Jelajahi eBook
Kategori
Jelajahi Buku audio
Kategori
Jelajahi Majalah
Kategori
Jelajahi Dokumen
Kategori
BAB I
PENDAHULUAN
A. Latar Belakang
Statistika banyak digunakan dalam memecahkan masala kehidupan
sehari-hari,
baik
dalam
bidang
ekonomi,
kedokteran,
kesehatan,
B. Rumusan Masalah
Adapun rumusan masalah pada pembuatan makalah ini adalah
sebagai berikut:
1. Bagaimana proses pendeteksian ada tidaknya autokorelasi pada sebuah
data?
2. Bagaimana dampak atau pengaruh yang ditimbulkan autokorelasi
pada sebuah data?
C. Tujuan
Adapun tujuan dibuatnya makalah ini adalah sebagai berikut:
1. Untuk mengetahui proses pendeteksian ada tidaknya autokorelasi pada
sebuah data.
2. Untuk mengetahui
dampak
atau
pengaruh
yang
ditimbulkan
BAB II
TINJAUAN PUSTAKA
A. Analisis Regresi Linear
responnya
memiliki
skala
pengukuran
minimal
interval.
13 Buku-ekonometrika.pdf
D. Pendeteksian Autokorelasi
Uji autokorelasi digunakan untuk mengetahui ada atau tidaknya
penyimpangan asumsi klasik autokorelasi yaitu korelasi yang terjadi antara
residual pada satu pengamatan dengan pengamatan lain pada model
regresi. Prasyarat yang harus terpenuhi adalah tidak adanya autokorelasi
dalam model regresi.14 Beberapa uji statistic yang sering digunakan adalah
uji Durbin-Watson, uji dengan run test, dan jika data observasi diatas 100
data sebaiknya menggunakan uji lagrange multiplier.15
1. Metode Grafik16
Metode ini merupakan metode yang paling sederhana untuk
mendeteksi autokorelasi. Sekaligus merupakan langkah awal untuk
mendeteksi autokorelasi. Sesuai dengan definisinya, metode ini
membandingkan antara residual dengan variabel X. selain itu, dengan
membandingkan antara rasidual ke-t dengan residual ke-(t-1). Suatu
grafik mengindikasikan adanya autokorelasi dapat dilihat dari polanya.
Suatu grafik dikatakan mengandung autokorelasi ketika terdapat pola
antara residual dengan waktu atau antara residual ke-t sampai ke-(t-1).
2. Uji Durbin-Watson17
14 http://duwiconsultant.blogspot.com/2011/11/uji-autokorelasi.html
15 http://portal-statistik .blogspot.com/2014/05/uji-asumsiautokorelasi-dengan-uji-durbin-watson.html.
16 http://statistikceria.blogspot.com/2012/12/mendeteksi-uji-autokorelasi-part1.html
17 http://statistik4life.blogspot.com/2009/12/Autokorelasi/blogspot.com
( ei+ ei1 )
d=
ei
dimana:
d = nilai Durbin Watson
ei = jumlah kuadrat sisa
Nilai Durbin Watson kemudian dibandingkan dengan nilai d-tabel.
Hasil perbandingan akan menghasilkan kesimpulan seperti kriteria
sebagai berikut:
1. Jika d < dl, berarti terdapat autokorelasi positif.
2. Jika d > (4 dl), berarti terdapat autokorelasi negative.
3. Jika du < d < (4 dl), berarti tidak terdapat autokorelasi.
4. Jika dl < d < du atau (4 du), berarti tidak dapat disimpulkan.
3. Uji Run18
Perinsip kerja uji run sangat sederhana yaitu dengan melihat
tanda nilai residual negtaif atau positif (+) atau negatif (-), tanpa
memperhatikan nilainya. Sehingga run yang dimaksud disini adalah
sekelompok nilai residual yang mempunyai tanda sama secara
bertusut-turut.
Contoh: (++++++)(-----)(+++++)(----)
Hipotesis:
H0 = residual random
H1 = tidak demikian
Dalam melakukan pengujian hipotesis, digunakan analisis
interval kepercayaan :
E(run)-1,96 <= run <= E(run)+1,96 run
18 http://statistikceria.blogspot.com/2012/12/mendeteksi-ujiautokorelasi-part-1.html
10
Keputusan:
Apabila nilai Run berada diantara interval tersebut maka terima H 0
sehingga disimpulkan residualnya random dan tidak adanya unsur
autokorelasi.
4. Metode Lagrange Multiplier (LM)19
LM sendiri merupakan teknik regresi yang memasukkan variabel
lag. Sehingga terdapat variabel tambahan yang dimasukkan dalam
model. Variabel tambahan tersebut adalah data Lag dari variabel
dependen. Dengan demikian model dalam LM menjadi sebagai
berikut:
Y = 0 + 1X1+ 2 X2 + 3 Yt-1+ 4 Yt-2 +
Variabel Yt-1 merupakan variabel lag 1 dari Y.
Variabel Yt-2 merupakan variabel lag 2 dari Y.
E. Mengatasi Autokorelasi
Berikut ada beberapa langkah dalam mengatasi autokorelasi:
1. Evaluasi model
Langkah pertama yang harus dilakukan untuk mendeteksi
autokorelasi yaitu dengan mengidentifikasi apakah autokorelasi itu
pure autocorrelation atau karena mis-spesification model.
2. Generalized Least Squared(GLS)
Setelah kita mengetahui ternyata pure autocorrelation . maka
langkah
selajutnya
yaitu
salah
satunya
dengan
melakukan
19 Buku-ekonometrika.pdf
11
BAB III
METODOLOGI PENELITIAN
A. Lokasi dan Waktu
1. Lokasi : Petani tanaman hias di daerah sawangan depok.
2. Waktu : Bulan April-Mei 2015
B. Jenis Data
Data yang digunakan merupakan data sekunder. Peneliti
mengumpulkan data penjualan per minggu, kunjungan ke website setiap
minggu, event yang diikuti dalam sebulan seperti pameran, atau kegiatan
terkait (dikonversi ke dalam minggu), dan jumlah kunjungan (arrival) ke
gerai/nursery tanaman hias setiap minggu. Kemudian didapatlah data
seperti berikut.
Tabel 1. Data penjualan (per minggu)
20 http://statistikceria.blogspot.com/2012/12/mendeteksi-ujiautokorelasi-part2.html
12
12
C.
Week
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
Y
54
56
45
56
58
41
40
40
41
45
45
46
47
48
44
40
45
53
50
52
52
56
45
46
54
38
45
54
54
52
X1
211
200
256
250
234
256
245
250
300
225
228
263
236
241
312
320
322
356
358
357
345
289
267
214
250
263
300
312
325
345
X2
2
2
2
3
4
4
2
1
2
2
1
2
2
4
4
3
3
2
4
3
2
2
3
4
2
1
1
1
2
2
X3
125
122
142
130
125
100
114
117
121
123
125
100
113
140
168
125
145
147
136
146
123
102
104
125
129
178
125
156
124
142
Anali
sis
Data
Pada makalah ini akan di uji ada atau tidaknya autokorelasi yang
terjadi pada data dimana,
Y = sales (pot per minggu
X1 = kunjungan website (per minggu)
13
tadi
yang
disini
dinamakan
RES_1
lalu
checklist
14
BAB IV
HASIL DAN PEMBAHASAN
A. Hasil
Langkah-langkah dengan menggunakan spss dalam pengujian
autokorelasi sebagai berikut:
15
15
16
Output yang didapatkan dari proses uji autokorelasi diatas adalah sebagai
berikut.
17
B. Pembahasan
Metode grafik merupakan metode yang paling sederhana untuk
mendeteksi autokorelasi. Sekaligus merupakan langkah awal untuk
mendeteksi
autokorelasi.
Sesuai
dengan
definisinya,
metode
ini
18
pada lag pertama hingga ke-16 tidak keluar dari garis Bartlett. Hal ini
menunjukan bahwa model tidak mengandung masalah autokorelasi.
BAB V
PENUTUP
A. Kesimpulan
Adapun kesimpulan yang dapat di tarik dalam makalah ini yaitu
sebagai berikut.
1. Pendeteksian ada atau tidaknya autokorealsi dalam sebuah data dapat
dilakukan dengan empat cara yaitu:
1) Metode Grafik
2) Uji Durbin-Watson
3) Uji Run Test
4) Uji Lagrange Multiplier
Dalam makalah ini, ui yang digunakan adalah uji dengan metode
grafik dan disimpulkan bahwa tidak ada masalah autokorelasi.
2. Akibat-akibat yang ditmbulkan autokorelasi yaitu:
19
19
20
DAFTAR PUSTAKA
Buku-ekonometrika.pdf
E-Jurnal Matematika Vol. 3, No.1 Januari 2014, 8-16
http:// Kel-5-hasby-lia-dani.pdf.
http:// mendeteksi-uji-autokorelasi-part-1.html
http://duwiconsultant.blogspot.com/2011/11/uji-autokorelasi.html
http://id.wikipedia.org/wiki/Autokorelasi.
http://portal-statistik .blogspot.com
http://portal-statistik
.blogspot.com/2014/05/uji-asumsi-autokorelasi-dengan-uji-
durbin-watson.html.
http://skripsi_dwi-prihastuti10503141020.pdf.
http://statistik4life.blogspot.com/2009/12/Autokorelasi/blog-spot.com
http://statistik4life.blogspot.com/2009/12/Autokorelasi/blog-spot.com
http://statistikceria.blogspot.com/2012/12/mendeteksi-uji-autokorelasi-part-.html
http://statistikceria.blogspot.com/2012/12/mendeteksi-uji-autokorelasi-part-1.html
http://statistikceria.blogspot.com/2012/12/mendeteksi-uji-autokorelasi-part2.html
http://tutorial-spss-uji-autokorelasi.pdf.
21
Jhptump-ump.gdl-kusmiadinu-953.3-babiii.pdf.
SKRIPSI_DWI-PRIHASTUTI10305141020
21