Persamaan struktural (1), terdapat dua variabel endogen Y t, dan M2t (atau m=2) dan dua variabel
eksogen yaitu It dan Gt (atau k=2).
Persamaan struktural (2), terdapat dua variabel endogen M2 t, dan Yt (atau m=2) dan dua variabel
eksogen yaitu Yt-1 dan M2t-1 (atau k=2).
Syarat model teridentifikasi jika jumlah variabel endogen dalam sistem persamaan minimal tepat M-
1, dan pada kasus ini setiap persamaan M=2, maka tepat 2-1 = 1.
Persamaan (1a) dan (2a) tersebut terlalu teridentifikasi (overidentified), sehingga metode estimasi
dapat menggunakan TSLS (Two Stage Least Squares). Kondisi order tersebut merupakan syarat yang
perlu (necessary condition) tetapi belum merupakan syarat yang cukup (sufficient condition). Guna
mencukupi syarat estimasi TSLS, maka kedua persamaan (1a,dan 2a) harus diuji dengan rank
condition.
Persamaan (1a) dan (2a) kita manipulasi dengan cara memindahkan semua variabel di sisi kiri sama
dengan kecuali variabel gangguan et ke sebelah kanan maka akan menghasilkan persamaan sistem
berikut;
Y t −β 1 o−β 11 M 2 t−β 12 I t −β13 Gt =e1 t ……………….. (2a)
Apabila determinan matriks (2x2) dari matrik rank condition ≠ 0, maka suatu persamaan
teridentifikasi. Apakah persamaan (2a dan 2b) teridentifikasi atau tidak, kita harus mencari matrik 1
x 1 (mengingat dua persamaan atau ordonya 2, maka persamaan (2a) tidak memasukkan Y t-1 dan
M2t-1, sehingga kita dapatkan koefisien matriks skalar dan deteriman matriks yaitu -22 dan -23 tidak
sama dengan nol. Demikian juga persamaan (2b), tidak memasukkan I t dan Gt , diperoleh koefisien
matriks skalar dan deteriman matriks yaitu -12 dan -13. Dengan demikian, persamaan (2a) dan (2b)
keduanya teridentifikasi.
Secara umum, jika kondisi order dan rank matrik A memeliki kriteria berikut, maka persamaan dapat
diidentifikasi atau tidak sebagai berikut;
1. bila K-k ≥ m-1 dan rank matrix A adalah M-1, maka persamaan tersebut dikatakan
“overidentified”.
2. bila K-k = m-1 dan rank matrix A adalah M-1, maka persamaan tersebut dikatakan “exactly
identified”.
3. bila K-k ≥ m-1 dan rank matrix A adalah kurang dari M-1, maka persamaan tersebut
dikatakan “unidentified”.
4. bila K-k m-1 dan rank matrix A adalah kurang dari M-1, maka persamaan tersebut
dikatakan “unidentified”.
Langkah selanjutnya, metode estimasi dua langkah OLS atau TSLS dapat dilakukan dengan cara
sebagai berikut;
1. Regresi reduced-form. Regresi ini diharapan untuk menghilangkan unsur korelasi antara Y t
dan e1t serta korelasi Mt dengan e2t. Korelasi residual dengan endogen tersebut dihilangkan
dengan meregresi endogen dengan semua variabel eksogen di dalam sistem persamaan
simultan. Konsep ini merupakan penerapan metode reduced-form. Persamaan reduced
form diperoleh dengan meregresikan variabel endogen dengan semua variabel eksogen
dalam sistem. Regresi Yt dan Mt terhadap semua variabel eksogen yaitu I t, Gt, Yt-1 dan Mt-1
menggunakan OLS sebagai berikut;
^ dan
2. Selanjutnya, mengganti Yt dan M2t pada persamaan struktural (2a) dan (2b) dengan Y t
^
M 2 t yang dihasilkan dari regresi reduced form pada (3a) dan (3b). Dimana Y^ t (3a)
mereplace Yt dalam (1b), sebaliknya ^ M 2 t dari (3b) akan mereplace M2t dalam (1a).
Kemudian regresi dilakukan dengan cara OLS. Adapun persamaannya sebagai berikut;
Y t =θ1 o +θ11 ^
M 2t +θ 12 I t +θ13 G t +ν 1 t ……… (4a)
M 2 t=θ 2 o+θ 21 Y^ t +θ 22 Y t −1 +θ 23 M 2t −1+ ν 2 t ………. (4b)
Persamaan (2a) diestimasi dengan independen M2 t, It dan Gt, dengan memasukkan instrument dari
semua variabel eksogen dalam sistem yaitu I t, Gt, GDP(-1) dan M2(t-1). Estimasi TSLS sebagai
berikut;
Persamaan (2b) diestimasi dengan independen GDP t, GDPt-1 dan M2t-1, dengan memasukkan
instrument dari semua variabel eksogen I t, Gt, GDP(t-1) dan M2(t-1). Estimasi TSLS sebagai berikut;
lalu Ok hasilnya;
Dependent Variable: M2
Method: Two-Stage Least Squares
Date: 04/29/22 Time: 13:27
Sample (adjusted): 1971 1999
Included observations: 29 after adjustments
Instrument specification: I G GDP(-1) M2(-1)
Constant added to instrument list
M2=C(5)+C(6)*GDP+C(7)*GDP(-1)+C(8)*M2(-1)
@INST I G GDP(-1) M2(-1)
Estimasi sistem persamaan simultan yang dilakukan secara serempak dengan TSLS menggunakan
EViews, hasilnya sebagai berikut;
System: Simultan
Estimation Method: Two-Stage Least Squares
Date: 04/29/22 Time: 13:55
Sample: 1971 1999
Included observations: 29
Total system (balanced) observations 58
Equation: GDP=C(1)+C(2)*M2+C(3)*I+C(4)*G
Instruments: I G GDP(-1) M2(-1) C
Observations: 29
R-squared 0.995940 Mean dependent var 5870.948
Adjusted R-squared 0.995453 S.D. dependent var 1487.535
S.E. of regression 100.3099 Sum squared resid 251551.8
Durbin-Watson stat 0.398226
Equation: M2=C(5)+C(6)*GDP+C(7)*GDP(-1)+C(8)*M2(-1)
Instruments: I G GDP(-1) M2(-1) C
Observations: 29
R-squared 0.997180 Mean dependent var 2449.396
Adjusted R-squared 0.996842 S.D. dependent var 1189.016
S.E. of regression 66.82088 Sum squared resid 111625.7
Durbin-Watson stat 1.044182
ANALISIS MODEL
ROOM 10
1. ANNISA KHAIRANI
2. ATIKOH AZMI
3. MUHAMMAD RIZKY APRIANSYAH
4. MELINDA WULANDARI
5. ALRAFLY THABRANI
Fungsi Pendapatan:
R2 = 0.995
F-stat = 2045.6 Prob F=0,00
Analisis Statistik
Nilai R square sebesar 0.995 yang menunjukkan bahwa GDP dipengaruhi oleh bariabel M2, I, dan G
sebesar 99,5 persen. Sedangkan sisa 0,05 persen dipengaruhi oleh variabel lain di luar model
penelitian ini.
Hasil estimasi nilai F-hitung sebesar 2045,6 dan p-value sebesar 0,000 karena nilai f hitung lebih
besar dari f-tabel atau p-value kurang dari 5 persen. Dengan demikian dapat disimpulkan bahwa
variabel eksogen investasi dan pengeluaran pemerintah secara bersama-sama telah berpengaruh
signifikan terhadap variabel GDP atau pendapatan.
Analisis Ekonomi
Variabel uang beredar (M2) tahun ini memiliki hubungan positif dengan pendapatan. Ketika uang
beredar mengalami kenaikan 49,52 persen maka pendapatan akan meningkat sebesar 1 persen.
Variabel investasi (I) tahun ini memiliki hubungan positif dengan pendapatan. Ketika uang beredar
mengalami kenaikan 14,58 persen maka pendapatan akan meningkat sebesar 1 persen.
Variabel pengeluaran pemerintah (G) tahun ini memiliki hubungan positif dengan pendapatan.
Ketika uang beredar mengalami kenaikan 93,30 persen maka pendapatan akan meningkat sebesar 1
persen.
Analisis Statistik
Nilai R square sebesar 0.997 yang menunjukkan bahwa uang beredar dipengaruhi oleh bariabel GDP
tahun ini, GDP tahun sebelumnya, dan uang beredar tahun sebelumnya sebesar 99,7 persen.
Sedangkan sisa 0,03 persen dipengaruhi oleh variabel lain di luar model penelitian ini.
Hasil estimasi nilai F-hitung sebesar 2948,6 dan p-value sebesar 0,000 karena nilai f hitung lebih
besar dari f-tabel atau p-value kurang dari 5 persen. Dengan demikian dapat disimpulkan bahwa
variabel eksogen GDP tahun sebelumnya dan uang beredar tahun sebelumnya serta GDP tahun ini
secara bersama-sama berpengaruh signifikan terhadap variabel uang beredar tahun ini.
Analisis Ekonomi
Variabel GDP tahun ini memiliki hubungan positif dengan uang beredar (M2) tahun ini. Ketika GDP
tahun ini mengalami kenaikan 32,37 persen maka uang beredar tahun ini akan meningkat sebesar 1
persen.
Variabel GDP tahun sebelumnya memiliki hubungan negatif dengan uang beredar tahun ini. Ketika
GDP tahun sebelumnya mengalami kenaikan 23,63 persen maka uang beredar tahun ini akan
menurun sebesar 1 persen.
Variabel uang beredar tahun sebelumnya memiliki hubungan positif dengan uang beredar tahun ini.
Ketika uang beredar tahun sebelumnya mengalami kenaikan 90,33 persen maka uang beredar tahun
ini akan meningkat sebesar 1 persen.
LAMPIRAN
UJI ENDOGENITAS
GDP FUNGSI TB3 DAN IHK ……… 8
NANTI GDP ESTIMASI (8) MASUK KE … 9
M2 FUNGSI GDP DAN GDP ESTIMASI (8)
Dependent Variable: GDP
Method: Least Squares
Date: 05/21/13 Time: 09:55
Sample: 1970 1999
Included observations: 30
Setelah memperoleh estimasi fungsi GDP, estimasikan nilai2 GDP dan masukkan dalam model M2.
Dependent Variable: M2
Method: Least Squares
Date: 05/21/13 Time: 09:57
Sample: 1970 1999
Included observations: 30
Berdasrkan nilai uji t GDP_0 signifikan pada α=0,05, maka ho yang menyatakan GDP bukan endogen ditolak,
artinya GDP merupakan variable endogen.
Lampiran
S.E. of
Series Regression Lag Max Lag Obs
D(M2) 55.3249 3 5 25
D(GDP) 139.922 0 5 28
D(TB3) 2.00110 0 5 28
D(IHK) 5.00829 0 5 28
D(G) 26.9859 0 5 28
D(I) 96.3633 0 5 28