66
HCWR
t
: Harga riil kapas dunia tahun t USDton. GDPA
t
: GDP riil USA tahun t 1 000 USD.
POPA
t
: Jumlah penduduk USA tahun t juta jiwa. ERIR
t
: Nilai tukar riil Rupiah terhadap USA tahun RpUSD. T
: Tren waktu. MGA
t-1
: Impor garmen USA tahun t-1 1 000 ton.
30. Impor garmen Jepang
MGJ
t
= z + z
1
HGWR
t
+ z
2
GDPJR
t
POPJ
t
+ z
3
ERJR
t
-ERJR
t-1
+ z
4
MGJ
t-1
+ U
26
....................................................................... 4.74 Tanda parameter dugaan yang diharapkan dalam persamaan adalah:
z
1
, z
3
0; z
2
0 dan 0 z
4
1 dimana,
MGJ
t
: Impor garmen Jepang tahun t 1 000 ton. HGWR
t
: Harga riil garmen dunia tahun t USDton. GDPJR
t
: GDP riil Jepang tahun t 1 000 Yen. POPJ
t
: Jumlah penduduk Jepang tahun t juta jiwa. ERJR
t
: Nilai tukar riil Jepang terhadap USA tahun t YenUSD. ERJR
t-1
: Nilai tukar riil Jepang terhadap USA tahun t-1 YenUSD. MGJ
t-1
: Impor garmen Jepang tahun t-1 1 000 ton.
B. Prosedur Analisis
Alat analisis utama yang digunakan adalah ekonometrika time series,
yang berguna untuk menganalisis dan mengetahui faktor-faktor perkembangan industri TPT Indonesia dalam kontribusinya terhadap perekonomian industri
pengolahan non migas secara khusus dan perekonomian nasional secara umum, sesuai dengan tujuan penelitian yang pertama. Berdasarkan perumusan
masalah, tujuan penelitian, tinjauan pustaka dan kerangka pemikiran yang telah disampaikan, maka dalam bagian ini akan diuraikan prosedur analisis untuk
memperoleh nilai dugaan parameter yang meliputi metote pendugaan, validasi model, sumber dan jenis data dan simulasi kebijakan.
Dengan mengetahui hasil-hasil analisis tersebut, maka dapat diperoleh formulasi strategi kebijakan untuk mendukung perkembangan industri TPT guna
meningkatkan kinerjanya dalam perekonomian nasional di masa mendatang. Hal
67
ini sesuai dengan tujuan penelitian kedua yang berkaitan dengan analisis prospek perkembangan industri TPT Indonesia.
1. Identifikasi Model
Identifikasi model berfungsi untuk mengetahui apakah model tersebut dapat diduga atau tidak. Model yang dirumuskan dalam penelitian ini adalah
model persamaan struktural secara simultan. Dengan model simultan, identifikasi harus diketahui terlebih dahulu sebelum memilih metode pendugaan parameter
dari suatu persamaan dalam model. Identifikasi dapat dilakukan melalui dua cara, yaitu terhadap model struktural
order condition atau terhadap model reduced form rank condition. Karena lebih sederhana dan lebih mudah dari
metode kedua, maka dalam penelitian ini digunakan metode yang pertama. Adapun rumus identifikasi model struktural menurut
order condition adalah sebagai berikut:
K - M ≥ G - 1 ................................................................................. 4.75
dimana, K
: Total jumlah peubah dalam model peubah endogen dan predeterminan.
M : Jumlah peubah endogen dan eksogen yang dimasukkan
dalam suatu persamaan. G
: Total jumlah persamaan total jumlah peubah endogen. Jika K-M G-1, maka persamaan dalam model teridentifikasi
under identified. Bila K-M G-1, maka persamaan dalam model teridentifikasi berlebih
over identified. Dan bila K-M = G-1, maka persamaan dalam model teridentifikasi
dengan tepat exactly identified.
Model struktural yang telah dirumuskan dalam penelitian ini terdiri dari 30 persamaan, yang terdiri dari 24 persamaan struktural dan 6 persamaan identitas.
Sedangkan jumlah peubah endogen G adalah 30 dan 70 peubah predeterminan, yang terdiri dari 42 peubah eksogen dan 28 peubah bedakala
68
lagged endogenous variables. Dengan demikian jumlah seluruh peubah yang tercakup dalam model K adalah sebanyak 104 peubah. Sedangkan peubah
yang paling banyak dalam persamaan M adalah 8. Mengikuti rumus identifikasi model dengan kriteria
order condition, maka setiap persamaan model adalah over identified.
2. Metode Pendugaan Model
