100
4.4. Identifikasi Model dan Metode Estimasi
Indentifikasi model ditentukan atas dasar “order condition” sebagai syarat keharusan berdasarkan Koutsoyiannis 1977 dengan formula sebagai berikut:
G – g + K - k ≥ G – 1 atau K – k ≥ g – 1
dimana: G
= Jumlah seluruh peubah endogen dalam model g
= Jumlah peubah endogen yang tercakup dalam setiap persamaan K
= Jumlah seluruh peubah eksogen dalam model k
= Jumlah peubah eksogen yang tercakup dalam setiap persamaan Identifikasi model pada persamaan simultan untuk menentukan metode estimasi
menunjukkan bahwa model adalah overidentified sehingga parameter- parameternya dapat diduga dan berdasarkan hal tersebut digunakan metode
estimasi Two Stage Least Square TSLS. Metode estimasi untuk bentuk persamaan rekursif triangle dan SUE
masing-masing adalah TSLS dan Seemingly Unrelated Regression SUR. Mengatasi masalah otokorelasi, maka untuk setiap persamaan digunakan variabel
boneka dummy variable yang terdiri dari dummy kawasan dan dummy periode krisis dan desentralisasi. Deteksi otokorelasi autocorrelation data times series
dan cross section menggunakan uji Durbin-Watson dw yang didefinisikan sebagai berikut:
∑ ∑
= =
−
ε ε
− ε
=
T t
t T
t t
t
ˆ ˆ
ˆ dw
2 2
2 2
1
dimana: ĕ = nilai sisa residual
101
Kriteria untuk uji statistik adalah nilai dw mendekati 2 maka nilai statistik dw mendekati 0 yang menunjukkan tidak ada otokorelasi. Pengolahan data, estimasi
model dan simulasi kebijakan menggunakan program Excel 2000 dan SASETS 6.
4.5. Validasi Model
Validasi dilakukan untuk mengetahui kevalidan model yang akan digunakan untuk simulasi kebijakan. Validasi model berdasarkan Pindyck dan
Rubinfield 1991 menggunakan kriteria Root Mean Square Error RMSE, Root Mean Square Percent Error RMSPE, dan Theil Inequality Coefficient U-theil.
Makin kecil nilai RMSE, RSMPE dan U semakin baik model penduga dengan nilai U-theil berkisar antara 0 dan 1. Indikator lain yang digunakan adalah nilai
koefisien determinasi R
2
dimana semakin tinggi nilai R
2
maka semakin besar variasi perubahan peubah endogen aktual mampu dijelaskan oleh peubah endogen
simulasi dasar yang menunjukkan model semakin baik.
4.6. Simulasi Dampak Kebijakan
Kategori