2.7.1 Fungsi Autokorelasi
Koefisien autokorelasi adalah menyatakan hubungan atau asosiasi antara nilai-nilai variabel
dengan variabel . Nilai koefisien autokorelasi dapat dihitung dengan
menggunakan persamaan:
, II.17
dengan:
atau II.18
deret stasioner mempunyai nilai rataan dan varians yang sama k menyatakan ketertinggalan waktu time lag
Menurut Pindyck dan Rubinfield 1981 secara matematis rumus untuk koefisien autokorelasi dapat dituliskan dengan rumus seperti pada persamaan sebagai
berikut:
n t
t k
t k
n t
t k
Y Y
Y Y
Y Y
r
1 2
1
II.19
dimana:
= nilai koefisien korelasi = data aktual pada periode t
= nilai tengah rata-rata dari data aktual = data aktual pada periode t dengan time lag k
Koefisien autokorelasi perlu diuji untuk menentukan apakah secara statistik
nilainya berbeda secara signifikan dari nol atau tidak. Nilai Standard Error SE dari
adalah:
Universitas Sumatera Utara
II.20
Suatu deret bersifat acak apabila koefisien autokorelasi berada dalam batas interval seperti yang dinotasikan pada persamaan berikut:
II.21
Suatu koefisien autokorelasi dikatakan tidak berbeda secara signifikan dari nol apabila nilainya berada dalam batas interval, dan dikatakan berbeda secara
signifikan dari nol jika nilai koefisien autokorelasi berada diluar batas interval. Nilai koefisien autokorelasi yang melebihi interval batas penerimaan dapat digunakan untuk
menentukan model dari Moving Average Gujarati, 1995.
2.7.2 Fungsi Autokorelasi Parsial
Autokorelasi parsial untuk lag k didefinisikan sebagai autokorelasi dari observasi deret waktu yang dibedakan oleh lag sebanyak k unit waktu setelah pengaruh observasi
untuk lag = 1, 2, 3, … , k-1 telah dihilangkan.
Koefisien autokorelasi parsial adalah ukuran yang menunjukkan tingkat keeratan hubungan antara
dengan variabel dengan menghilangkan atau
mengabaikan pengaruh dari time lag 1, 2, 3,…, k-1. Dengan kata lain koefisien autokorelasi parsial mengukur derajat hubungan antara nilai-nilai sekarang dengan
nilai sebelumnya untuk time lag tertentu sedangkan pengaruh nilai variabel time lag yang lain dianggap konstan sehingga dapat diabaikan. Nilai koefisien autokorelasi
parsial yang melebihi interval batas penerimaan pada lag –p dapat digunakan untuk
menentukan model dari proses Autoregressive . gujarati, 1995.
Universitas Sumatera Utara
2.8 Tahap Estimasi Parameter Model