Anda di halaman 1dari 3

Home Statistika Model dengan Autokorelasi, Kenapa Tidak?

Model dengan Autokorelasi, Kenapa


Tidak?
Posted by Kadir Ruslan Posted on 03.37 with 25 comments
Ketika bekerja dengan model regresi data panel, salah satu persoalan
yang kerap muncul adalah adanya serial correlation pada residual.
Beberapa hari belakangan ini, saya kerap mendapat pertanyaan terkait
masalah ini dari adik-adik STIS yang sedang menyusun skripsi.
Terjadinya serial correlation sebetulnya merupakan konsekwensi adanya
unsur series (runtun waktu) pada data. Semakin panjang series yang
digunakan, semakin besar pula peluang terjadinya serial correlation pada
residual.
Saat terjadi serial correlation, residual berkorelasi antar waktu atau
berkorelasi dengan dirinya sendiri pada lag yang berbeda. Kondisi ini
menyebabkan standard error hasil estimasi keofisien regresi tak bisa lagi
digunakan. Dengan demikian, segela bentuk uji statistik (uji signifikansi
koefisien regresi atau uji t, misalnya) tak lagi valid. Jika dipaksakan,
konklusi yang dihasilkan akan missleading alias menyesatkan....parah
banget.
Itulah sebab, ketika terdapat indikasi terjadi serial correlation, baik itu
positif maupun negatif, mereka yang tahu konsekwensi kehadiran
masalah yang satu ini bakal tak enak hati. Untuk mahasiswa yang sedang
menyusun skripsi mungkin bakal sulit tidur. Terutama kala jadwal seminar
atau sidang skripsi kian dekat, sementara solusinya belum kunjung
ditemukan.
Statistik Durbin-Watson atau kerap disingkat DW merupakan salah satu
indikator yang menunjukkan bahwa hasil estimasi model regresi kita tak
sehat alias menderita serial-correlation. Idealnya, nilai statistik DW tak
boleh terlalu jauh dari angka dua. Jika nilai DW jauh melebihi dua, ini
merupakan indikasi adanya serial correlation negatif pada residual. Jika
sebaliknya, jauh lebih kecil, ini merupakan indikasi adanya serial
correlation positif. Kesimpulan apakah telah terjadi serial correlation
(positif atau negatif) akan lebih presisi jika didasarkan pada uji statistik
terhadap statistik DW yang diperoleh dari hasil estimasi model.
Solusi
Terus, apa yang harus dilakukan ketika hasil estimasi model regresi data
panel kita menderita serial correlation? Apakah model tersebut tak bisa
lagi digunakan atau perlu didesain ulang dengan mengganti atau
memasukkan variabel baru? Mengganti topik skripsi atau solusi-solusi lain

yang menjadikan perjuangan di tingkat akhir kian dramatis. Jawabannya,


TIDAK. Ibarat virus, kita hanya perlu menyediakan anti virus-nya sehingga
tidak menggerogoti kesehatan model kita, dan kesehatan kita tentunya.
Sebagaimana telah disebutkan sebelumnya, masalah berawal ketika virus
serial correlation menyerang standard error (SE) hasil estimasi koefisien
regresi. Karenanya, yang perlu kita lakukan adalah meningkatkan
kekebalan SE sehingga tegar (robust) terhadap gempuran virus serial
correlation.

Bagaimana caranya? Secara teknik statistik, ini dilakukan dengan


mengoreksi SE (nilai DW dan statistik lainnya tidak berubah, perubahan
hanya terjadi pada nilai SE). Dalam regresi data panel, teknik ini dikenal
dengan white period robust standard error. Jika Anda menggunakan Eviews, teknik ini dapat dilakukan dengan memilih white period kala
menentukan metode yang akan digunakan untuk mengestimasi koefisien

kovarian pada menu options. Dengan mengkilik white period, Anda tak
perlu lagi risau dengan kehadiran virus serial correlation. Anda tak perla
lagi galau meskipun nilai statistik DW tidak dekat ke angka dua.(*)
Bisa untuk model pool dan random effect. Untuk fixed effect bisa ditambah
dummy asal dummy tersebut ada perubahan pada data seriesnya.
2. Intinya adalah data bisa ditranformasi (first difference, logaritma, lag),
spesifikasi ulang model-nya, gunakan estimator GLS.
3. Kesimpulannya disesuaikan dengan hasil model yang sudah ditransformasi.