Metode Estimasi Model Validasi Model

M= jumlah peubah endogen dan eksogen yang terdapat dalam persamaan tertentu dalam model, dan G = jumlah persamaan dalam model, yaitu sama dengan jumlah peubah endogen dalam model. Berdasarkan “order condition” tersebut, jika K–M G–1, maka persa- maan dikatakan teridentifikasi secara berlebih overidentified. Jika K-M = G-1, maka persamaan dikatakan teridentifikasi secara tepat just or exactly identified; dan jika K-M G-1, maka persamaan dikatakan tidak teridentifikasi unidentified. Hanya persamaan yang “exactly” atau “overidentified” saja yang parameternya dapat diestimasi berdasarkan kriteria “order condition” tersebut. Namun harus diingat bahwa suatu persamaan yang dapat diidentifikasi dengan “order condition” belum tentu parameter-parameternya dapat diestimasi. Agar suatu persamaan betul-betul dapat diidentifikasi, selain “order condition”, masih diperlukan syarat lain yang sekaligus merupakan syarat cukup yaitu “rank condition”, yang menyatakan jika nilai determinant order G-1 dari suatu persamaan paling sedikit ada satu yang nilainya tidak sama dengan nol, maka persamaan tersebut memenuhi syarat cukup untuk identifikasi Koutsoyiannis, 1977. Dalam penelitian ini, model kemiskinan regional yang diformulasikan terdiri dari 27 persamaan atau 27 peubah endogen G, dan 17 peubah predetermined, sehingga total peubah di dalam model K adalah 44 peubah. Berdasarkan hasil identifikasi yang dilakukan diketahui bahwa persamaan yang ada dalam model ini seluruhnya teridentifikasi secara berlebih overidentified.

4.3.2. Metode Estimasi Model

Oleh karena identifikasi terhadap model menunjukkan bahwa seluruh per- samaan teridentifikasi secara berlebih overidentified, maka metode estimasi yang tepat digunakan 2SLS Two Stages Least Squares. Pyndick dan Rubinfeld1991 menulis sebagai berikut : “Two-stage least squares 2SLS provides a very useful estimation procedure for obtaining the values of structural parameters in over- identified equations ”. Dengan kata lain, penerapan metode 2SLS dapat menghasil- kan estimasi yang konsisten, lebih sederhana, dan lebih mudah, dibandingkan misal- nya dengan metode 3SLS ataupun FILM yang menggunakan lebih banyak informasi dan lebih sensitif terhadap kesalahan pengukuran measurement error maupun ke- salahan dalam spesifikasi model Gujarati, 2003. Dalam rangka untuk mengetahui apakah pengaruh secara bersama-sama dari peubah penjelas itu signifikan atau tidak, maka dilakukan pengujian dengan meng- gunakan uji F. Sedangkan untuk mengetahui signifikan atau tidaknya pengaruh secara sendiri-sendiri dari masing-masing peubah penjelas terhadap peubah endogennya diuji dengan menggunakan uji t pada tingkat signifikansi tertentu, dimana dalam studi ini digunakan á sebesar 0.15, 0.10, 0.05, dan 0.01.

4.3.3. Validasi Model

Validasi model dimaksudkan untuk mengetahui apakah model yang dirumus- kan itu cukup sahih valid untuk digunakan dalam menganalisis dampak transfer fiskal terhadap kemiskinan di Indonesia. Ada beberapa kriteria statistik yang biasanya digunakan para peneliti dalam menilai sahih atau tidaknya suatu model ekonometrik, diantaranya adalah “root mean square error” RMSE, “root mean squares percent error ” RMSPE, dan “Theil Inequality coefficient” U Pyndick dan Rubinfeld, 1991, yang masing-masing dapat dituliskan sebagai berikut : ∑ − − = T i a t s t Y Y T RMSE 1 2 1 ................................................................ 29 2 1 1 ∑ −     − = T i a t a t s t Y Y Y T RMSPE .............................................................. 30 dimana : = s t Y nilai Y t simulasiprediksi = a t Y nilai aktual T = jumlah observasi di dalam simulasi ∑ ∑ ∑ − − − + − = T i T i a t s t T i a t s t Y T Y T Y Y T U 1 1 2 2 1 2 1 1 1 ...................................................... 31 U dapat didekomposisi menjadi : a s a s a s a t s t Y Y Y Y N σ σ ρ σ σ 1 2 1 2 2 2 − + − + − = − ∑ − − ............... 32 dimana : = − − a dan p Y Y rata-rata untuk nilai prediksi dan nilai aktual = a p dan σ σ standar deviasi untuk nilai prediksi dan nilai actual = ρ koefisien korelasi. Proporsi dari U proportions of inequality dapat dinyatakan sebagai berikut : ∑ − − = − − 2 2 1 a t p t a p M Y Y N Y Y U ∑ − − = 2 2 1 a t p t a p S Y Y N U σ σ ∑ − − = 2 1 1 2 a t p t a p C Y Y N U σ σ ρ dimana U M adalah proporsi bias yang menjelaskan seberapa jauh rata-rata nilai prediksi menyimpang dari rata-rata nilai aktual dan nilai U M yang diharapkan adalah yang mendekati nol; U S adalah proporsi varians yang menjelaskan seberapa jauh variasi nilai prediksi menyimpang dari nilai variasi nilai aktual, dan nilai U S yang diharapkan adalah yang mendekati nol. Sedangkan U C adalah proporsi kovarians yang mengukur kesalahan peramalan yang tidak sistematis unsystematic error. Distribusi ketimpangan U yang ideal atas ketiga sumber tersebut adalah UM = US = 0dan UC = 1 Pyndick dan Rubinfeld,1991. Apabila persamaan 32 dibagi dengan sisi kirinya, maka akan diperoleh 1 = U M + U S + U C .

4.3.4. Simulasi Model