Assalamualaikum Wr. Wb.

Salam Sejahtera untuk kita semua.

Nama : Abdul Riki
Prodi : Manajemen
UPBJJ UT Jakarta
Berikut tanggapan mengenai soal diskusi mata kuliah Ekonomi Manajerial

1. Suatu metode analisis statistic yang digunakan untuk melihat pengaruh antara dua atau
banyak variabel. Hubungan variabel tersebut bersifat fungsional yang diwujudkan dalam
suatu moder matematis. Pada analisis regresi, variabel dibedaja menjadi dua bagian, yaitu
variabel respons (response variable) atau 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.

Periode Jumlah Terjual (unit) Penjualan (Rp)

1 75 150.000

2 25 50.000

3 100 200.000
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.

Yt = 𝛽 1 + 𝛽 2Xt+ 𝜇t

Yt -1 = 𝛽 1 + 𝛽 2Xt - 1+ 𝜇t - 1

Dan
𝜇t = 𝜌𝜇t - 1 + ∈ - 1 < 𝜌 < 1

Sehingga akan membentuk persamaan umum berikut:

(Yt – 𝜌𝑌t - 1 = 𝛽 1 (1 - 𝜌) + 𝛽 2 (Xt – 𝜌𝑋𝑡 − 1) – ∈t

Atau bisa dibentuk menjadi:

Y*t = 𝛽 ∗1 + 𝛽 ∗2 X*t + ∈t
 Dimana:
𝛽 ∗ 1= 𝛽 1 (1 - 𝜌), 𝑌 ∗ = (Yt - 𝜌Yt -1), X*t = (Xt – 𝜌𝑋𝑡 − 1), 𝛽 ∗2 = 𝛽 2

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 :
Arsyad, Lincolin. 2022. Ekonomi Manajerial. Tangerang Selatan: Universitas
Terbuka (BMP EKMA4312)
https://digensia.wordpress.com. 2012. Analisa model regresi.
https://statistikceria.blogspot.com. 2012. Mengatasi uji autokorelasi.