101
Y
t-j
= Vektor endogen lag j tahun B
ik
k = 1, … 6
= Vektor koefisien variablevariabel
penjelas k dari persamaan i
Ui
t
= Vektor factor kesalahan persamaan I pada tahun t
4. 2. Prosedur Analisis
4. 2.1. Data
Data yang digunakan untuk simulasi Model Industri Tepung Terigu Indonesia adalah data sekunder dengan seri waktu time series dalam rentang
waktu tahun 1980 sampai dengan 2003. Data tersebut terkait dengan mata rantai kegiatan industri tepung terigu, yakni pengadaan biji gandum, pengolahan biji
gandum menjadi tepung terigu, pemasaran hingga konsumsi rumahtangga, dan industri makanan dan minuman.
Koutsouyiannis 1977 menyatakan bahwa penggunaan data seri waktu dimaksudkan untuk memperoleh informasi nilai
variablevariabel -
variablevariabel dari waktu ke waktu yang secara teoritik lebih sesuai untuk menduga hubungan-
hubungan ekonomi, meskipun mengandung problem terjadinya interkorelasi
multikolinerity antar sesama
variablevariabel penjelas yang cenderung berubah
dari waktu ke waktu. Rentang waktu dari tahun 1980 sampai dengan 2003 ditetapkan atas dasar
pertimbangan bahwa pada tahun tersebut merupakan sebagai awal kegiatan impor biji gandum sebagai bahan baku tepung terigu secara besar-besaran oleh
BULOGPT ISM-Bogasari Flour Mills. Dengan didirikannya perusahaan
For m a t t e d: Line spacing: M ultiple 2,1 li
For m a t t e d: Line spacing: M ultiple 2,1 li, D ont adj ust space betw een Latin
and A sian text
For m a t t e d: Line spacing: M ultiple 2,1 li
102
pengolah tepung terigu tersebut, maka dimulailah upaya besar-besaran untuk memperkenalkan penggunaan tepung terigu sebagai bahan makanan pokok
alternatif. Data dihimpun dari Badan Pusat Statistik BPS, Bank Indonesia, Bank
Dunia, Food and Agricultural Organization FAO, Asosiasi serta hasil penelitian terdahulu yang masih relevan terhadap materi penelitian.
4. 2.2. Identifikasi dan Pendugaan Model
Aplikasi komputer SASETS Statistical Analysis SystemEconomic Time Series
digunakan untuk mengidentifikasi model ITTI. Adapun tujuan dari identifikasi model dimaksudkan adalah untuk menetapkan metode penggunaan
parameter dengan menggunakan Model ITTI yang telah dirumuskan. Untuk melakukan identifikasi terhadap suatu persamaan tersebut,
Koutsouyiannis 1977 menyatakan bahwa ada dua kondisi agar suatu persamaan teridentifikasi, yaitu kondisi ordo atau urutan order condition sebagai syarat
keharusan, dan kondisi tingkatan rank conditon sebagai syarat kecukupan. Agar model teridentifikasi, Koutsouyiannis, 1977; Pindyck dan
Rubinfeld, 1998 menggunakan rumus K – M G – 1, atau exluded variablevariabel
s jumlah persamaan – 1. Adapun yang dimaksud dengan G adalah jumlah persamaan atau jumlah total
variablevariabel endogen; K adalah
jumlah total variablevariabel
di dalam model atau system endogenous dan predetermined; M adalah jumlah
variablevariabel endogen dan eksogen yang ada
di dalam suatu persamaan yang diidentifikasi.
103
Selanjutnya apabila K – M G – 1, maka persamaan tersebut tidak teridentifikasi atau under identified, dan teknik ekonometrika tidak dapat
diterapkan untuk menduga semua parameternya. Sedangkan apabila K – M = G – 1 maka persamaan exactly identified, dan teknik ekonometrika yang sesuai
adalah Indirect Least Squares ILS. Apabila K – M G –1, maka persamaan teridentifikasi berlebih atau over identified. Untuk kondisi dimana semua
persamaan structural adalah over identified, maka penggunaan ILS tidak akan memberikan dugaan parameter structural dengan unik, sehingga teknik
ekonometrika yang dapat digunakan antara lain metoda pangkat dua terkecil dua tahap atau Two Stages Least Squares 2SLS; atau metoda pangkat dua terkecil
tiga tahap atau Three Stages Least Squares 3SLS. Syarat kecukupan atau rank condition
menunjukkan suatu persamaan teridentifikasi jika dan hanya jika hal tersebut memungkinkan untuk membentuk atau paling tidak menghasilkan satu
determinan yang bukan nol pada ordo G –1 dari parameter-parameter struktural yang tidak termasuk dalam persamaan tersebut atau
variablevariabel -
variablevariabel exclude K – M dari satu persamaan.
4. 2.3. Metode Estimasi
Metode 2SLS digunakan dalam penelitian ini karena tergolong metode yang ekonomis, banyak digunakan, pendugaan setiap parameternya unik dan
penerapannya relatif mudah meskipun dirancang untuk menangani persamaan yang over indentified Gujarati, 1995. Adapun metode 3SLS jauh lebih rumit
dan sensitive terhadap perubahan spesifikasi, artinya jika ada suatu perubahan
104
For m a t t e d: Spanish I nternational Sort
For m a t t e d: Spanish I nternational Sort
For m a t t e d: Finnish For m a t t e d: Finnish
For m a t t e d: Finnish For m a t t e d: Finnish
For m a t t e d: Finnish For m a t t e d: Sw edish Sw eden
spesifikasi pada salah satu persamaan dalam sistem, maka dapat mempengaruhi semua parameter dugaan Koutsouyiannis ,1977.
4. 2.4. Validasi Model
Dalam penelitian ini validasi model dilakukan dengan menggunakan kriteria
-kriteria statistik, yaitu Root Mean Squares Percentage Error RMSPE,
penyimpangan statistik dengan peramalan Theil Theil Forecast Error Statistic, dan Inequality Coeficient dari U-Theil. Validasi model dilakukan dalam rangka
untuk melihat sejauhmana suatu model dapat mewakili dunia nyata. Pindyck dan Rubinfeld 1998 menyatakan bahwa RMSPE mengukur
deviasi dari variabel yang distimulasikan dari alur waktu aktual dalam ukuran persen.
RMSPE = 100 dimana:
Ytb =
nilai dugaan, atau nilai simulasi dasar pada tahun t Yta
= nilai aktual pada tahun t
n =
jumlah periode pengamatan dalam simulasi tahun
U = +
dimana:
1 n
Σ
Ytb – Yta Yta
n t = 1
Σ
Pi – Ai
2
Σ
Ai
2
n n
105
Pi =
perubahan peramalan dari variabel endogen Ai
= perubahan aktual dari variabel endogen
sedangkan R
2
koefisien diterminasi digunakan untuk melihat keeratan arah slope antara yang aktual dengan yang distimulasi. Semakin kecil RMSPE, dan
U serta makin besarnya R
2
4. 2.5. Simulasi Model
maka model semakin valid untuk disimulasi. Nilai U berkisar antara 0 dan 1, apabila U = 0, maka pendugaan model sempurna.
Sebaliknya apabila U = 1, maka pendugaan model naïf.
Simulasi histori e
s expost sebagai simulasi yang diarahkan untuk
mengevaluasi kebijakan tidak dilakukan.dan Sedangkan simulasisimulasi
peramalan exante forecast terhadap penerapan kebijakan fiskalkebijakan
ekonomi akan dilakukan dalam penelitian
. ini. 1.
Simulasi kebijakan dilakukan pada simulasi histories expost untuk tahun 1999 – 2003, dan dimaksudkan untuk mengevaluasi kebijakan
dalam periode 1999 – 2003 untuk menjadi pelajaran bagi penerapan kebijakan yang akan datang. Simulasi peramalan dilakukan untuk rentang
waktu 2011-2015, dimaksudkan untuk meramalkan dampak yang terjadi sebagai akibat diterapkannya kebijakan ekonomi yang akan datang.
AEvaluasi maupun a nalisis dampak dari alternatif
simulasi kebijakan
terhadap kinerja
industri tepung terigu dan kesejahteraan produsen dan
konsumen periode tahun 1999 –2003 pada periode tahun 2011 - 2015 adalah:
1. Kuota Impor Biji Gandum Indonesia sebesar 90 persen
For m a t t e d: Finnish For m a t t e d: Spanish I nternational
Sort
For m a t t e d: Spanish I nternational Sort
For m a t t e d: Spanish I nternational Sort
For m a t t e d: I ndent: First line: 1,27 cm , Line spacing: M ultiple 2,1 li
For m a t t e d: Bullets and N um bering
For m a t t e d: English U .S. For m a t t e d: English U .S.
For m a t t e d: English U .S. For m a t t e d: D utch N etherlands
For m a t t e d: I ndent: Left: 0 cm , First line: 0 cm , Line spacing: M ultiple 2,1
li
For m a t t e d: I ndent: Left: -0 cm , Line spacing: M ultiple 2,1 li
For m a t t e d: Bullets and N um bering
