Page 23 - Working Paper (Metode dan Teknik Proyeksi Penerimaan Pajak: Panduan dan Aplikasi)

Tabel 16 - Evaluasi Model Proyeksi
Uji Statistik
RMSE Rata-Rata Theil U1 Theil U2 Proyeksi
Model Model RMSE (Forecast (Forecast 2019 (Rp
Proyeksi 5 Tahun Accuracy) Quality) triliun)
Terakhir
METODE BERBASIS UNIVARIATE
Random Walk 41759 40481,5 0,03448739 0,72733551* 1.445
Random Walk -DOD 50959 48644,5 0,04181119 1,1245096 1.418
AR(1) 40533* 38924,6* 0,03314698 1,5398281 1.432
AR(1) – DOD 51475 49009,6 0,04123881 1,1339219 1.425
AR(2) 41563* 39743,2* 0,03299017 0,7402097* 1.420*
AR(2) - DOD 45967 43459,6 0,03560052 1,1584238 1.387

METODE BERBASIS PDB

Tax buoyancy tahun N/A N/A N/A N/A 1.504
sebelumnya ( )
Tax buoyancy tahun N/A N/A N/A N/A 1.318
∗
berjalan ( +1 )
METODE BERBASIS PENDEKATAN MULTIVARIATE
VAR (2) – DOD 49681 47388,7 0,03026947* 1,1611031 1.361
VAR (3) 44679 47325,64 0,02372179* 0,96274287* 1.398
* Dua model terbaik untuk uji RMSE, Average RMSE, Theil U1, dan model yang memiliki nilai < 1 untuk uji Theil U2.
Sumber : Dikalkulasi Tim Penulis.
Terhadap berbagai model proyeksi, dilakukan empat macam uji yang dilakukan, yaitu RMSE untuk
model proyeksi, RMSE 5 tahun terakhir, uji Theil U1, dan uji Theil U2.

RMSE dipakai sebagai salah satu acuan evaluasi dari model estimasi. Selain itu, nilai RMSE juga
dihitung secara rata-rata untuk lima tahun kebelakang dengan masing-masing model yang tidak
terpengaruh dengan kumpulan informasi (information set) tahun berikutnya. Dengan melihat tabel
diatas, semua model estimasi dengan data tanpa proses DOD justru memiliki rata-rata RMSE yang
lebih rendah dibandingkan dengan model estimasi yang menggunakan proses DOD.
Selanjutnya, tim penulis melakukan uji Theil U1 dan Theil U2. Semakin kecil nilai kedua uji tersebut,
maka semakin baik pula hasilnya. Uji Theil U1 menilai akurasi dari hasil proyeksi yang mampu
58
dibuat oleh suatu model, sementara uji Theil U2 menilai kualitas dari proyeksi yang mampu
dihasilkan. Khusus untuk uji Theil U2, model yang memiliki nilai <1 dianggap mampu menghasilkan
59
proyeksi yang berkualitas.

Secara umum, dari seluruh pengujian menggunakan pendekatan berbasis data makro dapat
diinterpretasikan empat catatan berikut. Pertama, model dengan error terendah terdapat pada model
dengan pendekatan univariate, yaitu AR(1) dan AR(2). Kedua, model dengan error yang cukup tinggi
ternyata juga terdapat pada model dengan pendekatan univariate, yaitu Random Walk -DOD dan
AR(1)-DOD.
Sementara itu, walaupun memiliki tingkat error yang relatif tidak kecil, model VAR (berbasis
multivariate) menghasilkan nilai uji Theil U1 dan Theil U2 terbaik. Selain itu, model VAR dirasa lebih

58 Ernil Sabaj dan Mustafa Kahveci, “Forecasting tax revenues in an emerging economy: The Case of Albania” MPRA
paper, no. 84404 (Februari 2018): 13.
59 Ibid.
21