44
dimana: PKBMR
t
= Harga riil bawang merah di tingkat konsumen pada tahun ke-t RpKg
QSBM
t
= Penawaran bawang merah pada tahun ke-t Ton QDRT
t
= Permintaan bawang merah rumahtangga pada tahun ke-t Ton PKBMR
t-1
= Harga riil bawang merah di tingkat konsumen pada tahun sebelumnya RpKg
g = Intersep
g
i
= Parameter yang diduga i= 1, β, γ, 4, …, n
7
= Variabel pengganggu Nilai dugaan parameter yang diharapkan adalah: g
1
0 dan 0 g
2
1.
4.3.8. Harga Riil Bawang Merah di Tingkat Produsen
Harga riil bawang merah di tingkat produsen dipengaruhi oleh harga riil bawang merah di tingkat konsumen dan harga riil bawang merah di tingkat
produsen tahun sebelumnya. Persamaan harga bawang merah di tingkat produsen dapat dirumuskan sebagai berikut:
PPBMR
t
= h + h
1
PKBMR
t
+ h
2
PPBMR
t-1
+
8
……………………4.10 dimana:
PPBMR
t
= Harga riil bawang merah di tingkat produsen pada tahun ke-t RpKg
PKBMR
t
= Harga riil bawang merah di tingkat konsumen pada tahun ke-t RpKg
PPBMR
t-1
= Harga riil bawang merah di tingkat produsen pada tahun sebelumnya RpKg
45
h = Intersep
h
i
= Parameter yang diduga i= 1, 2, 3, 4, …, n
8
= Variabel pengganggu Nilai dugaan parameter yang diharapkan adalah: h
1
0 dan 0 h
2
1. 4.4.
Identifikasi Model
Masalah identifikasi terjadi karena kumpulan koefisien struktural yang berbeda kemungkinan cocok dengan sekumpulan data yang sama. Menurut
Koutsoyiannis 1977 masalah identifikasi muncul hanya untuk persamaan yang di dalamnya terdapat koefisien-koefisien yang harus diestimasi secara statistik.
Masalah identifikasi tidak muncul dalam persamaan definisi, identitas atau dalam pernyataan tentang kondisi equilibrium karena dalam hubungan-hubungan
tersebut tidak memerlukan pengukuran. Dalam teori ekonometrika, terdapat dua kemungkinan situasi dalam suatu
identifikasi, yaitu Koutsoyiannis 1977: 1. Persamaan Underidentified
Suatu persamaan disebut underidentified apabila bentuk statistiknya tidak tunggal. Selain itu, persamaan tersebut tidak dapat diduga menggunakan
seluruh parameter yang ada dengan teknik ekonometrik manapun. 2. Persamaan Identified
Suatu persamaan dinyatakan dapat diidentifikasi identified apabila memiliki bentuk statistik tunggal. Pada persamaan identified, koefisien yang
terdapat didalamnya secara umum dapat diduga secara statistik. Jika persamaan exactly identified
identifikasi tepat, maka metode yang sesuai untuk pendugaan adalah Indirect Least Squares ILS, sedangkan jika persamaan
46
overidentified terlalu diidentifikasikan, maka metode ILS tidak dapat
digunakan karena tidak akan menghasilkan persamaan tunggal dari parameter struktural. Metode yang dapat digunakan untuk pendugaan persamaan
overidentified adalah Two-Stages Least Squares 2SLS atau Maximum
Likelihood Methods . Dalam persamaan identified terdapat dua kondisi yang
harus dipenuhi, yaitu: 1. Order Condition kondisi ordo
Order Condition adalah suatu kondisi yang yang bertujuan untuk
mengetahui apakah persamaan yang ada dapat diidentifikasi. Kondisi tersebut antara lain: 1 apabila K-M = G-1, maka persamaan tersebut
exactly identified ; 2 apabila K-M G-1, maka persamaan tersebut
overidentified ; 3 apabila K-M G-1, maka persamaan tersebut
underidentified .
dimana: K = Jumlah total dari variabel pada seluruh model
M = Jumlah variabel endogen dan predetermined variable pada setiap persamaan khusus
G = Jumlah persamaan struktural atau jumlah semua variabel endogen dalam model
2. The Rank Condition of Identifiability Kondisi tingkat dari identifiabilitas The
Rank Condition
of Identifiability
digunakan untuk
mengidentifikasi persamaan setelah dilakukan uji Order Condition, sehingga menghasilkan kesimpulan yang dapat diidentifikasi, selanjutnya
47
dilihat apakah persamaan tersebut exactly identified atau overidentified. Langkah-langkah The Rank Condition of Identifiability adalah:
1. Jadikan persamaan simultan yang ada menjadi persamaan yang ruas kanannya nol.
2. Susun matriks koefisien dari semua variabel yang ada untuk persamaan- persamaan tersebut.
3. Jika ingin mengidentifikasi persamaan ke-i, maka coret baris dan kolom pada persamaan yang semua koefisien dalam persamaan tersebut tidak
sama nol. 4. Dari matriks sisanya, cari semua determinasi yang mungkin dapat
dihitung. 5. Jika paling sedikit ada satu determinasi yang tidak sama dengan nol,
maka untuk melihat apakah persamaan tersebut exactly identified atau overidentified
dapat digunakan order condition K- ε ≥ G-1.
Tabel 6. Hasil Identifikasi Model dari Masing-masing Persamaan
Variabel K
M G
K-M G-1
Keterangan ABM
30 6
10 24
9 Overidentified
QBM 30
7 10
23 9
Overidentified QDRT
30 5
10 25
9 Overidentified
QDNRT 30
5 10
25 9
Overidentified MBM
30 6
10 24
9 Overidentified
PMBMR 30
3 10
27 9
Overidentified PKBMR
30 3
10 27
9 Overidentified
PPBMR 30
3 10
27 9
Overidentified
Berdasarkan hasil identifikasi pada Tabel 6, terlihat bahwa model yang
telah dirumuskan dalam penelitian ini terdiri dari 10 variabel endogen G dan 20 predetermined variable.
Dengan demikian jumlah variabel yang terdapat dalam model adalah sebanyak 30 variabel. Jumlah variabel endogen dan eksogen dalam
48
satu persamaan tertentu maksimal adalah tujuh variabel, sehingga diperoleh hasil K-M G-1. Oleh karena itu, dapat disimpulkan bahwa persamaan struktural yang
terdapat dalam penelitian ini adalah overidentified.
4.5. Metode Estimasi Model
