Identifikasi dan Metoda Estimasi Model

91

4.4.4. Blok Kinerja Perekonomian Daerah

Pengangguran Daerah UND = SLB - TTKD 39 Pendapatan Disposibel YD = PDRBS – TXD 40 Pendapatan Perkapita POPP PDRBS PDRBK = 41 Pertumbuhan Ekonomi 100 LPDRBS LPDRBS - PDRBS GRWT = 42 Distribusi Pendapatan CV = sX 43 Keterangan : CV = Distribusi pendapatan GRWT = Pertumbuhan ekonomi LPDRBS = PDRBS tahun lalu Rpth s = Standar deviasi PDRBK SLB = Jumlah tenaga kerja yang tersedia jumlah angkatan kerja UND = Tingkat pegangguran daerah orangth X = Rat-rata PDRBK Rpth YD = Pendapatan disposibel Rpth

4.5. Identifikasi dan Metoda Estimasi Model

Identifikasi terhadap model yang dibangun merupakan prasyarat sebelum melakukan estimasi yang tepat terhadap model. Suatu persamaan dianggap dapat diidentifikasi apabila memenuhi dua kondisi yaitu : 1 kondisi order order condition , dan 2 kondisi rank rank condition. Kondisi Order didasarkan atas kaidah penghitungan variabel-variabel yang dimasukkan ke dalam dan 92 dikeluarkan dari suatu persamaan tertentu. Cara yang sering dilakukan dalam mengidentifikasi model adalah melalui pengujian model struktur meliputi pengujian terhadap persamaan dengan pengelompokan terlebih dahulu persamaan ke dalam jumlah total persamaan total variabel endogen yang selanjutnya disebut G, jumlah variabel dalam model variabel endogen dan predetermined atau K, dan jumlah variabel dalam persamaan yang diidentifikasi endogen dan eksogen atau disebut M Koutsoyiannis, 1977; Arief, 1993; Gujarati, 1995. Notasi tersebut diformulasi sebagai berikut : K-M ≥ G-1 Berdasarkan formulasi di atas, maka dalam suatu persamaan dalam model dapat menunjukkan kondisi : 1. Jika K-M G-1, maka persamaan disebut under identified. 2. Jika K-M = G-1 , maka persamaan disebut just identifeid. 3. Jika K-M G-1, persamaan disebut over identified Keterangan : G = jumlah persamaan yang ada dalam sistem persamaan simultan jumlah endogenous variable K = jumlah total variabel yang terdapat dalam model yang sedang diteliti endogenous variable dan predetermined M = jumlah endogenous variable dan eksogenous yang dimasukan dalam setiap persamaan dalam sistem persamaan simultan Meskipun kondisi order telah terpenuhi, tetapi belum cukup untuk menentukan apakah suatu persamaan dalam sistem persamaan simultan dapat diidentifikasikan secara wajar atau berlebihan. Oleh sebab itu harus juga dipenuhi syarat pangkat atau kondisi rank. Berdasarkan kondisi rank, suatu persamaan 93 simultan yaitu persamaan yang terdiri dari “G” persamaan dapat diidentifikasi apabila ada kemungkinan untuk membentuk sekurang-kurangnya satu matriks segi G-1 X G-1 yang nilai determinannya bukan nol atau berpangkat penuh. Arief, 1993 ; Kusnadi, 2005. Persamaan simultan yang dibangun terdiri dari 26 persamaan struktural dan 17 persamaan identitas, dengan jumlah variabel eksogen sebanyak 21. Menurut rumus identifikasi dapat diketahui bahwa G = 43 dan K = 83, apabila M diambil dari jumlah maksimum variabel yang menyusun persamaan, maka M = 7 sehingga 83 – 7 42, kondisi ini menunjukkan exactly identified atau over identified . Apabila diambil satu persamaan dengan jumlah variabel paling sedikit, yaitu M = 2 maka 79 42 menunjukkan kondisi over identified. Model yang over identified selanjutnya diduga dengan metoda 2SLS dengan pertimbangan bahwa jumlah data sampel terbatas, dilakukan respesifikasi berulang-ulang dan melakukan simulasi kebijakan, maka penggunaan 2SLS menghasilkan taksiran yang konsisten, lebih sederhana, dan lebih mudah. Program dan hasil estimasi model secara lengkap pada Lampiran 1 dan 2. 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. Dan untuk menguji apakah masing-masing variabel penjelas berpengaruh nyata atau tidak terhadap variabel endogen, maka dalam setiap persamaan digunakan uji statistik t. Selanjutnya karena model merupakan sistem persamaan simulatan dan dinamis yang mengandung variabel bedakala lag endogenous variable, maka uji serial korelasi autocorelation menggunakan statistik D w Durbin-Watson Statistics tidak valid digunakan. 94 Sebagai penggantinya digunakan statistik D h Durbin-h Statistics Gujarati, 1995 ; Pindyk, 1991 h = {1 – 12d} 5 , ] var 1 [ β n n − 44 Keterangan : d = D w statistik n = jumlah observasi var β = varians koefisien regresi untuk variabel lag Apabila h hitung lebih kecil dari nilai kritis h tabel maka dalam persamaan tidak mengalami serial korelasi, demikian sebaliknya. Pada taraf nyata 5, suatu persamaan tidak mengalami serial korelasi apabila h hitung 1.96.

4.6. Validasi Model