Escolar Documentos
Profissional Documentos
Cultura Documentos
Oleh : Muhammad Hasby (0910950052) Lia Kurniasari (0910953034) Fathuldani Liatama (0910953028)
Pengaruh Autokorelasi
MENDETEKSI AUTOKORELASI
AUTOKORELASI
Contoh soal
Pengaruh Autokorelasi
anggota serangkaian obseervasi yang berurutan menurut waktu (data time series) atau ruang (cross sectional). Sebagai contoh adalah pengaruh antara tingkat inflasi bulanan terhadap nilai tukar rupiah terhadap dollar. Data tingkat inflasi pada bulanan katakanlah bulan februari, akan dipengaruhi oleh tingkat inflasi bulan januari. Berarti terdapat gangguan autokorelasi pada model tersebut. Uji autokorelasi digunakan untuk mengetahui ada atau tidaknya penyimpangan asumsi klasik autokorelasi yaitu korelasi yang terjadi antara residual pada satu pengamatan dengan pengamatan lain pada model regresi. Prasyarat yang harus terpenuhi adalah tidak adanya autokorelasi dalam model regresi.
negative. Dalam analisis deret waktu, lebih besar kemungkinan terjadi autokorelasi positif, karena variable yang dianalisis biasanya mengandung kecenderungan meningkat, misalnya kurs. Autokorelasi adalah korelasi yang terjadi antara residual pada satu pengamatan dengan pengamatan lain pada model regresi. Prasyarat yang harus terpenuhi adalah tidak adanya autokorelasi dalam model regresi. Uji autokorelasi digunakan untuk mengetahui ada atau tidaknya penyimpangan asumsi klasik autokorelasi yaitu korelasi yang terjadi antara residual pada satu pengamatan dengan pengamatan lain pada model regresi. Prasyarat yang harus terpenuhi adalah tidak adanya autokorelasi dalam model regresi.
AUTOKORELASI
Metode Grafik
Metode DurbinWatson
Mendeteksi autokorelasi
Metode Grafik
Metode Durbin-Watson
Metode Durbin-Watson
Pengaruh Autokorelasi
Apabila data yang kita analisis mengandung autokorelasi, maka estimator yang kita dapatkan memiliki karakteristik berikut ini : Estimator metode kuadrat terkecil masih kecil Estimator metode kuadrat terkecil masih tidak bias Estimator metode kuadrat terkecil tidak mempunyai varian yang minimum (no longer best)
Dengan demikian, seperti halnya pengaruh heterokedastisitas, autokorelasi juga akan menyebabkan estimator hanya LUE, tidak lagi BLUE. Akibat terjadinya autokorelasi adalah sebagai berikut: Penaksir menjadi tidak efisien (tidak lagi mempunyai varians minimum) Uji t dan uji F tidak lagi sah, dan jika diterapkan dapat memberikan kesimpulan yang menyesatkan mengenai arti statistik dari koefisien regresi yang ditaksir Penaksir memberikan gambaran yang menyimpang dari nilai populasi yang sebenarnya. Dengan kata lain, penaksir menjadi sensitif terhadap fluktuasi penyampelan
Contoh Kasus