Magister Manajemen Univ.

Muhammadiyah Yogyakarta

Wihandaru Sotya PamungkasOtokorelasi 101

Magister Manajemen Univ. Muhammadiyah Yogyakarta

Otokorelasi

1.Pendahuluan
Otokorelasi adalah korelasi antara anggota serangkaian
observasiyangdiurutkanmenurutwaktu(timeseries)atauruang
(crosssection).Masalahotokorelasiakanmunculpadadataruntut
waktu (time series) dan data lintas sektoral (cross section) dapat
diabaikan.
Dalammodelregresilinearklasik(ordinaryleastsquareatau
OLS) mengasumsikan bahwa otokorelasi tidak terdapat dalam
faktorresidual,ataudapatditulis:
E(uiuj)=0ij

Wihandaru Sotya PamungkasOtokorelasi 102

Magister Manajemen Univ. Muhammadiyah Yogyakarta

2.PenyebabOtokorelasi
a.

Adanya

kelembaman

(inertia),

adalah

adanya

ketergantunganatauinterdependensiantaradataobservasi
periodesekarangdenganperiodesebelumnya.
b.

Biasspesifikasiadalahadanyavariabelpenjelasyangtidak
dimasukkan dalam model regresi, hal ini mengakibatkan
unsur penganggu (ui) akan merefleksikan suatu pola yang
sistematis diantara sesama unsur pengganggu, hal ini
mengakibatkanterjadiotokorelasidiantararesidual.

c.

Fenomena sarang labalaba (cobweb phenomenon), hal ini

biasanya terjadi pada komoditas pertanian. Misal panen
komoditi pada permulaan tahun dipengaruhi oleh harga
komoditi sebelumnya, jika harga komoditi sebelumnya
menguntungkan maka jumlah panen komoditi akan
meningkat sebaliknya jika harga komoditi sebelumnya
tidak menguntungkan maka jumlah panen komoditi akan
menurun.

Wihandaru Sotya PamungkasOtokorelasi 103

Magister Manajemen Univ. Muhammadiyah Yogyakarta

d.

Manipulasi data, yaitu peneliti membutuhkan data

kuartalan namun data yang tersedia dalam tahunan,
sehinggaharusinterpolasidata.

e.

Adanya kelambanan waktu (lag). Misal pengeluaran

konsumsi

sekarang

dipengaruhi

oleh

pengeluaran

konsumsisebelumnya.
Dalamekonometrikadisebutdenganmodelautoregressive.

Yt=b0+b1X1+b2X2+b3Yt1+e

3.AkibatOtokorelasi
a.

PenaksirOLStidakefisienataumemilikivarianminimum.

b.

Nilai thitung dan Fhitung lebih tinggi dibanding thitung dan

Fhitungjikatidakadamasalahotokorelasi.

c.

Penaksirvarianakanlebihrendah(underestimate).

Wihandaru Sotya PamungkasOtokorelasi 104

Magister Manajemen Univ. Muhammadiyah Yogyakarta

d.

Berkaitan dengan nomor b maka nilai R2 menyesatkan

danperamalanmenjaditidakefisien.

4.MendeteksiOtokorelasi
UjiDurbinWatson(DW)
Asumsi:
a.

Regresiharusmemilikikonstantaatautidakmelewatititik
origin.

b.

Variabelpenjelaskonstanuntuksampelyangberulang.

c.

Faktorpengganggu(ui)dapatdigeneralisasidenganskema
firstorderautoregressive.

d.

Tidak ada lag dalam modelregresi. Apabila dalammodel

adalagdigunakanujih.

Yt=b0+b1X1+b2X2+b3Yt1+e
Wihandaru Sotya PamungkasOtokorelasi 105

Magister Manajemen Univ. Muhammadiyah Yogyakarta

Langkahlangkah:
a.

MencarinilaiDWhitung,sebagaiberikut:

t =n

d=

2
(
e
e
)

t t 1

t =2

t =n

2
e
t

t =1

et=nilairesidualsekarang;et1=nilaisebelumnya.
n=banyaknyaobservasi.
b.

MencarinilaiDWtabel,sebagaiberikut:

Wihandaru Sotya PamungkasOtokorelasi 106

Magister Manajemen Univ. Muhammadiyah Yogyakarta

DWhitung<dL

Otokorelasipositif

dL<DWhitung<dU

Raguragu

dUDWhitung4dU

Tidakadaotokorelasi

4dU<DWhitung4dL

Raguragu

DWhitung>4dL

OtokorelasiNegatif

c. Kesimpulan:membandingkanDWhitungdenganDWtabel.

5.Ujih

d
N

h = 1
2 1 {N * ( Yt 1 )}

d:nilaiDWhitung;N:jumlahdata;
Var:varianatau(standarerror)2

Wihandaru Sotya PamungkasOtokorelasi 107

Magister Manajemen Univ. Muhammadiyah Yogyakarta

Kesimpulan:
Jikanilaih<1.645tidakterjadiotokorelasipadafungsi
empiris.
1.645=Z;=5%

6.PerbaikanOtokorelasi
1.StrukturOtokorelasi()Diketahui.
2.StrukturOtokorelasi()TidakDiketahui.

ModelEstimasi
Y=b0+b1X1+b2X2+e

Wihandaru Sotya PamungkasOtokorelasi 108

Magister Manajemen Univ. Muhammadiyah Yogyakarta

6.1.StrukturOtokorelasi()
Diketahui
Langkahlangkah:
a.

Meregres fungsi empirik yang sedang diamati, dan

diperolehnilairesidual(e).
Y=b0+b1X1+b2X2+e

b.

Meregres fungsi empirik di bawah ini, diperoleh nilai

(rho):
et=x(et1)+v

c.

Transformasidataobservasikeduadanseterusnya,dengan
cara:

Yt = Yt (p * Yt 1 )

X1t = X1t (p * X1t 1 )

Wihandaru Sotya PamungkasOtokorelasi 109

Magister Manajemen Univ. Muhammadiyah Yogyakarta

d.

Transformasi data khusus observasi pertama (t1), dengan

cara:

Yt1 = Yt1 * 1 p

X1t1 = X1t1 * 1 p
e.

Dari data hasil tranformasi, diregres dan diuji kembali

apakah masih terdapat gejala otokorelasi. Cara pengujian
seperticontohdiatas.

Wihandaru Sotya PamungkasOtokorelasi 110

Magister Manajemen Univ. Muhammadiyah Yogyakarta

6.2.StrukturOtokorelasi()
TidakDiketahui
Adabeberapametode:
a.

UjiBerenbluttWebb.

b.

UjiyangdidasarkanpadaDWdStatistics.

c.

Uji TheilNagar Modifikasi d Statistics (TheilNagar

ModifieddStatisticsTest).

d.

Metode Estimasi dengan menggunakan Dua Langkah

Durbin(DurbinsTwostepMethodofEstimating).

Wihandaru Sotya PamungkasOtokorelasi 111

Magister Manajemen Univ. Muhammadiyah Yogyakarta

Disiniakandibahas:
a .

UjiTheilNagarModifikasidStatistics
(TheilNagarModifieddStatisticsTest).

b.

Metode Estimasi dengan menggunakan Dua

Langkah Durbin (Durbins Twostep Method of
Estimating).

Wihandaru Sotya PamungkasOtokorelasi 112

Magister Manajemen Univ. Muhammadiyah Yogyakarta

6.2.1.UjiTheilNagarModifikasid
Statistics(TheilNagarModifiedd
StatisticsTest)
Langkahlangkah:
a.

Mencarinilaikosntanta()denganrumus:

N 2 (1 d ) + k
2
p =

2
2
N +k
N:Jumlahdata;d:DWhitung;
k:Jumlahvariabelbebastermasukkonstanta.
b.

Transformasidataobservasikeduadanseterusnya,dengan
cara:

Wihandaru Sotya PamungkasOtokorelasi 113

Magister Manajemen Univ. Muhammadiyah Yogyakarta

Yt = Yt (p * Yt1)
X1t = X1t (p * X1t1)
c.

Transformasi data khusus observasi pertama (t1), dengan

cara:

Yt1 = Yt1 * 1 p

X1t1 = X1t1 * 1 p
d.

Daridatahasiltranformasidiregresdandiujikembali

apakahmasihterdapatotokorelasi.
Jika ya gunakan metode estimasi dengan

menggunakan dua langkah Durbin (Durbins two

stepmethodofestimating).

Wihandaru Sotya PamungkasOtokorelasi 114

Magister Manajemen Univ. Muhammadiyah Yogyakarta

6.2.2.MetodeEstimasiDuaLangkah
Durbin(DurbinsTwostepMethodof
Estimating)
Langkahlangkah:
a.

Meregres fungsi empiris yang sedang diamati, dan

memperolehnilairesual(e).

Y=b0+b1X1+b2X2+e
b.

Meregres fungsi empirik di bawah ini, diperoleh nilai

(rho)pertama:

et=x(et1)+v
c.

Transformasidataobservasikeduadanseterusnya:

X1t = X1t (p * X1t1)

Wihandaru Sotya PamungkasOtokorelasi 115

Magister Manajemen Univ. Muhammadiyah Yogyakarta

d.

Meregres fungsi empiris di bawah ini untuk memperoleh

nilai(rho)kedua:

Yt=b0(1)+b1(X1X1t1)+
b2(X2X2t1)+Yt1+e
YtdanYt1:nilaisebelumtransformasi.
e.

Transformasidataobservasiketigadanseterusnya:

Yt = Yt (p * Yt 1 )

X1t = X1t (p * X1t 1)

f.

Modelestimasisetelahtransformasidatakedua:

YtYt1=b0(1)+b1(X1X1t1)+
b2(X2X2t1)+e

Wihandaru Sotya PamungkasOtokorelasi 116

Magister Manajemen Univ. Muhammadiyah Yogyakarta

h.

Meregres fungsi empiris setelah transformasi kedua,

selanjutnya diuji kembali apakah masih terdapat

otokorelasi.
Jika ya gunakan metode estimasi dengan

proseduriterasiCochraneOrcutt.

7.ContohMendeteksidan
PerbaikanOtokorelasi
DataTimeSeriesHomoskedastisitas
ModelEstimasi
LnILQ=b0+b1LnBg+b2LnNT+e

Wihandaru Sotya PamungkasOtokorelasi 117

Magister Manajemen Univ. Muhammadiyah Yogyakarta

7.1.MendeteksiOtokorelasidengan
UjiDurbinWatson
Langkahlangkah:
a.

Meregres fungsi empiris yang sedang diamati, diperoleh

nilaiDWhitungsebesar0.335.

b.

MencarinilaiDWtabel(k=2)dan(n=198).
dL=1.285;dU=1.403;4dU=2.597;4dL=2.715

c.

Kesimpulan:DWhitungterletakdiwilayahdL
adaotokorelasipadafungsiempiris.

Wihandaru Sotya PamungkasOtokorelasi 118

Magister Manajemen Univ. Muhammadiyah Yogyakarta

7.2.PerbaikanOtokorelasi
7.2.1.TheilNagarModifikasid
Statistics(TheilNagarModifiedd
StatisticsTest)
Langkahlangkah:
a.

Mencarinilaikosntanta(),diperolehhasil=0.8325.

b.

Transformasi data observasi kedua dan seterusnya,

diperolehhasilsebagaiberikut:

LnILQ2=5.5606(0.8325*5.5485)=0.9414

LnBg2=2.064(0.8325*2.064)=0.3451

LnNT2=9.1896(0.8325*5.5485)=1.5363

Wihandaru Sotya PamungkasOtokorelasi 119

Magister Manajemen Univ. Muhammadiyah Yogyakarta

c.

Transformasi data khusus observasi pertama, diperoleh

hasilsebagaiberikut:

LnILQ1=5.5485*{1(0.83252)}^(1/2)=3.0741

LnBg1=2.0604*{1(0.83252)}^(1/2)=1.1415

LnNT1=9.1932*{1(0.83252)}^(1/2)=5.0933

e.

NilaiDWhitungsetelahtransformasikedua=1.242.

f.

Kesimpulan:DWhitungterletakdiwilayahdL
adaotokorelasipadafungsiempiris.

PerbaikandenganTheilNagarModifikasidStatistics
tidakbisadilakukan.

Wihandaru Sotya PamungkasOtokorelasi 120

Magister Manajemen Univ. Muhammadiyah Yogyakarta

7.2.2.MetodeEstimasiDuaLangkah
Durbin(DurbinsTwostepMethodof
Estimating)
Langkahlangkah:
a.

Mencarinilai(rho)pertamasebesar0.984.

b.

Transformasi data mulai observasi kedua dan seterusnya

denganmenggunakanrhopertama:

LnBg2=2.0604{0.984*(2.0604)}=0.033

LnNT2=9.1896(0.984*9.1932)=0.1435

c.

Mencarinilai(rho)keduasebesar0.984.

d.

Transformasi data mulai observasi ketiga dan seterusnya

denganrhokedua:

LnILQ3=5.865(0.984*5.606)=0.1149

Wihandaru Sotya PamungkasOtokorelasi 121

Magister Manajemen Univ. Muhammadiyah Yogyakarta

LnBg3=2.0604{0.984*(2.0604)}=0.330

LnNT3=9.1876(0.984*9.1896)=0.1450

e.

NilaiDWhitungsetelahtransformasikedua=2.149.

f.

Kesimpulan:DWhitungterletakdiwilayah
dUDWhitungtidakadaotokorelasipadafungsi
emipiris.

C a t a t a n:
a. Setelahtransformasipertamajumlahdata1981=197.
b. Setelahtransformasikeduajumlahdata1971=196.
Nilairho()satudanrho()duakebetulansama(0.984).

Wihandaru Sotya PamungkasOtokorelasi 122

Magister Manajemen Univ. Muhammadiyah Yogyakarta

DataPenelitian

TransformasiRho()
MetodeTheilNagar
ILQ45

Bunga

NilaiTukar

LnILQ

LnBg

LnNT

3.074002 1.141516

5.093213

0.941404 0.345121

1.536293

0.957361 0.345121

1.537219

0.934731 0.345121

1.528120

0.946032 0.345121

1.535041

Datadisajikansebagian.

Wihandaru Sotya PamungkasOtokorelasi 123

Magister Manajemen Univ. Muhammadiyah Yogyakarta

TransformasiRhoSatuMetode
DuaLangkahDurbin
ILQ45

Bunga

NilaiTukar

LnILQ

LnBg

LnNT

0.100800

0.032967

0.143524

0.957361

0.345121

1.537219

0.934731

0.345121

1.528120

0.946032

0.345121

1.535041

No.

Datadisajikansebagian.
n=1981=197

Wihandaru Sotya PamungkasOtokorelasi 124

Magister Manajemen Univ. Muhammadiyah Yogyakarta

TransformasiRhoDuaMetode
DuaLangkahDurbin
ILQ45

Bunga

NilaiTukar

LnILQ

LnBg

LnNT

No.

0.957361 0.345121

1.537219

0.934731 0.345121

1.528120

0.946032 0.345121

1.535041

Datadisajikansebagian.
n=1982=196

Wihandaru Sotya PamungkasOtokorelasi 125

Magister Manajemen Univ. Muhammadiyah Yogyakarta

DaftarPustaka

Ghozali, Imam (2007), Edisi 4, Aplikasi Analisis Multivariate dengan

ProgramSPSS,BPUniversitasDiponegoro,Semarang.

Gujarati,DamodarN.(1995),ThirdEdition,BasicsEconometrics,McGraw
Hill,NewYork.

Sumodiningrat, Gunawan (1998), Edisi I, Ekonometrika Pengantar, BPFE,

Yogyakarta.

Wihandaru Sotya PamungkasOtokorelasi 126