MODEL DISRIBUSI LAG

DAN AUTOREGRESSIVE

DISUSUN OLEH:

OLEH:
I M E L D A I N D A H S AV I T R I ( A 1 C 1 1 5 2 1 0 )
I S N AWAT I ( 1 6 1 0 1 1 8 1 2 0 0 0 9 )
PENGERTIAN MODEL DISTRIBUSI LAG
DAN MODEL AUTOREGRESSIVE
Model Distributed Lag adalah model yang menunjukkan hubungan antara variabel terikat
() dengan variabel bebas masa lalu (). Model Distributed Lag, dapat dituliskan sebagai
berikut:

Model ini menggambarkan bahwa nilai tergantung atau dipengaruhi oleh nilai pada saat
(), nilai pada satu 'unit' ukuran waktu sebelumnya (misalnya: bulan, tahun, dan
sebagainya) (), dan nilai x pada dua 'unit' ukuran waktu sebelumnya (), disamping tentu
saja dipengaruhi oleh faktor-faktor lain yang diwakili oleh .
PENGERTIAN MODEL DISTRIBUSI LAG
DAN MODEL AUTOREGRESSIVE
Model Autoregressive atau Model Dynamics adalah model yang menunjukkan hubungan
antara variabel terikat () dengan variabel terikat masa lalu () yang digunakan sebagai
variabel bebas. Model Autoregressive, dapat dituliskan sebagai berikut:

Model ini menggambarkan bahwa nilai , tergantung atau dipengaruhi oleh nilai pada saat
(), dan nilai pada satu 'unit' ukuran waktu sebelumnya ()
CONTOH KASUS

Penelitian dilakukan untuk mengetahui hubungan antara pembelian perlengkapan dan hasil penjualan
suatu perusahaan selama 20 tahun. Data pembelian perlengkapan dan hasil penjualan dalam termuat
dalam tabel berikut:

Keterangan :
Y : Pembelian Perlengkapan
(dalam juta rupiah)
X : Penjualan (dalam juta
rupiah)
PENYELESAIAN:
Model Distribusi Lag
Langkah-langkah pada software Minitab 16 adalah sebagai berikut:

1. Membuka software Minitab 16

2. Memasukkan data ke dalam worksheet Minitab 16
3. Pada kolom C4 beri nama , kemudian klik stat > time series > lag. Kemudian akan
muncul kotak dialog Lag.
4. Select pada bagian Series, isikan “c4” (nama kolom yang ingin dijadikan sebagai tempat hasil lag) pada
bagian Store lags in, dan pada bagian lag masukkan “1” (lag berapa yang kita inginkan). Kemudian klik OK
5. Untuk mencari persamaan yaitu dengan cara regresi. Klik stat > regression > regression. Kemudian akan
muncul kotak dialog : Regression.
6. Pada kotak dialog Regression, select pada bagian Response serta select dan pada bagian Predictors.

7. Maka didapat Analisis Regresinya

Dari analisis data pada minitab di atas diketahui
bahwa nilai p-value adalah 0,000. Karena nilai p-
value < 0,05, maka dapat disimpulkan bahwa
penjualan (X) tersebut berpengaruh signifikan
terhadap pembelian perlengkapan (Y).
Dari analisis regresi di atas diperoleh persamaan-persamaan sebagai berikut :
(1).
(2).
(3).
Dapat dilihat bahwa sampai pembentukan model (2), tanda koefesien masih “stabil”. Oleh karena itu, pengolahan
data dilanjutkan ke tahap berikutnya, sehingga diperoleh persamaan (3). Dari persamaan terlihat bahwa koefisien
variabel bebas sudah tidak stabil, karena pada persamaan (2) bertanda negatif, sedangkan pada persamaan (3)
berubah menjadi positif.
Jadi, persamaan yang dipilih sebagai model Distributed Lag adalah persamaan (2) yaitu :

Dari koefisien pada persamaan di atas diketahui bahwa penjualan pada waktu itu (sekarang) mempunyai
pengaruh yang sama dengan penjualan pada waktu satu tahun yang lalu dalam menentukan besar kecilnya
pembelian perlengkapan serta penjualan pada waktu dua tahun yang lalu lebih kecil pengaruhnya dalam
menentukan besar kecilnya pembelian perlengkapan.
 Selain itu, dari koefisien pada persamaan di atas dapat diketahui hubungan antara pembelian
perlengkapan dan penjualan per tahun sebagai berikut:
1. Koefisien regresi pada variabel bertanda positif berarti bahwa hubungan antara pembelian perlengkapan
sekarang dengan penjualan sekarang searah atau positif. Semakin banyak penjualan sekarang, maka
semakin besar pula pembelian perlengkapan sekarang.
2. Koefisien regresi pada variabel bertanda positif berarti bahwa hubungan antara pembelian perlengkapan
sekarang dengan penjualan satu tahun sebelumnya searah atau positif. Semakin banyak penjualan satu
tahun yang lalu, maka semakin besar pula pembelian perlengkapan sekarang.
3. Koefisien regresi pada variabel bertanda negatif berarti bahwa hubungan antara pembelian perlengkapan
sekarang dengan penjualan dua tahun sebelumnya berlawanan arah atau negatif. Semakin banyak
penjualan dua tahun sebelumnya, maka semakin kecil pembelian perlengkapan sekarang.
Model Autoregresive
Langkah-langkah pada software Minitab 16 adalah sebagai berikut:

1. Membuka software Minitab 16

2. Memasukkan data ke dalam worksheet Minitab 16
3. Pada kolom C4 beri nama , kemudian klik stat > time series > lag. Kemudian akan muncul kotak dialog Lag.
4. Select pada bagian Series, isikan “c4” (nama kolom yang ingin dijadikan sebagai tempat hasil lag) pada bagian
Store lags in, dan pada bagian lag masukkan “1” (lag berapa yang kita inginkan). Kemudian klik OK
5. Untuk mencari persamaan yaitu dengan cara regresi. Klik stat > regression > regression. Kemudian akan
muncul kotak dialog : Regression.
6. Pada kotak dialog Regression, select pada bagian Response serta select dan pada bagian Predictors.

7. Maka didapat Analisis Regresinya

Dari analisis regresi di atas diperoleh persamaan-persamaan sebagai berikut :
(1).
(2).
(3).
(4).
(5).

Dapat dilihat bahwa sampai pembentukan model (4), tanda koefesien masih “stabil”. Oleh karena itu,
pengolahan data dilanjutkan ke tahap berikutnya, sehingga diperoleh persamaan (5). Dari persamaan terlihat
bahwa koefisien variabel bebas sudah tidak stabil, karena pada persamaan (4) bertanda positif, sedangkan
pada persamaan (5) berubah menjadi negatif. Jadi, persamaan (4) yang dipilih sebagai model Autoregressive
yaitu :
 Dari koefisien pada persamaan di atas diketahui bahwa pembelian perlengkapan pada bulan lalu mempunyai
pengaruh lebih rendah dibanding penjualan pada waktu sekarang dalam menentukan besar kecilnya pembelian
perlengkapan dalam waktu yang sama.
Selain itu, dari koefisien pada persamaan di atas dapat diketahui hubungan antara pembelian perlengkapan dan
pembelian per tahun sebagai berikut:
1. Koefisien regresi pada variabel bertanda positif berarti bahwa hubungan antara pembelian perlengkapan sekarang
dengan penjualan sekarang searah atau positif. Semakin banyak penjualan sekarang, maka semakin besar pula
pembelian perlengkapan sekarang.
2. Koefisien regresi pada variabel bertanda positif berarti bahwa hubungan antara pembelian perlengkapan sekarang
dengan pembelian perlengkapan satu tahun sebelumnya searah atau positif. Semakin banyak pembelian
perlengkapan satu tahun yang lalu, maka semakin besar pula pembelian perlengkapan sekarang.
3. Koefisien regresi pada variabel bertanda negatif berarti bahwa hubungan antara pembelian perlengkapan sekarang
dengan pembelian perlengkapan dua tahun sebelumnya berlawanan arah atau negatif. Semakin banyak penjualan
pembelian perlengkapan dua tahun sebelumnya, maka semakin kecil pembelian perlengkapan sekarang.
3. Koefisien regresi pada variabel bertanda negatif berarti bahwa hubungan antara pembelian perlengkapan sekarang
dengan pembelian perlengkapan tiga tahun sebelumnya berlawanan arah atau negatif. Semakin banyak penjualan
pembelian perlengkapan tiga tahun sebelumnya, maka semakin kecil pembelian perlengkapan sekarang.
4. Koefisien regresi pada variabel bertanda negatif berarti bahwa hubungan antara pembelian perlengkapan sekarang
dengan pembelian perlengkapan empat tahun sebelumnya berlawanan arah atau negatif. Semakin banyak
penjualan pembelian perlengkapan empat tahun sebelumnya, maka semakin kecil pembelian perlengkapan
sekarang.
TERIMA KASIH