FAKULTAS EKONOMI DAN BISNIS UNIVERSITAS MATARAM 2023 Bahasan : • Definisi Autokorelasi? • Apa konsekuensi Autokorelasi? • Bagaimana cara mendeteksi masalah Autokorelasi? • Bagaimana cara menanggulangi masalah Autokorelasi? DEFENISI
• Pengertian non autokorelasi adalah tidak terdapat hubungan
(tidak terjadi serial korelasi) antar variabel gangguan acak pada periode pengamatan yang satu dengan periode pengamatan lainnya. Dengan demikian maka bentuk pelanggarannya yakni terjadi autokorelasi. • Autokorelasi adalah terdapat hubungan (terjadi serial korelasi) antar variabel gangguan acak pada periode pengamatan yang satu dengan periode pengamatan lainnya. Gejala autokorelasi sangat rentan terjadi pada data time series (data runtun waktu). • Konsekuensi apabila di dalam model estimasi terdapat gejala autokorelasi hampir sama dengan gejala heteroskedastisitas yaitu estimator tetap konsisten tetapi tidak efisien dikarenakan varian variabel gangguan tidak konstan (variannya tidak minimum). Metode Deteksi • untuk mendeteksi autokorelasi adalah dengan mengamati correlogram Q-Statistics. Hasil correlogram nampak dalam gambar berikut: Autocorrelation Partial Correlation AC PAC Q-Stat Prob . |***. | . |***. | 1 0.358 0.358 2.2095 0.137 . |* . | . | . | 2 0.184 0.064 2.8388 0.242 . |** . | . |** . | 3 0.319 0.270 4.9110 0.178 . |* . | . | . | 4 0.167 -0.032 5.5390 0.236 . *| . | . **| . | 5 -0.073 -0.197 5.6714 0.340 . **| . | .***| . | 6 -0.270 -0.355 7.7178 0.260 . **| . | . *| . | 7 -0.218 -0.119 9.2345 0.236 . *| . | . | . | 8 -0.176 0.026 10.396 0.238 . **| . | . | . | 9 -0.279 0.011 13.892 0.126 . **| . | . | . | 10 -0.267 -0.021 17.880 0.057 . | . | . |* . | 11 -0.013 0.159 17.894 0.084 . *| . | . **| . | 12 -0.133 -0.224 19.881 0.069 Deteksi :Uji Durbin-Watson
• Cara mendeteksiapabila di dalam model
terdapatgejalaautokorelasiterjadiatautidakadalahdengan menggunakanUji Durbin-Watson (D-W test). D-W test diformulasikan sebagai berikut (Gujarati, 2003). σ𝑛 𝑡=2(𝑒𝑡 −𝑒𝑡−1 ) • D-W = σ𝑒𝑡2 Pengujian hipotesis untuk menyimpulkan apakah di dalam model terdapat gejala autokorelasi atau tidak berdasarkan nilai D-W test, dengan tahapan-tahapan berikut:
• H0 : du D-W 4-du; artinya gejala autokorelasi tidak
terjadi (non autokorelasi) • Ha : D-W dl atau D-W 4-dl ; artinya terjadi gejala autokorelasi positif dan negatif. Jika dl D-W du dan 4-du D-W 4-dl; artinya tidak dapat disimpulkan apakah terjadi gejala autokorelasi atau tidak. • Contoh, diperoleh nilai D-W test adalah sebesar 0,761615 yang jika diandingkan dengan tabel dl= 0,95 dan du=1,54 maka disimpulkan model tersebut terjadi autokorelasi positif karena D-W test (0,761615) adalah lebih kecil dari 0,95. Metode Breusch-Godfrey Serial Correlation LM Test
• Metode Breusch-Godfrey Serial Correlation LM Test,
Hasil estimasi persamaan di atas menghasilkan nilai
Obs*Rsquare (X2), nilai Obs*Rsquare (X2) tersebut dipedomani dalam pengujian hipotesisnya, dengan rumusan sebagai berikut : • Hasil estimasi persamaan di atas menghasilkan nilai Obs*Rsquare (X2), nilai Obs*Rsquare (X2) tersebut dipedomani dalam pengujian hipotesisnya, dengan rumusan sebagai berikut :
• H0 : Obs*Rsquare (X2) = 0 ; Artinya tidak terjadi
Autokorelasi • HA : Obs*Rsquare (X2) ≠ 0 ; Artinya terjadi Autokorelasi • H0 diterima jika : nilai Obs*Rsquare (X2) ≤ nilai X2 tabel, dan sebaliknya • HA diterima jika : nilai Obs*Rsquare (X2) > nilai X2 tabel
Penerapan deteksi autokorelasi dengan metode Breusch-
Godfrey Serial Correlation LM Test, hasil pengolahan dengan menggunakan program Eviews ditampilkan dalam tabel berikut : Breusch-Godfrey Serial Correlation LM Test: F-statistic 6.568938 Probability 0.028228 Obs*R-squared 5.550454 Probability 0.018476 Test Equation: Dependent Variable: RESID Method: Least Squares Date: 12/09/14 Time: 12:03 Presample missing value lagged residuals set to zero. Variable Coefficient Std. Error t-Statistic Prob. SUKUBUNGA 12.03578 16.20369 0.742780 0.4747 NILAITUKAR -0.000408 0.001820 -0.224410 0.8270 INFLASI -0.006863 0.007993 -0.858609 0.4107 RESID(-1) 0.732781 0.285908 2.562994 0.0282 R-squared 0.396461 Mean dependent var 1.83E-14 Adjusted R-squared 0.215399 S.D. dependent var 18.42668 S.E. of regression 16.32193 Akaike info criterion 8.657852 Sum squared resid 2664.053 Schwarz criterion 8.840440 Log likelihood -56.60497 Durbin-Watson stat 1.813029 Berdasarkan tabel di atas namak bahwa nilai Obs*Rsquare adalah sebesar 5,5504 dengan probabilitas 0,0184, jika dibandingkan dengan X2 tabel maka nilai Obs*Rsquare tersebut lebih besar dari nilai X2 tabel. Dengan demikian maka H0 ditolak (HA diterima) artinya model empiris tersebut terjadi serial korelasi (terjadi autokorelasi) antar variabel gangguan acak.