3. Mendeteksi adanya autokorelasi dengan menghitung nilai d Durbin-
Watson 4.
Melakukan pendugaan nilai koefisien autokorelasi � berdasarkan metode Dua Tahap Durbin dan Theil-Nagar
5. Membandingkan nilai �� yang diperoleh dengan metode Dua Tahap Durbin
dan Theil-Nagar
Dalam penelitian ini, analisis data di atas tidak dilakukan secara manual tetapi dilakukan dengan bantuan suatu program yang dijalankan pada software R 3.1.0.
Program tersebut diperlukan untuk proses simulasi perbandingan metode Dua Tahap Durbin dan Theil-Nagar.
3.4 Teknik Perbandingan Metode
Dari proses analisis data yang dilakukan dengan bantuan program, diperoleh nilai �� berdasarkan metode Dua Tahap Durbin dan Theil-Nagar. Metode yang nilai
�� ≈ 0 dianggap sebagai metode yang lebih baik untuk digunakan dalam mengatasi masalah autokorelasi. Tolak ukur perbandingan ini didasarkan pada
nilai interval koefisien autokorelasi yang menyatakan jika � = 1 artinya terdapat
autokorelasi positif sempurna dan jika terdapat autokorelasi positif, �
�
akan mengerucut atau mengumpul dan perbedaannya akan menjadi kecil, jika
� = −1 artinya terdapat autokorelasi negatif sempurna dan jika terdapat autokorelasi
negatif, �
�
yang positif akan cenderung diikuti oleh �
�
yang negatif demikian juga sebaliknya sehingga |
�
�
− �
�−1
| biasanya akan lebih besar daripada | �
�
| , dan jika � = 0 berarti tidak ada autokorelasi yang terjadi di antara kesalahan
penggangguerror.
Universitas Sumatera Utara
BAB 4
PEMBAHASAN
4.1 Membangkitkan Data
Dalam penelitian ini akan dilakukan proses perbandingan metode Dua Tahap Durbin dan Theil-Nagar. Data yang digunakan adalah data bangkitan berdistribusi
normal yang dibangkitkan dengan menggunakan bahasa pemrograman R terdiri dari satu variabel terikat Ydan satu variabel bebas X dengan banyak data dari
masing-masing variabel berjumlah 20 atau � = 20. Di dalam R, data dibangkitkan
dengan memakai syntax “r” dan diikuti dengan distribusi yang diinginkan. Sebagai contoh rnorm, runif , rbinom dan lainnya. Data bangkitan yang diperoleh
tersebut akan digunakan dalam proses simulasi pendugaan koefisien autokorelasi �� berdasarkan metode Dua Tahap Durbin dan Theil-Nagar.
4.2 Mencari Persamaan Regresi
Langkah selanjutnya yang dilakukan setelah memperoleh data yaitu mencari model persamaan regresi linier terbaik yang sesuai dengan data yang ada.
Pendugaan parameter regresi tersebut dapat dicari dengan menggunakan metode kuadrat terkecil OLS seperti yang tertera pada bab 2 sebelumnya. Karena proses
Universitas Sumatera Utara
perbandingan metode dalam penelitian ini dijalankan dengan memakai program R sehingga perhitungan secara manual tidak dilakukan sebab di dalam bahasa
pemrograman R sudah terdapat fungsi khusus untuk mencari persamaan regresi linier.
4.3 Mendeteksi Autokorelasi