Anda di halaman 1dari 3

DISKUSI IV

NAMA : AHMAD FADHLULLAH


NIM : 018 792 894
SOAL DISKUSI

1. Apa yang dimaksud dengan model regresi ? dan bagaimana model regresi yang ideal?
2. Bagaimana cara mengatasi masalah autokorelasi?

JAWABAN

1. Yang dimaksud dengan model regresi yaitu suatu metode analisis statistik yang
digunakan untuk melihat pengaruh antara dua atau lebih banyak variabel.
Hubungan variabel tersebut bersifat fungsional yang diwujudkan dalam suatu model matematis.
Pada analisis regresi, variabel dibedakan menjadi dua bagian, yaitu variabel respons (response
variable) atau biasa juga disebut variabel bergantung (dependent variable), dan variabel
explanatory atau biasa disebut penduga (predictor variable) atau disebut juga variabel bebas
(independent variable).
Regresi terbagi menjadi beberapa jenis, yaitu regresi sederhana (linier sederhana dan nonlinier
sederhana) dan regresi berganda (linier berganda atau nonlinier berganda). Model regresi
mengasumsikan bahwa faktor-faktor yang diramal menunjukkan adanya suatu hubungan sebab
akibat (cause-effect relationship) dengan satu atau lebih variabel bebas (independent variable).
Model causal lebih digunakan untuk pengambilan keputusan (decision making) dan kebijaksanaan
(policy). Konsep sebuah hubungan antara dua variabel, kita kenal dengan hubungan fungsional dan
hubungan statistik. Sebuah hubungan fungsional antara dua variabel dinyatakan dengan sebuah
formula matematika. Jika X adalah variabel bebas (independent variable) dan Y adalah variabel
tidak bebas (dependent variable), sebuah hubungan fungsional dapat ditulis sebagai berikut:
Y = f(X)
untuk nilai X tertentu, fungsi f merupakan nilai dari Y
Contoh:

hubungan antara hasil penjualan (Y) dengan jumlah unit yang terjual (X). Jika harga penjualan
adalah Rp 2.000 per unit, dan hubungan diatas dinyatakan dengan persamaan Y = 2X maka
hubungan fungsional ini dapat ditunjukan seperti pada tabel dibawah ini
2. Cara untuk mendeteksi terjadinya autokorelasi antara lain dengan menggunakan
metode grafik, Durbin Watson, atau metode Lagrange Multiplier. Dari hasil
pendeteksian tersebut, jika
terdapat autokorelasi maka harus diperbaiki dengan cara transformasi.

Metode Cochrane Orcutt


Banyak cara dilakukan dalam transformasi untuk mengatasi masalah autokorelasi.
Pemilihan cara transformasi tersebut dipengaruhi oleh “diketahui atau tidak diketahuinya
koefisien autokorelasi (p).” Koefisien korelasi (p) disebut juga dengan istilah “Rho“. Jika
koefisien autokorelasi diketahui maka tinggal
menyelesaikan dengan cara transformasi. Sedangkan jika tidak diketahui maka cara
penyelesaiannya dengan terlebih dahulu menaksir koefisien autokorelasi dengan
rnenggunakan berbagai metode, antara lain metode Durbin Watson, Theil-Nagar, atau
Cochrane-Orcutt.
Setelah koefisien autokorelasi diketahui, maka langkah selanjutnya adalah melakukan
transformasi. Kemudian dari data hasil transformasi, dilakukan pendeteksian ulang untuk
mendeteksi ada atau tidaknya autokorelasi. Jika pada data hasil transformasi masih
terdapat autokorelasi, maka dilakukan transformasi ulang sampai tidak terdapat
autokorelasi. Setelah diperoleh data yang terhindar dan autokorelasi, langkah selanjutnya
menerapkan dengan metode Ordinary Least Squares (OLS) untuk menentukan koefisien-
koefisien regresinya.

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. Mis-spesifikasi disini adalah kemungkinan adanya kuadratik
model atau modelnya mengandung kuadratik. Sehingga apabila hasil tersebut masih
mengandung autokorelasi maka autokorelasi tersebut merupakan pure autocorrelation.
2. Generalized Least Squared(GLS)
Setelah kita mengetahui ternyata pure autocorrelation . maka langkah selajutnya yaitu
salah satunya dengan melakukan transformasi. Transformasi ini dilakukan dengan
mengurangi nilai variabel (bebas dan terikat) pada waktu ke-t, dengan waktu ke-(t-1).

Pertama, kita memulai dengan regresi biasa.


Dan Sehingga akan membentuk persamaan umum berikut:

Atau bisa dibentuk menjadi:

Dimana:

Jika autokorelasi di dalam residual tinggi (p=1), maka kita akan persamaan regresi
tanpa intersep. Sedangkan jika (p=0) maka model regresi yang akan didapat adalah
regresi dengan pembeda
pertama.

GLS ini bisa digunakan jika nilai roh didapatkan. Permasalahannya roh didapatkan
dari nilai populasi yang sulit diperoleh. Sehingga perlu dilakukan roh berdasarkan
data sampel.

3. Newey – West Method.


Pada metode mengasumsikan bahwa sampel yang digunakan besar. Dalam
perhitungannya digunakan software-software statistic salah satunya adalah E-views.

Sumber : BMP EKMA 4312

Anda mungkin juga menyukai