NON-

AUTOKOREL
ASI
Pengantar Regresi Linier
KELOMPOK 5

Aisyha Nabilla Febrianti (185090400111005)

Refinna Fortunata Nifoanoita Laoli (185090400111011)

Radifa Hasna Seilafanny (185090401111017)

Shafa Alya Maulida (185090407111004)

MATERI

#1 #2 #3
Pengertian Asumsi Penyebab Terjadinya Konsekuensi
Non-Autokorelasi Autokorelasi Autokorelasi

#4 #5
Mendeteksi
Tindakan Perbaikan
Autokorelasi
 #1
Pengertian Asumsi Non-Autokorelasi
PENGERTIAN ASUMSI NON-
AUTOKORELASI
 
 #2
Penyebab Terjadinya Autokorelasi
 PENYEBAB TERJADINYA
AUTOKORELASI
#1 INNERSIA #2 BIAS SPESIFIKASI :
Kasus variabel yang tidak
(Kelembaman) dimasukkan

Data deretan waktu ekonomi seringkali

 
menunjukkan pola siklus, seperti indeks harga,
produksi, kesempatan kerja, dan pengangguran.
 PENYEBAB TERJADINYA
AUTOKORELASI
#3 BIAS SPESIFIKASI :
#4 Fenomena Cobweb
Bentuk fungsional yang tidak benar

Penawaran banyak komiditi pertanian dimana

Sebagai contoh yaitu kesalahan pada formulasi
penawaran bereaksi terhadap harga dengan
model regresi atas biaya marjinal. Dapat
keterlambatan satu periode waktu. Sehingga
menimbulkan hasil taksiran model overestimate
penawaran tahun ini dipengaruhi harga tahun lalu.
atau underestimate.
 PENYEBAB TERJADINYA
AUTOKORELASI

#5 Keterlambatan atau lag #6 Manipulasi Data

Beberapa variabel ekonomi misalnya Misalnya merubah data bulanan menjadi

konsumsi, dalam periode ini dipengaruhi data kwartal dengan cara menjumlahkan
konsumsi periode yang lalu. data 3 bulan dan membaginya dengan 3.
Proses ini akan mengakibatkan pola
sistematis dalam error.
 #3
Konsekuensi Autokorelasi
 Penaksir OLS tidak
bias
Dalam penyampaian berulang nilai rata-ratanya sama dengan nilai populasi yang sebenarnya.

Penaksir tadi konsisten

Meningkatnya ukuran sampel secara terbatas, penaksir tadi akan jatuh ke nilai yang sebenarnya.

Penaksir tidak efisien

Karena terdapat autokorelasi, penaksir tidak lagi efisien (tidak mempunyai varians minimum), baik dalam
sampel kecil maupun besar asimtotik.
Konsekuensi Autokorelasi

Jika tetap menerapkan OLS dalam situasi autokorelasi, konsekuensi berikut yang akan terjadi.

1.
Selang keyakinannya akan menjadi lebar dan pengujian arti kurang kuat.
2.
Pengujian t dan F yang biasa tidak lagi sah, jika diterapkan akan memberikan kesimpulan

yang menyesatkan.
3.
Penaksir OLS akan memberikan gambaran yang menyimpang dari nilai populasi yang

sebenarnya. Penaksir OLS menjadi sensitif terhadap fluktuasi penyampelan.

 Konsekuensi Autokorelasi

 
 KONSEKUENSI AUTOKORELASI
 

 
 #4
Mendeteksi Autokorelasi
 METODE GRAFIK
 
Metode ini membandingkan
antara residual dengan variabel X.
Selain itu, dengan
membandingkan antara residual
ke-t dengan residual ke-(t-1)

Suatu grafik mengindikasikan a

adanya autokorelasi dapat dilihat
dari polanya. Suatu grafik
dikatakan mengandung
autokorelasi ketika terdapat pola
antara residual dengan waktu atau
antara residual ke-t sampai ke-(t-
1).. b
 Uji Durbin-Watson

 
 Uji Durbin-Watson
Berikut beberapa keputusan Selang interval uji d
setelah membandingkan interval
uji d:

▪ Jika d < dL maka autokorelasi

positif
▪ Jika dL < d < dU atau 4 – dU
< d < 4 – dL, maka tidak
dapat diambil kesimpulan
apapun
▪ Jika dU < d < 4 – dU, maka
asumsi non-autokorelasi
terpenuhi
▪ Jika d > 4 – dL, maka asumsi
non-autokorelasi tidak Selang interval uji terdiri dua nilai, yaitu batas bawah (dL) dan batas atas (dU).
terpenuhi
Uji Run

Prinsip kerja uji run sangat sederhana yaitu dengan melihat tanda nilai residual positif (+) atau negatif (-),
tanpa memperhatikan nilainya. Sehingga run yang dimaksud disini adalah sekelompok nilai residual yang
mempunyai tanda sama secara berturut-turut.

Contoh:
(++++++)(-----)(+++++)(----)
Uji Run

 
Uji Run
 
 Uji Lagrange-Multiplier (LM-Test)
 
 
 #5
Tindakan Perbaikan terhadap Autokorelasi
 Jika struktur korelasi diketahui
 

 
 

Kurangi pers (2) dengan pers (4) maka akan

menjadi pers (5)
 Jika 𝜌 tidak diketahui
 
 
CONTOH
SOAL
 Contoh Soal
t Y y t Y y t Y y
 
1 309,9 283,1 12 447,3 489,5 23 725,6 696
2 323,7 301,9 13 475,9 508,3 24 722,5 714,7

3 324,1 320,6 14 487,7 527,1 25 745,5 733,5

4 355,3 339,4 15 497,2 545,8 26 790,7 752,3

5 383,4 358,2 16 529,8 564,6

6 395,1 376,9 17 551 583,4

7 412,8 395,7 18 581,1 602,1

8 407 414,5 19 617,8 620,9

9 438 433,2 20 658,1 639,7

10 446,1 452 21 675,2 658,4

11 452,5 470,8 22 706,6 677,2

 PEMBAHASAN
1. Residual Plot
Pada Tabel A, belum diketahui hasil residual antara data aktual dan estimasi gross national product. Maka
diperlukan menghitung secara manual untuk mendapat residual tersebut, yaitu seperti pada Tabel B

t Y y e t Y y e t Y y e

1 309,9 283,1 309,9-283,1=26,8 11 452,5 470,8 -18,3 21 675,2 658,4 16,8

2 323,7 301,9 21,8 12 447,3 489,5 -42,2 22 706,6 677,2 29,4

3 324,1 320,6 3,5 13 475,9 508,3 -32,4 23 725,6 696 29,6

4 355,3 339,4 15,9 14 487,7 527,1 -39,4 24 722,5 714,7 7,8

5 383,4 358,2 25,2 15 497,2 545,8 -48,6 25 745,5 733,5 11,9

6 395,1 376,9 18,2 16 529,8 564,6 -34,8 26 790,7 752,3 38,4

7 412,8 395,7 17,1 17 551 583,4 -32,4

8 407 414,5 -7,5 18 581,1 602,1 -21

9 438 433,2 4,8 19 617,8 620,9 -3,1

10 446,1 452 -5,9 20 658,1 639,7 18,4

 PEMBAHASAN

Dari nilai residual yang sudah

diperoleh akan dibuat residual
plot yang akan mendeteksi secara
visual apakah terdapat kasus
autokorelasi atau tidak.

Jika dilihat, secara visual grafik

di samping memiliki pola
fluktuatif (naik-turun), di mana
dapat menjadi indikasi bahwa
terjadi kasus autokorelasi.
Namun, terdapat kelemahan dalam mendeteksi autokorelasi
menggunakan residual plot, yakni pola grafik dinilai berdasarkan
subjektivitas. Hal ini dapat menimbulkan kerancuan apabila
secara visual grafik tidak menunjukkan pola tertentu.
 1 26,8 718,24

PEMBAHASAN 2
3
4
21,8
3,5
15,9
26,8
21,8
3,5
-5
-18,3
12,4
25
334,89
153,76
475,24
12,25
252,81
5 25,2 15,9 9,3 86,49 635,04
6 18,2 25,2 -7 49 331,24
  7 17,1 18,2 -1,1 1,21 292,41
8 -7,5 17,1 -24,6 605,16 56,25
9 4,8 -7,5 12,3 151,29 23,04
10 -5,9 4,8 -10,7 114,49 34,81
11 -18,3 -5,9 -12,4 153,76 334,89
12 -42,2 -18,3 -23,9 571,21 1780,84
13 -32,4 -42,2 9,8 96,04 1049,76
14 -39,4 -32,4 -7 49 1552,36
15 -48,6 -39,4 -9,2 84,64 2361,96
16 -34,8 -48,6 13,8 190,44 1211,04
17 -32,4 -34,8 2,4 5,76 1049,76
18 -21 -32,4 11,4 129,96 441
  19 -3,1 -21 17,9 320,41 9,61
20 18,4 -3,1 21,5 462,25 338,56
21 16,8 18,4 -1,6 2,56 282,24
22 29,4 16,8 12,6 158,76 864,36
23 29,6 29,4 0,2 0,04 876,16
24 7,8 29,6 -21,8 475,24 60,84
25 11,9 7,8 4,1 16,81 141,61
26 38,4 11,9 26,5 702,25 1474,56
TOTAL 4940,42 16660,88
 PEMBAHASAN
 
 

 
LATIHAN
SOAL
 LATIHAN SOAL
Dengan soal yang sama seperti contoh
soal sebelumnya, silahkan tentukan
keputusan dan kesimpulan 1 309,9 283,1 12 447,3 489,5 23 725,6 696
menggunakan Uji Run. 2 323,7 301,9 13 475,9 508,3 24 722,5 714,7

  3 324,1 320,6 14 487,7 527,1 25 745,5 733,5

4 355,3 339,4 15 497,2 545,8 26 790,7 752,3

5 383,4 358,2 16 529,8 564,6

6 395,1 376,9 17 551 583,4

7 412,8 395,7 18 581,1 602,1

8 407 414,5 19 617,8 620,9

9 438 433,2 20 658,1 639,7

10 446,1 452 21 675,2 658,4

11 452,5 470,8 22 706,6 677,2

THAN
K YOU