89 Menurut Gujarati 2004, ada beberapa kelebihan metode 2SLS
dibandingkan dengan metode lainnya seperti metode LML Limited Information Likelihood dan FIML Full Information Maximum Likelihood yaitu: 1 kurang
sensitif terhadap kesalahan spesifikasi model, 2 dapat diterapkan pada suatu persamaan individual dalam sistem tanpa secara langsung memperhitungkan
setiap persamaan lain dalam sistem. Oleh karena itu, untuk memecahkan model ekonometrik yang melibatkan sejumlah persamaan dalam jumlah yang besar,
metode 2SLS menawarkan suatu metode yang ekonomis, 3 hanya memberi satu taksiran per parameter, 4 mudah diterapkan, karena semua yang perlu untuk
diketahui adalah total variabel eksogen atau predetrmined dalam sistim tanpa mengetahui variabel lainnya dalam sistim, dan 5 meskipun dirancang secara
khusus untuk menangani persamaan yang “overidentified”, namun juga dapat diterapkan untuk persamaan yang teridentifikasi secara tepat just or exactly
identified. Selanjutnya untuk mengetahui apakah pengaruh secara bersama-sama dari
peubah penjelas itu nyata atau tidak, maka dilakukan pengujian dengan menggunakan uji F. Untuk mengetahui nyata atau tidaknya pengaruh secara
sendiri-sendiri dari masing-masing peubah penjelas terhadap peubah endogennya diuji dengan menggunakan uji t pada tingkat nyata tertentu. Dalam penelitian ini
ini digunakan α sebesar 0.15, 0.10, 0.05, dan 0.01.
Pengolahan data dilakukan dengan menggunakan program komputer SASETS versi 9.1.3.
4.6. Validasi Model
Validasi model diperlukan untuk mengetahui tingkat kevalidan model sehingga diyakini bahwa model yang telah diduga dapat digunakan untuk tujuan
simulasi baik kebijakan maupun non kebijakan dan peramalan. Dalam studi ini digunakan kriteria statistik Root Mean Square Error RMSE dan Root Mean
Square Percentage Error RMSPE, dan Theil’s Inequality Coefficient U- Theil’s. Formula perhitungan untuk masing-masing kriteria statistik adalah
sebagai berikut Pinddyck dan Rubienfeld, 1998:
90
∑
=
− =
T t
a t
s t
Y Y
T RMSE
1 2
1 ...................................................................4.30
∑
=
− =
T t
a t
a t
s t
Y Y
Y T
RMSPE
1 2
1 ..........................................................4.31
dimana:
=
s t
Y
nilai simulasi dari Yt
=
a t
Y
nilai aktual T = jumlah periode pada simulasi
Statistik RMSE dan RMSPE menggambarlkan seberapa jauh niali-nilai dugaan variabel endogen menyimpang dari nilai-nilai aktual, baik dalam angka
nominal RMSE maupun persentase RMSPE. Karena itu semakin kecil nilai kedua kriteria statistik ini berarti semakin tinggi tingkat validitas model.
..............................................................4.32 U dapat didekomposisi menjadi :
............4.33 dimana :
dan = rata-rata untuk nilai simulasi dan nilai aktual
= standar deviasi untuk nilai simulasi dan nilai aktual = koefisien korelasi
Kriteria U-Theil’s merupakan ukuran statistik yang menunjukkan besarnya penyimpangan terhadap nilai dugaan prediksi error dan statistik ini digunakan
untuk menilai kemampuan model dalam analisis peramalan ex-post. Nilai koefisien U-Theil’s berkisar antara 0 dan 1. Jika U-Theil = 0, berarti pendugaan
model sempurna, sedangkan untuk U-Theil = 1, berarti pendugaan model bersifat naif. Dengan demikian, semaikin kecil nilai U-Theil semakin baik hasil
pendugaan model. Proporsi U proportions of inequality dapat dinyatakan sebagai berikut:
91
dimana : adalah proporsi bias yang menjelaskan seberapa jauh rata-rata nilai
simulasi menyimpang dari rata-rata nilai aktual. Nilai yang diharapkan
adalah yang mendekati nol. adalah proporsi varians yang menjelaskan seberapa jauh variasi nilai
simulasi menyimpang dari nilai variasi nilai aktual. Nilai yang
diharapkan adalah yang mendekati nol. adalah proporsi kovarians yang mengukur kesalahan peramalan yang
tidak sistematis unsystematic error. Untuk setiap nilai U 0 distribusi yang ideal atas ketiga sumber tersebut
adalah U
M
= U
S
= 0 dan U
C
4.7. Simulasi Model