Sesi 4 diskusi ekonomi manajerial

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

Jawaban
Assalamu'alaikum wr wb,

Saya akan menanggapi pertanyaan yang diberikan diatas, berikut tanggapan saya :
1. Apa yang dimaksud dengan analisis regresi? dan bagaimana model regresi yang ideal?
Analisis regresi adalah sebuah metode statistik yang digunakan untuk mengetahui hubungan
antara variabel dependen dan satu atau lebih variabel independen. Analisis ini dapat digunakan
untuk menilai kekuatan hubungan antar variabel dan untuk membuat prediksi atas hubungan
masa depan antara dua variabel tersebut.

Pada analisis ini, variabel dibedakan menjadi dua bagian, yaitu response variable atau seringkali
juga disebut sebagai dependent variable, dan variabel explanatory atau biasa disebut juga
sebagai variabel bebas (independent variable).

bentuk persamaan regresi (secara bebas) adalah

Y=a+b.X

Gaji = konstanta + (koefisien regresi) . pengalaman kerja

Analisis regresi digunakan hampir pada semua bidang kehidupan baik dalam bidang pertanian,
ekonomi dan keuangan, industri dan ketenagakerjaan, sejarah, pemerintahan, ilmu lingkungan,
dan sebagainya

Model regresi linier sederhana yang ideal harus memenuhui beberapa asumsi-asumsi seperti
berikut: 
a. Eksogenitas yang lemah
Dalam model regresi linier memberi syarat bahwa variabel X bersifat tetap, sementara
variabel Y bersifat acak atau berubah. Di mana satu nilai variabel X akan memprediksi
variabel Y sehingga ada kemungkinan beberapa variabel Y. Dengan begitu, harus ada
nilai kesalahan pada variabel Y.
b. Linieritas
Model analisis regresi bersifat linier, artinya kenaikan variabel X harus diikuti secara
proporsional oleh kenaikan variabel Y. Jika dalam pengujian linieritas tidak terpenuhi,
maka kita dapat melakukan transformasi data atau menggunakan model kuadratik,
eksponensial atau model lainnya yang sesuai dengan pola hubungan nonlinier.
c. Varians error yang konstan
Varians eror perlu konstan karena jika konstan maka variabel error dapat membentuk
model sendiri dan menganggu model utama. Sehingga penanggulangan permasalahan
heteroskedastisitas bisa diatasi dengan menambahkan model varians error ke dalam
model ARCH/GARCH.
d. Autokorelasi untuk data time series
Jika kita menggunakan analisis regresi sederhana untuk data time series atau data yang
disusun berdasarkan urutan waktu, maka ada satu asumsi yang harus dipenuhi, yaitu
asumsi autokorelasi. Asumsi ini melihat pengaruh variabel lag waktu sebelumnya
terhadap variabel Y. Jika ada gangguan autokorelasi, artinya ada pengaruh
variabel lag waktu sebelumnya terhadap variabel Y.

2. Bagaimana cara mengatasi masalah autokorelasi?

Otokorelasi merupakan suatu keadaan di mana variabel pengganggu sering di sebut error
term pada periode tertentu berkorelasi dengan variabel pengganggu pada periode lain
sehingga variabel gangguan tidak acak Otokorelasi atau dikenal juga sebagai korelasi
serial hanya muncul dalam data runtut waktu dan ditandai oleh pola kesalahan yang
beruntun. Yakni, bila besarnya kesalahan kian besar atau kecil atau menunjukkan pola
siklus atau lainnya karena observasi-observasi X disusun secara kronologis, pola ini
menunjukkan bahwa beberapa variabel lain berubah secara sistematis dan memengaruhi
variabel independen. Otokorelasi dapat terjadi karena kesalahan menentukan
model,penggunaan log pada model dan tidak dimasukkannya variabel penting.
Otokorelasi berakibat pada parameter yang diestimasi menjadi bias dan variannya tidak
minimum.otokorelasi dapat dihilangkan dengan cara menambahkan variabel yang
dianggap menjelaskan perubahan yang sistematis tersebut ke dalam persamaan regresi.
Sebagai contoh, bila residu nampak mengikuti pola siklus maka variabel-variabel dummy
dibutuhkan untuk menghitung variasi musim. Jika siklusnya lebih panjang dan
nampaknya berhubungan keadaan perekonomian maka variabel yang dapat
mencerminkan pendapatan nasional, seperti PDB dapat ditambahkan untuk
menghilangkan otokorelasi tersebut. Residu yang cenderung terus-menerus naik atau
 turun dapat dihilangkan dengan menambahkan variabel waktu sebagai variabel
independen.
Beberapa cara untuk mengatasi masalah autokorelasi adalah sebagai berikut :

1. Mengubah model regresi ke dalam bentuk persamaan beda umum (generalized

difference equation).
2. Memasukkan variabel lag dari variabel terikat menjadi salah satu variabel bebas,
sehingga data observasi menjadi berkurang 1.
3. Mengeluarkan satu variabel atau lebih variabel bebas yang mempunyai nilai
korelasi sederhana relatif tinggi
4. Transformasi variabel. Menganalisis ulang model regresi yang sama, tetapi
dengan nilai variabel-variabel yang telah ditransformasikan.
5. Penambahan data baru. Semakin sedikit sampel yang diambil dalam penelitian
akan cenderung meningkatkan adanya gangguan

Sumber Referensi: BMP EKMA4312/EKONOMI MANAJERIAL/MODUL 4/Halaman 4.2 -

4.30
Sekian tanggapan dari saya, saya harap Bapak/Ibu memahami tanggapan dari saya, terima kasih.
Wassalamu'alaikum wr wb