NAMA : SINTA ASANAH

NPM : 10060119052
KELAS :B

TUGAS MENGGUNAKAN COCHRAN ORCUT

Tabel Data deret waktu

No Xt Yt
1 1.77 55.265
2 2.08 64.36
3 1.94 61.042
4 1.73 56.315
5 1.99 62.234
6 1.65 52.825
7 1.78 55.966
8 2.05 62.363
9 2.47 72.724
10 1.66 51.327
11 2.09 61.871
12 1.53 46.69
13 2.26 64.964
14 2.17 63.263
15 1.7 49.881
16 2.46 69.09
17 1.87 53.418

1. Buat model regresi Y atas X , simpan et , periksa apakah ada otokorelasi

Coefficients

Term Coef SE Coef T-Value P-Value VIF

Constant 11.68 3.63 3.22 0.006
Xt 24.25 1.84 13.17 0.000 1.00

Model regresi X atas Y adalah :

𝑌𝑡 = 11.68 + 24.25 𝑋𝑡

Durbin-Watson Statistic

Durbin-Watson Statistic = 0.263952

Hipotesis

H0 : ρ = 0 ; Tidak terdapat autokorelasi

 H1 : ρ ≠ 0 ; Terdapat autokorelasi

Taraf arti : α = 5%

Statistik uji

Nilai Durbin Watson = 0.263952

Kriteria uji

Tolak H0 jika dU < DW < 4-dL

dU(α=0.05, k=1, n=17) = 1.1330

dL(α=0.05, k=1, n=17) = 1.3812  4-dL = 4 – 1.3812 = 2.6188

Kesimpulan

Karena 1.1330 > 0.263952 < 2.6188 maka H0 ditolak yang artinya terdapat autokorelasi.

2. Hitung koefisien korelasi et et-1

et et-1
0.666 .
2.244 0.666
2.321 2.244
2.686 2.321
2.300 2.686
1.136 2.300
1.125 1.136
0.974 1.125
1.150 0.974
-0.604 1.150
-0.488 -0.604
-2.089 -0.488
-1.517 -2.089
-1.036 -1.517
-3.020 -1.036
-2.241 -3.020
-3.606 -2.241

3. Buat transformasi Y* dan X* dengan ρ adalah korelasi et et-1

𝜌̂ = 𝑟 = 𝐶𝑂𝑅𝑅𝐸𝐿(𝑒𝑡, 𝑒𝑡 − 1) = 0.867

Yt* Xt*

16.445 0.545
5.242 0.137
 3.392 0.048
13.409 0.490
-1.132 -0.075
10.167 0.349
13.840 0.507
18.655 0.693
-11.725 -0.481
17.370 0.651
-6.952 -0.282
24.484 0.933
6.939 0.211
-4.968 -0.181
25.843 0.986
-6.483 -0.263

4. Buat model regresi y* atas X* , simpan residunya misal Vt , periksa otokorelasinya!

Coefficients

Term Coef SE Coef T-Value P-Value VIF

Constant 0.864 0.216 4.00 0.001
Xt* 25.946 0.424 61.18 0.000 1.00

Model regresi untuk Yt* dan Xt* adalah :

Yt* = 0.864 + 25.946 Xt*

Durbin-Watson Statistic

Durbin-Watson Statistic = 1.02967

Hipotesis

H0 : ρ = 0 ; Tidak terdapat autokorelasi

H1 : ρ ≠ 0 ; Terdapat autokorelasi

Taraf arti : α = 5%

Statistik uji

Nilai Durbin Watson = 1.02967

Kriteria uji

Terima H0 jika dU < DW < 4-dL

 dU(α=0.05, k=1, n=16) = 1.1062

dL(α=0.05, k=1, n=16) = 1.3709  4-dL = 4 – 1.3709 = 2.6291

Kesimpulan

Karena 1.13709 > 1.02967 < 2.6291 maka H0 ditolak yang artinya terdapat autokorelasi.

5. jika masih terdapat otokorelasi , kembalikan ke model asal, hitung Y – Ŷ = et

karena masih terdapat autokorelasi maka dikembalikan ke model asal.

𝑎 0.864
𝑏₀ = = = 6.496
1 − 𝑟 1 − 0.867
̂ = 6.496 + 25.946 𝑋𝑡
Model asli  𝑌𝑡

Y topi et et-1
52.421 2.844
60.464 3.896 2.844
56.831 4.211 3.896
51.383 4.932 4.211
58.129 4.105 4.932
49.307 3.518 4.105
52.680 3.286 3.518
59.686 2.677 3.286
70.583 2.141 2.677
49.567 1.760 2.141
60.723 1.148 1.760
46.194 0.496 1.148
65.134 -0.170 0.496
62.799 0.464 -0.170
50.604 -0.723 0.464
70.323 -1.233 -0.723
55.015 -1.597 -1.233

6. Hitung korelasi (et et-1 ) , buat transformasi Y* dan X* kembali

𝜌̂ = 𝑟 = 𝐶𝑂𝑅𝑅𝐸𝐿(𝑒𝑡, 𝑒𝑡 − 1) = 0.9563

Yt* Xt*

11.510 0.387
-0.505 -0.049
 -2.059 -0.125
8.380 0.336
-6.689 -0.253
5.449 0.202
8.843 0.348
13.086 0.510
-18.219 -0.702
12.787 0.503
-12.477 -0.469
20.314 0.797
1.138 0.009
-10.617 -0.375
21.389 0.834
-12.653 -0.482

7. Buat model Regrsi , Hitung DW, uji apakah masih ada otokorelasi

Coefficients

Term Coef SE Coef T-Value P-Value VIF

Constant 0.098 0.170 0.58 0.574
Xt*_1 25.944 0.366 70.89 0.000 1.00

Model Regresinya adalah:

Yt* = 0.098 + 25.944 Xt*

Durbin-Watson Statistic

Durbin-Watson Statistic = 1.38661

Hipotesis

H0 : ρ = 0 ; Tidak terdapat autokorelasi

H1 : ρ ≠ 0 ; Terdapat autokorelasi

Taraf arti : α = 5%

Statistik uji

Nilai Durbin Watson = 1.38661

Kriteria uji

Terima H0 jika dU < DW < 4-dL

 dU(α=0.05, k=1, n=16) = 1.1062

dL(α=0.05, k=1, n=16) = 1.3709  4-dL = 4 – 1.3709 = 2.6291

Kesimpulan

Karena 1.13709 < 1.38661 < 2.6291 maka H0 diterima yang artinya tidak terdapat

autokorelasi.

8. Jika sdh tidak ada otokorelasi, kembalikan ke model awal.

Karena sudah tidak ada autokorelasi maka model dikembalikan ke awal.

𝑎 0.098
𝑏₀ = = = 2.243
1 − 𝑟 1 − 0.9563

̂ = 2.243 + 25.944 𝑋𝑡
Model asli  𝑌𝑡