46 HB
t-1
= Harga riil beras pada tahun sebelumnya RpKg d
= Intersep d
i
= Parameter yang diduga i = 1,2,3 Nilai dugaan yang diharapkan; d
1
0 ; d
2
0 ; 0d
3
1
4.3.1.7. Surplus atau Defisit
Untuk mengetaui apakah Indonesia mencapai swasembada beras atau tidak, dapat dilihat dari hasil pengurangan antara produksi dan konsumsi beras,
jika hasilnya positif maka Indonesia mencapai swasembada beras yang dalam hal ini berarti surplus beras, begitu sebaliknya. Persamannya dapat ditulis berikut :
SurplusDefisit = PB
t
- KB
t
Dimana : PB
t
= Produksi beras pada tahun ke-t Ribu Ton KB
t
= Konsumsi beras pada tahun ke-t Ribu Ton
4.3.2. Identifikasi Model
Masalah identifikasi muncul hanya untuk persamaan-persamaan yang didalamnya terdapat koefisien-koefisien yang harus diestimasi secara statistik
dari data contoh. Masalah identifikasi tidak muncul dalam persamaan-persamaan definisi, identitas atau dalam pernyataan tentang kondisi equilibrium, karena
dalam hubungan-hubungan tersebut tidak memerlukan pengukuran Kotsoyiannis, 1977.
Berdasarkan koutsoyiannis 1977, dalam teori ekonometrika terdapat dua kemungkinan situasi dalam suatu identifikasi, yaitu :
1 Persamaan Underidentified Suatu persamaan dikatakan underidentified jika bentuk statistiknya tidak
tunggal. Suatu sistem dikatakan underidentified ketika satu atau lebih
47 persamaan-persamaan yang ada dalam sistem tersebut underidentified. Jika
suatu persamaan atau model underidentified maka tidak mungkin dilakukan pendugaan dari seluruh parameter yang ada dengan teknik ekonometrik
manapun. 2 Pesamaan Identified
Jika suatu persamaan memiliki bentuk statistik tunggal maka persamaan tersebut dapat diidentifikasi, dan persamaan tersebur bisa exactly identified
atau overidentified. Dalam persamaan yang teridentifikasi, koefisien yang terdapat didalamnya dapat diduga secara statistik. Jika persamaan exactly
identified maka metode yang sesuai untuk pendugaan adalah Indirect Least Square ILS. Sedangkan jika persamaan overidentified maka metode yang
dapat digunakan salah satunya adalah Two-Stages Least Square 2SLS. Dua tahapan identifikasi menurut Koutsoyiannis 1977, yaitu :
1 Order Condition Order condition digunakan untuk mengetahui apakah persamaan-persamaan
yang ada identified atau underidentified. Langkah-langkah dalam order condition, yaitu :
a. Bila K – M ≥ G – 1, maka persamaan tersebut identified. b. Bila K –M G – 1, maka persamaan tersebut underidentified.
Dimana : K = Total variabel dalam model
M = Total variabel endogen dan eksogen dalam persamaan yang akan diidentifikasi
G = Total persamaan dalam variabel.
48 2 Rank Condition
Rank condition digunakan untuk mengidentifikasi persamaan yang setelah dilakukan uji order condition menghasilkan kesimpulan dapat diidentifikasi,
yang untuk selanjutnya dilihat apakah persamaan tersebut exactly identified atau over identified. Langkah-langkah rank condition adalah :
a Jadikan persamaan simultan yang ada menjadi persamaan yang ruas kanannya nol.
b Susun matriks koefisien dari semua variabel yang ada untuk persamaan- persamaan tersebut.
c Jika kita ingin mengidentifikasi persamaan ke-i, maka coret baris persamaan itu dan kolom dari variabel yang ada dalam persamaan tersebut.
d Dari matriks sisanya cari semua determinan yang mungkin dapat dihitunng.
e Jika paling sedikit ada satu determinan yang tidak sama dengan nol maka simpulkan :
i Persamaan tersebut over identified, bila K – M G – 1 ii Persamaan tersebut exactly identified, bila K –M = G – 1.
Jika semua determinan sama dengan nol maka persamaan tersebut under identified.
Model persamaan simultan yang terdiri dari 7 persamaan dengan 20 total variabel dalam model. Di dalam model terdapat 7 variabel endogen dan 11
variabel eksogen dan 2 variabel lag. Uji Order condition menghasilkan kesimpulan dapat diidentifikasi untuk masing-masing persamaan dalam model,
dimana hasil pengurangan total variabel dalam model K dengan total variabel
49 endogen dan eksogen dalam persamaan M yang diidentifikasi lebih besar dari
hasil pengurangan total persamaan G dalam model dengan satu. Uji rank condition menghasilkan kesimpulan over identifikasi untuk
masing-masing persamaan dalam model, hal ini dikarenakan tidak semua determinan persamaan yang ada sama dengan nol dan juga dikarenakan hasil
pengurangan total variabel dalam model K dengan total variabel endogen dan eksogen dalam persamaan M lebih besar dari hasil pengurangan total persamaan
dalam model G dengan satu. Hasil identifikasi yang menghasilkan kesimpulan overidentifikasi memungkinkan persamaan untuk diestimasi dengan Two-Stage
Least Squares 2SLS.
4.3.3. Evaluasi Model
