PERBANDINGAN MODEL TOBIT DAN MODEL KUADRAT TERKECIL UNTUK DATA TERSENSOR

Abstract

Data tersensor di bidang ekonomi sering dijumpai pada survey konsumsi/pengeluaran rumah tangga, di mana sebagian rumah tangga tidak mengkonsumsi jenis komoditas tertentu (zero consumption  atau zero expenditure), sedangkan rumah tangga yang lain mengkonsumsi dengan jumlah yang sangat bervariasi.  Hal ini berimplikasi pada metode apa yang sesuai, untuk menduga parameter dari model yang dipakai.  Studi ini difokuskan pada kajian penerapan metode pendugaan OLS (Ordinary Least Square) dan ML (Maximum Likelihood) pada analisis data konsumsi pangan rumah tangga.  Data yang digunakan adalah data hasil survey konsumsi/pengeluaran rumah tangga di DKI Jakarta, bagian dari Survey Sosial Ekonomi Nasional yang diselenggarakan oleh BPS pada tahun 2002.  Data yang dianalisis adalah data konsumsi protein hewani (daging, telur, dan ikan) dengan menggunakan model AIDS.  Hasil penelitian menunjukkan bahwa pendugaan dengan metode OLS dan ML menghasilkan selisih koefisien penduga yang cukup besar apabila mengandung zero consumption yang sangat besar (lebih dari 50%), seperti yang terjadi pada fungsi pangsa pengeluaran daging, dan tidak terlalu berbeda bila mengandung zero consumption yang relatif kecil  (sekitar 10%), seperti yang terjadi pada fungsi pangsa pengeluaran telur dan ikan.  Pendugaan dengan metode OLS  merupakan model yang lebih baik daripada model Tobit, karena menghasilkan rata-rata simpangan kuadrat (MSE/Mean Square Error) yang lebih kecil; sehingga model ini yang dipakai untuk menduga fungsi pangsa pengeluaran daging, telur dan ikan wilayah DKI Jakarta.

Kata kunci:  data tersensor, metode OLS,  metode ML,  MSE