Kepada para peserta diskusi 4 matakuliah ini, setelah Anda membaca dan memahami Inisiasi

ke-4, diharapkan Anda mampu menjelaskan materi diskusi berikut ini:

Assalamualaikum, Ijin menanggapi diskusi 4 ini

1. Apa yang dimaksud dengan analisis regresi? dan bagaimana model regresi yang ideal?

Analisis regresi adalah sebuah teknik statistik yg digunakan untuk menemukan derajat ketergantungan
satu variabel (variabel dependen) terhadap satu variabel lainnya atau lebih (variabel independen).

Analisis regresi merupakan salah satu teknik statistik yang digunakan secara luas pada ilmu terapan
untuk menyelesaikan masalah sebab akibat. Analisis regresi tersebut merupakan suatu metode yang
digunakan untuk menganalisis hubungan antar variabel yang dibentuk dalam suatu persamaan atau
regresi.

Ada 2 jenis analisis regresi, yaitu :

- analisis runtut - waktu (time – series) yg mengobservasi data suatu entitas selama periode waktu
tertentu
- analisis data seksi – silang (cross – section) yg mengobservasi data pada waktu yg sama dengan
unit – unit (entitas – entitas) sejenis.

Model regresi yang ideal memiliki eksogenitas yang lemah, bersifat linier, varians error atau varians
residual yang tidak berubah-ubah pada response yang berbeda, dan autokorelasi untuk data time
series.
2. Bagaimana cara mengatasi masalah autokorelasi?

Autokorelasi menurut Sugiyanto,2009 adalah suatu keadaan dimana variable pengganggu (error Term) pada
periode tertentu berkorelasi dengan variable pengganggu pada periode lain sehingga variable gangguan tidak
acak.

Autokorelasi dapat dihilangkan dengan cara menambahkan variable yang dianggap menjelaskan perubahan
yang sistematis tersebut ke dalam persamaan regresi.

Autokorelasi ini dapat terjadi karena :

 Kesalahan menentukan model

 Penggunaan lag pada model
 Tidak dimasukkannya variabel penting.

Autokorelasi berakibat pada parameter yang diestimasi menjadi bias dan variannya tidak minimum. Autokorelasi
dan cara penanganannya dapat dilakukan dengan mengubah lag variabel bebas atau menaksir regresi dengan
model lain, seperti error corection model atau model lainnya yang dapat mengatasi permasalahan autokorelasi.

cara mengatasi masalah 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).

3. Newey – West Method.

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

Demikian tanggapan dari saya, terimakasih.

Sumber referensi :
- EKMA4312/Modul 4
- https://statistikceria.blogspot.com/2012/12/mengatasi-uji-autokorelasi