secara bersama. Residual e
2t
mempengaruhi SDSL
t
dan secara tidak langsung juga mempengaruhi DIDS
t
sehingga e
2t
dan DIDS
t
saling berhubungan.
3.5.2 Identifikasi Model
Menurut Setiawan dan Kusrini 2010:209 cara untuk mengindentifikasi suatu sistem persamaan simultan adalah dengan order and rank condition. Di
dalam sebuah model yang teridiri dari g persamaan simultan agar sebuah persamaan teridentifikasi, jumlah variabel predetermined yang dikeluarkan dari
persamaan itu harus tidak lebih dari jumlah variabel endogenus yang dimasukan ke dalam persamaaan itu dikurangi satu. Menurut widarjono dan Kusrini
2010:213 kondisi rank sudah cukup menggambarkan identifikasi. K – k
≥ g -1 rank dari matriks A adalah g – 1, maka persamaan itu terindentifikasi. Dengan ketentuan jika K - k = g – 1, maka persamaan itu excaktly
identified . Jika K – k g – 1, maka persamaan itu over identified.
Dimana:
K = total peubah predetermined di dalam model.
k = total peubah predetermined di dalam sebuah persamaan.
g = total variabel endogenus di dalam sebuah persamaan
. Dengan menggunakan order and rank condition dapat kita tentukan
identifikasi dari persamaan yang telah dibuat, dimana hasilnya adalah:
DIDS = 6 – 3 2 – 1 = Over Identified
SDSL = 6 – 2 2 – 1 = Over Identified
Berdasarkan ketentuan kriteria identifikasi model di atas, maka semua persamaan struktural yang disusun dalam model ini teridentifikasi, dimana
terdapat persamaan simultan yang bersifat over identified. Jika ada persamaan simultan, estimator-estimator dengan menggunakan OLS akan menghasilkan
Universitas Sumatera Utara
estimator-estimator yang tidak konsisten dan tidak efisien. Satu metode diperlukan untuk mendapatkan estimator yang konsisten dan efisien yaitu metode
Two Stages Least Squares TSLS Setiawan dan Kusrini, 2010:213. Metode
TSLS digunakan ketika model persamaan simultan adalah terlalu teridentifikasi
Widarjono, 2013:256. Untuk menyelesaikan persamaan model, maka digunakan dua langkah dari
TSLS . Prosedur tersebut adalah sebagai berikut:
Tahap 1: Pada model persamaan simultan permintaan impor daging sapi, agar variabel
SDSL tidak berkorelasi dengan variabel e
2t
, variabel endogenus diregresikan terhadap semua variabel predetermined yang berada dalam seluruh sistem.
Sehingga didapatkan model sebagai berikut: DIDS
t
= π
+
π
1
PDSI
t
+ π
2
Gm
t
+ π
3
DDSD + π
4
PDSL
t
+ π
5
TIB
t
+ π
6
Kurs
t
+e
t
SDSL
t
= π
+
π
1
PDSI
t
+ π
2
Gm
t
+ π
3
DDSD + π
4
PDSL
t
+ π
5
TIB
t
+ π
6
Kurs
t
+ e
t
Sehingga persamaan impor dituliskan DDSI = SDSL
t
+ e
t
Sedangkan persamaan penawaran dituliskan SDSD
t
= DIDS
t
+ e
t
Tahap 2: Pada tahap kedua ini variabel DIDS
t
dan SDSL
t
digantikan pada persamaan struktural dengan nilai yang diperoleh DIDS
t
dan SDSL
t
dari persamaan reduced form
dan dilakukan regresi dengan OLS. Adapun persamaanya adalah sebagai berikut:
DIDS
t
= ß
10
+ α
11
SDSL
t
+ ß
12
DDSD
t
+ ß
13
Gm
t
+ ß
14
PDSI
t
+ ß
15
Kurs
t
+ V
1t
SDSL
t
= ß
20
+ α
21
DIDS
t
+ ß
22
TIB
t
+ ß
3
PDSD
t
+ V
2t
Universitas Sumatera Utara
Dimana: V
2t
= e
1t
+ α
14
e
t
dan V
2t
= e
2t
+ α
23
e
t
3.5.3 Validasi model
