Siti Nurhayati Basuki, 2013
Penaksiran Parameter Pada Persamaan Simultan Menggunakan Metode Full Information Maximum Likelihood (FIML)
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
PENAKSIRAN PARAMETER PADA PERSAMAAN SIMULTAN MENGGUNAKAN METODE
FULL INFORMATION MAXIMUM LIKELIHOOD (FIML)
SKRIPSI
Diajukan untuk Memenuhi Sebagian dari Syarat untuk Memperoleh Gelar Sarjana Sains
Program Studi Matematika
Oleh
Siti Nurhayati Basuki
0905783
JURUSAN PENDIDIKAN MATEMATIKA
FAKULTAS PENDIDIKAN MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS PENDIDIKAN INDONESIA
Siti Nurhayati Basuki, 2013
Penaksiran Parameter Pada Persamaan Simultan Menggunakan Metode Full Information Maximum Likelihood (FIML)
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
PENAKSIRAN PARAMETER PADA PERSAMAAN SIMULTAN MENGGUNAKAN METODE
FULL INFORMATION MAXIMUM LIKELIHOOD (FIML)
Oleh
Siti Nurhayati Basuki
Sebuah skripsi yang diajukan untuk memenuhi salah satu syarat untuk memperoleh gelar Sarjana Sains pada
Fakultas Pendidikan Matematika dan Ilmu Pengetahuan Alam
© Siti Nurhayati Basuki 2013 Universitas Pendidikan Indonesia
Oktober 2013
Hak Cipta dilindungi undang-undang.
Siti Nurhayati Basuki, 2013
Penaksiran Parameter Pada Persamaan Simultan Menggunakan Metode Full Information Maximum Likelihood (FIML)
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu SITI NURHAYATI BASUKI
PENAKSIRAN PARAMETER PADA PERSAMAAN SIMULTAN MENGGUNAKAN METODE
FULL INFORMATION MAXIMUM LIKELIHOOD (FIML)
DISETUJUI DAN DISAHKAN OLEH:
Pembimbing I
Dr. Marthen Tapilouw, M.Si NIP. 194805201979031001
Pembimbing II
Drs. Nar Herrhyanto, M.Pd NIP. 196106181987031001
Mengetahui,
Ketua Jurusan Pendidikan Matematika
Siti Nurhayati Basuki, 2013
Penaksiran Parameter Pada Persamaan Simultan Menggunakan Metode Full Information Maximum Likelihood (FIML)
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu ABSTRAK
Model persamaan simultan merupakan model yang memilki keterkaitan yang menyebabkan hubungan dua arah diantara variabelnya. Disisi lain variabel dependen dalam persamaan simultan dapat bertindak sebagai variabel independen (penjelas). Ada beberapa metode yang sesuai untuk menaksir persamaan simultan, yaitu metode persamaan tunggal dan metode sistem. Namun sebelum melakukan penaksiran, diperlukan adanya suatu identifikasi yang menghasilkan tiga situasi yang mungkin yaitu unidentified, identified, dan overidentified. Salah satu metode yang digunakan jika merupakan persamaan yang overidentified adalah metode
Full Information Maximum Likelihood (FIML). FIML merupakan metode sistem
yang menaksir parameter untuk seluruh persamaan dalam model persamaan simultan, dengan mempertimbangkan dan menggunakan seluruh informasi dan pembatasan dari semua model sebagai satu kesatuan. Metode ini menaksir dengan memaksimumkan fungsi likelihood untuk semua parameter dari variabel endogennya. FIML juga mengasumsikan galat yang berdistribusi normal. Dalam penerapan metode FIML, yang mengadopsi teori Keynessian dan model IS mengenai PDB, konsumsi, dan investasi di Indonesia pada tahun 2000-2011. Hasilnya diperoleh bahwa konsumsi rumah tangga dipengaruhi oleh PDB dan konsumsi rumah tangga sebelumnya. Sedangkan investasi dipengaruhi oleh PDB dan investasi sebelumnya. Hasil pengujian mengenai efisiensi metode FIML yang dibandingkan dengan penaksir metode persamaan tunggal, FIML memberikan penaksir yang lebih efisien dibanding metode persamaan tunggal.
Siti Nurhayati Basuki, 2013
Penaksiran Parameter Pada Persamaan Simultan Menggunakan Metode Full Information Maximum Likelihood (FIML)
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu ABSTRACT
Equation of simultaneous model is a model which its connection causes two way relationships between its variables. On the other side, dependent variable in simultaneous equation can act as an independent variable. There are some methods which can be used to estimate simultaneous equation, those are single equation method and system method. But before doing the estimation, it is needed identification which produces three possible situations those are unidentified, identified and overidentified. The method which is used if it is overidentified equation is Full Information Maximum Likelihood (FIML) method. FIML is a method which estimates the parameter for equation and simultaneous model of equation, by considering and using all of the information and bordering from all models as an unity. This method estimates by functioning likelihood in maximum way for all the parameters and its endogen variables. FIML also has an assumption of galat which has a normal distribution. In applying FIML, which is adopting Keynessian Theory and IS model about PDB, consumption, and investment in Indonesia in 2000-2011. The result is that personal consumptions are affected by PDB and the consumptions before that. While investment are affected by PDB and the investment before that. The result of a study about the efficiency FIML method which is compared with appraiser, single equation method, FIML gives appraiser which is more efficient than single equation method.
i Siti Nurhayati Basuki, 2013
Penaksiran Parameter Pada Persamaan Simultan Menggunakan Metode Full Information Maximum Likelihood (FIML)
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu DAFTAR ISI
Halaman
LEMBAR PERNYATAAN ... i
ABSTRAK ... ii
ABSTRACT ... iii
KATA PENGANTAR ... iv
UCAPAN TERIMA KASIH ... v
DAFTAR ISI ... vi
DAFTAR TABEL ... ix
DAFTAR GAMBAR ... x
DAFTAR LAMPIRAN ... xi
BAB I PENDAHULUAN ... 1
1.1 Latar Belakang Masalah ... 1
1.2 Rumusan Masalah ... 3
1.3 Batasan Masalah ... 4
1.4 Tujuan Penulisan ... 4
1.5 Manfaat Penulisan ... 4
1.5.1 Aspek Teoritis ... 4
1.5.2 Aspek Praktis ... 4
1.6 Sistematika Penulisan ... 5
BAB II KAJIAN PUSTAKA ... 6
2.1 Matriks dan Vektor ... 6
2.2 Distribusi Normal ... 13
ii Siti Nurhayati Basuki, 2013
Penaksiran Parameter Pada Persamaan Simultan Menggunakan Metode Full Information Maximum Likelihood (FIML)
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
2.3.1 Metode Kuadrat Terkecil Biasa (OLS) ... 15
2.3.2 Metode Kemungkinan Maksimum (Maximum Likelihood Method) ... 17
Halaman 2.4 Model-Model Regresi Linear ... 18
2.5 Penaksiran Parameter ... 20
2.6 Sifat-Sifat Penaksir Titik ... 26
2.6.1 Sifat-Sifat Sampel Kecil ... 26
2.6.2 Sifat-Sifat Sampel Besar ... 27
BAB III METODE FULL INFORMATION MAXIMUM LIKELIHOOD (FIML) ... 29
3.1 Model Persamaan Simultan ... 29
3.2 Variabel Pada Model Persamaan Simultan ... 30
3.3 Bias Persamaan Simultan ... 30
3.4 Notasi Persamaan Simultan ... 34
3.5 Bentuk Persamaan yang Direduksi ... 38
3.6 Masalah Identifikasi ... 40
3.7 Aturan Identifikasi ... 41
3.7.1 Kondisi Orde ... 41
3.7.2 Kondisi Rank ... 42
3.8 Metode Penaksiran pada Model Persamaan Simultan ... 47
3.9 Metode Full Information Maximum Likelihood (FIML) ... 48
BAB IV STUDI KASUS ... 58
4.1 Model Persamaan Simultan ... 58
4.2 Sumber Data ... 61
iii Siti Nurhayati Basuki, 2013
Penaksiran Parameter Pada Persamaan Simultan Menggunakan Metode Full Information Maximum Likelihood (FIML)
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
4.4 Identifikasi Model ... 63
4.5 Pengujian Hipotesis ... 66
BAB V PENUTUP ... 72
5.1 Kesimpulan ... 72
Halaman 5.2 Saran ... 73
DAFTAR PUSTAKA ... 74
LAMPIRAN ... 76
iv Siti Nurhayati Basuki, 2013
Penaksiran Parameter Pada Persamaan Simultan Menggunakan Metode Full Information Maximum Likelihood (FIML)
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu DAFTAR TABEL
Halaman
Tabel 3.1 Identifikasi Menggunakan Kondisi Orde ... 44
Tabel 4.1 Uji Normalitas UntukPersamaan Konsumsi Rumah Tangga ... 62
Tabel 4.2 Uji Normalitas UntukPersamaan Konsumsi ... 62
Tabel 4.3 Identifikasi Menggunakan Kondisi Orde ... 64
Tabel 4.4 Hasil Koefisien Determinasi ( ) ... 66
Tabel 4.5 Hasil Penaksiran Metode Full Information Maximum Likelihood Persamaan Konsumsi Rumah Tangga ... 68
Tabel 4.6 Hasil Penaksiran Metode Full Information Maximum Likelihood Persamaan Investasi ... 68
v Siti Nurhayati Basuki, 2013
Penaksiran Parameter Pada Persamaan Simultan Menggunakan Metode Full Information Maximum Likelihood (FIML)
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu DAFTAR GAMBAR
Halaman
Gambar 4.1 Hubungan Antara PDB, Konsumsi Rumah Tangga, dan Investasi ... 70
vi Siti Nurhayati Basuki, 2013
Penaksiran Parameter Pada Persamaan Simultan Menggunakan Metode Full Information Maximum Likelihood (FIML)
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu DAFTAR LAMPIRAN
Halaman
Lampiran 1 Data PDB ... 77
Lampiran 2 Penaksiran Parameter Dengan Variabel Instrumen ... 79
Lampiran 3 Bentuk Reduksi Pada Studi Kasus ... 81
Lampiran 4 Output Uji Normalitas ... 82
Lampiran 5 Output Hasil Penaksiran FIML ... 83
1 Siti Nurhayati Basuki, 2013
Penaksiran Parameter Pada Persamaan Simultan Menggunakan Metode Full Information Maximum Likelihood (FIML)
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu BAB I
PENDAHULUAN
1.1 Latar Belakang Masalah
Ekonometrika merupakan bagian dari ilmu ekonomi yang menggunakan
alat analisis matematika dan statistika dalam menganalisis masalah ekonomi
secara kuantitatif berdasarkan data empiris. Sebagaimana dijelaskan oleh Gehard,
Tintner dalam Firdaus (2004: 2), bahwa ekonometrika merupakan hasil dari suatu
pandangan khusus atas peranan ilmu ekonomi, yang terdiri atas penerapan
statistik matematis atas data ekonomi untuk memberikan dukungan empiris pada
model yang disusun dengan ilmu ekonomi matematis dan untuk memperoleh hasil
dalam angka (numerical result). Dari penjelasan tersebut dapat diketahui bahwa
ekonometrika merupakan ilmu yang digunakan dalam permasalahan ekonomi
yang dianalisis oleh analisis matematika dan juga statistika.
Dalam permasalahan ekonomi, masalah-masalah tersebut tidak selalu
dimodelkan dengan model persamaan tunggal. Model persamaan tunggal ini
mempunyai sifat hubungan satu arah, yaitu satu atau lebih variabel independen
(penjelas) terhadap satu variabel dependen . Namun ada diantaranya, masalah
ekonomi yang melibatkan saling keterkaitan antar variabel. Model ini disebut
sistem atau model persamaan simultan, yang mempunyai hubungan dua arah.
Pada model persamaan simultan ini, suatu variabel yang misalnya bersifat
variabel dependen di suatu persamaan, dalam persamaan lain bisa menjadi
variabel independen (penjelas) serta melibatkan lebih dari satu persamaan
sebanyak variabel dependen. Misalkan variabel berpengaruh pada variabel ,
namun variabel juga berpengaruh terhadap variabel . Ini akan menyebabkan
adanya hubungan dua arah atau simultan, yang membuat perbedaan antara
variabel independen (penjelas) dan variabel dependen (yang menjelaskan)
Siti Nurhayati Basuki, 2013
Penaksiran Parameter Pada Persamaan Simultan Menggunakan Metode Full Information Maximum Likelihood (FIML)
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
permasalahan variabel tersebut, sebagaimana dijelaskan oleh Koutsoyianis (1977:
331), bahwa model persamaan simultan adalah sebuah model yang menjelaskan
variabel dependen secara bersama-sama.
Dalam persamaan tunggal, metode yang sering digunakan untuk
penaksiran parameter adalah Metode Kuadrat Terkecil (Ordinary Least Square -
OLS). Namun karena adanya hubungan dua arah dalam persamaan simultan, OLS
menjadi tidak sesuai jika digunakan untuk menaksir parameter persamaan
simultan. Karena terjadi pelanggaran asumsi yaitu seharusnya tak ada korelasi
antara variabel independen (penjelas) dengan galat. Ini tidak terpenuhi oleh
persamaan simultan yang variabelnya memilki keterkaitan, kecuali jika bisa
dibuktikan bahwa variabel independen (penjelas) berdistribusi secara independen
dari galat. Jika penaksiran menggunakan OLS tetap dipaksakan akan
menghasilkan hasil taksiran yang bias dan tidak konsisten.
Terdapat dua metode untuk menaksir parameter pada model persamaan
simultan. Sebagaimana dijelaskan oleh Koutsoyiannis (1977: 335), yaitu metode
persamaan tunggal atau yang dikenal sebagai Limited Information Methods
contohnya Kuadrat Terkecil Tak Langsung (Indirect Least Squares - ILS),
Kuadrat Terkecil Dua Tahap (Two-stage Least Squares - 2SLS), dan Limited
Information Maximum Likelihood (LIML); serta metode sistem yang dikenal
sebagai Full Information Methods contohnya Kuadrat Terkecil Tiga Tahap
(Three-stage Least Squares - 3SLS) dan Full Information Maximum Likelihood
(FIML).
Dari penjelasan tersebut diketahui bahwa terdapat dua metode untuk
menaksir parameter pada model persamaan simultan, yaitu metode persamaan
tunggal dan metode sistem. Lebih lanjut, sebelum melakukan penaksiran
diperlukan adanya suatu identifikasi model. Identifikasi model tersebut bertujuan
untuk menentukan apakah suatu model persamaan simultan dapat dilakukan
penaksiran dan mengetahui metode penaksiran apa yang sebaiknya digunakan
3
Siti Nurhayati Basuki, 2013
Penaksiran Parameter Pada Persamaan Simultan Menggunakan Metode Full Information Maximum Likelihood (FIML)
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
Dalam mengidentifikasi persamaan simultan terdapat dua aturan dalam
mengidentifikasi persamaan simultan, yaitu aturan kondisi orde dan aturan kondisi
rank. Sebagaimana dikutip dari Koutsoyiannis (1977: 350), “terdapat dua aturan
formal yang digunakan untuk menentukan identifikasi yaitu kondisi orde dan
kondisi rank”. Kondisi orde merupakan suatu kondisi yang diperlukan (necessary) dan kondisi rank menjadi kondisi cukup (sufficient) untuk identifikasi. Dari
identifikasi tersebut, akan diperoleh tiga kondisi yang mungkin terjadi terhadap
model persamaan simultan, yaitu: tidak teridentifikasi (unidentified),
teridentifikasi (identified), dan terlalu teridentifikasi (overidentified).
Jika persamaan dalam model semuanya overidentified, maka salah satu
metode yang dapat digunakan dalam menaksir persamaan simultan tersebut yaitu
dengan metode Full Information Maximum Likelihood (FIML). Pada tugas akhir
ini, akan dibahas penaksiran parameter model persamaan simultan menggunakan
metode Full Information Maximum Likelihood (FIML). Metode FIML
mempertimbangkan seluruh informasi dan pembatasan dalam semua persamaan
dan menyelesaikannya sebagai suatu kesatuan dalam menaksir parameter model
persamaan simultan. Seluruh informasi disini maksudnya metode tersebut
menggunakan seluruh informasi yang berasal dari seluruh persamaan yang ada.
Metode ini memandang persamaan sebagai suatu kesatuan, bukannya
terpisah-pisah tanpa memperhatikan persamaan lainnya dalam model seperti halnya
persamaan tunggal.
Berdasarkan latar belakang tersebut, maka penulis mengambil judul
“PENAKSIRAN PARAMETER PADA PERSAMAAN SIMULTAN
MENGGUNAKAN METODE FULL INFORMATION MAXIMUM
LIKELIHOOD (FIML)”
1.2 Rumusan Masalah
Berdasarkan uraian di atas, maka rumusan masalah yang akan dibahas
Siti Nurhayati Basuki, 2013
Penaksiran Parameter Pada Persamaan Simultan Menggunakan Metode Full Information Maximum Likelihood (FIML)
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
1. Bagaimana penaksiran parameter pada model persamaan simultan
menggunakan metode Full Information Maximum Likelihood (FIML)?
2. Bagaimana penerapan penaksiran parameter menggunakan metode Full
Information Maximum Likelihood (FIML) pada studi kasus?
1.3 Batasan Masalah
Untuk membatasi batasan masalah agar tetap sesuai dengan yang
dimaksudkan, maka penulis memberikan batasan yaitu menaksir parameter pada
persamaan simultan dengan metode Full Information Maximum Likelihood
(FIML) yang bersifat linear, overidentified serta galat yang berdistribusi normal.
1.4 Tujuan Penulisan
Adapun tujuan yang ingin dicapai dalam penulisan tugas akhir ini adalah
sebagai berikut:
1. Mengetahui penaksiran parameter pada model persamaan simultan
menggunakan metode Full Information Maximum Likelihood (FIML).
2. Mengetahui penerapan penaksiran parameter menggunakan metode Full
Information Maximum Likelihood (FIML) pada studi kasus.
1.5 Manfaat Penulisan
Manfaat yang diharapkan dari penulisan tugas akhir ini adalah sebagai
berikut:
a. Praktis
Tujuan praktis dari penulisan ini adalah agar mengetahui ciri-ciri
persamaan simultan dan penggunaan metode yang sesuai dengan
karakteristik persamaan simultan.
5
Siti Nurhayati Basuki, 2013
Penaksiran Parameter Pada Persamaan Simultan Menggunakan Metode Full Information Maximum Likelihood (FIML)
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
Tujuan toeritis dari penulisan ini adalah mengetahui lebih mendalam
mengenai penaksiran parameter pada persamaan simultan dengan metode
Full Information Maximum Likelihood (FIML).
1.6 Sistematika Penulisan
Sistematika penulisan dalam penelitian ini adalah sebagai beikut:
BAB I PENDAHULUAN
Bab ini memberikan penjelasan tentang latar belakang masalah, rumusan
masalah, batasan masalah, tujuan penulisan, metode penulisan dan sistematika
penulisan.
BAB II KAJIAN PUSTAKA
Bab ini menguraikan tentang beberapa konsep dan tinjauan kepustakaan
mengenai dasar teori yang berhubungan dengan metode Full Information
Maximum Likelihood (FIML).
BAB III METODE FULL INFORMATION MAXIMUM LIKELIHOOD (FIML)
Bab ini berisikan tentang inti permasalahan yang akan dibahas yaitu
menaksir parameter persamaan simultan dengan menggunakan metode Full
Information Maximum Likelihood (FIML).
BAB IV STUDI KASUS
Pada bab ini akan dilakukan penerapan metode Full Information Maximum
Likelihood (FIML) pada suatu studi kasus.
BAB V PENUTUP
Bab ini berisikan kesimpulan dan saran mengenai hasil yang diperoleh
Siti Nurhayati Basuki, 2013
Penaksiran Parameter Pada Persamaan Simultan Menggunakan Metode Full Information Maximum Likelihood (FIML)
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
DAFTAR PUSTAKA
29 Siti Nurhayati Basuki, 2013
Penaksiran Parameter Pada Persamaan Simultan Menggunakan Metode Full Information Maximum Likelihood (FIML)
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu BAB III
METODE FULL INFORMATION MAXIMUM LIKELIHOOD (FIML)
3.1 Model Persamaan Simultan
Model persamaan simultan adalah suatu model yang memiliki
lebih dari satu persamaan yang saling terkait. Dalam model persamaan
simultan, variabel dependen pada suatu persamaan dapat juga bertindak
sebagai variabel independen (penjelas) dalam persamaan lain, yang
menyebabkan perbedaan antara variabel dependen dan variabel independen
(penjelas) menjadi meragukan. Sehingga suatu variabel dapat memiliki dua
peran sebagai variabel independen (penjelas) dan variabel dependen.
Model persamaan simultan mempunyai hubungan dua arah, hal itu
dinyatakan oleh Gujarati (2012: 339) bahwa jika terjadi variabel
ditentukan oleh variabel , dan sebaliknya variabel serta ditentukan oleh
variabel , atau merupakan fungsi dari variabel tetapi
variabel merupakan fungsi dari variabel Y , akan terdapat
hubungan dua arah atau hubungan simultan antara dan beberapa yang
membuat perbedaan antara variabel dependen dan independen (penjelas)
menjadi meragukan.
Koutsoyiannis (1977: 331) juga menyatakan, jika mempunyai
hubungan dua arah dalam fungsi yang menyatakan bahwa fungsi tidak dapat
diperlakukan secara terpisah sebagai model persamaan tunggal sehingga
perlu adanya suatu model yang mencakup permasalahan variabel tersebut.
Sebagaimana dijelaskan kembali oleh Koutsoyianis (1977: 331),
bahwa model persamaan simultan adalah sebuah model yang menjelaskan
Siti Nurhayati Basuki, 2013
Penaksiran Parameter Pada Persamaan Simultan Menggunakan Metode Full Information Maximum Likelihood (FIML)
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
terdapat lebih dari satu persamaan, dan tidak dapat menaksir parameter
tanpa mempertimbangkan persamaan lainnya yang yang berada pada model.
3.2 Variabel Pada Model Persamaan Simultan
Penyebutan variabel independen (penjelas) dan variabel dependen
tidak tepat lagi jika digunakan pada model persamaan simultan, karena
variabel dependen bisa juga menjadi variabel independen. Menurut Gujarati
(2012: 360), dalam konteks model persamaan simultan, terdapat 2 jenis
variabel yaitu:
1. Varibel Endogen
Variabel-variabel yang nilainya telah ditentukan dalam model, karena
nilai-nilai ini diperoleh dengan memasukan nilai variabel lain dalam
model sebagai akibat adanya hubungan antarvariabel. Serta variabel
endogen dianggap sebagai stokastik. Jumlah variabel endogen sama
dengan banyaknya persamaan dalam model.
2. Varibel Predetermine
Variabel-variabel yang nilainya telah ditentukan diluar model. Variabel
predetermine dianggap sebagai nonstokastik. Dalam variabel
predetermine ada dua jenis kategori yaitu variabel eksogen baik eksogen
sekarang maupun waktu lampau (lagged exogeneous), dan variabel
endogen waktu lampau (lagged endogeneous).
3.3 Bias Persamaan Simultan
Dalam pengaplikasian Metode Kuadrat Terkecil (Ordinary Least
Square - OLS) untuk persamaan tunggal, yaitu bahwa variabel independen
(penjelas) mempunyai hubungan satu arah terhadap variabel dependen dan
dalam metode OLS ada salah satu asumsi dari variabelnya yaitu tidak ada
31
Siti Nurhayati Basuki, 2013
Penaksiran Parameter Pada Persamaan Simultan Menggunakan Metode Full Information Maximum Likelihood (FIML)
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
. Namun dalam persamaan simultan yang mempunyai hubungan dua arah, maka mengakibatkan adanya korelasi antara variabel
independen (penjelas) dengan galat, sehingga penggunaan metode OLS
untuk persamaan simultan tidak sesuai.
Jika metode OLS tetap dipaksakan untuk menaksir persamaan
simultan, maka hasil dari penaksiran akan bersifat bias dan tak konsisten,
yaitu seiring dengan peningkatan ukuran sampel penaksir tidak mendekati
nilai taksiran dari nilai sebenarnya. Misalkan diberikan model persamaan
simultan, yaitu:
(3.3.1)
, , dan merupakan variabel endogen yang bersifat stokastik; , ,
, dan merupakan variabel eksogen; serta , , dan merupakan
galat stokastik. Dalam metode OLS terdapat asumsi bahwa variabel
indepeden (penjelas) bersifat nonstokastik atau jika stokastik dapat
ditunjukan terdistribusi secara independen dari galat. Jika tidak dapat
ditunjukan bahwa variabel adalah stokastik yang terdistribusi secara
independen dari dan variabel adalah stokastik yang terdistribusi
secara independen dari , maka penggunaan metode OLS akan
menghasilkan penaksir yang bias dan tak konsisten.
Untuk memperlihatkan ketidakbiasan penggunaan OLS pada
persamaan simultan, misalkan diambil contoh model Keynesian yaitu:
0 < α1 < 1 (3.3.2)
(3.3.3)
dimana
= Pengeluaran konsumsi (variabel endogen)
= Pendapatan (variabel endogen)
Siti Nurhayati Basuki, 2013
Penaksiran Parameter Pada Persamaan Simultan Menggunakan Metode Full Information Maximum Likelihood (FIML)
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
= Parameter
Diasumsikan bahwa , ,
(untuk ), dan . Akan ditunjukan bahwa antara dan
berkorelasi serta ̂ merupakan penaksir yang tak konsisten dari .
Pertama, akan dibuktikan antara dan berkorelasi atau
. Dan bukan benar-benar variabel eksogen dalam persamaan pertama.
Substitusikan persamaan pertama kedalam persamaan kedua, maka
diperoleh
(3.3.4)
merupakan variabel eksogen dan , maka
( ) ( ) ( )
(3.3.5)
Selanjutnya,
(3.3.6)
dan
(3.3.7)
maka,
[ ][ ]
[
]
33
Siti Nurhayati Basuki, 2013
Penaksiran Parameter Pada Persamaan Simultan Menggunakan Metode Full Information Maximum Likelihood (FIML)
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
(3.3.8)
Karena mempunyai nilai positif, dan dengan syarat , maka
, sehingga ini berarti ada korelasi antara dan . Hal ini merupakan pelanggaran asumsi dari OLS.
Kedua, akan dibuktikan ̂ merupakan penaksir yang tak konsisten
dari sebagai akibat adanya korelasi dan .
Penaksir OLS (̂) yaitu
̂ ∑ ∑ ∑
∑ ∑
(3.3.9)
̂ ∑( ̅)( ̅) ∑( ̅)
̂ ∑ ∑( )
(3.3.10)
dengan ( ̅), ( ̅) dan ∑ , sehingga ̅ ∑
̂ ∑( ̅) ∑( )
̂ ∑ (̅)∑ ∑( )
̂ ∑ ∑( )
(3.3.11)
Substitusikan persamaan (3.3.2) kedalam persamaan (3.3.11)
̂ ∑ ∑( )
̂ ∑ ∑ ∑ ∑( )
̂ ∑ ∑( )
∑ ∑( )
∑ ∑( )
Siti Nurhayati Basuki, 2013
Penaksiran Parameter Pada Persamaan Simultan Menggunakan Metode Full Information Maximum Likelihood (FIML)
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
karena ∑ , maka ∑
∑( )
karena ∑
∑( )
∑ ̅
∑
∑ ̅ ∑
∑
∑
∑
maka
̂ ∑
∑( )
̂ ∑ ∑
̂ ∑ ∑ (3.3.13)
Suatu penaksir ̂ dikatakan sebuah penaksir yang konsisten, jika
mendekati nilai dari seiring dengan ukuran sampel yang membesar. Atau
plim dari penaksir sama dengan nilai parameternya.
̂ (3.3.14)
̂ ∑ ∑ (3.3.15)
̂ ∑
∑ (3.3.16)
dimana ∑ merupakan kovarian antara dan dan ∑ varian dari ,
serta N merupakan banyaknya observasi.
̂
(
⁄
)
(3.3.17)
Karena dan mempunyai nilai positif, dan dengan syarat
, maka
̂ lebih besar dari , karena ̂ adalah
parameter ditambah kovarian antara dan dan varian dari . Maka
35
Siti Nurhayati Basuki, 2013
Penaksiran Parameter Pada Persamaan Simultan Menggunakan Metode Full Information Maximum Likelihood (FIML)
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu 3.4 Notasi Persamaan Simultan
Menurut Judge (1980: 567), model persamaan simultan dapat direpresentasikan dengan observasi dalam variabel endogen
dinotasikan dengan dan variabel predetermine
dinotasikan dengan serta variabel galat acak dinotasikan dengan . Sedangkan indeks berasal dari
observasi digunakan untuk indeks obsevasi.
Notasi umum dalam persamaan untuk merepresentasikan
persamaan simultan di atas dapat dituliskan:
(3.4.1)
dimana dan adalah parameter struktural dari sistem persamaan yang
tidak diketahui dan akan ditaksir dari data. Dalam notasi matriks dapat
ditulis sebagai berikut:
0 2 1 2 1 1 22 21 1 12 11 2 1 2 1 1 22 21 1 12 11 2 1 tM t t KM K K M M tK t t MM M M M M tM t t u u u x x x y y y (3.4.2) (3.4.3) dimana:
Siti Nurhayati Basuki, 2013
Penaksiran Parameter Pada Persamaan Simultan Menggunakan Metode Full Information Maximum Likelihood (FIML)
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu = Vektor variabel galat acak yang berukuran
= Matriks koefisien variabel endogen yang tidak diketahui berukuran
= Matriks koefisien variabel predetermine yang tidak diketahui
berukuran
Penting untuk dicatat bahwa ukuran dan adalah sama.
Untuk memperjelas bentuk dari model persamaan simultan, berikut
ini adalah contoh persamaan simultan yaitu model dari John U. Farley dan
Harold J. Levitt dalam A Model of the Distributionof Branded Personal in
Jamaica dalam Gujarati (2012: 354).
(3.4.4)
Variabel-variabel dalam model di atas adalah
a. Variabel endogen = , , , , dan
b. Variabel predetermine
Variabel eksogen = , , , dan
Pada persamaan (3.4.4) di atas terlihat adanya hubungan dua arah
serta variabel yang memiliki dua peran yaitu sebagai variabel endogen dan
variabel eksogen. Misal hubungan dua arah antara variabel dan .
pada persamaan pertama menjadi variabel endogen, namun pada persamaan
kedua menjadi variabel eksogen. pada persamaan kedua menjadi
variabel endogen, namun pada persamaan pertama, ketiga, keempat, dan
kelima menjadi variabel eksogen. Hubungan dua arah antara variabel
dan menegaskan model persamaan di atas merupakan model
persamaan simultan.
Menurut Jugde (1980: 568), ada beberapa asumsi untuk variabel
37
Siti Nurhayati Basuki, 2013
Penaksiran Parameter Pada Persamaan Simultan Menggunakan Metode Full Information Maximum Likelihood (FIML)
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
1. Asumsi Gangguan Acak
Asumsi stokastik untuk galat dari vektor diasumsikan
bahwa gangguan struktural yang dihasilkan sebagai berikut:
[ ] untuk (3.4.5)
[
] [
] (3.4.6)
[ ] untuk adalah vektor dari
[ ] [ ]
[
]
(3.4.7)
Karena adanya asumsi homokesdastisitas dan tidak adanya otokorelasi,
maka dapat dituliskan menjadi:
[
]
(3.4.8)
atau untuk penulisan lebih umum dapat ditulisankan dengan:
{[ ] [ ]} [
] (3.4.9)
Barisan dari vektor adalah i.i.d dengan mean nol dan
matriks var-cov , dimana elemen dari diagonal utama matriks akan
menjadi varians dan elemen yang jauh dari diagonal matriks disebut
Siti Nurhayati Basuki, 2013
Penaksiran Parameter Pada Persamaan Simultan Menggunakan Metode Full Information Maximum Likelihood (FIML)
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
2. Jika variabel predetermine benar-benar variabel eksogen {eksogen
sekarang maupun eksogen lampau} diasumsikan bahwa
(3.4.10)
ada dan terbatas serta nonsingular.
Jika variabel predetermine berisi variabel lagged endogenous
diasumsikan bahwa ada dan terbatas serta nonsingular.
3. Matriks Γ adalah nonsingular
Dalam model persamaan simultan ada yang dikenal sebagai
persamaan struktural dan persamaan identitas. Persamaan struktural adalah
persamaan yang berisi tingkah laku (perilaku). Dalam persamaan struktural
terdapat perubahan variabel, sebagai akibat dari perubahan variabel-variabel
lain. Hal ini juga dijelaskan oleh Koutsoyiannis (1977:336) bahwa
persamaan struktural merupakan sistem lengkap dari persamaan yang
menggambarkan struktur dari hubungan variabel ekonomi serta
mengekspresikan variabel endogen sebagai fungsi dari variabel endogen
yang lainnya, variabel predetermine, dan galat stokastik. Koefisien dan
dalam persamaan struktural disebut parameter struktural yang tidak
diketahui dari model dan akan ditaksir dari data (Jugde, 1980: 567).
Sedangkan persamaan identitas adalah persamaan yang menyatakan
kesamaan antara variabel.
3.5 Bentuk Persamaan yang Direduksi
Menurut Gujarati (2012: 361), dari persamaan struktural dapat
diperoleh bentuk persamaan reduksi (reduced-form equation) dan koefisien
bentuk reduksi yang berhubungan. Persamaan bentuk reduksi (reduced-form
equation) merupakan suatu persamaan yang menjelaskan variabel endogen
39
Siti Nurhayati Basuki, 2013
Penaksiran Parameter Pada Persamaan Simultan Menggunakan Metode Full Information Maximum Likelihood (FIML)
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
dijelaskan oleh Jugde (1980: 571) bahwa bentuk persamaan reduksi adalah
jika model dari persamaan struktural jika adalah nonsingular dapat
mengekspresikan variabel endogen sebagai fungsi dari variabel
predetermine dan galat stokastik. Persamaan ini didapat dengan
memecahkan bentuk persamaan struktural sehingga variabel endogen pada
setiap persamaan sebagai fungsi dari variabel predetermine dan galat
stokastik.
Persamaan ini bisa diselesaikan jika adalah nonsingular. Dan
dari persamaan sebelumnya dikalikan dengan dan menyusun kembali
persamaan tersebut, dapat diperoleh bentuk reduksi sebagai berikut:
(3.5.1)
(3.5.2)
dimana:
Matriks dari parameter atau koefisien reduksi berukuran berbentuk:
[ ] [ ] [ ] (3.5.3)
Matriks dari gangguan bentuk reduksi berukuran berbentuk:
[ ] [ ] [
Siti Nurhayati Basuki, 2013
Penaksiran Parameter Pada Persamaan Simultan Menggunakan Metode Full Information Maximum Likelihood (FIML)
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
Asumsi stokastik pada langsung mengikuti bentuk dari . Jika adalah
baris ke- dari dan baris ke- dari , maka
(3.5.5)
dan vektor mempunyai mean dan matriks var-cov
, maka
[ ] [ ] [ ] (3.5.6)
dan
var-cov [ ] ( )
var-cov (3.5.7)
Selanjutnya, karena , dan , untuk .
maka reduksi individual dari persamaan dapat ditulis
(3.5.8)
dimana adalah kolom ke- dari .
3.6 Masalah Identifikasi
Dalam model persamaan simultan, identifikasi dilakukan pada
awal sebelum melakukan penaksiran untuk menentukan apakah suatu model
persamaan simultan dapat dilakukan penaksiran atau tidak, dan mengetahui
metode penaksiran apa yang sebaiknya digunakan pada persamaan simultan.
Menurut Koutsoyiannis (1977: 351), identifikasi pada dasarnya
menentukan pilihan metode apa yang digunakan secara tepat dari model
yang akan ditaksir dan ada dua situasi yang mungkin dari
pengidentifikasian, yaitu:
41
Siti Nurhayati Basuki, 2013
Penaksiran Parameter Pada Persamaan Simultan Menggunakan Metode Full Information Maximum Likelihood (FIML)
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
Disebut persamaan underidentified (kurang teridentifikasi), jika bentuk
statistiknya tidak unik atau kurang. Serta jika persamaan underidentified,
maka tidak dapat menaksir seluruh parameter dengan teknik
ekonometrika manapun, dengan kata lain koefisien persamaan struktural
tidak diperoleh.
2. Persamaan Identitified
Disebut persamaan identified (dapat teridentifikasi), jika bentuk
statistiknya unik (tunggal). Serta jika persamaan identified, maka
koefisien dalam persamaan simultan secara umum dapat ditaksir, dengan
kata lain koefisien persamaan struktural memiliki solusi yang unik.
Persamaan identified dapat menjadi persamaan exactly identified (tepat
teridentifikasi) dan persamaan overidentified (terlalu teridentifikasi).
a. Persamaan exactly identified adalah jika diperoleh suatu nilai
koefisien yang unik dari parameter strukturalnya dan metode yang
sesuai adalah Indirect Least Square (ILS).
b. Persamaan overidentified adalah jika diperoleh lebih dari satu nilai
koefisien untuk parameter-parameter strukturalnya dan metode yang
sesuai adalah Two-Stage Least Square (2SLS), Three-Stage Least
Square (3SLS), Limited Informatuon Maximum Likelihood (LIML),
dan Full Informatuon Maximum Likelihood (FIML).
3.7 Aturan Identifikasi
Sebenarnya penetuan identifikasi dapat ditempuh melalui bentuk
persamaan reduksi, namun diperlukan proses waktu dan tenaga yang lama
dan besar karena masing-masing persamaan diubah dalam bentuk reduksi.
Menurut Koutsoyiannis (1977: 350), terdapat dua aturan formal yang
digunakan untuk menentukan identifikasi yaitu kondisi orde dan kondisi
rank.
Siti Nurhayati Basuki, 2013
Penaksiran Parameter Pada Persamaan Simultan Menggunakan Metode Full Information Maximum Likelihood (FIML)
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
Koutsoyiannis (1977: 352) menyatakan bahwa kondisi orde
merupakan suatu kondisi yang diperlukan (necessary) namun belum
menjadi kondisi cukup (sufficient) untuk identifikasi. Notasi yang digunakan
yaitu:
= Jumlah variabel endogen dalam model persamaan simultan
= Jumlah variabel endogen dalam suatu persamaan tertentu
= Jumlah variabel predetermine dalam model persamaan simultan
= Jumlah variabel predetermine dalam suatu persamaan tertentu
Ada dua cara untuk mengidentifikasi kondisi orde, yang
masing-masing sebenarnya menghasilkan hasil yang setara. Gujarati (2012: 372),
menyatakan:
1. Pada model persamaan simultan agar dapat diidentifikasi, setidaknya
harus mengeluarkan variabel (endogen dan predetermine) yang
terdapat dalam model. Koutsoyiannis (1977: 352) juga menyatakan
untuk persamaan yang teridentifikasi, jumlah variabel yang dikeluarkan
(endogen dan predetermine) dari model harus sama dengan atau lebih
besar dari jumlah variabel endogen dikurangi satu. Dinotasikan dengan,
(3.7.1)
Jika variabel yang dikeluarkan tepat sejumlah variabel, maka
persamaan tersebut tepat teridentifikasi (exactly identified). Jika variabel
yang dikeluarkan lebih dari variabel, maka persamaan tersebut
terlalu teridentifikasi (overidentified).
2. Dalam model persamaan simultan agar dapat diidentifikasi, jumlah
dari variabel predetermine yang dikeluarkan dari persamaan tidak boleh
kurang dari jumlah variabel endogen yang dimasukan dalam persamaan
dikurangi dengan satu. Dinotasikan dengan,
43
Siti Nurhayati Basuki, 2013
Penaksiran Parameter Pada Persamaan Simultan Menggunakan Metode Full Information Maximum Likelihood (FIML)
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
Jika , maka persamaan tersebut tepat teridentifikasi
(exactly identified). Jika , maka persamaan tersebut
terlalu teridentifikasi (overidentified).
3.7.2 Kondisi Rank
Seperti yang dikemukakan sebelumnya bahwa kondisi orde
merupakan kondisi yang diperlukan namun belum menjadi kondisi cukup
untuk identifikasi. Dengan kondisi rank ini, dapat memenuhi dua aturan
formal dalam pengidentifikasian. Rank berkenaan dengan konsep matriks
dengan orde yang mempuyai determinan sama dengan nol atau jumlah
maksimum baris-baris atau kolom-kolom yang bebas linear (independen).
Kondisi rank diperlukan karena walaupun melalui pengujian
kondisi orde suatu persamaan teridentifikasi namun bisa saja melalui
pengujian kondisi rank tidak terpenuhi sehingga penaksiran parameter untuk
persamaan simultan tidak dapat dilakukan. Hal ini mungkin terjadi jika
kolom-kolom atau baris-baris matriks dari suatu persamaan tidak bebas
linear atau terdapat hubungan antar variabelnya.
Gujarati (2012: 375), menyatakan bahwa dalam model
persamaan simultan dapat diidentifikasi, jika dan hanya jika setidaknya
terdapat satu determinan yang tidak nol dari matrik yang orde
. Matriks itu dapat dibentuk dari koefisien variabel (endogen dan predetermine) yang dikeluarkan dari persamaan tetapi ada dalam
persamaan lainnya dari model.
Untuk melakukan pengujian dalam kondisi rank, langkah-langkah
yang dapat dilakukan adalah:
1. Manipulasi persamaan dengan memindahkan semua variabel sisi kanan
ke sebelah kiri kecuali variabel galat stokastik.
Siti Nurhayati Basuki, 2013
Penaksiran Parameter Pada Persamaan Simultan Menggunakan Metode Full Information Maximum Likelihood (FIML)
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
3. Mencoret koefisien-koefisien dari baris yang didalamnya ada persamaan
yang sedang diperhatikan untuk pengidentifikasian.
4. Mencoret koefisien-koefisien dari kolom yang berhubungan dengan
langkah 2 yaitu yang tidak sama dengan nol.
5. Data yang tersisa dalam tabel yaitu data dari koefisien-koefisien yang
tidak berhubungan dengan langkah 2 dan 3 (data dari seluruh variabel
dalam model tapi tidak termasuk persamaan yang sedang diperhatikan
untuk pengidentifikasian). Hitung determinan berorde dari data
yang tersisa, misal matriks . Jika terdapat suatu persamaan yang
mempunyai satu determinan yang berorde yang tidak sama
dengan nol, maka persamaan yang sedang diperhatikan dapat
diidentifikasi. Jika seluruh kemungkinan dari determinan yang berorde
adalah nol, maka persamaan yang sedang diperhatikan tidak dapat diidentifikasi.
Kondisi rank menyatakan apakah persamaan dapat diidentifikasi
atau tidak, sedangkan kondisi orde menyatakan jika hal itu dapat secara
tepat teridentifikasi atau terlalu terindentifikasi (Gujarati, 2012:377). Prinsip
umum dari identifikasi persamaan struktural pada model persamaan
simultan, yaitu:
1. Jika dan rank dari matriks adalah , maka
persamaan tersebut terlalu teridentifikasi (overidentified ).
2. Jika dan rank dari matriks adalah , maka
persamaan tersebut tepat teridentifikasi (exactly identified ).
3. Jika dan rank dari matriks adalah kurang dari
,maka persamaan tersebut kurang teridentifikasi (underidentified).
4. Jika dan rank dari matriks adalah kurang dari
, maka persamaan tersebut tidak teridentifikasi.
45
Siti Nurhayati Basuki, 2013
Penaksiran Parameter Pada Persamaan Simultan Menggunakan Metode Full Information Maximum Likelihood (FIML)
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
Akan disajikan contoh penggunaan aturan identifikasi
menggunakan contoh sebelumnya yaitu yaitu model dari John U. Farley dan
Harold J. Levitt dalam A Model of the Distributionof Branded Personal in
Jamaica dalam Gujarati (2012: 354).
(3.7.3)
dimana merupakan variabel endogen dan merupakan variabel
predetermine yang memiliki 5 variabel endogen dan 4 variabel
predetermine.
[image:34.595.118.513.190.615.2]Pertama akan di identifikasi melalui kondisi orde
Tabel 3.1
Identifikasi enggunakan Kondisi Orde
Persamaan Hasil
1 (satu) 4-0=4 3-1=2 overidentified
2 (dua) 4-2=2 2-1=1 overidentified
3 (tiga) 4-1=3 1-1=0 overidentified
4 (empat) 4-1=3 1-1=0 overidentified
5 (lima) 4-0=4 3-1=2 overidentified
Dari hasil pengidentifikasian yang menggunakan kondisi orde
diperoleh bahwa semua persamaan terlalu teridentifikasi (overidentified).
Kemudian dilanjutkan dengan pengidentifikasian menggunakan kondisi
rank.
Hasil manipulasi persamaan (3.7.3) dengan memindahkan semua
variabel sisi kanan ke sebelah kiri kecuali variabel galat stokastik dari
persamaan simultan di atas, yakni
Siti Nurhayati Basuki, 2013
Penaksiran Parameter Pada Persamaan Simultan Menggunakan Metode Full Information Maximum Likelihood (FIML)
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
(3.7.4)
Tulis kembali persamaan (3.7.4) dalam bentuk tabel dengan
mencocokkan koefisien-koefisien, yakni
Persamaan 1
1 (satu) 1 0 0 0 0 0
2 (dua) 1 0 0 0 0
3 (tiga) 0 1 0 0 0 0 0
4 (empat) 0 0 1 0 0 0 0
5 (lima) 0 0 0 0 0 0
Pada persamaan pertama (satu) dapat diidentifikasi, jika setidaknya
terdapat satu determinan yang tidak nol dari matrik yang orde . Setelah
melakukan langkah 3 dan 4, yaitu mencoret koefisien-koefisien dari baris
persamaan satu dan mencoret koefisien-koefisien dari kolom yang
berhubungan dengan koefisien persamaan satu yang tidak sama dengan nol.
Data yang tersisa dari dalam tabel yaitu data dari koefisien-koefisien yang
tidak berhubungan dengan persamaan satu akan membentuk matriks, dan
dituliskan sebagai berikut:
[
]
dari matriks yang berordo dapat dibentuk submatriks yang
47
Siti Nurhayati Basuki, 2013
Penaksiran Parameter Pada Persamaan Simultan Menggunakan Metode Full Information Maximum Likelihood (FIML)
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
[ ] , [ ] , [ ] , [ ] , [ ]
Deterrminan matriks adalah
| | || || , ………., | | | | | | | | | | | | | |
Karena determinan dari matriks adalah nol, maka rank dari
matriks pada persamaan satu kurang dari .
Karenanya persamaan satu tidak dapat diidentifikasi. Lebih lanjut dengan
cara yang sama dilakukan pengidentifikasian terhadap persamaan lainnya
dengan kondisi rank.
Seperti yang diketahui bahwa kondisi rank merupakan syarat yang
perlu dan cukup untuk identifikasi. Melihat dari pemaparan contoh
pengidentifikasian di atas, walaupun dengan kondisi orde pada persamaan
satu hasilnya teridentifikasi, namun dengan kondisi rank ternyata
menunjukkan persamaan tersebut tidak teridentifikasi. Hal ini mungkin
Siti Nurhayati Basuki, 2013
Penaksiran Parameter Pada Persamaan Simultan Menggunakan Metode Full Information Maximum Likelihood (FIML)
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
hubungan antar variabel . Oleh karena itu, tidak ada
informasi yang cukup untuk menaksir parameter dari persamaan satu.
3.8 Metode Penaksiran pada Model Persamaan Simultan
Pada model persamaan simultan terjadi hubungan dua arah antara
variabel dependen dan independen. Selain itu, dalam model persamaan
simultan variabel dependen pada suatu persamaan dapat juga bertindak
sebagai variabel independen (penjelas) dalam persamaan lain, sehingga
terjadi keraguan mana yang benar-benar merupakan variabel dependen atau
variabel independen. Ini menjadi ciri dari persamaan simultan.
Penggunaan metode OLS bila digunakan dalam penaksiran
parameter dalam konteks persamaan simultan menjadi tidak tepat. Karena
terdapat asumsi yang dilanggar yaitu tak ada korelasi antara variabel
penjelas dengan galat stokastiknya atau sering dituliskan sebagai
. Hal ini tidak dapat dipenuhi oleh model persamaan simultan, karena ada hubungan dua arah antara variabel dependen dan
independen. Jika dipaksakan terus menggunakan metode OLS, maka hasil
penaksiran akan memberikan penaksir yang bias dan tak konsisten.
Oleh karena itu, model persamaan simultan mempunyai metode
tersendiri yang lebih baik dan spesifik, agar memperoleh penaksir dari
parameter-parameternya yang konsisten.
Koutsoyiannis (1977: 335), menjelaskan ada beberapa metode
yang sesuai dengan persamaan simultan yaitu:
1. Metode persamaan tunggal (single-equation methods)
Metode ini juga sering disebut sebagai (limited information
method). Metode ini menaksir parameter untuk setiap persamaan
struktural dalam model persamaan simultan, hanya menggunakan atau
mempertimbangkan informasi dari persamaan bersangkutan saja tanpa
memperhatikan informasi dari persamaan lainnya. Dengan kata lain,
49
Siti Nurhayati Basuki, 2013
Penaksiran Parameter Pada Persamaan Simultan Menggunakan Metode Full Information Maximum Likelihood (FIML)
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
Beberapa metode yang merupakan metode persamaan tunggal
yaitu: Kuadrat Terkecil tak Langsung (Indirect Least Square-ILS),
Kuadrat Terkecil Dua Tahap (Two-Stage Least Square-2SLS), dan
Informasi Terbatas Kemungkinan Maksimum (Limited Information
Maximum Likelihood-LIML).
2. Metode sistem (system methods)
Metode ini juga sering disebut sebagai full information method.
Metode ini menaksir parameter untuk seluruh persamaan struktural
dalam model persamaan simultan, mempertimbangkan dan
menggunakan seluruh informasi serta pembatasan dari semua persamaan
dalam model simultan. Dengan kata lain, metode ini menaksir parameter
secara bersama-sama dengan memperhatikan seluruh informasi yang ada
pada seluruh persamaan simultan.
Beberapa metode yang merupakan metode sistem yaitu: Kuadrat
Terkecil Tiga Tahap (Three-Stage Least Square-3SLS) dan Informasi
Penuh Kemungkinan Maksimum (Full Information Maximum Likelihood-FIML).
Klein dalam Gujarati (2012: 391), menjelaskan bahwa metode
persamaan tunggal –dalam pembahasan model persamaan simultan– dapat
menjadi kurang sensitif terhadap kesalahan spesifikasi dalam arti
bagian-bagian dari sistem tersebut yang secara tepat dispesifikasi dapat tidak secara
benar dipengaruhi oleh error pada proses spesifikasi pada bagian lainnya.
Salah satu metode yang digunakan dalam metode sistem adalah Full
Information Maximum Likelihood-FIML.
.
3.9 Metode Full Information Maximum Likelihood (FIML)
Metode Full Information Maximum Likelihood (FIML) adalah
Siti Nurhayati Basuki, 2013
Penaksiran Parameter Pada Persamaan Simultan Menggunakan Metode Full Information Maximum Likelihood (FIML)
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
menghasilkan penaksir dari seluruh parameter struktural secara
bersama-sama (Koutsoyiannis, 1977: 461). Dengan metode ini perbersama-samaan struktural
pada model persamaan simultan tidak lagi dipandang secara terpisah-pisah
seperti model informasi terbatas (limited information), namun persamaan
dipandang sebagai suatu kesatuan dan berhubungan satu dengan yang
lainnya. Penggunaan metode FIML diterapkan, jika pengujian kondisi orde
dan kondisi rank merupakan persamaan yang terlalu teridentifikasi
(overidentified).
Metode FIML menaksir parameter dengan cara memaksimumkan
fungsi kemungkinan (likelihood function) untuk semua parameter dari
variabel endogennya. Greene (2003: 407) menyatakan bahwa galat yang
berdistribusi normal maka FIML bersifat efisien untuk seluruh penaksir
lainnya. Galat yang berdistribusi normal untuk metode FIML, dijelaskan
juga oleh Judge (1980: 601), bahwa galat dari persamaan struktural FIML
berdistribusi normal.
Koutsoyiannis (1977: 469) menjelaskan bahwa, metode ini secara
umum mengasumsikan 2 hal, yaitu:
1. FIML mengasumsikan full information (informasi lengkap), yaitu
mengetahui spesifikasi lengkap seluruh persamaan dalam model. Kita
tidak hanya perlu mengetahui semua variabel yang muncul dalam model,
tetapi juga bentuk matematikanya.
2. Dalam FIML, variabel acak dari galat pada berbagai persamaan
struktural dalam model berdistribusi normal dengan mean nol dan
matriks var-cov .
Langkah-langkah penaksiran menggunakan metode Full Information Maximum Likelihood (FIML) sebagai berikut:
1. Formulasikan fungsi kemungkinan (likelihood function) untuk variabel
51
Siti Nurhayati Basuki, 2013
Penaksiran Parameter Pada Persamaan Simultan Menggunakan Metode Full Information Maximum Likelihood (FIML)
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
2. Mengaplikasikan aturan transformasi untuk mendapatkan fungsi
kemungkinan variabel endogen y dari fungsi kemungkinan dari galat
acak . Dengan cara menghitung determinan Jacobian untuk dari
seluruh persamaan struktural. (Jacobian adalah determinan dari turunan
parsial fungsi transformasi yang diselesaikan untuk yang berkaitan
dengan variabel endogen ).
3. Memaksimumkan fungsi kemungkinan (likelihood function) dengan cara
turunan parsial dari fungsi kemungkinan terhadap parameter struktural .
4. Menyamadengankan nol turunan parsial dari fungsi kemungkinan
(likelihood function) dan solusikan hasil dari persamaan untuk parameter
struktural sehingga diperoleh penaksir yang memasimumkan fungsi
kemungkinan.
Notasi umum bentuk persamaan struktural dari persamaan
simultan adalah:
(3.9.1)
dimana:
= Vektor variabel endogen yang berukuran
= Vektor variabel predetermine yang berukuran
= Vektor variabel galat acak yang berukuran 1
= Matriks koefisien variabel endogen yang tidak diketahui
berukuran
= Matriks koefisien variabel predetermine yang tidak diketahui
berukuran
Bentuk persamaan persamaan struktural di atas dapat dituliskan
sebagai:
dengan (3.9.2)
Siti Nurhayati Basuki, 2013
Penaksiran Parameter Pada Persamaan Simultan Menggunakan Metode Full Information Maximum Likelihood (FIML)
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
( )
dengan (3.9.3)
dengan dan ( )
dimana:
= Variabel endogen yang terdapat dalam persamaan ke-
= Variabel endogen lainnya yang menjadi variabel penjelas pada
persamaan ke-
= Variabel predetermine yang terdapat dalam persamaan
ke-= Parameter variabel endogen yang terdapat dalam persamaan ke-
= Parameter variabel predetermine yang terdapat dalam persamaan ke-
= Galat yang terdapat dalam persamaan
= Variabel-variabel yang terdapat dalam persamaan
( ) = Parameter-parameter yang terdapat dalam persamaan
Persamaan (3.9.3) dapat ditulis untuk keseluruhan model sebagai
berikut:
(3.9.4)
dengan
[
] , [
] , [
] , [
]
dan vektor stokastik galat untuk semua persamaan yaitu:
[ ] untuk
[ ] [
]
53
Siti Nurhayati Basuki, 2013
Penaksiran Parameter Pada Persamaan Simultan Menggunakan Metode Full Information Maximum Likelihood (FIML)
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
matriks var-cov:
var-cov ( ) {
[
] [
] }
[
]
var-cov ( ) (3.9.6)
dengan
Berdasarkan diatas, metode FIML digunakan untuk menaksir kasus
dimana variabel acak dari galat persamaan struktural adalah berdistribusi
normal.
(3.9.7)
Langkah-langkah penaksiran menggunakan metode Full Information Maximum Likelihood (FIML) sebagai berikut:
1. Formulasikan fungsi kemungkinan (likelihood) untuk variabel acak
dari seluruh persamaan struktural.
Fungsi kepadatan peluang dari yaitu adalah
( ) ( )
(3.9.8)
( ) ( )
( ) ( )
( )
Fungsi kepadatan peluang yaitu dari persamaan
simultan adalah
Siti Nurhayati Basuki, 2013
Penaksiran Parameter Pada Persamaan Simultan Menggunakan Metode Full Information Maximum Likelihood (FIML)
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
( ) (3.9.9)
2. Karena FIML diperoleh dengan memaksimumkan fungsi kemungkinan
dari variabel endogen , maka digunakan aturan transformasi untuk
memperoleh fungsi kemungkinan (likelihood function) dari fungsi
kemungkinan . Dengan cara menghitung determinan Jacobian untuk
dari seluruh persamaan struktural.
| | menyatakan nilai absolut dari bentuk deteminan dari matriks turunan
parsial yang yang diselesaikan untuk yang berkaitan dengan variabel
endogen .
[
]
(3.9.10)
| | (3.9.11)
dimana |
| | |
Lalu substitusikan persamaan (3.9.9) kedalam persamaan (3.9.11)
( ) | |
| | ( ) (3.9.12)
Fungsi kemungkinan (likelihood function) dari sampel acak berukuran
55
Siti Nurhayati Basuki, 2013
Penaksiran Parameter Pada Persamaan Simultan Menggunakan Metode Full Information Maximum Likelihood (FIML)
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
∏ ( | | ( ) )
| | ( ∑
)
| | ( )
| | ( )
| | ( )
(3.9.13)
Fungsi kemungkinan diberi ln, agar memudahkan perhitungan,
sehingga logaritma fungsi kemungkinan adalah:
| |
(3.9.14)
3. Memaksimumkan fungsi kemungkinan (likelihood function) dengan cara
turunan parsial dari fungsi kemungkinan terhadap parameter struktural.
(3.9.15)
Siti Nurhayati Basuki, 2013
Penaksiran Parameter Pada Persamaan Simultan Menggunakan Metode Full Information Maximum Likelihood (FIML)
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
4. Menyamadengankan nol turunan parsial dari fungsi kemungkinan
(likelihood function) dan selesaikan hasil dari persamaan untuk
parameter struktural sehingga diperoleh penaksir yang memaksimumkan
fungsi kemungkinan (likelihood function).
(3.9.17)
(3.9.18)
dengan asumsikan matriks nonsingular, maka ada
(3.9.19)
(3.9.20)
Sehingga diperoleh
̂ (3.9.19)
(3.9.20)
dengan [ ] dan ̂ [ ]
̂ [ ] (3.9.21)
57
Siti Nurhayati Basuki, 2013
Penaksiran Parameter Pada Persamaan Simultan Menggunakan Metode Full Information Maximum Likelihood (FIML)
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
Untuk membuktikan sifat kekonsistenan metode FIML, dapat
diperoleh dengan menggunakan variabel instrumen. Menurut Lains (2006:
202), konsep variabel instrumen adalah mencari variabel instrumen untuk
setiap variabel penjelas yang masing-masing merupakan wakil dari variabel
yang bersangkutan dan variabel instrumen tersebut harus tidak berkorelasi
dengan galat tapi berhubungan dengan variabel terikat. Ini dilakukan agar
korelasi antara variabel stokastik dengan galat dapat diminimalisir.
Karena dalam persamaan simultan terjadi korelasi antara variabel
galat dengan variabel endogen yang muncul sebagai variabel penjelas, untuk
menanggulanginya dibuat suatu variabel instrumen. Dalam hal ini,
dilakukan penggantian variabel dari variabel endogen . Sedangkan untuk
variabel predetermine yang bernilai tetap dan tidak berkorelasi dengan
galat, maka variabel ini dijadikan sebagai variabel instrumen itu sendiri.
Untuk mengganti variabel endogen maka dicari dengan memilih
variabel yang tidak berkorelasi dengan galat namun berhubungan dengan
variabel endogen . Misalkan merupakan variabel instrumen yang
diperoleh untuk mengganti variabel endogen , sehingga diperoleh matriks
variabel instrumen , yaitu
(3.9.22)
Menurut Greene (2003: 397), misalkan merupakan variabel instrumen
dan memilki sifat:
1.
, ada dan merupakan matriks nonsingular.
2.
, ada dan merupakan matriks definit positif.
3.
Perhatikan kembali persamaan (3,9,4) berikut
(3.9.4)