VII. ANALISIS VALIDASI DAN SIMULASI MODEL
Dalam penelitian ini, model yang dibangun untuk seterusnya disebut sebagai Model Utang Luar Negeri Pemerintah Indonesia. Sebelum model
tersebut dapat digunakan untuk simulasi kebijakan, terlebih dahulu perlu dilakukan pengujian daya prediksi validasi dari model tersebut, guna melihat
apakah nilai dugaan masing-masing variabel endogen sesuai dengan atau mendekati nilai aktualnya Pindyck dan Rubinfield, 1991. Oleh karena itu,
validasi terhadap model dilakukan guna mencari model dimana variabel endogen dependent variables mempunyai keterkaitan yang tepat sebagai fungsi dari satu
atau lebih variabel eksogen independent variables. Ketepatan ini ditentukan oleh kriteria goodness of fit statistics tertentu. Sementara itu simulasi kebijakan
dilakukan untuk menganalisis dampak berbagai alternatif kebijakan dengan cara mengubah nilai variabel eksogen atau variabel yang merupakan alat kebijakan.
7.1. Validasi Model Utang Luar Negeri Pemerintah Indonesia
Model utang luar negeri pemerintah dalam penelitian ini telah diuji dengan suatu simulasi dasar untuk periode sampel pengamatan 1985-2005.
Indikator validasi statistik yang digunakan adalah Root Mean Square Error RMSE dan Root Mean Square Percent Error RMSPE untuk mengukur
seberapa dekat nilai masing-masing peubah endogen hasil pendugaan mengikuti nilai data aktualnya selama periode pengamatan, atau dengan kata lain seberapa
jauh penyimpangannya dalam ukuran persen. Pada dasarnya jika nilai RMSE dan RMSPE semakin kecil maka pendugaan model akan semakin baik.
Selain itu, untuk keperluan validasi digunakan juga statistik proporsi bias UM, proporsi regresi UR, proporsi distribusi UD, proporsi varians US,
proporsi kovarians UC dan juga statistik Theil’s inequality coefficient U
untuk mengevaluasi kemampuan model bagi analisis simulasi historis maupun peramalan historical and ex-ante simulation.
UM adalah proporsi bias yang menunjukkan kesalahan sistematis untuk mengukur penyimpangan nilai rata-rata estimasi dengan nilai rata-rata aktualnya.
Nilai UM yang baik untuk model berkisar antara 0.1 - 0.2.
152
UR adalah komponen regresi yang menunjukkan deviasi kemiringan slove regresi aktual dengan nilai-nilai estimasi. Jika prediksi sempurna maka
kemiringan regresi = r. SaSp akan mengambil nilai satu, artinya regresi yang diestimasi tidak berpotongan dengan regresi aktual. Jika nilai r. SaSp = 1 maka
nilai UM dan UR akan hilang atau sama dengan nol. UD merupakan komponen kesalahan-kesalahan yang tidak sistematik.
Suatu model dikatakan baik jika nilai UM dan UR sangat kecil dan nilai UD mendekati satu.
US adalah proporsi varians yang menunjukkan kemampuan model menyerupai replicate tingkat perubahan variabel endogen. Jika US sangat
besar maka model perlu diperbaiki. UC adalah proporsi kovarians untuk mengukur kesalahan yang tidak
sistematis. UC ini berfungsi untuk menjelaskan kesalahan yang tersisa. Secara ideal kesalahan-kesalahan terdistribusi pada UC jika U lebih besar dari nol.
Nilai koefisien U berkisar antara 0 dan 1. Jika U = 0 maka pendugaan model sempurna, sebaliknya jika U = 1, maka pendugaan model naif. Hasil
validasi model utang Indonesia dalam penelitian ini disajikan pada Tabel 41. Pada tabel tersebut dapat diketahui bahwa dari 47 persamaan dalam
model, persamaan yang memiliki nilai RMSPE lebih kecil dari 50 persen berjumlah 37 persamaan, sedangkan 10 persamaan lainnya mempunyai nilai
RMSPE lebih besar dari 50 persen. Tingginya nilai RMSPE pada beberapa variabel tersebut sulit dihindarkan karena beberapa variabel dalam model
tersebut berbentuk persamaan identitas. Disamping itu, dalam membangun model tersebut juga dipertimbangkan pula kriteria ekonomi, sehingga dalam
beberapa persamaan digunakan restriksi tanpa intersep. Ditinjau berdasarkan kriteria U-
Theil’s, terdapat 40 persamaan yang mempunyai nilai U lebih kecil dari 0.20, dan 7 persamaan sisanya mempunyai nilai U lebih besar dari 0.20.
Nilai U- Theil’s tertinggi adalah 0.3802, yaitu pada persamaan defisit anggaran
BUGDEF. Namun persamaan ini mempunyai nilai proporsi bias UM yang cukup kecil, yaitu 0.103. Dengan demikian, jika dilihat secara keseluruhan maka
model ini cukup baik digunakan sebagai model pendugaan, dan oleh karena itu
153
model struktural yang telah dirumuskan tersebut juga dapat digunakan untuk simulasi alternatif kebijakan.
Hasil Pengujian validasi Model Utang Luar Negeri Pemerintah Indonesia selengkapnya dapat dilihat pada Tabel 41.
Tabel 41. Hasil Pengujian Validasi Model Utang Luar Negeri Pemerintah
No. Variable
RMS Error
RMS Error
Corr R
Bias UM
Reg UR
Dist UD
Var US
Covar UC
U
1 PDBI
187046 15.1332 0.979 0.756 0.088 0.156 0.114 0.130 0.0845
2 KONS
175805 23.3001 0.984 0.842 0.106 0.052 0.120 0.038 0.1373
3 INVEST
26738 11.3268 0.952 0.016 0.008 0.977 0.059 0.925 0.0469
4 GOEXP
6238 7.0349 0.994 0.058 0.000 0.942 0.002
0.940 0.0256 5
NXPRT 37482 79.5994 0.737 0.009 0.089 0.901 0.447
0.544 0.2401 6
DINTR 1.0379
6.2237 0.925 0.000 0.000 1.000 0.039 0.961 0.0368
7 LIBOR
0.6601 12.1191 0.885 0.002 0.041 0.957 0.002 0.997 0.0590
8 GOREV
13749 18.1331 0.972 0.207 0.014 0.779 0.051 0.742 0.0662
9 FB
12725 56.9700 0.680 0.139 0.028 0.832 0.321 0.539 0.2789
10 BUGDEF
1.4555 10.9100 0.217 0.103 0.033 0.564 0.177 0.420 0.3802
11 BLJPMB
6238 20.5273 0.655 0.058 0.064 0.878 0.031 0.911 0.1002
12 DULNP
13813 68.0969 0.516 0.452 0.400 0.148 0.172 0.375 0.2640
13 RPMRN
6238 49.4105 0.546 0.058 0.010 0.932 0.180 0.762 0.1700
14 RPDIK
1038 64.1293 0.629 0.006 0.010 0.984 0.331 0.664 0.1477
15 RPKES
948.8826 67.1498 0.597 0.009 0.000 0.990 0.233 0.758 0.1738
16 RPTAN
1640 44.4532 0.535 0.098 0.007 0.895 0.190 0.712 0.1831
17 RPENG
990.4565 61.6973 0.673 0.108 0.002 0.890 0.136 0.756 0.1883
18 RPHUB
985.2411 54.7055 0.595 0.051 0.012 0.937 0.143 0.806 0.1756
19 RPOTS
914.6377 49.8419 0.381 0.089 0.153 0.758 0.037 0.874 0.1944
20 UTDIK
601.8633 13.4014 0.964 0.000 0.007 0.992 0.002 0.997 0.0662
21 UTKES
447.166 16.9998 0.984 0.070 0.036 0.894 0.011 0.919 0.0501
22 UTTAN
647.9876 12.8784 0.964 0.049 0.025 0.925 0.084 0.867 0.0545
23 UTENG
1043 16.3961 0.961 0.020 0.017 0.963 0.000 0.980 0.0594
24 UTHUB
1202 20.3192 0.922 0.024 0.001 0.975 0.030 0.946 0.0882
25 UTOTS
236.1018 18.4515 0.985 0.056 0.084 0.860 0.139 0.806 0.0511
26 UTGOV
2833 10.7493 0.981 0.008 0.153 0.839 0.232 0.760 0.0444
27 PUDIK
129.2403 28.9181 0.970 0.035 0.005 0.960 0.003 0.962 0.0833
28 PUKES
212.3459 27.6370 0.985 0.378 0.067 0.554 0.038 0.583 0.0970
29 PUTAN
226.5588 33.1101 0.979 0.154 0.026 0.820 0.005 0.842 0.0787
30 PUENG
152.7715 21.5778 0.991 0.119 0.283 0.598 0.340 0.541 0.0655
31 PUHUB
241.341 44.1581 0.953 0.022 0.001 0.977 0.014 0.964 0.1007
32 PUOTS
238.47 61.3350 0.330 0.123 0.193 0.684 0.022 0.855 0.2646
33 PUGOV
974.6254 30.3702 0.978 0.182 0.015 0.803 0.001 0.817 0.0818
34 APS
2.0325 2.2606 0.877 0.015 0.001 0.984 0.082
0.903 0.0110 35
THSEK 0.4039
5.5838 0.779 0.007 0.014 0.980 0.054 0.940 0.0287
154
No. Variable
RMS Error
RMS Error
Corr R
Bias UM
Reg UR
Dist UD
Var US
Covar UC
U
36 AKB
3.5325 8.0744 0.956 0.065 0.018 0.917 0.077
0.858 0.0350 37
UHH 1.3872
2.1706 0.959 0.068 0.002 0.930 0.035 0.897 0.0113
38 GTAN
0.741 23.9609 0.891 0.060 0.000 0.939 0.048 0.891 0.1475
39 GENG
1.2341 78.0588 0.616 0.002 0.001 0.996 0.276 0.722 0.1674
40 GHUB
0.6458 35.9696 0.066 0.201 0.104 0.694 0.209 0.590 0.2249
41 UNEM
3200 82.5393 0.939 0.792 0.109 0.099 0.075 0.133 0.2227
42 EFUTDIK
601.8633 19.1448 0.928 0.000 0.039 0.960 0.000 1.000 0.0945
43 EFUTKES
447.166 22.6664 0.972 0.070 0.060 0.871 0.018 0.912 0.0669
44 EFUTTAN
647.9876 18.3978 0.924 0.049 0.001 0.949 0.054 0.897 0.0783
45 EFUTENG
1043 21.8615 0.932 0.020 0.048 0.932 0.001 0.979 0.0789
46 EFUTHUB
1202 27.0923 0.860 0.024 0.026 0.950 0.011 0.965 0.1179
47 EFUTOTS
236.1018 23.0644 0.975 0.056 0.061 0.883 0.124 0.821 0.0638
7.2. Skenario Simulasi Kebijakan
Kategori