sehingga ada 51 peubah predetermine. Hasil identifikasi dalam model tersebut adalah over identified, dengan perhitungan 74-8 23-1.
4.5.3. Metode Pendugaan Model
Persamaan yang
over identified dapat diduga dengan menggunakan
metode pendugaaan 2SLS, 3SLS, LIML, atau FIML. Dalam penelitian digunakan metode pendugaan 2SLS, karena dapat manghasilkan hasil dugaan parameter
yang lebih efisien dengan asumsi: 1. Peubah-peubah pengganggu harus memenuhi asumsi stokastik.
2. Spesifikasi model dianggap benar. 3. Jumlah pengamatan contoh lebih besar dari jumlah peubah predetermined
dalam model. 4. Peubah penjelas tidak mengalami kolinearitas sempurna.
Penelitian ini menggunakan data urut waktu time series maka dilakukan uji Durbin-Watson untuk mengetahui ada tidaknya korelasi serial yang serius.
Namun uji ini tidak valid digunakan untuk persamaan yang mengandung peubah endogen bedakala, seperti pada model persamaan simultan pada penelitian ini.
Oleh sebab itu pengujian kondisi korelasi serialnya akan menggunakan statistika Durbin-h
Pindyck and Rubinfeld, 1991 h = [1- 0.5 DW] [T{1-t Var Bhat}]
0.5
.................................. 62
dimana : h : Angka Durbin h Statistik
T : Jumlah pengamatan contoh Var Bhat : Varians dari koefisien lagged endogenous variables
DW : Nilai statistik Durbin-Watson Uji
statistik Durbin-h
tidak valid apabila hasil kali T Var Bhat lebih besar dari nilai krisis distribusi normal, maka model tidak mengalami korelasi
serial. Suatu persamaan dapat dikatakan tidak mengalami masalah autokorelasi pada kondisi nomal yakni taraf nyata 5 persen, dan nilai h hitung berada diantara
-1.96 dan 1.96.
4.5.4. Validasi Model
Untuk mengetahui apakah suatu model cukup valid untuk membuat suatu simulasi alternatif kebijakan dan non kebijakan, maka perlu dilakukan suatu
validasi model dengan tujuan untuk menganalisis sejauh mana persamaan tersebut dapat mewakili dunia nyata.
Kriteria statistika yang digunakan untuk validasi model nilai pendugaan model ekonometrika adalah Root Mean Square Error RMSE, Root Mean Square
Percent Error RMSPE dan Theil’s Inequality Coefficient U. Kriteria-kriteria
tersebut dirumuskan sebagai berikut: RMSE
= ........................................................
63
5 .
1 2
1 ⎥
⎦ ⎤
⎢ ⎣
⎡ −
∑
− T
t a
t s
t
Y Y
T
RMSPE =
........................................... 64
{
5 .
1 2
1 ⎥
⎦ ⎤
⎢ ⎣
⎡ −
∑
− T
t a
t a
t s
t
Y Y
Y T
}
U =
5 .
1 2
1 2
5 .
1 2
1 1
1 ⎥
⎦ ⎤
⎢ ⎣
⎡ +
⎥ ⎦
⎤ ⎢
⎣ ⎡
⎥ ⎦
⎤ ⎢
⎣ ⎡
−
∑ ∑
∑
− −
− T
t a
t T
t s
t T
t a
t s
t
Y T
T T
Y Y
T .......................................... 65
dimana: RMSE
= Akar tengah kuadrat galat simulasi Root Mean Square Error RMSPE
= Akar tengah kuadrat persen galat Root Mean Square Percent Error
U = Koefisien ketidaksamaan Theil Theil’s Inequality Coefficient
= Nilai pendugaan model
s t
Y = Nilai pengamatan contoh
a t
Y T = Jumlah pengamatan dalam simulasi
Kategori