Metode Pendugaan Model Validasi Model

perlu sekaligus 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. Kondisi rank ditentukan oleh determinan turunan persamaan struktural yang nilainya tidak sama dengan nol Koutsoyiannis, 1977 Model yang dirumuskan terdiri 52 peubah endogen G, dan 71 peubah predetermined variable terdiri dari 34 peubah eksogen dan 37 lag endogenous variabel . Sehingga total peubah dalam model K adalah 123, jumlah maksimum peubah dalam persamaan M adalah 7 peubah. Maka berdasarkan kriteria order condition maka setiap persamaan struktural yang ada dalam model adalah over identified .

4.2.2. Metode Pendugaan Model

Dari hasil identifikasi model, maka model dinyatakan over identified, dalam hal ini untuk pendugaan model dapat dilakukan dengan 2SLS Two Stage Least Squares , 3SLS Three Stage Least Squares. Metode pendugaan model yang digunakan adalah 2SLS, dengan beberapa pertimbangan, yaitu penerapan 2SLS menghasilkan taksiran yang konsisten, lebih sederhana dan lebih mudah, sedangkan metode 3SLS dan FIML menggunakan informsi yang lebih banyak dan lebih sensitif terhadap kesalahan pengukuran maupun kesalahan spesifikasi model Syafa’at, 1999. 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 taraf nyata 25 persen selanjutnya uji serial korelasi dengan menggunakan statistik d w Durbin-Waston Statistics.

4.2.3. Validasi Model

Asumsi dapat mempengaruhi kebenaran suatu teori Woodhouse, 2006. Asumsi yang digunakan dalam membangun model dalam studi ini adalah sebagai berikut: 1. Upah minimum ditargetkan untuk buruh berpendidikan rendah, tanpa pengalaman, nol masa kerja dan berstatus lajang. Diasumsikan nilai upah minimum ditetapkan di atas upah keseimbangan pasar sehingga persamaan identitas tingkat pengangguran dalam model menggambarkan kondisi disequilibrium pasar TK. 2. Diasumsikan upah di pasar TK kaku pada tingkat tertentu dan tidak meningkat ketika permintaan TK bergeser Sticky Wages. Akibatnya, bila perekonomian melemah, kurva permintaan TK bergeser ke kiri dan terjadi Pemutusan Hubungan Kerja. Sebaliknya, bila terjadi pergeseran kurva permintaan TK ke kanan, kesempatan kerja meningkat tetapi tingkat upah relatif tidak berubah. Peningkatan upah di pasar TK disebabkan karena adanya tuntutan serikat pekerja. 3. Kekuatan serikat buruh dalam menuntut kenaikan upah diproksi dengan peubah jumlah tenaga kerja di sektor formal. Diasumsikan tenaga kerja formal adalah pekerja dengan status pekerjaan utama sebagi buruh tetap karyawan pegawai. Sementara tenaga kerja informal adalah tenaga kerja dengan status pekerjaan utama: 1 berusaha sendiri tanpa dibantu orang lain, 2 berusaha sendiri dengan dibantu anggota rumah tangga, 3 pekerja bebas pertanian, 4 pekerja bebas di non pertanian, dan 5 pekerja tidak dibayar. 4. Diasumsikan tidak ada perubahan struktural selama tahun 2007-2010 ke depan. Untuk mengetahui apakah model cukup valid untuk membuat suatu simulasi alternatif kebijakan maka perlu dilakukan suatu validasi model, dengan tujuan untuk menganalisis sejauh mana model tersebut dapat mewakili dunia nyata Pindyck and Rubinfield, 1991. Kriteria statistik untuk validasi nilai pendugaan model ekonometrika yang digunakan adalah: Root Means Squares Error RMSE, Root Mean Squares Percent Error RMSPE dan Theil’s Inequality Coefficient U . RMSE adalah rata-rata kuadrat dari perbedaan nilai estimasi dengan nilai observasi suatu variabel. Jika nilai RMSE semakin kecil maka estimasi model atau variabel tersebut semakin valid. Nilai statistik RMSE adalah: ∑ = − = T t Ya Ys T RMSE 1 2 1 RMSPE adalah rata-rata kuadrat dari proporsi perbedaan nilai estimasi dengan nilai observasi suatu variabel. Jika nilai RMSPE semakin kecil maka estimasi model atau variabel tersebut semakin valid. Nilai statistik RMSPE adalah: ∑ = − = T t Ya Ya Ys T RMSPE 1 2 ] [ 1 U adalah perbandingan RMSE dengan penjumlahan rata-rata kuadrat nilai estimasi dan rata-rata kuadrat nilai observasi suatu model atau variabel. Nilai U maksimum adalah satu estimasi model atau variabel naif dan nilai U minimum nol estimasi model atau variabel sempurna. Jika nilai U mendekati nol maka estimasi model atau variabel tersebut semakin valid. Nilai koefisien Theil U berkisar antara 1 dan 0. Jika U = 0 maka pendugaan model sempurna, jika U =1 maka pendugaan model naif. Pada dasarnya makin kecil nilai RMSPE dan U- Theil’s dan makin besar nilai R², maka pendugaan model semakin baik. Nilai statistik U adalah: ∑ ∑ ∑ = = = + − = T t T t T t Ya T Ys T Ya Ys T U 1 2 1 2 1 2 1 1 1 Nilai U terdiri dari tiga komponen, yaitu proporsi bias UM, proporsi varians US dan proporsi kovarians. UM adalah perbandingan selisih nilai rata- rata estimasi dan nilai rata-rata observasi kuadrat suatu model atau variabel dengan rata-rata kuadrat dari selisih nilai estimasi dan nilai observasi suatu model atau variabel. Menurut Pyndick and Rubinfeld [1991], suatu estimasi model atau variabel dikatakan valid jika UM 0,20 karena UM merupakan systematic error. Nilai statistik UM adalah: ∑ = − − = T t Ya Ys T a Y s Y UM 1 2 2 1 US adalah perbandingan antara kuadrat selisih standar deviasi nilai estimasi dan standar deviasi nilai observasi suatu model atau variabel dengan rata- rata kuadrat dari selisih nilai estimasi dan nilai observasi suatu model atau variabel. Jika nilai US semakin kecil maka estimasi model atau variabel semakin valid. Nilai statistik US adalah: ∑ = − − = T t a s Ya Ys T US 1 2 1 σ σ UC adalah ukuran unsystematic error dari estimasi suatu model atau variabel. Semakin besar nilai UC semakin valid estimasi suatu model atau variabel. Nilai statistik UC adalah: ∑ = − − = T t a s Ya Ys T UC 1 2 1 ] 1 2 [ σ σ ρ 1 = + + UC US UM dimana T, Ys, Ys M , Ya, Ya M , σ s , σ a dan ρ masing-masing adalah jumlah observasi, nilai estimasi model, nilai rata-rata estimasi model, nilai observasi model, nilai ratarata observasi model, standar deviasi nilai estimasi model, standar deviasi nilai observasi model dan koefisien korelasi antara nilai estimasi dengan nilai observasi model. Validasi dilakukan dengan hasil estimator 2 SLS.

4.2.4. Simulasi Kebijakan