lainnya di dalam persamaan regresi. Apabila nilai VIF 10, maka tidak ada masalah multikolinieritas.
4.6.6 Konsep Elastisitas
Nilai elastisitas dapat digunakan untuk melihat derajat kepekaan variabel endogen pada suatu persamaan terhadap perubahan dari variabel eksogen. Nilai
elastisitas jangka pendek short-run diperoleh dari perhitungan sebagai berikut: E
sr
Y
t
, X
i
= a
i
X
i
Y
t
dimana: E
sr
Y
t
, X
i
= Elastisitas jangka pendek variabel eksogen X
i
terhadap variabel endogen Y
t
a
i
= Parameter dugaan variabel eksogen X
i
X
i
= Rata-rata variabel eksogen X
i
Y
t
= Rata-rata variabel endogen Y
t
Sedangkan nilai elastisitas jangka panjang long-run diperoleh dari perhitungan sebagai berikut:
lag a
Xi Yt
E Xi
Yt E
i sr
lr
− =
1 ,
,
dimana: E
lr
Y
t
, X
i
= Elastisitas jangka panjang variabel eksogen X
i
terhadap variabel endogen Y
t
a
i
lag = Parameter dugaan dari lag-endogen variabel
Kriteria Uji: 1.
Jika nilai elastisitas lebih dari satu E1, dikatakan elastis karena perubahan satu persen variabel eksogen mengakibatkan perubahan
variabel endogen lebih dari satu persen.
2. Jika nilai elastisitas antara nol dan satu 0E1, dikatakan inelastis
tidak responsif karena perubahan satu persen variabel eksogen akan mengakibatkan perubahan variabel endogen kurang dari satu persen.
3. Jika nilai elastisitas sama dengan nol E=0, dikata kan inelastis
sempurna. 4.
Jika nilai elastisitasnya tak hingga E=~, dikatakan elastis sempurna. 5.
Jika elastisitasnya sama dengan satu E=1, dikatakan unitary elastis.
4.6.7 Validasi Model
Validasi model dilakukan untuk mengetahui apakah model cukup valid untuk membuat suatu simulasi kebijakan sehingga dapat menganalisis sejauhmana
model tersebut dapat merefleksikan dengan baik atau mewakili dunia nyata. Simulasi kebijakan yang digunakan dalam penelitian ini berupa simulasi
perubahan impor gula ke Indonesia. Kriteria statistik yang sering digunakan untuk validasi pendugaan model ekonometrika adalah Root Mean Squares Error
RMSE, Root Mean Squares Percent Error RMSPE, dan Theil’s Inequality Coefficient
U Pindyck dan Rubinfeld, 1991. Kriteria-kriteria itu dapat dirumuskan sebagai berikut:
5 ,
1
1
−
=
∑
= T
t a
s
t Y
t Y
T RMSE
5 ,
1 2
1
−
=
∑
= T
t a
a s
t Y
t Y
t Y
T RMSPE
5 ,
1 2
5 ,
1 2
5 ,
1
1 1
1
+
−
=
∑ ∑
∑
= =
= T
t a
T t
s T
t a
s
t Y
T t
Y T
t Y
t Y
T U
dimana: RMSE = Akar tengah kuadrat terkecil
RMSPE = Akar tengah kuadrat persen galat U
= Koefisien ketidaksamaan Theil Y
s
t = Nilai dugaan model
Y
a
t = Nilai aktual
T = Jumlah pengamatan dalam simulasi
Statistik RMSPE berguna untuk mengukur seberapa jauh nilai-nilai peubah endogen hasil pendugaan menyimpang dari alur nilai-nilai aktualnya
dalam ukuran relatif persen. Nilai statistik U berma nfaat untuk mengetahui kemampuan model untuk analisis simulasi historis maupun peramalan. Semakin
kecil nilai RMSE, RMSPE, dan U semakin baik pendugaan model. Nilai U berkisar antara 0 dan 1. Jika U = 0, maka pendugaan model sempurna.
4.6.8 Simulasi Model Kebijakan
Kategori