kurva ED membentuk harga dunia Pw’. Akan tetapi, pada harga ini di negara A terjadi kelebihan penawaran. Kelebihan penawaran ini akan hilang pada tingkat
harga domestik P’, yaitu pada perpotongan antara kurva penawaran SA dan kurva permintaan domestik plus kuota DA’, dimana kurva DA’ sejajar
dengan kurva DA dengan jarak horisontal sebesar kuota yang ditetapkan. Dengan demikian, jelas terlihat bahwa pembatasan ekspor akan menyebabkan
penurunan harga domestik di negara A dan kenaikan harga dunia sehingga volume perdagangan menjadi berkurang. Dampak kesejahteraan dari kuota
ekspor dibandingkan dengan perdagangan bebas dapat dianalisis melalui perubahan-perubahan surplus konsumen dan produsen. Di negara eksportir,
jika daerah e lebih besar dari daerah d pada Gambar 2.9a, maka negara eksportir akan memperoleh manfaat dari kuota ekspor dimana konsumen dan
pemegang kuota akan memperoleh keuntungan. Akan tetapi, di negara importir terjadi penurunan kesejahteraan nasional yang jauh lebih besar dari manfaat
yang diperoleh oleh negara eksportir, sehingga secara total terjadi penurunan kesejahteraan dunia sebesar daerah d+2+4.
Gambar 2.9 Dampak Kuota Ekspor Sumber: Grennes 1984
2.2.11 Sistem Persamaan Simultan
Adanya hubungan kausal yang bersifat dua arah, dalam arti bahwa Y = fX dan juga X = fY, maka kita tidak dapat menggunakan model persamaan tunggal,
tetapi kita harus membangun model persamaan simultan dan proses pendugaan menggunakan beberapa metode tersendiri. Untuk menggambarkan hubungan
ES
Dunia Q
P
Q
E
ED ES
’
Q
E
’ Negara B Importir
D
B
1 S
B
P
Q Q
1
’ 4
2 3
Q
1
Q
2
’ Q
2
’ Negara A Eksportir
Pw’
Q Pw
’ S
A
D
A
P
Q
1
’ e
c d
b a
P ’
Q
1
Q
2
’ Q
2
D
A
’
antara Y dan X yang bersifat dua arah, kita harus membangun suatu sistem persamaan simultan. Suatu sistem persamaan simultan akan terdiri dari
persamaan-persamaan yang jumlahnya tergantung pada masalah yang dipelajari, tergantung pada sifat pengkajian apakah sederhana ataukah kompleks, sehingga
banyaknya persamaan dapat bervariasi dari hanya beberapa buah persamaan sampai puluhan atau ratusan buah persamaan. Secara singkat dapat dikatakan
sistem persamaan simultan adalah suatu sistem yang menggambarkan hubungan ketergantungan secara bersama di antara variabel-variabel Gaspersz, 1991.
Salah satu hal yang menonjol di dalam persamaan simultan ialah bahwa variabel tak bebas yang sudah muncul di dalam suatu persamaan di dalam model
bisa muncul lagi di dalam persamaan lainnya sebagai variabel bebas independent or explanatory variables
. Variabel yang mempunyai dua peranan, baik berupa variabel tak bebas dependent maupun bebas independent, sewaktu berperan
sebagai variabel bebas di dalam suatu persamaan, akan berkorelasi dengan kesalahan pengganggu, sehingga penerapan metode kuadrat terkecil OLS =
Ordinary Least Square tidak akan menghasilkan perkiraan yang konsisten.
Maksudnya, walaupun sampelnya diperbesar sampai nilai menuju tak terhingga, nilai perkiraan tidak akan sama dengan parameternya Supranto, 2004.
Persamaan simultan merupakan suatu sistem, maka di dalam membuat perkiraan parameter dari salah satu persamaan harus memperhatikan hubungannya
dengan persamaan lainnya. Salah satu asumsi dalam penggunaan metode OLS, variabel bebas X harus bebas tidak berkorelasi dengan kesalahan pengganggu.
Kalau berkorelasi, maka hasil perkiraan parameter selain tak bias juga tidak konsisten, maksudnya walaupun sampel diperbesar, menuju tak terhingga,
perkiraan tidak mendekati nilai parameter. Sesungguhnya diperlukan paling tidak 2 persamaan yang menjelaskan hubungan antara misal P dengan Q
d
, yakni: Q
d
=
+
1
P +
2
P +
3
Y + U
1
, dimana U
1
merupakan gangguan P = fQ
d
+
1
Q
d
+
2
W + U
2
, maka dengan mengkombinasikan kedua persamaan tersebut akan dihasilkan:
P =
+
1
+
1
P +
2
P +
3
Y + U
1
+
2
W + U
2
,
dari hubungan tersebut terlihat jelas bahwa persamaan tidak terbebas dari gangguan U
1
memiliki korelasi yang tinggi dengan error atau dengan notasi lain bahwa
PU
1
≠ 0. Sehingga hasil penaksiran
1
,
2
, dan
3
dalam kasus itu akan bias. Oleh sebab itu, penerapan metode OLS untuk penaksiran dari parameter-
parameter dalam persamaan simultan tidak dapat digunakan Supranto, 2004. Hubungan bukan hanya satu arah, tetapi bisa dua arah two way bisa juga
secara simultan. Dengan demikian, penyebutan atau pemberian nama X sebagai variabel bebas independent dan Y sebagai variabel tak bebas dependent tidak
tepat lagi, sebab yang tak bebas juga bisa berperan sebagai bebas atau sebaliknya. Oleh karenanya dalam persamaan simultan variabel dibedakan menjadi dua, yaitu
variabel endogen endogeneous variables dan variabel eksogen exogeneous variables
. Variabel endogen adalah variabel yang nilainya ditentukan di dalam model, sebagai akibat adanya hubungan antar variabel, sedangkan variabel
eksogen adalah variabel yang nilainya ditentukan di luar model. Begitu nilai variabel eksogen sudah diketahui, maka nilai variabel endogen dapat dihitung
berdasarkan hubungan variabel yang sudah ditentukan Supranto, 2004. Menurut Arief 1993 dalam Yunita 2013, sistem persamaan simultan
dianggap mengandung persoalan identifikasi apabila penaksiran nilai-nilai parameter tidak dapat sepenuhnya dilakukan dari persamaan reduced form sistem
persamaan simultan ini. Jika hal ini berlaku, maka sistem persamaan simultan ini dianggap tidak dapat diidentifikasikan unidentified. Suatu persamaan simultan
dianggap dapat diidentifikasikan apabila nilai-nilai parameter yang ditaksir dapat diperoleh dari persamaan-persamaan reduced form sistem persamaan simultan ini
dan masing-masing nilai parameter yang diperoleh tersebut tidak lebih dari satu nilai. Jika nilai-nilai parameter yang diperoleh ternyata melebihi dari jumlah
parameter, maka sistem persamaan simultan ini dinyatakan sebagai suatu sistem persamaan yang melebihi sifat yang dapat diidentifikasikan overidentified.
Identifikasi model persamaan simultan order condition menurut Koutsoyiannis 1977 dalam Yunita 2013 dapat dirumuskan sebagai berikut:
K – M ≥ G – 1
Keterangan:
G = jumlah persamaan current endogeneous variables dalam model M = jumlah seluruh variabel endogeneous and exogeneous variables yang
terdapat dalam suatu persamaan K = jumlah total variabel current endogeneous and predetermined variables di
dalam model Kriteria:
K – M = G – 1 ; persamaan dalam model exactly identified
K – M G – 1 ; persamaan dalam model unidentified
K – M G – 1 ; persamaan dalam model over identified
Sistem persamaan simultan yang dibangun dan dikembangkan dengan menggunakan metode Two-stage Least Squares 2SLS, karena metode ini dapat
mengatasi timbulnya bias simultan. Secara lebih rinci, pilihan terhadap metode 2SLS dibandingkan dengan metode lainnya disebabkan oleh: 1 Penerapan
sistem persamaan simultan dengan metode Ordinary Least Squares OLS akan menghasilkan koefisien yang bias, karena terjadi korelasi antara error term
dengan peubah endogen yang ada di sisi kanan persamaan; 2 Dengan metode Instrumental Variables
IV masalah tersebut dapat diatasi dan menghasilkan koefisien yang tidak bias, tetapi koefisien yang diperoleh tidak efisien karena
terdapat lebih dari satu informasi; dan 3 Beberapa peubah dalam penelitian diperoleh melalui estimasi, sehingga memiliki potensi kesalahan pengukuran. Jika
menggunakan metode 3SLS Three-stage Least Squares, kesalahan spesifikasi dari satu persamaan akan merembet ke persamaan lain, sehingga koefisien yang
diperoleh dari semua persamaan akan bias. Metode 2SLS dapat digunakan secara baik pada model yang over identified maupun exactly identified Koutsoyiannis,
1977; Judge et al., 1985; Intriligator et al., 1996 dalam Malian 2004. Menurut Gudjarati 2004, sifat yang menonjol dari 2SLS adalah :
a. Untuk memecahkan model ekonometrika yang melibatkan sejumlah besar persamaan, 2SLS menawarkan suatu metode yang ekonomis.
b. 2SLS mampu untuk menangani model yang terlalu diidentifikasikan dan juga persamaan yang tepat diidentifikasikan.
c. 2SLS hanya memberi satu taksiran perparameter.
d. Metode ini mudah untuk diterapkan karena semua variabel yang diperlukan untuk diketahui hanyalah banyaknya variabel eksogen atau variabel yang
ditetapkan lebih dahulu tanpa mengetahui variabel lain manapun dalam sistem. Menurut Sumodiningrat β00β, “kuadrat terkecil dengan dua tahap” βSLS
merupakan metode persamaan tunggal dengan adanya korelasi antara variable gangguan dan variable-variabel bebas, sehingga bila teknik 2SLS diterapkan pada
setiap persamaan struktural secara terpisah, bias simultan dapat dihilangkan. Metode 2SLS lebih sering digunakan dalam praktek karena alasan-alasan berikut :
a. Untuk persamaan-persamaan yang over identified, 2SLS menghasilkan taksiran tunggal
b. Sekalipun 2SLS khusus dibuat untuk mengatasai persamaan-persamaan yang over identified
, metode ini dapat diterapkan pada persamaan yang exactly identified
. c. Dalam penerapan 2SLS, tidak ada kesulitan menaksir kesalahan baku
standard error koefisien struktural dari kesalahan baku koefisien reduced- form
, karena koefisien struktural ditaksir secara langsung dari regresi OLS pada langkah kedua. Asalkan taksiran kesalahan baku pada langkah kedua itu
dimodifikasi dulu.
2.2.12 Integrasi Pasar
