AUTOKRELASI (Autocorrelation)

DEFINISI

Autokorelasi: korelasi antara variabel itu sendiri, pada pengamatan yang berbeda waktu atau individu. Umumnya kasus otokorelasi banyak terjadi pada data time series, artinya kondisi sekarang dipengaruhi waktu lalu. Misal: Tinggi badan, upah, dsbnya. Salah satu alat deteksi: melihat pola hubungan antara residual (t) dan variabel bebas atau waktu (Xt).

DEFINISI

Asumsi klasik: E(ei,ej) = 0 i j Pelanggaran asumsi: E(ei,ej) 0 i j

autokorelasi

KONSEKUENSI AUTOKORELASI
1) Secara teori, estimator least square tetap linier & unbias 2) Tetapi tidak efisien, sehingga estimator OLS not BLUE 3) Estimasi varians dengan OLS bias biasanya underestimate dibanding varians sebenarnya 4) t and F-test not genarally reliable 5) R2 unreliable measure of true R 6) Varians dan SE dari forecast tidak efisien

DETECTING AUTOCORRELATION
Graphical Methods Runs Test (nonparametric) Durbin-Watson Test

MENDETEKSI AUTOKORELASI

Pola Autokorelasi

Gambar nomor (1) menunjukan adanya siklus, sedang nomor (2) menunjukan garis linier. Kedua pola ini menunjukan adanya otokorelasi.

Uji Durbin-Watson (Uji d)

Statistik Uji
n

d=

( t t 1 ) 2
t =2

t2
t =1

Aturan menggunakan uji Durbin-Watson :

Bandingkan nilai d yang dihitung dengan nilai dL dan dU dari tabel dengan aturan berikut :
Bila d < dL tolak H0; Berarti ada korelasi yang positif atau kecenderungannya = 1 Bila dL d dU kita tidak dapat mengambil kesimpulan apa-apa Bila dU < d < 4 dU jangan tolak H0; Artinya tidak ada korelasi positif maupun negatif Bila 4 dU d 4 dL kita tidak dapat mengambil kesimpulan apa-apa Bila d > 4 dL tolak H0; Berarti ada korelasi negatif

Gambar aturan menggunakan uji Durbin-Watson

Tidak tahu Korelasi positif Tidak ada korelasi

Tidak tahu Korelasi negatif

dL

dU

4-dU

4-dL

MENGATASI AUTOKORELASI
Generalized Difference Equation (First Difference Procedure) Hildreth-Lu Procedure Cochrane-Orcutt Procedure

Prais-Winsten Transformation

10

Mengatasi Autokorelasi: Metode Pembedaan Umum (Generalized Differences Equation)

Yt = 0 + 1Xt + t dan t = ut-1 + vt Untuk waktu ke- t-1: Yt-1 = 0 + 1Xt-1 + t-1 Bila kedua sisi persamaan dikali dengan , maka: Yt-1 = 0 + 1Xt-1 + t-1 Sekarang kita kurangkan kedua persamaan Yt - Yt-1 = (0 - 0) + 1(Xt - Xt-1) + (t - t-1) Persamaan tersebut dapat dituliskan sebagai: Yt* = 0 (1 - ) + 1Xt* + vt Dimana: Yt* = Yt - Yt-1 dan Xt* = Xt - Xt-1 umumnya diasumsikan sama dengan 1
11

ESTIMASI
First Difference Equation Durbin-Watson d statistic OLS Residual

12