58 model persamaan struktural ditentukan berdasarkan pada kriteria order condition
adalah K – M ≥
G – 1 Koutsyiannis,1977 dimana : K
= total peubah dalam model peubah endogen dan peubah eksogen. M
= jumlah peubah endogen dan eksogen dalam persamaan yang diidentifikasi.
G = total persamaan dalam model jumlah peubah endogen dalam
model Jika K - M = G - 1; berarti persamaan dalam model teridentifikasi
secara tepat atau exactly identified Jika K – M
≤ G - 1; berarti persamaan dalam model tidak teridentifikasi
atau unidentified Jika K – M
≥ G - 1; berarti persamaan dalam model merupakan identifikasi
berlebih atau overidentified Model persamaan struktural yang telah dirumuskan terdiri dari 24 peubah
endogen G, 48 peubah predetermined , yang terdiri dari 35 peubah eksogen dan 13 peubah bedakala endogen. Dengan demikian jumlah seluruh peubah yang tercakup
dalam model K adalah sebanyak 72 peubah. Berdasarkan kriteria identifikasi model dengan cara order condition di atas, maka dapat diketahui hasil identifikasi
model adalah overidentified. Dengan kata lain, maka setiap persamaan struktural dalam model teridentifikasi berlebih atau overidentified.
4.3.2. Metode Pendugaan Model
Untuk model persamaan simultan dengan kondisi setiap persamaan teridentifikasi berlebih, maka pendugaan parameter dapat menggunakan beberapa
metode seperti: Two Stage Least Squares 2SLS atau Three Stage Least Squares 3SLS. Model diduga dengan menggunakan metode 2SLS dan pengolahan data
dilakukan dengan program komputer SASETS Statistical Analysis System Econometric Time Series.
59 Metode 2SLS ini dipilih karena : 1 dapat diterapkan bagi setiap persamaan
dalam model tanpa memberikan pengaruh yang jelek pada persamaan lain dalam model, 2 2SLS hanya memberikan satu dugaan bagi satu parameter, dan 3
penerapannya relatif mudah Supranto, 1984. Disamping itu, ketelitian dan kecepatan proses pengolahan cukup tinggi, menyebabkan metode 2SLS cukup
efisien dalam penggunaan waktu. Pada studi ini pendugaan model kesempatan kerja dan transformasi tenaga kerja di Indonesia dilakukan periode tahun 1980 – 2000.
4.3.3. Validasi Model
Untuk mengetahui apakah model valid digunakan untuk simulasi, maka terlebih dahulu dilakukan validasi model. Validasi model bertujuan untuk
mengetahui seberapa besar perbedaan nilai prediksi predicted dari peubah endogen dengan nilai aktualnya. Kriteria statistik yang digunakan untuk validasi nilai model
ekonometrika, adalah Root Mean Squares Percent Error RSMPE dan U-Theil’s Inequality Coefficient
Pyndick and Rubinfeld, 1991. Kriteria-kriteria tersebut dapat dirumuskan sebagai berikut :
T
0.5
RMSPE = 1 T ∑
{ Y
t s
- Y
t a
Y
t a
}
2
…………...……… 25
t=1
T
0.5
1 T ∑
Y
t s
- Y
t a
Y
t a
2 t =1
U = ..………...…..26
T
0.5
T
0.5
1 T ∑
Y
t s
2
+ 1 T ∑
Y
t a
2 t=1
t=1
60 dimana :
RMSPE = Root Mean Squares Percent Error U
= Theil’s Inequality Coefficient Y
t s
= nilai simulasi peubah endogen Y
t a
= nilai aktual peubah endogen T
= jumlah pengamatan dalam simulasi Nilai RMSPE adalah merupakan suatu ukuran simpangan dari nilai simulasi
suatu peubah endogen terhadap nilai aktualnya dalam persen. Nilai dari ketidaksamaan Theil’s U bernilai antara 0 dan 1. Jika U = 0 maka pendugaan
model adalah sempurna, jika U = 1 maka pendugaan model naïf atau tidak baik. Semakin kecil nilai RSMPE dan U-Theil’s maka model valid untuk disimulasi.
Dalam penelitian ini, kriteria statistik validasi model yang digunakan adalah RMSPE, U
M
, U
R
, U
D
dan U-Theil’s. Pada dasarnya, kesalahan rataan kuadrat terkecil atau proporsi
ketidaksamaan “Theil’s” lainnya dapat juga memberi informasi penting yaitu nilai U
M
, U
R
dan U
D
sebagai berikut : U
M
= Y
t s
- Y
t a
2
1T S
s
Y
t s
– Y
t a
2
……………………...................27 U
R
= 1T S
s
Y
t s
– Y
t a
2
Y
t s
– Y
t a
2
……..........................................28 U
D
= T 1- r
sa2
S
a 2
Y
t s
– Y
t a
2
..........................................................29 dimana :
Y
t s
= nilai simulasi peubah edogen Y
t a
= nilai aktual peubah endogen S
a
= standar deviasi nilai aktual S
s
= standar deviasi nilai simulasi r
s a
= koefisien korelasi nilai simulasi dengan nilai aktual T
= jumlah pengamatan dalam simulasi
61 U
M
adalah proporsi bias yang menunjukkan kesalahan sistematis untuk mengukur penyimpangan nilai simulasi peubah edogen dengan nilai aktual
peubah endogen. U
D
adalah komponen regresi yang menunjukkan deviasi kemiringan slope regresi aktual dengan nilai simulasi. Suatu model dikatakan baik
jika nilai U
M
dan U
R
sangat kecil sedangkan nilai U
D
mendekati satu. Simulasi model kesempatan kerja dan transformasi tenaga kerja di Indonesia dilakukan
pada periode sebelum krisis ekonomi tahun 1992-1996 dan periode krisis ekonomi tahun 1997-2000.
4.3.4. Simulasi Model