4.4. Metode Pendugaan Model
Hasil identifikasi model yang telah dilakukan menunjukkan bahwa model dinyatakan over identified, sehingga dalam penelitian ini pendugaan model
dilakukan dengan metode 2SLS Two Stage Least Squares karena metode 2SLS sesuai untuk persamaan simultan yang over identified dan dapat digunakan pada
jumlah sampel yang relatif sedikit dan tidak sensitif terhadap modifikasi respesifikasi model baik untuk analisis struktural maupun untuk analisis
simulasi. Pengolahan data dilakukan dengan menggunakan program software komputer SAS versi 9.1.
Untuk mengetahui dan menguji apakah variabel penjelas secara bersama- sama berpengaruh nyata atau tidak terhadap variabel endogen, maka pada setiap
persamaan digunakan uji statistik F. Sementara itu untuk menguji apakah masing- masing variabel penjelas berpengaruh nyata atau tidak terhadap variabel endogen,
maka pada setiap persamaan digunakan uji statistik t. Berdasarkan hipotesis arah parameter estimasi, karena arah parameter estimasi yang diharapkan searah maka
nilai probabilitas dalam penelitian ini menggunakan one tail test. Sementara itu, perhitungan probabilitas hasil output olahan SAS menunjukkan two tails test.
Oleh karena itu, dilakukan perhitungan kembali untuk mengkonversi nilai probabilitas hasil two tails test menjadi one tail test.. Jika arah parameter estimasi
yang dihasilkan sesuai dengan hipotesis, maka nilai probabilitas two tails test dibagi dua untuk mengkonversi menjadi nilai probabilitas one tail test.
Sebaliknya, jika arah parameter estimasi tidak sesuai dengan hipotesis arah parameter estimasi maka nilai probabilitas one tail test adalah satu dikurangi
dengan nilai probabilitas two tails test yang telah dibagi dua UCLA Academic Technology Services, 2009.
4.5. Validasi Model
Simulasi alernaif kebijakan dapat dilakukan jika model cukup valid sehingga perlu dilakukan validasi model sebelum dilakukan simulasi. Validasi
model bertujuan untuk menganalisis sejauh mana model tersebut dapat mewakili dunia nyata.
Dalam penelitian ini, kriteria statistik untuk validasi nilai pendugaan model ekonometrika yang digunakan adalah Root Means Squares Error RMSE,
Root Means Squares Percent Error RMSPE dan Theil’s Inequality Coefficient
U Pindyck and Rubinfield, 1991. Kriteria-kriteria dirumuskan sebagai berikut:
RMSE =
n t
a t
s t
Y Y
n
1 2
1
RMSPE =
n t
a t
a t
s t
Y Y
Y n
1 2
1
U =
n t
n t
a t
s t
n t
a t
s t
Y n
Y n
Y Y
n
1 1
2 2
1 2
1 1
1
dimana:
s t
Y = nilai hasil simulasi dasar dari variabel observasi
a t
Y = nilai aktual variabel observasi
n = jumlah periode observasi
Statistik RMSPE digunakan untuk mengukur seberapa jauh nilai-nilai peubah endogen hasil pendugaan menyimpang dari alur nilai-nilai aktualnya
dalam ukuran relatif persen, atau seberapa dekat nilai dugaan itu mengikuti perkembangan nilai aktualnya.
Nilai statistik U bermanfaat untuk mengetahui kemampuan model untuk analisis simulasi peramalan. Nilai koefisien Theil U berkisar antara 1 dan 0.
Jika U=0 maka pendugaan model sempurna, jika U=1 maka pendugaan model naif.
Untuk melihat keeratan arah slope antara aktual dengan hasil yang disimulasi dilihat dari nilai koefisien determinasinya R
2
. Pada dasarnya makin kecil nilai RMSPE dan U-Theil’s dan makin besar nilai R
2
, maka pendugaan model semakin baik.
4.6. Simulasi Model
Kategori