Anda di halaman 1dari 12

SISTEM PERSAMAAN SIMULTAN 1.

Pendahuluan

Dalam berbagai situasi kadang terdapat sebuah sistem persamaan yang terdiri dari satu atau lebih persamaan yang saling terkait, hal ini terjadi jika perubah tak bebas saling memberikan pengaruh, sehingga terjadi suatu hubungan yang bersifat dua arah. Persamaan yang demikian disebut persamaan simultan atau sistem persam aan simultan. Sistem persamaan simultan ini sering dijumpai pada pemodelan bidan g ekonomi, bisnis, proses dan perilaku yang menggambarkan saling ketergantungan diantara peubah-peubah yang dianalisis (Juanda 2009). Peubah-peubah yang terdapat dalam model persamaan simultan dapat digolongkan ke dalam dua tipe, yaitu peubah endogen (endogenous variable) dan peubah penjelas ( predetermined variable). Peubah endogen merupakan peubah-peubah yang nilainya d itentukan dalam model. Sedangkan peubah penjelas merupakan peubah-peubah yang ni lainya ditentukan di luar model. Selanjutnya peubah penjelas digolongkan kembali menjadi dua yaitu peubah eksogen (exogenous variable) yang sepenuhnya ditentuka n dari luar model dan lagged endogeneous variable yaitu peubah yang ditentukan d alam system persamaan tetapi berdasarkan nilai yang telah lalu (Juanda 2009). Da lam sistem persamaan simultan, jumlah persamaan yang membentuk suatu system pers amaan simultan sama dengan jumlah peubah endogen. (Juanda 2009) Pada sistem persamaan simultan terjadi hubungan dua arah yang mengakibatkan adan ya korelasi antara peubah endogen dengan galat atau , hal ini berarti asumsi no nstokastik bagi peubah bebas tidak terpenuhi sehingga Ordinary Least Square (O LS) tidak dapat digunakan, karena penaksir metode OLS akan bersifat bias serta t idak konsisten, yaitu dengan peningkatan ukuran contoh akan menggeser arah nilai duga (populasi) dari nilai sebenarnya. Oleh karena itu, pada persamaan simultan perlu metode khusus untuk memperoleh penaksir parameter yang bersifat tak bias dan juga konsisten. Untuk memilih metode yang akan digunakan dalam mengestimasi parameter, perlu dil akukan proses identifikasi pada masing-masing persamaan. Teridentifikasi atau ti daknya suatu persamaan dilihat melalui persamaan reduksinya. Namun jika sistem p ersamaan simultan terdiri dari banyak persamaan, maka aturan yang lebih mudah di gunakan untuk mengidentifikasi persamaan simultan adalah aturan kondisi order da n aturan kondisi rank. Dari identifikasi ini akan diperoleh tiga kondisi yang mu ngkin, yaitu tepat teridentifikasi (exactly identified), terlalu teridentifikasi (overidentified), atau tidak teridentifikasi (unidentified). Untuk persamaan ya ng tepat teridentifikasi digunakan metode kuadrat terkecil tak langsung (Indirec t Least Squares - ILS), untuk persamaan yang teridentifasi berlebih dapat diguna kan metode kuadrat terkecil dua-tahap (Two-stage Least Squares - 2SLS), Limited Information Maximum Likelihood LIML, dan metode kuadrat terkecil tiga-tahap (Th ree-stage Least Squares - 3SLS) . Adapun penulisan makalah ini bertujuan untuk mengkaji penggunaan regresi persama an simultan sebagai salah satu cara untuk menganalisis model regresi yang memili ki hubungan simultan antara peubah bebas dengan peubah terikat serta memberikan ilustrasi contoh penerapan penghitungan dalam analisis regresi persamaan simulta n menggunakan perangkat lunak analisis statistika. 2. Komponen Sistem Persamaan Simultan 2.1 Definisi Sistem Persamaan Simultan

Model regresi persamaan simultan adalah suatu sistem persamaan yang di dalamnya terdiri lebih dari satu persamaan, dimana peubah dependen dalam satu persamaan juga merupakan peubah independen dalam persamaan yang lain, dan dalam persamaan tersebut terjadi hubungan sebab akibat yang berlangsung dua arah atau hubungan s imultan (Gujarati 2006). Berikut ini adalah contoh persamaan simultan: (2.1) (2.2) Peubah Y1 dan Y2 merupakan peubah tak bebas yang saling bergantung atau bersifat endogen, peubah X1 merupakan peubah penjelas yang bersifat eksogen. Sedangkan dan adalah galat. Untuk menduga persamaan simultan di atas, metode Ordinary L east Square (OLS) tidak dapat digunakan hal ini karena terdapat korelasi antara peubah endogen dengan galat, sehingga dan , hal ini menyebabkan asumsi nonsto kastik bagi peubah bebas tidak terpenuhi sehingga penduga OLS akan bersifat bi as serta tidak konsisten. Secara lebih jelas, berikut ini adalah contoh-contoh sistem persamaan simultan: Model permintaan dan penawaran Harga P dari komoditas dan kuantitas Q yang terjual ditentukan oleh perpotongan kurva pendapatan dan penawaran untuk komoditi itu. Jadi dengan mengasumsikan unt uk penyederhanaan bahwa kurva penawaran dan kurva permintaan adalah linear dan d engan menambahkan unsur gangguan stokastik 1dan 2, fungsi empiris permintaan dan penawaran bisa ditulis sebagai berikut : fungsi permintaan Qd= 0 + 1Pt + ut < 0 (2.3 ) fungsi pen w r n Qs = 0 + 1Pt + vt > 0 (2.4) kondisi keseim ng n Qd = Qs dim n Qd = ku ntit s y ng dimint P = h rg r ng Qs = ku ntit s y ng dit w rk n t = w ktu d n d l h p r meter. Sec r priori dih r pk n untuk neg tif (kurv permint n y ng miring ke w h) d n 1 dih r pk n positif (kurv pen w r n y ng meng r h ke t s). Sek r ng tid k terl lu sulit untuk melih t hw P d n Q d l h v ri el t k e s y ng erg ung. Jik mis lny ut d l m (2.3) eru h k ren peru h n d l m v ri el l in y ng mempeng ruhi Qdt (seperti pend p t n, kek y n d n sel er ), kurv kurv permint n k n ergeser ke t s.

G m r 1.1 Pergeser n kurv permint n d n pen w r n

Model Keynes untuk menet pk n Pend p t n Fungsi konsumsi (2.5) Fungsi Pend p t n (2.6) Dim n C = Bel nj Konsumsi (endogen) Y = Pend p t n (endogen) I = Invest si (eksogen) t = w ktu V= g l t d n = p r meter

D ri Model Keynes di t s t mp k

hw peu h fungsi el nj konsumsi d n pend

Seperti ditunjuk n d l m g m r di t s, su tu pergeser n d l m kurv permint n meru h ik P d n Q. Serup deng n itu su tu peru h n d l m 2t (k ren pemogok n, cu c , pem t s n import t u ekspor ds ). Ak n menggeser kurv pen w r n, pu n mempeng ruhi P d n Q, k ren keterg ntung n simult n nt r Q d n P, ut d n Pt d l m (2.3) d n vt d n Pt (d l m 2.4) tid k mungkin e s. Oleh k ren itu r egresi Q t s P (2.3) k n mel ngg r sumsi penting d ri model regresi line r kl sik, y itu sumsi tid k d ny korel si nt r v ri el y ng menjel sk n d n u nsur g nggu n.

Model Up h H rg (Model Jenis Phillips)

(2.7) (2.8) u ng (endogen) nggur n (%) (eksogen) h n h rg (endogen) h n i y mod l (eksogen) h n h rg h n ku y ng diimpor (eksogen) ; u d n v = g l t hw peu h fungsi tingk t peru h n up h u (P) s ling mempeng ruhi, sehingg Wt d n ut vt d l m pers m n (2.8) tid k s ling e s

2.2 Model Struktur l d n Model Reduksi D l m sistem pers m n simult n, d du model y ng diken l, y itu : model pers m n struktur l (Structur l or eh vior l equ tions) d n model reduksi / turun n (reduced form equ tions). Model struktur l mempuny i entuk y ng did s rk n p d teori y ng mend s ri. Model struktur l erisi peu h-peu h endogen di sisi se el h kiri pers m n d n (jik simult n) erisi eksogen di se el h k n n pers m nny . Ad pun contoh model struktur l d l h se g i erikut: < 0 > 0 (2.9)

Model Permint n d n Pen w r n (Wei-Hu, 1973): fungsi permint n Qd= 0 + 1Pt +Yt+ ut fungsi pen w r n Qs = 0 + 1Pt +Wt+ vt (2.10) fungsi keseim ng n Qd = Qs dim n Y = pend p t n; W = cu c

Model Keynes Konsumsi d n Pend p t n: Fungsi konsumsi (2.11) Fungsi P end p t n (2.12) Model reduksi / turun n d l h model struktur l y ng disederh n k n sehingg set i p peu h endogen d l m model d p t diny t k n se g i fungsi d ri peu h-peu h penjel s (predetermined). K r kteristik model reduksi d l h semu v ri el e ndogen er d dise el h kiri pers m n d n v ri el eksogen terd p t di se el h k n n pers m n (Ju nd 2009), sehingg d l m model reduksi tid k d l gi korel si nt r peu h penjel s deng n g l t, h l inil h y ng menj dik n metode OLS d p t diter pk n. Berikut ini d l h contoh model reduksi d n c r memperolehny .

Jik dimis lk n , m k diperoleh model reduksi gi fungsi h rg d l h: (2.13) Sel njutny , untuk memperoleh model reduksi d ri pers m n (2.9), k n dil kuk n su stitusi fungsi h rg (P) p d pers m n (2.9) menj di P p d pers m n (2.1 3): Qd = 0 + 1 P+ 2 Yt + vt

Contoh: Ak n dic ri model reduksi d ri pers m n (2.9) d n (2.10): Qd= 0 + 1 P+ 2 Yt + ut Qs= 0 + 1 P + 2 Wt + vt Pert m -t m k n dic ri model reduksi gi fungsi h rg (P), y itu deng n meny m k n fungsi permint n d n pen w r n Qd = Qs 0 + 1 P+ 2 Yt + vt = 0 + 1 P + 2 Wt + ut 1 P - 1 P = 0 - 0 2 Yt + 2 Wt + ut vt

Dim n :

peru h n up h = tingk t peng = tingk t peru = tingk t peru = tingk t peru t = w ktu D ri Model Phillips di t s t mp k ng (W) d n tingk t peru h n h rg d l m pers m n (2.7) sert Pt d n .

W= tingk t UN P R M

p t n ( d n

) s ling mempeng ruhi, sehingg

Yt d n Vt tid k s ling

e s.

Contoh: Ak n dic ri model reduksi d ri pers m n (2.1) d n (2.12): Model Keynes untuk menet pk n Pend p t n d n Konsumsi: Fungsi konsumsi Fungsi Pend p t n Model reduksiny d p t dic ri deng n l ngk h se g i erikut: Menc ri model reduksi d ri pers m n structur l :

Jik mis l k n: M k model reduksi gi fungsi pend p t n d l h: (2.15) Kemudi n k n dic ri model reduksi d ri pers m n konsumsi (2.11):

2.2 Identifik si Model Pers m n Simult n Penentu n metode pendug n pers m n simult n ditentuk n erd s rk n kondisi ket eridentifik si n (identifi ility condition). Identifik si digun k n untuk menye lidiki kemungkin n memperoleh p r meter pers m n struktur l d ri pers m n sed erh n /model reduksi (reduce form), sehingg teridentifik si t u tid kny su tu model pers m n simult n ditentuk n erd s rk n entuk tereduksiny . Ad pun d r i identifik si ini k n diperoleh tig kondisi y ng mungkin, y itu: tid k teridentifik si : jik koefisien pers m n structur l tid k dipero leh (unidentified) d p t teridentifik si: jik koefisien pers m n structur l memiliki sol usi y ng unik (ex ctly identified), d n teridentifik si erle ih: jik koefisien pers m n structur l memiliki s olusi y ng tid k unik (overidentified). Berikut ini d l h c r menentuk n keteridentifik si n su tu pers m n simult n menggun k n entuk tereduksiny : Contoh: Model Permint n d n Pen w r n (Wei-Hu, 1973): fungsi permint n Qd= 0 + 1Pt +Yt+ ut fungsi pen w r n Qs = 0 + 1Pt +Wt+ vt < 0 > 0

Dim n : D n model reduksi fungsi Permint n d l h: Di m n :

D ri l ngk h se elumny

diperoleh Model reduksi d ri fungsi h rg (P) y itu: ,

Jik mis l (2.16)

, m k

, model reduksi

gi pers m n konsumsi

d l h:

Jik mis lk n: (2.14)

, m k model reduksi

gi pers m n (2.9) d l h:

Sel njutny untuk menget hui sif t keteridentifik si n d ri su tu pers m n simu lt n, m k k n dic ri koefisien pers m n struktur l menggun k n koefisien mode reduksi y ng tel h diperoleh se elumny , y itu deng n c r erikut ini: Sed ngk n koefisien diperoleh deng n metode elimin si menggun k n koefisien-ko efisien y ng sud h diperoleh. K ren seluruh koefisien d ri pers m n struktur l fungsi h rg d n permint n d p t diperoleh d ri koefisien model reduksi, d n k oefisien struktur l y ng dih silk n unik, m k ik fungsi permint n m upun fun gsi h rg ersif t just-identified (teridentifik si). Contoh: Model Keynes : Fungsi konsumsi Fungsi Pend p t n D ri pem h s n se elumny , diperoleh model reduksi d ri fungsi konsumsi d n Pen d p t n y itu: Dim n : D n Deng n: D ri kedu model reduksi terse ut diperol h koefisien pers m n struktur lny , y itu: d n K ren koefisien struktur l y ng dih silk n unik, m k fungsi konsumsi ersif t just-identified (teridentifik si). Jik juml h pers m n d l m sistem pers m n simult n h ny d 2, keteridentif ik si n d p t dilih t menggun k n model reduksi, n mun jik juml h pers m nny le ih d ri itu, m k metode y ng le ih mud h digun k n d l h metode order d n r nk. P d metode/ tur n order d n r nk, not si y ng dipergun k n d l h: M = juml h v ri el endogen di d l m seluruh pers m n m = juml h v ri el endogen di d l m pers m n K = Juml h v ri el eksogen di d l m keseluruh n pers m n k = juml h v ri el eksogen di d l m pers m n

Atur n Order Sy r t identifik si su tu pers m n struktur l: P d pers m n simult n sejuml h M pers m n (y ng tid k mempuny i predetermined v ri le)

P d model ini Pt d n Qt merup k n v ri le endogen t np predetermined v ri le , g r identified m k M-1 = 1, jik tid k m k tid k identified. P d k sus ini (M = 2) d n 2 1 = 1 identified

K k m 1 Jik K k = m 1, m k pers m n terse ut identified . Jik K k > m 1, m k pers m n terse ut overidentified . Jik K k < m 1, m k pers m n terse ut unidentified Contoh: Fungsi Dem nd Qd = 0 + 1Pt + 2 It + ut (2.17) Fungsi Supply Qs = 0 + 1Pt + vt (2.18) P d model ini Pt d n Qt merup k n v ri le endogen d n It d l h predetermined v ri le.

P d pers m n y ng memiliki predetermined v ri le

erl ku

tur n:

Contoh:

Fungsi Dem nd Fungsi Supply

Qt =

0 + 1Pt + ut Qt = 0 + 1Pt + vt

M - 1 1 Jik M-1 = 1, m k Jik M-1 > 1, m k Jik M-1 < 1, m k

pers m n terse ut identified. pers m n terse ut overidentified. pers m n terse ut unidentified.

Pers m n Qd : K k < m 1 t u 1 1 < 2 1 Pers m n Qs : M 1 = 1 t u 2 1 = 1

Unidentified Indentified

C t t n: Pers m n y ng d p t diseles ik n deng n sistem pers m n simult n d l h pers m n y ng identified d n over identified.

Atur n R nk Atur n order m sih dik t k n elum cukup se g i sy r t untuk identifik si. Arti ny , w l upun sy r t-sy r t itu dipenuhi, tet pi i s jug terj di su tu pers m n y ng tid k teridentifik si, ren kelem h n terse ut m k perlu dil kuk n pen guji n deng n tur n r nk (r nk condition) . Berd s rk n tur n r nk, su tu pers m n simult n y ng terdiri d ri M pers m n d p t diidentifik si p il mem en tuk sekur ng-kur ngny s tu m triks persegi erukur n (M-1) x (M-1) y ng nil i d etermin nny uk n nol t u erp ngk t penuh (D ry nto H fizri nd 2010). Berikut ini d l h contoh mengidentifik si system pers m n simult n menggun k n tur n r nk: Y1t = 10 + (2.19) Y2t = 20 + (2.20) Y3t (2.21) Y4t = 40 + 41Y1t + 42Y2t+ 43X2t+ e4t (2.22) Dim n : Y = peu h endogen y ng ersif t r ndom X = peu h eksogen y ng ersif t non-r ndom Jik pers m n (2.19) (2.22) dim nupul si deng n c r memind hk n semu peu h d i sisi k n n pers m n kecu li peu h g l t (e) ke se el h kiri m k k n mengh silk n se u h sistem y ng terlih t p d t el di w h ini. = 30 + 31Y1t + 31X1t + 21X2t + e3t 23Y3t + 21X1t + 22X2t+e2t 12Y2t + 13Y3t + 11X1t+e1t

Dari tabel diatas setiap persamaan dalam sistem persamaan simultan dapat didenti fikasi melalui aturan rank. Misalnya untuk persamaan 2.19. Persamaan 2.19 tidak memasukan peubah Y4,X2 dan X3 yang ditunjukan dengan angka 0 didalam baris perta ma persamaan 1.untuk mengetahui apakah persamaan persamaan tersebut teridentifik asi atau tidak maka harus mencari matrks order 3x3 dari koefisien yang tidak ada dalam persamaan 1 tetapi ada di persamaan yang lain dan kemudian dicariya. Untu k persamaan (2.19) determinan.matriksnya adalah sebagai berikut: 0 0 -31 1 -21 0 0 0

-43 tid k memenuhi r n

Determin n m triks A ini mempuny i determin n 0, y ng rtiny k condition sehingg pers m n ini tid k teridentifik si

T el 1:sistem pers m n simult pers m n Koefisien 1 Y1 Y2 1.9 - 10 1 - 12 1.10 - 20 0 1 1.11 - 30 - 31 0 1.12 - 40 - 41 - 42

n Y3 - 13 - 23 1 0 Y4 0 0 0 1 X1 -11 -21 -31 0 X2 0 22 32 0 X3 0 0 0 -43

Su tu pers m n y ng mempuny i M pers m n dik t k n identified, sekur ng-kur ng ny mempuny i s tu determin n erdimensi (M-1) y ng tid k s m deng n nol. 2.3 Pendug n P r meter d l m pers m n Simult n

Kedu , metode sistem (System Methods) y ng diken l se g i metode inform si penu h (Full Inform tion Methods), contohny : ku dr t terkecil tig -t h p (Three-st g e Le st Squ res - 3SLS) d n Full Inform tion M ximum Likelihood - FIML. A. Indirect Le st Squ res (ILS) Metode ILS untuk mendug pers m n entuk tereduksi (reduced form) y ng d ri koe fisien entuk tereduksiny k n diperoleh koefisien model struktur lny . Sif t pen ksir ILS d l h konsisten d n efisien simtotik. Asumsi y ng h rus dipenuhi d l m penggun n prosedur ILS d l h : (1) Pers m n struktur lny h rus ex ctly identified ; (2) G l t d ri pers m n reduced form-ny h rus memenuhi semu sumsi stok stik d ri teknik ku dr t terkecil. Jik sumsi ini tid k terpenuhi, m k k n menye k n i s p d pendug n koefisienny . Pendug ILS d p t ersif t i s k ren me rup k n r sio d ri pendug t k i s d ri pers m n reduced form. Ad pun t h p n-t h p n n lisisny d l h: Menc ri pers m n entuk y ng direduksi Mener pk n OLS untuk pers m n entuk y ng direduksi sec r individu l menghitung koefisien structur l d ri koefisien entuk y ng direduksi y n g dit ksir d l m l ngk h 2. Contoh: Di erik n su tu fungsi pen w r n d n permint n p d pers m n (2.9) d n (2.1)) Qd= 0 + 1 P+ 2 Yt + ut Qs= 0 + 1 P + 2 Wt + vt D ri pem h s n se elumny , tel h diperoleh model reduksi d ri fungs h rg (P) d n pen w r n y itu: (2.23) (2.24) D n koefisien struktur l dug nny d l h: Mis lk n, deng n mener pk n Metode Ku dr t Terkecil (OLS) p d model reduksi (2. 23) d n (2.24) diperoleh model dug n:

Metode Su stitusi untuk memperoleh koefisien

M k nil i-nil i koefisien pers m n struktur lny

d l h:

d n :

Sec r g ris es r, terd p t du pendek t n untuk mengestim si p r meter p d si stem pers m n simult n. Pert m , metode pers m n tungg l t u y ng diken l se g i metode inform si ter t s (Limited Inform tion Methods), contohny : ku dr t terkecil t k l ngsung (Indirect Le st Squ res - ILS), ku dr t terkecil du -t h p (Two-st ge Le st Squ res - 2SLS), d n Limited Inform tion M ximum Likelihood LIML.

B. Two St ge Le st Squ res (2SLS)

T h p 1 : meregresik n model reduksi s l h s tu pers m n menggun k n OLS. T h p 2 : mensu stitusik n nil i respon dug n p d t h p 1 ke d l m pers m n y ng l inny d l m system untuk kemudi n dil kuk n pendug n menggun k n OL S p d pers m n y ng tel h disu stitusik n t di. Metode 2SLS sering digun k n deng n l s n: (1). Untuk pers m n y ng overidentified, pener p n 2SLS mengh silk n t ksir n tungg l (sed ngk n ILS mengh silk n dug n g nd ). (2). Metode ini d p t diter pk n p d k sus ex ctly identified. P d k sus ini d ug n 2SLS = ILS, (3). Deng n 2SLS tid k d kesulit n untuk mendug st nd r error, k ren koefisi en struktur l didug sec r l ngsung d ri regresi OLS p d l ngk h kedu (sed ng k n p d ILS meng l mi kesulit n d l m mendug st nd r error). Contoh: Model Keynes p d pers m n (2.11) d n (2.12) Fungsi konsumsi Fungsi Pend p t n d n erkorel si, tet pi d n tid k erkorel si. M k d ri itu, jik di er ik n model model reduksi: (2.25) M k t h p n pert m d l h meregresik n peu h Yt deng n It, sehingg diperole h: (2.26) D n: (2.27) Sehingg diperoleh: (2.28) p d pers m n (2.28) tid k erkorel si deng n t upun , k ren d l h fungsi d ri .

(2.31) 2.4 Contoh Pener p n menggun k n Softw re D t untuk tel d n n lisis ini (T el 1) di m il d ri uku teks D s r-d s r Eko nometrik (Guj r ti 2006). T el 1. D t Ekonomi M kro Amerik Serik t t hun 1970 1994 (Guj r ti 2006). Ye r 1970 1971 1972 1973 GDP 1035,60 1125,40 1237,30 1382,60 GPDI 150,20 176,00 205,60 242,90 Gov 115,90 117,10 125,10 128,20 M2 628,10 712,70 805,20 861,00 TB 6,56 4,51 4,47 7,18

(2.29) K ren tid k erkorel si deng n d n , m k Metode Ku dr t Terkecil (OLS) d p t digun k n untuk mendug koefisien d n p d pers m n (2.29) terse ut. Sehingg deng n OLS diperoleh: (2.30)

T h p n y ng kedu

y itu mensu stitusik n

ke d l m fungsi :

Metode ini dikem ngk n oleh Theil (1953) d n B sm nn (1957). Metode ini merup n teknik penyeles i n pers m n sec r ert h p, dim n regresor endogen p d isi k n n seti p pers m n diinstrumenk n deng n regresor X d ri semu pers m l inny . Metode ini dise ut ku dr t terkecil du t h p k ren dil kuk n d l m u t h p n y itu :

k s n d

r $) Gov $) M2 TB

: G : Pengelu r n Pemerint h Feder l (d l m Mili r : M : Stok U ng M2 (d l m Mili r $) : Sertifik t Pemerint h AS 6 ul n 4 Gt+ e1t

L ngk h An lisis . Identifik si Model

Deng n menggun k n k id h identifik si menurut kondisi urut n (order), d p t dii dentifik si hw pers m n pend p t n tid k teridentifik si. Sed ngk n untuk fu ngsi pers m n pen w r n u ng teridentifik si erle ih. K ren pers m n pend p t n meng l mi unidentified / underidentified m k tid k d y ng d p t dil kuk n . Sed ngk n untuk fungsi pen w r n u ng k ren teridentifik si erle ih, pendug n p r meter d p t dil kuk n mel lui metode pendug n 2-SLS. Deng n perhitung n se g i erikut :

D t Simult n; Input Ye r C rds; 1970 1035.6 1971 1125.4 1972 1237.3 1973 1382.6

Y 150.2 176 205.6 242.9

I 115.9 117.1 125.1 128.2

G 628.1 712.7 805.2 861

Pengol h n d t

mel lui softw re M 6.562 4.511 4.466 7.178 TB ;

D l m model ini di sumsik n

hw peu h I d n G d l h peu h eksogen.

Contoh entuk pers m n struktur lny d l h : Fungsi Pend p t n : Yt = 1 + 2 Mt + 3 It + Fungsi Pen w r n u ng : Mt = 1 + 2 Yt + e2t Dim n Y = Pend p t n M = stok u ng I = Pengelu r n Invest si G = Pengelu r n r ng d n j s Pemerint h e1 , e2 = f ktor g l t stok stik

1974 1496,90 1975 1630,60 1976 1819,00 1977 2026,90 1978 2291,40 1979 2557,50 1980 2784,20 1981 3115,90 1982 3242,10 1983 3514,50 1984 3902,40 1985 4180,70 1986 4422,20 1987 4692,30 1988 5049,60 1989 5438,70 1990 5743,80 1991 5916,70 1992 6244,40 1993 6550,20 1994 6931,40 Keter ng n :

245,60 225,40 286,60 356,60 430,80 480,90 465,90 556,20 501,10 547,10 715,60 715,10 722,50 747,20 773,90 829,20 799,70 736,20 790,40 871,10 1014,40 GDP :

139,90 908,50 7,93 154,50 1023,20 6,12 162,70 1163,70 5,27 178,40 1286,50 5,51 194,40 1388,60 7,57 215,00 1496,90 10,02 248,40 1629,30 11,37 284,10 1793,30 13,78 313,20 1953,20 11,08 344,50 2187,70 8,75 372,60 2378,40 9,80 410,10 2576,00 7,66 435,20 2820,30 6,03 455,70 2922,30 6,05 457,30 3083,50 6,92 477,20 3243,00 8,04 503,60 3356,00 7,47 522,60 3457,90 5,49 528,00 3515,30 3,57 522,10 3583,60 3,14 516,30 3617,00 4,66 Y : Produk Domestik Bruto (d l m Mili r $) GPDI : I : invest si domestic Sw st Bruto (d l m Mili

1974 1496.9 245.6 139.9 908.5 1975 1630.6 225.4 154.5 1023.2 1976 1819 286.6 162.7 1163.7 1977 2026.9 356.6 178.4 1286.5 1978 2291.4 430.8 194.4 1388.6 1979 2557.5 480.9 215 1496.9 1980 2784.2 465.9 248.4 1629.3 1981 3115.9 556.2 284.1 1793.3 1982 3242.1 501.1 313.2 1953.2 1983 3514.5 547.1 344.5 2187.7 1984 3902.4 715.6 372.6 2378.4 1985 4180.7 715.1 410.1 2576 1986 4422.2 722.5 435.2 2820.3 1987 4692.3 747.2 455.7 2922.3 1988 5049.6 773.9 457.3 3083.5 1989 5438.7 829.2 477.2 3243 1990 5743.8 799.7 503.6 3356 1991 5916.7 736.2 522.6 3457.9 1992 6244.4 790.4 528 3515.3 1993 6550.2 871.1 522.1 3583.6 1994 6931.4 1014.4 516.3 3617 ; proc syslin d t = Simult n 2sls; endogenous Y M; instruments I G ; pend p t n : model Y =M I G ; Pen w r n : model M = Y; run;

7.926 6.122 5.266 5.51 7.572 10.017 11.374 13.776 11.084 8.75 9.8 7.66 6.03 6.05 6.92 8.04 7.47 5.49 3.57 3.14 4.66

Two-St ge Le st Squ res Estim tion Model Dependent V ri le PENDAPAT Y

An lysis of V ri nce

> F Model 001 Error Corrected Tot l 22 24 2

83206104 2304868 85408136

41603052 104766.7

397.10

Root MSE 323.67692 R-Squ re 0.97305 Dependent Me n 3533.29200 Adj R-Sq 0.97060 Coeff V r 9.16077 WARNING: The model is not of full r nk. Le st Squ res solutions for the p r mete rs re not unique. Cert in st tistics will e misle ding. A reported degree of fre edom of 0 or B me ns the estim te is i sed. The following p r meters h ve een set to zero. These v ri les re line r com in tion of other v ri les s shown.

Source

DF

Sum of Squ res

Me n Squ re

Pengol h n d t

menggun k n SAS mem erik n output se g i erikut :

F V lue

Pr <.0

Intercept = -0.0181 * M +0.0105 * I +0.1048 * G P r meter Estim tes

Intercept M 4 I 4 G 2 2004 6

0 0 0 0

0 6.026189 -1.45239 -26.2120 The SAS System

. 2.797395 1.679182 16.35265

-0.86 -1.60

05:13 Frid y, M y 21,

The SYSLIN Procedure Two-St ge Le st Squ res Estim tion Model Dependent V ri le PENAWARA M

An lysis of V ri nce

> F Model 001 Error Corrected Tot l Root MSE Dependent Me n Coeff V r 23 24 1

26145466 358193.4 26334214 124.79433 2095.64800 5.95493

26145466 15573.63

1678.83

R-Squ re Adj R-Sq

0.98649 0.98590

P r meter Estim tes

| 5

Intercept Y 1

1 1

115.0327 0.560558

54.40216 0.013681

40.97

Berd s rk n output di t s, y ng d p t didug h ny pers m n pend p t n, y itu: 115.032+0.56Y Deng n R-squ re= 0.98649 d n kedu koefisien signifik n p d t r f ny t 5%.

V ri le

DF

P r meter Estim te

St nd rd Error

t V lue 2.11

Source

DF

Sum of Squ res

Me n Squ re

F V lue

V ri le

DF

P r meter Estim te

St nd rd Error

t V lue . 2.15

Pr > |t . 0.042 0.396 0.123

Pr <.0

Pr > |t 0.045 <.000

DAFTAR PUSTAKA D ry nto A d n H fizrind Y. 2010. Model-Model Ku ntit tif untuk perenc n n Pem ngun n Ekonomi d er h : Konsep d n Aplik si. Bogor. IPB Press. Guj r ti DN. 2006. D s r-D s r Ekonometrik . Pener it Erl ngg . Hu, The-Wei. 1973. Econometrics n Introductory An lysis. USA. University P rk P ress. Ju nd , B m ng. 2009. Ekonometrik : Pemodel n d n Pendug n. Bogor. IPB Press Hess J. 2007. Simult neous Equ tion Regression nd C us tion. [www. uer.uh.ed u/jhess/documents/Simult neousEqu tionRegression.doc]

c. Interpret si Berd s rk n h sil n lisis terse ut d p t disimpulk n hw fungsi pen w r g t dipeng ruhi oleh pend p t n Neg r (Y). D ri sisi kecukup n model y ng diukur d ri nil i koefisien determin si ter kuk n (R2-Adj) y ng tinggi d fisien regresi y ng ny t p d =5% menunjukk n kedu model terse ut tel h ik.

n s n d p t n koe cukup