4.6. Identifikasi Model
Identifikasi model dilakukan agar dapat menentukan metode estimasi yang akan digunakan. Identifikasi model ditentukan berdasarkan dua kondisi yaitu kondisi
order dan rank Koutsoyiannis, 1977. Kedua kondisi ini harus dipenuhi oleh persamaman agar dapat diidentifikasi. Untuk keperluan identifikasi setiap persamaan
perilaku, dalam penelitian ini hanya didasarkan pada kondisi order. Kondisi order secara matematis dapat dilihat dari persamaan :
1 −
≥ −
G M
K
dimana : K
= Jumlah keseluruhan peubah endogen dan predeterminan, M
= Jumlah peubah endogen dan peubah eksogen dalam persamaan, G
= Jumlah keseluruhan persamaan jumlah persamaan endogen, Pada kondisi rank ditentukan oleh determinan turunan persamaan struktural
yang nilainya tidak sama dengan nol. Jika K-M = G-1 maka persamaan dikatakan exactly identified dan jika K-M G-1 maka persamaan dikatakan under-
identified. Jika K-M G-1 maka persamaan dikatakan over identified. Jika sistem persamaan atau model secara keseluruhan adalah under-identified
maka tidak satupun tehnik ekonometrika yang dapat dilakukan untuk mengestimasi parameter tersebut. Jika sistem persamaan exactly identified, maka tehnik yang
digunakan adalah Indirect Least Squares ILS, dan jika over identified maka digunakan Two Stage Least Squares 2 SLS atau Three Stage Least Squares 3SLS.
Dalam model penelitian ini, untuk model usaha ternak sapi-jagung di Minahasa terdapat 43 persamaan yang terdiri dari 19 persamaan struktural perilaku
dan 23 persamaan identitas. Berarti jumlah peubah endogen sebesar 43 persamaan
dan peubah eksogen sebanyak 44 peubah. Untuk model usaha ternak sapi-kelapa di Bolaang Mongondow terdapat 35 persamaan yang terdiri dari 15 persamaan
struktural perilaku dan 20 persamaan identitas. Berarti jumlah peubah endogen sebesar 35 persamaan dan peubah eksogen sebanyak 40 peubah. Total peubah
endogen dan eksogen dalam persamaan maksimum adalah sebesar 7 peubah, sehingga untuk usaha ternak sapi-jagung di Minahasa diperoleh K = 88, M = 7 dan
G = 43. Sedangkan untuk usaha ternak sapi-kelapa di Bolaang Mongondow diperoleh K = 72, M = 7 dan G = 35, dengan demikian model yang dibangun menghasilkan
persamaan over identified. Model over identified akan menghasilkan perkiraan untuk parameter persamaan struktural atau perilaku.
4.7.Validasi Model
Menurut Sitepu dan Sinaga 2006, simulasi dilakukan dengan tujuan untuk mencari model yang tepat dan bagaimana perubahan peubah endogen sebagai suatu
fungsi dari satu atau lebih peubah eksogen. Kriteria ini ditentukan oleh kriteria goodness of fit statistics. Beberapa nilai-nilai ukuran statistik yang tersedia digunakan
untuk menilai kemampuan suatu model dalam melakukan simulasi. Untuk mengetahui apakah suatu model cukup baik maka dilakukan validasi model, sehingga
manfaat validasi model adalah untuk mengetahui apakah model yang digunakan menggambarkan informasi aktual dengan baik. Atau untuk mengetahui apakah model
dapat menghasilkan nilai ramalan untuk peubah endogen yang tidak jauh berbeda dengan nilai-nilai aktualnya. Validasi model menggunakan kriteria statistik Root
Mean Squares Error RMSE, Root Mean Squares Percent Error RMSPE,
koefisien determinasi R
2
dan Theil’s Inequality Coefficient U. Persamaan masing- masing kriteria statistik menurut Koutsoyiannis 1977 dan Pindyck and Rubinfeld
1991, adalah :
∑
− =
2
1
i i
A S
n RMSE
{ }
∑
− =
2
1 100
i i
i
A A
S n
RMSPE
∑ ∑
∑
+ −
=
2 2
2
1 1
1
i i
i i
A n
S n
A S
n U
dimana:
n = Jumlah pengamatan,
S
i
= Nilai simulasi contoh ke-I, A
i
= Nilai aktual contoh ke-i
Kriteria RMSE, RMSPE dan U Theil’s, menunjukkan apakah suatu model
akan semakin baik sebagai penduga atau tidak. Semakin kecil nilai RMSE, RMSPE dan U Theil’s akan semakin baik penduga model yang digunakan. Jika U=0 berarti
estimasi model yang dihasilkan adalah semakin baik, dan jika U=1 maka estimasi model semakin jelek. Nilai R
2
untuk membandingkan antara data actual dengan data hasil estimasi peubah endogen Pindyck and Rubinfeld, 1991.
4.8. Simulasi Model
Kategori