72 nilai variance inflation factor VIF yang terdapat pada prosedur PROC REG
dalam program SAS. Nilai VIF dapat dihasilkan setelah menuliskan pernyataan MODEL pada PROC REG kemudian menggunakan pilihan VIF setelah tanda
slash . Masalah multikolinieritas pada suatu model persamaan linier regresi berganda akan selalu ditemukan, tetapi ada yang serius dan ada yang tidak serius.
Masalah multikolinieritas dinilai serius jika nilai VIF lebih besar dari 10, sebaliknya dinilai tidak serius jika nilai VIF lebih kecil dan atau sama dengan 10
Sitepu Sinaga, 2006.
4.2.3 Validasi Model
Validasi model dilakukan dengan tujuan untuk mengetahui tingkat representasi model dibandingkan dengan dunia nyata sebagai dasar untuk
melakukan simulasi, juga untuk mengetahui apakah model cukup valid jika dibuat suatu simulasi alternatif kebijakan atau non-kebijakan dan peramalan. Berbagai
kriteria statistik dapat digunakan untuk validasi model ekonometrika dengan membandingkan nilai-nilai aktual dan dugaan peubah-peubah endogen
Intriligator, 1978. Validasi model dilakukan dengan menggunakan Root Means Percent
Squares Error RMSPE, dan Theils’s Inequality Coefficient U Pindyck Rubinfield, 1998. Kriteria-kriteria tersebut dirumuskan sebagai berikut:
100 1
1 2
× ⎟⎟
⎠ ⎞
⎜⎜ ⎝
⎛ −
=
∑
= n
t a
t a
t s
t
Y Y
Y n
RMSPE ……………………………. 4.47
...…….…………………… 4.48
∑ ∑
∑
= =
=
+ −
− =
n t
n t
a t
a t
s t
n t
a t
s t
Y n
Y Y
n Y
Y n
U
1 1
2 2
1 2
1 1
1
dimana: Y
t s
= Nilai hasil simulasi dasar dari variabel observasi. Y
t a
= Nilai aktual variabel observasi. n
= Jumlah periode observasi. Statistik RMSPE digunakan untuk mengukur seberapa jauh nilai-nilai
peubah endogen hasil pendugaan menyimpang dari alur nilai-nilai aktualnya
73 dalam ukuran relatif persen, atau seberapa dekat nilai dugaan itu mengikuti
perkembangan nilai aktualnya. Nilai statistika U bermanfaat untuk mengetahui kemampuan model untuk
analisis simulasi peramalan. Nilai koefisien Theil U berkisar antara 1 dan 0. Jika U=0 maka pendugaan sempurna, dan jika U=1 maka pendugaan model naif.
Keeratan arah slope antara aktual dengan hasil yang disimulasi dapat dilihat dari nilai koefisien determinasinya R
2
. Semakin besar nilai R
2
tersebut berarti semakin besar proporsi variasi perubahan peubah endogen yang dapat
dijelaskan oleh variasi dalam peubah penjelas, sehingga model semakin baik. Dapat disimpulkan bahwa validasi pendugaan model semakin baik jika
nilai RMSPE dan U-Theil’s semakin kecil, sedangkan nilai R
2
semakin besar. Adakalanya nilai RMSPE dan U-Theil’s tidak searah Sitepu Sinaga, 2006,
maka nilai yang menjadi acuan adalah nilai RSMPE karena RSMPE dapat mengukur eror yang disebabkan sumber data yang berbeda.
4.2.4 Simulasi Model
Setelah model divalidasi dan memenuhi kriteria secara statistik, maka model tersebut dapat dijadikan sebagai model dasar simulasi. Simulasi adalah
suatu metode untuk mengetahui arah sign dan besaran magnitude perubahan dari satu atau beberapa peubah endogen decision variables dengan melakukan
perubahan satu atau beberapa peubah eksogen atau koefisien di dalam model Sitepu Sinaga, 2007. Simulasi model dilakukan dengan tujuan untuk
melakukan pengujian dan evaluasi terhadap model, mengevaluasi kebijakan- kebijakan pada masa lampau, membuat peramalan pada masa yang akan datang
Pyndick Rubinfeld, 1998. Simulasi diperlukan untuk mengetahui dampak perubahan peubah-peubah eksogen terhadap peubah-peubah endogen dalam
model. Simulasi menggunakan solusi dari nilai-nilai lag variabel simulasi dinamik untuk melihat pengaruh antarwaktu Sitepu Sinaga, 2006. Skenario
simulasi kebijakan yang dilakukan meliputi: 1 Konversi lahan sawah di Jawa tetap existing dan kebijakan tanpa impor.
Alternatif ini dilakukan untuk melihat dampak konversi lahan sawah yang ada saat ini terhadap kemandirian pangan nasional.