104
CORENG
t
= Kebocoran penggunaan
ULN sektor
energi dan
pertambangan juta rupiah CORKES
t
= Kebocoran penggunaan ULN perhubungan dan transportasi juta rupiah
COROTS
t
= Kebocoran penggunaan ULN sektor lainnya juta rupiah FB
t
= Keseimbangan fiskal juta rupiah BUGDEF
t
= Rasio defisit anggaran terhadap PDBI persen UTGOV
t
, UTDIK
t
, UTKES
t
, UTTAN
t
, UTENG
t
, UTHUB
t
, UTOTS
t
, PUDIK
t
, PUKES
t
, PUTAN
t
, PUENG
t
, PUHUB
t
, PUOTS
t
, EFUTDIK
t
, EFUTKES
t
, EFUTTAN
t
, EFUTENG
t
, EFUTHUB
t
, GOREV
t
, GOEXP
t
, PDBI
t
telah didefinisikan sebelumnya.
5.6. Identifikasi Model
Sebelum dilakukan estimasi model, terlebih dahulu dilakukan identifikasi model persamaan struktural, untuk menentukan metoda estimasi parameter
yang tepat. Bentuk persamaan struktural dari seluruh sistem persamaan tersebut secara umum dapat dituliskan sebagai berikut:
AY
t
+ BX
t
= U
t
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.48 dimana:
A = matriks koefisien 33 x 33 pada variabel endogen current Y
t
= vektor 33 x 1 pada variabel endogen current B = matriks koefisien 33 x 32 variabel bedakala endogen dan eksogen
X
t
= vektor 32 x 1 variabel bedakala endogen lagged endogenous variable dan eksogen
U
t
= Vektor 33 x 1 pada terminologi gangguan Untuk dapat memecahkan persamaan struktural tersebut variabel
endogen predetermined harus diselesaikan terlebih dahulu dengan persamaan reduced form:
Y
t
= -B A
-1
X
t
+ A
-1
U
t
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.49 atau,
Y
t
= R X
t
+ W
t
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.50 dimana R = -B A
-1
merupakan matriks koefisien reduced-form dan W
t
= A
1
U
t
merupakan vektor terminologi gangguan reduced-form. Setelah koefisien parameter reduced-form diperoleh maka nilai-nilainya
dapat digunakan untuk menduga nilai Y
t
. Selanjutnya dari nilai-nilai dugaan endogen sisi sebelah kanan persamaan struktural original, maka nilai-nilai
105
tersebut digunakan untuk menduga nilai-nilai persamaan struktural originalnya. Identifikasi model tersebut merupakan logika utama untuk mengestimasi, tidak
hanya kedekatan hubungan pilihan metode estimasi saja melainkan juga untuk spesifikasi model persamaan simultan.
Jika suatu persamaan atau model secara keseluruhan under-identified, maka tidak satupun metode ekonometrika yang dapat digunakan untuk
mengestimasi semua parameter yang ada. Jika suatu persamaan exactly- identified, maka metode yang paling tepat untuk mengestimasi parameter adalah
metode Indirect Least Squares ILS. Jika suatu persamaan atau model over- identified, maka berbagai metode estimasi dapat digunakan, antara lain adalah
Two Stages Least Squares 2-SLS, Limited Information Maximum Likelihood LIML, atau Three Stages Least Squares 3-SLS.
Terdapat dua kondisi yang harus dipenuhi suatu persamaan teridentifikasi, yaitu kondisi ordo dan rank order dan rank condition. Kondisi
ordo untuk identifikasi model dinyatakan sebagai berikut: K
– M ≥ G – 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.51 dimana:
G = jumlah total variabel endogen total persamaan K = jumlah total variabel dalam model endogen dan pre-determinan
M = jumlah variabel endogen dan eksogen dalam persamaan tertentu Dari setiap persamaan struktural, jika kondisi ordo K
– M ≥ G – 1 memuaskan maka persamaan-persamaan tersebut seluruhnya dinyatakan over
identified. Seluruh persamaan bersifat linear, artinya tidak terdapat batasan nonlinear diantara parameter. Untuk menentukan pengidentifikasian pada suatu
sistem persamaan, dua set kondisi perlu diperiksakan, yaitu kondisi ordo order condition dan kondisi peringkat rank condition. Apabila kondisi ordo hanya
merupakan kondisi perlu necessary condition dan tidak memenuhi syarat kecukupan sufficiency condition, maka dapat dikatakan bahwa kondisi ordo
tidak memuaskan, sehingga model tersebut tidak diidentifikasi. Dalam model utang luar negeri pemerintah yang dibangun pada
penelitian ini, terdapat 47 persamaan yang terdiri dari 33 persamaan struktural
106
dan 14 persamaan identitas. Seluruh persamaan dalam model over-identified, yaitu memenuhi kondisi ordo K
– M G – 1, dimana jumlah K sebanyak 85 variabel, jumlah M sebanyak 3 sampai 6 variabel, dan jumlah G sebanyak 30
variabel. Berdasarkan sampel data yang ada dan dimungkinkan spesifikasi model
untuk alternatif simulasi kebijakan, maka metode 2-SLS akan digunakan untuk mengestimasi parameter struktural atas model yang sudah dispesifikasi. Metode
2-SLS lebih umum digunakan, sangat murah dan mudah penghitungannya untuk estimasi model over-identified Johnson, 1972 dalam Koutsoyiannis, 1978.
5.7. Metode Estimasi
