Jika U=0 maka pendugaan model sempurna, jika U=1 maka
pendugaan model naif. Untuk melihat keeratan arah slope antara aktual dengan hasil yang disimulasi dilihat dari nilai koefisien determinasinya R
2
. Pada dasarnya makin kecil nilai RMSPE dan U-Theil’s dan makin besar nilai R
2
, maka pendugaan model semakin baik.
4.6. Simulasi Model
