Upload presentasi
Presentasi sedang didownload. Silahkan tunggu
1
AUTOKORELASI (Autocorrelation)
Agung Priyo Utomo -
2
Agung Priyo Utomo - agung@stis.ac.id
DEFINISI Autokorelasi: korelasi antara variabel itu sendiri, pada pengamatan yang berbeda waktu atau individu. Umumnya kasus otokorelasi banyak terjadi pada data time series, artinya kondisi sekarang dipengaruhi waktu lalu. Misal: Tinggi badan, upah, dsbnya. Salah satu alat deteksi: melihat pola hubungan antara residual (εt) dan variabel bebas atau waktu (Xt). Agung Priyo Utomo -
3
MENDETEKSI AUTOKORELASI
Pola Autokorelasi Gambar nomor (1) menunjukan adanya siklus, sedang nomor (2) menunjukan garis linier. Kedua pola ini menunjukan adanya otokorelasi. Agung Priyo Utomo -
4
Uji Durbin-Watson (Uji d)
Statistik Uji Agung Priyo Utomo -
5
Aturan menggunakan uji Durbin-Watson :
Bandingkan nilai d yang dihitung dengan nilai dL dan dU dari tabel dengan aturan berikut : Bila d < dL tolak H0; Berarti ada korelasi yang positif atau kecenderungannya = 1 Bila dL d dU kita tidak dapat mengambil kesimpulan apa-apa Bila dU < d < 4 – dU jangan tolak H0; Artinya tidak ada korelasi positif maupun negatif Bila 4 – dU d 4 – dL kita tidak dapat mengambil kesimpulan apa-apa Bila d > 4 – dL tolak H0; Berarti ada korelasi negatif Agung Priyo Utomo -
6
Gambar aturan menggunakan uji Durbin-Watson
Tidak tahu Tidak tahu Korelasi positif Tidak ada korelasi Korelasi negatif dL dU dU 4-dL Agung Priyo Utomo -
7
Agung Priyo Utomo - agung@stis.ac.id
Mengatasi Autokorelasi: Metode Pembedaan Umum (Generalized Differences) Yt = β0 + β1Xt + εt dan εt = ρ ut-1 + vt Untuk waktu ke- t-1: Yt-1 = β0 + β1Xt-1 + εt-1 Bila kedua sisi persamaan dikali dengan ρ, maka: ρ Yt-1 = ρ β0 + ρ β1Xt-1 + ρ εt-1 Sekarang kita kurangkan kedua persamaan Yt - ρ Yt-1 = (β0 - ρ β0) + β1(Xt - ρ Xt-1) + (εt - ρ εt-1) Persamaan tersebut dapat dituliskan sebagai: Yt* = β0 (1 - ρ) + β1Xt* + vt Dimana: Yt* = Yt - ρ Yt-1 dan Xt* = Xt - ρ Xt-1 umumnya ρ diasumsikan sama dengan 1 Agung Priyo Utomo -
Presentasi serupa
