Validasi Model Dampak kebijakan migrasi terhadap pasar kerja dan perekonomian Indonesia

110 Maximum Likelihood FIML. Berdasarkan kriteria statistik dan ekonomi, maka metode estimasi model yang terbaik dalam penelitian ini adalah 2SLS, karena dapat menghasilkan nilai estimasi parameter yang lebih efisien. Sedangkan 3SLS dan FIML menggunakan informasi yang lebih banyak dan lebih sensitif terhadap kesalahan pengukuran maupun kesalahan spesifikasi model. Estimasi model dilakukan dengan menggunakan program aplikasi komputer Statistical Analysis SystemEconometric Time Series SASETS. Karena dalam model ada persamaan yang mengandung variabel beda kala, maka digunakan Durbin Watson statistik untuk melihat auto korelasi Pyindick and Rubenfeld, 1998.

4.3. Validasi Model

Sebelum model digunakan untuk simulasi alternatif kebijakan, perlu diuji terlebih dahulu apakah model cukup valid. Kriteria uji validitas model yang digunakan adalah ketepatannya menjelaskan dan menggambarkan keadaan yang sebenarnya. Uji validitas model yang sering digunakan adalah kesalahan rataan kuadrat terkecil Root Mean Square Percent Error, RMSPE dan koefisien ketidaksamaan Theil Theil Inequality Coeficient, U Pindyick and Rubenfeld, 1998 : 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 : RMSE = ∑ = − T t a t s t Y Y T 1 2 1 111 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 : RMSPE = ∑ = ⎟⎟ ⎠ ⎞ ⎜⎜ ⎝ ⎛ − T t a t a t s t Y Y Y T 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 dan nilai minimumnya adalah nol. Jika U=1 maka pendugaan model naïf, jika U=0 maka pendugaan model sempurna. Semakin kecil nilai RMSPE dan U Theil’s dan semakin besar nilai R 2 , maka pendugaan model semakin baik. Nilai statistik U : U = ∑ ∑ ∑ = = = + − T t a t T t s t T t a t s t Y T Y T Y Y T 1 2 1 2 1 2 1 1 1 Dimana T, a t s t danY Y masing-masing adalah jumlah observasi, nilai estimasi model dan nilai observasi model. Nilai U dapat didekomposisi menjadi tiga komponen menurut sumber kesalahannya Pindyck and Rubinfeld, 1998 yaitu proporsi bias UM, proporsi varians US dan proporsi covarians UC. UM mengukur sejauh mana nilai rata- rata estimasi menyimpang dari nilai aktualnya. Maka proporsi bias ini meng- indikasikan kesalahan sistematis. Suatu estimasi model atau variabel dikatakan valid jika UM 0.20. US mengindikasikan penyimpangan kemiringan slope regresi antara nilai aktual dengan nilai estimasi. Semakin kecil nilai US, maka estimasi model atau variabel semakin valid. UC adalah ukuran unsistematic error 112 dari estimasi suatu model atau variabel. Semakin besar nilai UC, maka semakin valid estimasi suatu model atau variabel. Nilai UM, US dan UC adalah: UM = ∑ − − 2 2 1 Y Y T Y Y a t s t a s US = 2 2 1 Y Y T a t s t a s ∑ − σ − σ UC = 2 1 1 2 Y Y T a t s t a s ∑ − σ σ ρ − Dimana nilai ρ σ σ dan , , , Y , Y a s a s adalah nilai rata-rata estimasi model, nilai rata- rata observasi model, standar deviasi nilai estimasi model, standar deviasi nilai observasi model dam koefisien korelasi antara nilai estimasi dengan nilai observasi model.

4.4. Simulasi Kebijakan