Berdasarkan syarat order condition, kondisi identifikasi dicapai bila Koutsoyianis, 1977:
K – M ≥ G – 1 ...................................…………………… 4.33
dimana: K
= Jumlah variabel di dalam model variabel endogen dan predetermined M
= Jumlah variabel eksogen dan endogen yang dimasukkan dalam suatu persamaan
G = Jumlah persamaan di dalam model jumlah variabel endogen
Apabila K – M = G – 1 maka persamaan di dalam model disebut exactly
identified. Akan tetapi bila K
– M ≤ G – 1 persamaan disebut unidentified dan bila K
– M G – 1 maka persamaan dikatakan over identified. Persamaan- persamaan dalam model yang unidentified tidak dapat diduga parameternya.
Model perilaku rumahtangga pada penelitian ini terdiri dari 32 persamaan G = 32 Dari perumusan model diketahui terdapat 25 variabel predetermined
sehingga total variabel dalam model berjumlah 57 K = 57. Jumlah maksimum variabel dalam persamaan adalah 7 variabel M = 7, sehingga hasil identifikasi
model perilaku rumahtangga pertanian di atas adalah 57 – 7 32 – 1 atau
overidentified .
Terdapat beberapa metode pendugaan yang dapat digunakan untuk persamaan yang overidentified. Pada penelitian ini metode pendugaan model yang
digunakan adalah metode 2 SLS Two Stage Least Squares. Metode 2 SLS memiliki kelebihan: 1 cocok digunakan pada pendugaan paramater model
persamaan simultan yang over identified, 2 penggunaanya lebih efisien dibanding 3 SLS Three Stage Least Squares pada kondisi dimana tidak semua
persamaan dalam model akan diduga parameternya, 3 dapat menghindari bias pendugaan dan menghasilkan pendugaan yang konsisten dibanding metode OLS
Ordinary Least Squares, dan 4 metode ini juga tidak terlalu peka terhadap kesalahan spesifikasi dibandingkan metode 3 SLS atau FIML Full Information
Maximum Least Squares . Proses pendugaan menggunakan perangkat SASETS
versi 9.2 dengan prosedur SYSLIN dan kriteria uji satu arah untuk nilai t-hitung, dengan batas α = 0.1. Untuk mendapatkan hasil uji satu arah maka angka
probabilitas t Pr |t| dari setiap output SASETS dibagi dua.
4.5. Validasi Model
Validasi model bertujuan untuk mengetahui tingkat representasi model dibandingkan dengan dunia nyata sebagai dasar kelayakan simulasi. Kriteria
statistik yang digunakan untuk validasi model perilaku rumahtangga adalah Root Mean Square Percented Error
RMSPE dan Theil’s Inequality Coefficient U-
Theil Pindyck dan Rubinfeld, 1998. Dalam validasi ini nilai-nilai dugaan dari
peubah-peubah endogen dalam model akan dibandingkan dengan nilai aktualnya. Nilai statistik tersebut merupakan hasil perhitungan dengan rumus sebagai
berikut: RMSPE =[1T
T t
1
{Y
t s
– Y
t a
Y
t a
}
2
]
0.5
x 100 .. …………4.34
[ 1T
T t
1
Y
t s
– Y
t a
2
]
0.5
U = ..
……….4.35 [1T
T t
1
Y
s
t
2
]
0.5
+ [1T
T t
1
Y
a
t
2
]
0.5
dimana: RMSPE = Root Mean Percented Square Error
U =
Theil’s Inequality Coeficients Y
t s
= Nilai simulasi dasar Y
t a
= Nilai pengamatan aktual T
= Jumlah pengamatan Semakin kecil nilai RMSPE dan U-Theil menunjukkan model semakin
valid untuk disimulasi. Nilai koefisien ketidaksamaan U berkisar 0 dan 1. Jika U = 0 maka pendugaan model sempurna. Sebaliknya jika U = 1 pendugaan model
tersebut salah dan naif. Untuk mengetahui tingkat penyimpangan nilai rata-rata digunakan statistik
U yang didefinisikan dalam tiga bentuk Pindyck dan Rubinfeled, 1998: U
m
= T Y
t s
– Y
t a
2
1T
T t
1
Y
t s
– Y
t a
2
......... ………………4.36
U
s
= T S
s
– S
a 2
1T
T t
1
Y
t s
– Y
t a
2
………………………4.37
U
c
= 2T 1 – r S
s
x S
a
1T
T t
1
Y
t s
– Y
t a
2
………………4.38 dimana:
Y
t s
= Nilai rata-rata simulasi Y
t a
= Nilai rata-rata aktual S
s
= Standar deviasi nilai simulasi S
a
= Standard deviasi nilai aktual r
= Koefisien korelasi nilai simulasi dengan nilai aktual U
m
adalah proporsi bias yang menunjukan kesalahan sistematik untuk mengukur penyimpangan nilai rata-rata dugaan dengan nilai rata-rata aktual. Nilai
U
m
yang baik adalah yang bernilai kecil. U
s
adalah proporsi varian yang menunjukkan kemampuan model menyerupai tingkat perubahan variabel
endogen. Jika nilai U
s
sangat besar berarti nilai aktual sangat berfluktuasi sedangkan nilai dugaan kurang berfluktuasi. Bila U
s
sangat besar maka model perlu diperbaiki. Adapun U
c
adalah proporsi kovarian untuk mengukur kesalahan yang tidak sistematis. U
c
berfungsi untuk menjelaskan kesalahan yang tersisa. Secara ideal kesalahan-kesalahan terdistribusi pada U
c
jika koefisien ketidaksamaan Theil lebih besar dari nol. Hal itu berarti untuk setiap nilai U yang
positif U0, kondisi distribusi ideal nilai koefisien ketidaksamaan Theil dari ketiga sumber tersebut adalah U
m
= U
s
= 0; dan U
c
= 1.
4.6. Simulasi Model
Simulasi model biasanya dilakukan untuk: 1 menguji dan mengevaluasi model, 2 mengevaluasi kebijakan-kebijakan pada masa lampau, atau 3
membuat peramalan untuk masa yang akan datang Pindyck dan Rubinfield, 1998. Pada penelitian ini simulasi model dilakukan untuk mengevaluasi pengaruh
perubahan faktor-faktor ekonomi terhadap kinerja ketahanan pangan rumahtangga petani. Pengaruh tersebut merefleksikan perilaku rumahtangga secara
keseluruhan dalam melakukan penyesuaian terhadap berbagai perubahan, mulai dari sisi produksi, konsumsi, kecukupan energi hingga status gizi.
Faktor-faktor ekonomi yang akan dikaji pengaruhnya dalam penelitian ini adalah: 1 harga input, 2 harga output, 3 jumlah anggota rumahtangga, 4
alokasi waktu kerja non pertanian dan usahatani lain untuk menggambarkan diversifikasi usaha, 4 luas garapan, dan 5 alokasi waktu kerja berburuh tani
