EKONOMETRIKA Rifatin aprilia (fafa Apriel) Adanya korelasi antara anggota serangkaian data observasi baik itu data time series atau data cross section. Ada korelasi antara satu variabel gangguan dengan variabel gangguan lain. Pada data runtut waktu (time-series) seringkali terjadi saling pengaruh antara variabel independen. Jadi data runtut waktu mengandung autokrelasi. Autokorelasi bisa positif bisa juga negatif. Konsekuen Penaksir (estimator) tidak lagi efisien Nilai hitung δ2 (degree of freedom) akan bias Nilai R2 yang dihasilkan akan lebih tinggi daripada yang seharusnya Nilai variance dan kesalahan baku yang akan digunakan tidak akan efisien Penyebab Adanya Inertia Bias Spesifikasi Model kasus variabel yang tidak dimasukkan Adanya Fenomena Laba-Laba Manipulasi data Adanya Kelembaman Waktu U j i A u t o k o r e l a s i Durbin - Watson Hal-hal yang harus dipenuhi: Model regresi yang dilakukan harus menggunakan konstanta Variabel bebas adalah non-stokastik Kesalahan pengganggu (residual) diperoleh dengan otoregresif order pertama Model regresi tidak meliputi nilai kelembaman dari var. Terikat sebagai var. Penjelas Dalam melakukan regresi, tidak boleh ada data yang hilang Durbin - Watson Rumus Uji DW DW = Σ (e – et-1)2 Σ et2 Ket: DW = Nilai Derbin-Watson test e = Nilai Residual et-1 = Nilai Residual satu periode sebelumnya Durbin - Watson Langkah-Langkah uji DW Membuat persamaan regresi Hitung nilai prediksinya (Ŷ) Hitung nilai residualnya (Y - Ŷ) atau e Kuadratkan nilai residualnya (Y - Ŷ)2 atau e2 Lag-kan satu nilai residualnya (Y - Ŷ)t-1 atau et-1 Kurangkan nilai residual dengan nilai residual yang telah di Lag-kan satu à e – et-1 Durbin - Watson Kuadratkan nilai e – et-1 à (e – et-1)2 Masukkan hasil perhitungan diatas kedalam rumus DW Menarik Kesimpulan uji korelasi dengan kriteria Lagrange-Multipler Langkah-Langkah uji LM Membuat persamaan regresi Hitung nilai prediksinya (Ŷ) Hitung nilai residualnya (Y - Ŷ) atau µ Kuadratkan nilai residualnya (Y - Ŷ)2 atau µ2 Cari nilai rata-rata Y Kurangkan nilai Y dengan Y rata-rata Kuadratkan nilai Y yang telah dikurangi Menghitung nilai X2 hitung dengan rumus X2 = (n-1)*R2 Menarik Kesimpulan Jika X2hitung > X2tabel maka adanya masalah otokorelasi dan Jika X2hitung <= X2tabel maka tidak terjadi masalah otokorelasi. Dengan X2tabel = X2df(α, n-1) T r e a t m e n t Generalized Difference Equation Metode ini dilakukan dengan melakukan transformasi dari persamaan regresi linier biasa dengan memasukkan unsur ρ dalam model persamaan. Generalized Difference Equation Persamaan awal Yt = β0 + β1Xt + e Persamaan setelah transformasi Yt – ρYt-1 =β0 (1-ρ) + β1 (Xt – ρ Xt-1) + e Dengan ρ = Σ et et-1 Σ e2 ... Trims ... EKONOMETRIKA

1. M. Anur Rokhim
σθ
β
µ
ϕ
δ
±β
µφ τ
MisbahuL KhoiR
Dosen Pembimbing

2. AUTOKORELASI
DEFINISI
SIFAT DAN
KONSEKUEN
PENYEBAB
UJI
AUTOKORELASI
TREATMENT

3. Adanya korelasi antara anggota serangkaian
data observasi baik itu data time series atau
data cross section.
Definisi

4. • Ada korelasi antara satu variabel gangguan
dengan variabel gangguan lain.
• Pada data runtut waktu (time-series) seringkali
terjadi saling pengaruh antara variabel
independen. Jadi data runtut waktu mengandung
autokrelasi.
• Autokorelasi bisa positif bisa juga negatif.
Sifat

5. Konsekuen
- Penaksir (estimator) tidak lagi efisien
- Nilai hitung δ2 (degree of freedom) akan bias
- Nilai R2 yang dihasilkan akan lebih tinggi
daripada yang seharusnya
- Nilai variance dan kesalahan baku yang akan
digunakan tidak akan efisien

6. Penyebab
o Adanya Inertia
o Bias Spesifikasi Model kasus variabel yang
tidak dimasukkan
o Adanya Fenomena Laba-Laba
o Manipulasi data
o Adanya Kelembaman Waktu

7. UJI
AUTOKORELASI
D-W
L-M
B-G
RUN-TEST
U
j
i
A
u
t
o
k
o
r
e
l
a
s
i

8. Durbin - Watson
Hal-hal yang harus dipenuhi:
- Model regresi yang dilakukan harus menggunakan
konstanta
- Variabel bebas adalah non-stokastik
- Kesalahan pengganggu (residual) diperoleh dengan
otoregresif order pertama
- Model regresi tidak meliputi nilai kelembaman dari var.
Terikat sebagai var. Penjelas
- Dalam melakukan regresi, tidak boleh ada
data yang hilang

9. Durbin - Watson
Rumus Uji DW
DW = Σ (e – et-1)2
Σ et
2
Ket:
DW = Nilai Derbin-Watson test
e = Nilai Residual
et-1 = Nilai Residual satu periode
sebelumnya

10. Durbin - Watson
Langkah-Langkah uji DW
- Membuat persamaan regresi
- Hitung nilai prediksinya (Ŷ)
- Hitung nilai residualnya (Y - Ŷ) atau e
- Kuadratkan nilai residualnya (Y - Ŷ)2 atau e2
- Lag-kan satu nilai residualnya (Y - Ŷ)t-1 atau et-1
- Kurangkan nilai residual dengan nilai residual
yang telah di Lag-kan satu  e – et-1

11. - Kuadratkan nilai e – et-1  (e – et-1)2
- Masukkan hasil perhitungan diatas kedalam rumus
DW
- Menarik Kesimpulan uji korelasi dengan kriteria
DW Kesimpulan
< dL
dL s.d dU
dU s.d 4-dU
4-dU s.d 4-dL
> 4-dL
Ada Otokorelasi +
Tanpa Kesimpulan
Tidak ada Otokorelasi
Tanpa Kesimpulan
Ada Korelasi -
Durbin - Watson

12. Lagrange-Multipler
Langkah-Langkah uji LM
- Membuat persamaan regresi
- Hitung nilai prediksinya (Ŷ)
- Hitung nilai residualnya (Y - Ŷ) atau µ
- Kuadratkan nilai residualnya (Y - Ŷ)2 atau µ2
- Cari nilai rata-rata Y
- Kurangkan nilai Y dengan Y rata-rata
- Kuadratkan nilai Y yang telah dikurangi

13. - Menghitung nilai X2 hitung dengan rumus
X2 = (n-1)*R2
- Menarik Kesimpulan
Jika X2
hitung > X2
tabel maka adanya masalah
otokorelasi dan
Jika X2
hitung <= X2
tabel maka tidak terjadi
masalah otokorelasi.
Dengan X2
tabel = X2
df(α, n-1)
Lagrange-Multipler

14. TREATMENT
Estimasi p
dengan metode
Dua langkah
Durbin
P tidak diketahui
GDE
P diketahui
T
r
e
a
t
m
e
n
t
Estimasi p
dengan metode
Cochrane-Orcutt
Estimasi p
ddasarkan pada
statistik D-W
Estimasi p
didasarkan
Pada
Berenblutt-Webb
Metode
Diferensiasi
tingkat pertama
Metode Newey

15. Metode ini dilakukan dengan melakukan
transformasi dari persamaan regresi linier biasa
dengan memasukkan unsur ρ dalam model
persamaan.
Generalized Difference Equation

16. Persamaan awal
Yt = β0 + β1Xt + e
Persamaan setelah transformasi
Yt – ρYt-1 =β0 (1-ρ) + β1 (Xt – ρ Xt-1) + e
Dengan ρ = Σ et et-1
Σ e2
Generalized Difference Equation

18. M. Anur Rokhim
σθ
β
µ
ϕ
δ
±β
µφ τ
MisbahuL KhoiR
Dosen Pembimbing