III. KERANGKA PEMIKIRAN
4.4. Pengujian Model
Pengujian model dalam penelitian ini meliputi identifikasi model, validasi
model, uji statistik-F, uji statistik t, uji statistik durbin-h, validasi model, dan
simulasi historis. Berikut adalah uraian lengkap mengenai prosedur analisis dalam
penelitian ini.
4.4.1. Identifikasi Model
Identifikasi model ditentukan atas dasar order condition sebagai syarat keharusan dan rank condition sebagai syarat kecukupan. Menurut Koutsoyiannis (1997) dalam Novindra (2011), rumusan identifikasi model persamaan struktural
berdasarkan order condition ditentukan oleh :
(K-M) > (G-1) ………... (4.15)
variable (current exogenous variable, lagged exogenous variable, dan lagged endogenous variable).
M = Jumlah variabel endogen dan eksogen yang termasuk dalam satu
persamaan tertentu dalam model, dan
G = Total persamaan dalam model, yaitu jumlah variabel endogen dalam
model.
Jika dalam suatu persamaan dalam model menunjukkan kondisi sebagai
berikut.
(K-M) > (G-1) = maka persamaan dinyatakan teridentifikasi berlebih
(overidentified)
(K-M) = (G-1) = maka persamaan tersebut dinyatakan teridentifikasi
secara tepat (exactly identified), dan
(K-M) < (G-1) = maka persamaan tersebut dinyatakan tidak teridentifikasi
(unidentified).
Hasil identifikasi untuk setiap persamaan struktural haruslah exactly identified atau over identified untuk dapat menduga parameter-parameternya.
Kendati suatu persamaan memenuhi order condition, mungkin saja persamaan itu tidak teridentifikasi. Karena itu, dalam proses identifikasi
diperlukan suatu syarat perlu sekaligus cukup. Hal itu dituangkan dalam rank condition untuk identifikasi yang menyatakan, bahwa dalam suatu persamaan teridentifikasi jika dan hanya jika dimungkinkan untuk membentuk minimal satu
determinan bukan nol pada order (G-1) dari parameter struktural variabel yang
ditentukan oleh determinan turunan persamaan struktural yang nilainya tidak
sama dengan nol (Koutsoyiannis 1977 dalam Novindra 2011).
Pada penelitian ini, model yang telah dirumuskan terdiri dari 11
persamaan atau 11 variabel endogen (G), dan 40 predetermined variable terdiri dari 32 variabel eksogen dan 8 lag endogenous variable, sehingga total variabel dalam model (K) adalah 51 variabel. Kemudian diketahui bahwa jumlah variabel
endogen dan eksogen yang termasuk dalam persamaan tertentu dalam model (M)
adalah maksimum 5 variabel. Berdasarkan kriteria order condition disimpulkan setiap persamaan struktural yang ada dalam model adalah over identified.
4.4.2. Metode Pendugaan Model
Berdasarkan hasil identifikasi model, maka model dinyatakan over identified, dalam hal ini untuk menduga model dapat dilakukan dengan 2SLS (Two Stage Least Square), 3SLS (Three Stage Least Squares), LIML (Limited Information Maximum Likelihood) atau FIML (Full Information Maximum Likehood) (Novindra, 2012).Pada penelitian ini menggunakan metode pendugaan model yang digunakan adalah 2SLS, dengan beberapa pertimbangan, yaitu
penerapan 2SLS menghasilkan taksiran yang konsisten, lebih sederhana, dan lebih
muda (Gujarati 1999 dalam Novindra 2011).
Untuk mengetahui dan menguji apakah variabel penjelas secara
bersama-sama berpengaruh nyata atau tidak terhadap variabel endogen, maka pada setiap
persamaan digunakan uji statistik F, dan untuk menguji apakah masing-masing
variabel penjelas berpengaruuh nyata atau tidak terhadap variabel endogen, maka
4.4.3. Uji Statistik-F
Uji statistik-F adalah persamaan yang digunakan untuk mengetahui dan
menguji apakah variabel eksogen secara bersama-sama berpengaruh nyata atau
tidak terhadap variabel endogen (koutsoyiannis 1977 dalam Novindra 2011).
Hipotesis:
H0 : β1 = β2 ….. = βi = 0 H1 : minimal ada satu βi≠ 0 Keterangan :
i = banyaknya variabel bebas dalam suatu persamaan
Apabila nilai peluang (p-value) uji statistik-F < taraf α = 5% maka tolak H0. Tolak H0 berarti variabel eksogen secara bersama-sama berpengaruh nyata
terhadap variabel endogen.
4.4.4. Uji Statistik-t
Uji statistik-t adalah persamaan yang digunakan untuk menguji apakah
masing-masing variabel eksogen berpengaruh nyata atau tidak terhadap variabel
endogen (Koutsoyiannis 1977 dalam Novindra 2011).
Hipotesis:
H0 : βi = 0 H1 : Uji satu arah
a) βi > 0; b) βi < 0 Uji dua arah
c) βi≠ 0 kriteria uji :
H1: b) βi < 0, bila p-value uji t < α maka disimpulkan tolak H0 H1: b) βi≠ 0, bila p-value uji t < α/2 maka disimpulkan tolak H0
Pada penelitian ini menggunakan uji satu arah dan taraf α = 15% sehingga jika nilai peluang (p-value) uji statistik-t < taraf α = 15% maka tolak H0. Tolak H0 berarti suatuvariabel eksogen berpengaruh nyata terhadap variabel endogen.
4.4.5. Uji Statistik Durbin-h
Apabila dalam persamaan terdapat variabel bedakala (lag endogenous variable) maka uji serial korelasi dengan menggunakan statistik dw ( Durbin-Waston Statistic) tidak valid untuk digunakan (Pindyc dan Rubinfeld 1991 dalam Novindra 2011). Sebagai penggantinya untuk mengetahui apakah terdapat serial
korelasi (autocorrelation) atau tidak dalam setiap persamaan maka digunakan statistik dh (Durbin-h statis)
hhitung = 1 ………... (4.16)
Keterangan:
d = dw statistik
n = Jumlah observasi, dan
var (β) = varians koefisien regresi untuk lagged dependent variable.
Jika ditetapkan taraf α = 0.05, diketahui -1.96 ≤ hhitung ≤ 1.96, maka disimpulkan persamaan tidak mengalami serial korelasi.selanjutnya jika diketahui
nilai hhitung < -1.96, maka terdapat autokorelasi negatif, sebaliknya jika diketahui
nilai hhitung > 1.96, maka terdapat autokorelasi positif (Pindyc dan Rubinfeld 1991
dalam Novindra 2011).
Untuk mengetahui apakah model cukup valid untuk membuat suatu
simulasi alternatif kebijakan atau non kebijakan dan peramalan, maka perlu
dilakukan suatu validasi model, dengan tujuan untuk menganalisis sejauh mana
model tersebut dapat mewakili dunia nyata. Pada penelitian ini, kriteria statistik
untuk validasi nilai pendugaan model ekonometrika yang digunakan adalah : root Means Square Percent Error (RMSPE) dan Theil’s Inequality Coefficient (U Theil) (Pindyck and Rubinfield 1991 dalam Novindra 2011). Kriteria-kriteria dirumuskan sebagai berikut :
RMSPE =
∑
………... (4.17) U Theil = ∑ ∑ ∑ ………... (4.18) Keterangan := Nilai hasil simulasi dasar dari variabel observasi
= Nilai aktual variabel observasi
n = Jumlah tahun observasi
Statistik RMSPE digunakan untuk mengukur seberapa jauh nilai-nilai
variabel endogen hasil pendugaan menyimpang dari alur nilai-nilai aktualnya
dalam ukuran relatif (persen), atau seberapa dekat nilai dugaan itu mengikuti
perkembangan nilai aktualnya. Nilai statistik U Theil bermanfaat untuk mengetahui kemampuan model untuk analisis simulasi peramalan. Nilai statistik
UTheil berkisar antara 1 dan 0. Jika U = 0 maka pendugaan model sempurna, jika U =1 maka pendugaan model naif.
Adapun untuk melihat keeratan arah (slope) antara aktual dengan hasil yang disimulasi dilihat dari nilai koefisien determinasinya (R2). Pada dasarnya
makin kecil nilai RMSPE dan UTheil dan makin besar nilai R2, maka pendugaan model semakin baik.
4.4.7. Simulasi Historis
Simulasi historis dilakukan untuk menjawab tujuan kedua, yaitu
mengevaluasi dampak kebijakan Bank Indonesia (penurunan Suku Bunga Bank
Indonesia/SBI). Penurunan tingkat suku bunga Bank Indonesia domestik sebesar
20 persen. Dari sisi permodalan, dengan tingkat suku bunga pinjaman sekarang ini
(16-17 persen per tahun) dirasa masih kurang kondusif untuk usaha perkebunan,
termasuk kelapa sawit. Suku bunga yang ideal untuk usaha perkebunan adalah
sekitar 12 persen per tahun. Melalui simulasi ini akan dianalisis dampak dari
penurunan suku bunga BI terhadap industri kelapa sawit domestik (Novindra