Peramalan Nilai Variabel Tahun 2006 - 2009

150 Untuk Indonesia, yang termasuk dalam Lower Middle Income Countries LMC dengan GDP kapita sebesar USD 906 - 3.595, maka sektor pertanian dan pengairan masih sangat perlu mendapat perhatian utama. Pemerintah memegang kunci utama dalam menciptakan kondisi yang kondusif bagi sektor swasta dan masyarakat untuk berusaha berinvestasi di sektor pertanian dan pengairan. Seiring dengan berjalannya era desentralisasi, pengembangan sektor pertanian dan pengairan perlu diarahkan kepada community-driven development CDD. Revitalisasi Pertanian yang sedang dijalankan perlu terus digerakkan dari pembangunan lokal menuju pembangunan global.

6.4. Peramalan Nilai Variabel Tahun 2006 - 2009

Model persamaan Utang Luar Negeri Pemerintah Indonesia yang dibangun melalui beberapa persamaan dalam penelitian ini digunakan untuk mempelajari perilaku dan fenomena ekonomi utang luar negeri pemerintah yang terjadi di dunia nyata. Setelah hasil dalam pendugaan model pada penelitian ini dapat dinyatakan cukup refresentatif dalam menggambarkan fenomena ekonomi utang luar negeri pemerintah Indonesia, model ini selanjutnya dapat digunakan untuk meramalkan perkembangan nilai-nilai variabel endogen tersebut pada masa yang akan datang. Hasil peramalannya dapat digunakan oleh para pengambil keputusan sebagai salah satu bahan pertimbangan dalam membuat suatu kebijakan publik. Dengan adanya reformasi di bidang keuangan negara melalui 3 paket undang-undang di bidang keuangan negara Undang-undang No. 17 Tahun 2003, Undang-undang No. 1 Tahun 2004 dan Undang-undang No. 15 Tahun 2004, sistem dan prosedur penyusunan, pengelolaan dan pertanggungjawaban anggaran pendapatan dan belanja negara mengalami banyak perubahan. Oleh karena itu peramalan yang akan dilakukan pada penelitian ini hanya untuk tahun 2006 sampai dengan tahun 2009, yaitu sampai dengan berakhirnya periode pelaksanaan Rencana Pembangunan Jangka Menengah Nasional Tahun 2004 - 2009. Hasil pendugaan nilai variabel endogen pada model Utang Luar Negeri Pemerintah ini untuk periode tahun 2006 - 2009 dapat dilihat pada Lampiran 3.

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.