Diskusi 4 Ekonomi Manajerial [PDF]

Citation preview

Saudara Mahasiswa, silahkan diskusikan topik berikut ini…! 1. Apa yang dimaksud dengan model regresi ?  dan bagaimana model regresi yang ideal? 2. Bagaimana cara mengatasi masalah autokorelasi?



1.



Yang dimaksud dengan model regresi yaitu  suatu metode analisis statistik yang digunakan untuk melihat pengaruh antara dua atau lebih banyak variabel. Hubungan variabel tersebut bersifat fungsional yang diwujudkan dalam suatu model matematis. Pada analisis regresi, variabel dibedakan menjadi dua bagian, yaitu variabel respons (response variable) atau biasa juga disebut variabel bergantung (dependent variable), dan variabel explanatory atau biasa disebut penduga (predictor variable) atau disebut juga variabel bebas (independent variable). Regresi terbagi menjadi beberapa jenis, yaitu regresi sederhana (linier sederhana dan nonlinier sederhana) dan regresi berganda (linier berganda atau nonlinier berganda). Model regresi mengasumsikan bahwa faktor-faktor yang diramal menunjukkan adanya suatu hubungan sebab akibat (cause-effect relationship) dengan satu atau lebih variabel bebas (independent variable). Model causal lebih digunakan untuk pengambilan keputusan (decision making) dan kebijaksanaan (policy).  Konsep sebuah hubungan antara dua variabel, kita kenal dengan hubungan fungsional dan hubungan statistik.  Sebuah hubungan fungsional antara dua variabel dinyatakan dengan sebuah formula matematika.  Jika X adalah variabel bebas (independent variable) dan Y adalah variabel tidak bebas (dependent variable), sebuah hubungan fungsional dapat ditulis sebagai berikut:                                                 Y = f(X) untuk nilai X tertentu, fungsi f merupakan nilai dari Y Contoh: hubungan antara hasil penjualan (Y) dengan jumlah unit yang terjual (X).  Jika harga penjualan adalah Rp 2.000 per unit, dan hubungan diatas dinyatakan dengan persamaan  Y = 2X       maka hubungan fungsional ini dapat ditunjukan seperti pada tabel dibawah ini



2.



Cara untuk mendeteksi terjadinya autokorelasi antara lain dengan menggunakan metode grafik, Durbin Watson, atau metode Lagrange Multiplier. Dari hasil pendeteksian tersebut, jika terdapat autokorelasi maka harus diperbaiki dengan cara transformasi. Metode Cochrane Orcutt Banyak cara dilakukan dalam transformasi untuk mengatasi masalah autokorelasi. Pemilihan cara transformasi tersebut dipengaruhi oleh “diketahui atau tidak diketahuinya koefisien autokorelasi (p).” Koefisien korelasi (p) disebut juga dengan istilah “Rho“. Jika koefisien autokorelasi diketahui maka tinggal



menyelesaikan dengan cara transformasi. Sedangkan jika tidak diketahui maka cara penyelesaiannya dengan terlebih dahulu menaksir koefisien autokorelasi dengan rnenggunakan berbagai metode, antara lain metode Durbin Watson, Theil-Nagar, atau Cochrane-Orcutt. Setelah koefisien autokorelasi diketahui, maka langkah selanjutnya adalah melakukan transformasi. Kemudian dari data hasil transformasi, dilakukan pendeteksian ulang untuk mendeteksi ada atau tidaknya autokorelasi. Jika pada data hasil transformasi masih terdapat autokorelasi, maka dilakukan transformasi ulang sampai tidak terdapat autokorelasi. Setelah diperoleh data yang terhindar dan autokorelasi, langkah selanjutnya menerapkan dengan metode Ordinary Least Squares (OLS) untuk menentukan koefisienkoefisien regresinya.



Berikut ada beberapa langkah dalam mengatasi autokorelasi:  1. Evaluasi model Langkah pertama yang harus dilakukan untuk mendeteksi autokorelasi yaitu dengan mengidentifikasi apakah autokorelasi itu pure autocorrelation atau karena mis-spesification model. Mis-spesifikasi disini adalah kemungkinan adanya kuadratik model atau modelnya mengandung kuadratik. Sehingga apabila hasil tersebut masih mengandung autokorelasi maka autokorelasi tersebut merupakan pure autocorrelation. 2. Generalized Least Squared(GLS)             Setelah kita mengetahui ternyata pure autocorrelation . maka langkah selajutnya yaitu salah satunya dengan melakukan transformasi. Transformasi ini dilakukan dengan mengurangi nilai variabel (bebas dan terikat) pada waktu ke-t, dengan waktu ke-(t-1). Pertama, kita memulai dengan regresi biasa.



dan



Sehingga akan membentuk persamaan umum berikut:



Atau bisa dibentuk menjadi:



Dimana:



             Jika autokorelasi di dalam residual tinggi (p=1), maka kita akan persamaan regresi tanpa intersep. Sedangkan jika (p=0) maka model regresi yang akan didapat adalah regresi dengan pembeda



pertama.              GLS ini bisa digunakan jika nilai roh didapatkan. Permasalahannya roh didapatkan dari nilai populasi yang sulit diperoleh. Sehingga perlu dilakukan roh berdasarkan data sampel. 3.



Newey – West Method. Pada metode mengasumsikan bahwa sampel yang digunakan besar. Dalam perhitungannya digunakan software-software statistic salah satunya adalah E-views.



Sumber :



BMP EKMA 4312 Inisiasi 4 Analisis Regresi https://digensia.wordpress.com/2012/05/07/analisa-model-regresi-seri-1/ https://www.statistikian.com/2015/01/cochrane-orcutt.html https://statistikceria.blogspot.com/2012/12/mengatasi-uji-autokorelasi-part2.htm