Penyembuhan Asumsi Autokorelasi Dengan Metode Diferensi di Eviews 9

Gambar : Cover Artikel

Penyembuhan Asumsi Autokorelasi (Otokorelasi)

Ditulis oleh : Dimas Purbo Wicaksono Fenda Putra, S.E.

A.Penyembuhan Menggunakan Metode Diferensi

-

B.Tahapan Penyembuhan Data

Hasil pengujian menunjukkan adanya Otokorelasi pada data, karena data mengandung Otokorelasi maka harus segera diperbaiki agar model dapat digunakan. 

Kita asumsikan bahwa struktruktur Otokorelasi (p) yang tidak dikteahui, maka lakukan :

1.Metode diferensi dengan asumsi p tinggi atau Otokorelasi tinggi.

2.Metode OLS dengan asumsi p rendah atau Otokorelasi rendah.

3.Metode Cochrane-Orcutt dengan asumsi p tidak diketahui atau Otokorelasi tidak diketahui.

Disini kita akan mencoba semua metode penyembuhan dengan asumsi kita tidak mengetahui semua asumsi yang dipersyaratkan.

Pertama kita gunakan metode Metode diferensi dengan OLS.

Langkah 1 : Klik menu Estimate.

Gambar : Pengolah Data Eviews 9

Langkah 2 : Tambahkan diferensi pertama untuk persamaan regresi “y c x1 x2 x3” menjadi d(y) c d(x1) d(x2) d(x3). Estimation settings dibagian Method tetap pilih LS – Least Squares (NLS and ARMA). Klik ok.

Gambar : Pengolah Data Eviews 9

Langkah 3 : Berikut adalah hasil regresi data time series.

Gambar : Pengolah Data Eviews 9

Interpretasi Output :

Dari hasil ini dapat dilihat bahwa nilai Durbin Watson yang semula sebesar 0.786386 berubah setelah dilakukan metode diferensi pertama sebesar 2.124810. Kita coba lihat hasilnya dengan tabel Durbin Watson dengan tingkat signifikansi 0.05 (5%).

Kita coba buktikan dengan tabel Durbin Watson.

Durbin-Watson stat : 2.124810.

Total observasi : 21.

K (Jumlah variabel independent) : 3.

Kemudian kita cari nilai DL dan DU serta 4-DL dan 4-DU.

Buka tabel Durbin Watson dengan tingkat signifikansi 0.05 atau 5%.

Gambar : Tabel Durbin-Watson (DW), α = 5%

Dari tabel ini dapat dilihat bahwa nilai DL dan DU untuk K=3 dan Jumlah observasi 21 adalah :

DU : 1.6694

DL : 1.0262

4-DU : 2.3306

4-DL : 2.9738

Setelah semua nilai diketahui, berikutnya tentukan daerah Otokorelasi.

Gambar : Bagan Daerah Otokorelasi (Autokorelasi)

Dari hasil ini dapat dilihat bahwa data masuk pada daerah tidak ada Autokorelasi.

Langkah 4 : Kita coba lihat hasil pada pengujian Serial Correlation LM Test. Klik menu View => Residual Diagnostics dan pilih Serial Correlation LM Test.

Gambar : Pengolah Data Eviews 9

Langkah 5 : Lags to Include sesuakan dengan sistem. Di sistem tertulis 2.

Gambar : Pengolah Data Eviews 9

Langkah 6 : Berikut adalah hasil pengujian Otokorelasi dengan Serial Correlation LM Test.

Gambar : Pengolah Data Eviews 9

Interpretasi Output :

Dari hasil ini dapat dilihat nilai Obs*R-squared sebesar 0.762598 dengan Prob. Chi-Square (2) sebesar 0.6830. 

Syaratnya :

Jika nilai Prob. Chi-Square (2) > alpha 0.05 (5%), artinya tidak ada Otokorelasi.

Jika nilai Prob. Chi-Square (2) < alpha 0.05 (5%), artinya ada Otokorelasi.

Kesimpulan : Nilai Prob. Chi-Square (2) sebesar 0.6830 > 0.05, artinya tidak ada Otokorelasi.

Hasil penyembuhan menggunakan metode diferensi tingkat pertama menjadikan data terbebas dari masalah asumsi Otokorelasi.

Informasi ekonometrika secara lengkap, silakan kunjungi channel youtube saya di : Dimas Channel

Note : Silakan bagi teman-teman yang ingin meng-copy artikel ini. Mohon sertakan sumber aslinya. Terima Kasih :-)