metode peramlan autoregresi
-
Upload
umam-al-kakashi -
Category
Documents
-
view
2.094 -
download
0
Transcript of metode peramlan autoregresi
1
METODE PERALAMAN
DENGAN TEKNIK AUTOREGRESI DAN AUTOKORELASI
Disusun oleh :
Lilik Nur Khamidah (4151307028)
Nor Faiza (4151307029)
Baqiyatush Sholikhah (4151307030)
Agus Ulinnuha (4151307031)
Annisa Pupitasari (4151307032)
M. Umam Khamdani (4151307033)
Ratna Selfiana (4151307034)
Nelly Wulandari (4151307035)
Cicik Yustianing Putri (4151307036)
UNIVERSITAS NEGERI SEMARANG
2009
2
KATA PENGANTAR
Assalamualaikum, Wr. Wb.
Puji syukur kami panjatkan kepada Allah penguasa ilmu di jagad raya,
penggenggam setiap makhluk yang bernyawa, sehingga makalah ini bisa diselesaikan
untuk memenuhi tugas mata kuliah forecasting (peramalan).
Dalam makalah ini dijelaskan tentang beberapa peramalan atau forecasting
dengan metode AUTO REGRESI dan AUTO KORELASI, sehingga dapat diharapkan
dapat menambah pengetahuan dan pemahaman kita tentang forecasting.
Atas terselesaikannya makalah ini kami mengucapkan terimakasih kepada :
1. Drs. Wardono, M.Si, selaku dosen mata kuliah Metode Peramalan.
2. Semua pihak yang telah membantu terselesaikannya makalah ini.
Semoga makalah ini dapat membantu, berguna dan bermanfaat dalam rangka
meningkatkan ilmu pengetahuan khususnya tentang peramalan atau forecasting. Kami
menyadari bahwa makalah ini banyak kekurangan sehingga segala kritik dan saran
dari semua pihak sangat kami harapkan.
Wassalamu’alaikum, Wr. Wb.
Semarang, 12 Mei 2009
Penulis
3
DAFTAR ISI
HALAMAN JUDUL .............................................................................................
KATA PENGANTAR ........................................................................................... ii
DAFTAR ISI .......................................................................................................... iii
BAB 1. PENDAHULUAN .................................................................................... 1
A. Latar Belakang ..................................................................................... 1
B. Tujuan .................................................................................................. 1
C. Manfaat ................................................................................................ 2
D. Rumusan Masalah ...............................................................................
BAB III. LANDASAN TEORI .............................................................................. 4
A. Skema Hubungan Variabel .................................................................. 4
B. Persamaan Auto Regresi ..................................................................... 5
C. Koefisien Auto Korelasi ...................................................................... 6
D. Uji Hipotesis Auto Korelasi ................................................................ 6
E. Uji Durbin-Watson .............................................................................. 6
F. Keunggulan dan Kelemahan ............................................................... 11
BAB IV. PEMBAHASAN ..................................................................................... 12
1. Hubungan Dependent Variable dengan Independent Variable .......... 12
2. Mencari Forecast Dengan Autoregresi dan Autokorelasi .................. 12
3. Perbedaan Autoregresi dengan Regresi Sederhana ............................ 13
4. Penerapan Soal ................................................................................... 13
5. Mencari Persamaan Autoregresi dan Autokorelasi dengan 3cara 31
6. Cara Untuk Menanggulangi Masalah Auto korelasi ..........................
BAB V. PENUTUP ............................................................................................... 41
A Kesimpulan .......................................................................................... 41
4
B Saran .................................................................................................... 42
DAFTAR PUSTAKA ............................................................................................ 43
LAMPIRAN-LAMPIRAN .................................................................................... 44
5
BAB I
PENDAHULUAN
A. LATAR BELAKANG
Meramal dengan metode regresi sederhana akan menghubungkan antara
satu variabel dengan variabel yang lain. Apakah independent variable berpengaruh
terhadap dependent variable, besar pengaruh dan hubungan nilai suatu variabel,
antara yang telah terjadi pada suatu periode dan yang terjadi pada periode
berikutnya.
Pada bab regresi telah diuraikan pengaruh suatu variabel bebas
(independent variable) terhadap variabel terikat (dependent variable) yang disebut
regresi, di samping itu telah dibicarakan pula hubungan antara kedua variabel
tersebut di atas, diukur dengan koefisien korelasi. Pada bab auto regresi dan auto
korelasi dibicarakan besar pengaruh dan hubungan nilai suatu variabel, antara
yang telah terjadi pada suatu periode dan yang terjadi pada periode berikutnya.
Untuk mengetahui besarnya pengaruh sering digunakan auto regresi, sedang kuat
atau tidaknya hubungan diukur dengan memakai koefisien auto korelasi. Disebut
dengan istilah auto karena variabel yang menjadi dependent variable sama dengan
yang menjadi independent variable. Perbedaannya independent variable terjadi
lebih dulu dari dependent variable. Dengan kata lain besarnya nilai suatu variabel
tergantung pada nilai variabel itu sendiri yang telah terjadi sebelumnya.
B. TUJUAN
Korelasi Setelah mempelajari beberapa metode dalam forecast maka pada
bab Auto Regresi dan Auto Korelasi ini kita dapat :
1. Mencari forecast dengan persamaan auto regresi dan auto korelasi.
2. Menghitung koefisien auto korelasi
3. Menghitung kuat tidaknya auto korelasi
4. Menentukan forecast dengan menggunakan taksiran auto regresi dengan
koefisien auto terkuat.
C. MANFAAT
Adapun manfaat dari penulisan makalah ini sebagai berikut :
6
1. Menerapkan teori-teori statistik yang telah diperoleh selama kuliah
2. Mengetahui masalah statistik dan mengetahui bagaimana cara menyelesaikan
masalah
3. Pengembangan akademis mahasiswa
D. SISTEMATIKA MAKALAH
Penulisan makalah ini dibagi dalam tiga bagian yaitu bagian awal, bagian
pokok, dan bagian akhir.
1. bagian awal makalah ini berisi halaman judul, abstrak, daftar isi, kata
pengantar, daftar tabel, daftar gambar dan daftar lampiran.
2. bagian pokok makalah ini terdiri atas :
BAB I PENDAHULUAN
Pendahuluan berisi tentang latar belakang masalah, rumusan masalah,
tujuan dan manfaat, serta sistematika makalah ini.
BAB II PERMASALAHAN
Pada Bab ini berisi permasalahan pada makalah ini yang akan dibahas
pada Bab pembahasan.
BAB III LANDASAN TEORI
Landasan teori ini berisi tentang teori-teori yang berhubungan dengan
permasalahan yang dibuat dan konsep-konsep dalam makalah auto
regresi dan korelasi.
BAB III PEMBAHASAN
Pembahasan berisi tentang semua pembahasan tentang permasalahan
yang dibuat.
BAB IV PENUTUP
Penutup berisi tentang simpulan dan saran
3. Bagian akhir ini berisi daftar pustaka dan lampiran-lampiran
7
BAB II
PERMASALAHAN
1. Bagaimanakah langkah-langkah mencari forecast dengan auto regresi dan auto
korelasi ?
2. Bagaimanakah hubungan antara dependent variable dengan independent variable ?
3. Apa perbedaan antara auto regresi dengan regresi sederhana ?
4. Bagaimanakah menghitung auto regresi dan auto korelasi dengan penerapan soal
yang selisih waktunya berbeda ?
5. Bagaimanakah cara untuk memperoleh persamaan auto regresi dan auto korelasi
dengan menggunakan kalkulator, excel dan SPSS ? apakah hasilnya akan sama
dengan perhitungan menggunakan cara rumus manual ?
8
BAB III
LANDASAN TEORI
A. NILAI SUATU VARIABEL
Nilai suatu variabel tergantung dari nilai yang terjadi pada periode yang lalu,
jika nilai suatu variabel tergantung dari nilai yang terjadi satu periode yang
lalu maka :
X t = f ( X 1−t )
jika nilai suatu variabel tergantung dari nilai yang terjadi dua periode yang lalu
maka :
X t = f ( X 2−t )
B. SKEMA HUBUNGAN ANTARA DEPENDENT VARIABLE DENGAN
INDEPENDENT VARIABLE.
1. Skema hubungan nilai suatu variabel antara yang terjadi pada suatu periode
dengan yang terjadi pada 1 periode berikutnya
Dependent Variable
X t
(Y dalam regresi sederhana)
Independent Variable
X 1−t
(X dalam regresi sederhana)
Nilai periode 1
Nilai periode 2
Nilai periode 3
Nilai periode 4
.
.
Nilai periode T
-
Nilai periode 1
Nilai periode 2
Nilai periode 3
.
.
Nilai periode T-1
Pada tabel di atas terlihat bahwa nilai pada periode 1 berpengaruh pada nilai
periode 2, nilai periode 2 berpengaruh pada nilai periode 3 dan seterusnya.
9
2. Skema hubungan nilai suatu variabel antara yang terjadi pada suatu periode
dengan yang terjadi pada 2 periode berikutnya
Dependent Variable
X t
(Y dalam regresi sederhana)
Independent Variable
X 2−t
(X dalam regresi sederhana)
Nilai periode 1
Nilai periode 2
Nilai periode 3
Nilai periode 4
.
.
Nilai periode T
-
-
Nilai periode 1
Nilai periode 2
.
.
Nilai periode T-2
Pada tabel di atas terlihat bahwa nilai periode 1 berpengaruh pada nilai periode
3, nilai periode 2 berpengaruh pada nilai periode 4 dan seterusnya.
C. PERSAMAAN AUTO REGRESI
Rumus untuk mencari persamaan auto regresi :
stt Xy −+= βαˆ , dimana :
( ) ( )( )( ) ( )22
ˆ
∑∑∑∑∑
−−
−−
−
−=
stst
tsttst
XXN
XXXXNβ
Dengan :
N = banyaknya pasangan data
s = selisih waktu atau periode antara dependent variable
dengan independent variable.
Atau dengan rumus :
( )( )∑∑
−
−=2
ˆ
st
tst
x
xxβ
Dimana :
∑ − tst xx = ∑ − tst XX - n
1 ( )( )∑∑ − tst XX
∑ −2
stx = ∑ −2
stX - n
1 ( )( )∑∑ − tst XX
tX=α - stX − β
10
D. KOEFISIEN AUTO KORELASI
Untuk menghitung koefisien auto korelasi, digunakan rumus sebagai berikut :
r ( ) ( )( )
( ) ( )[ ] ( ) ( )[ ]2222
∑∑∑∑∑∑∑
−−
−=
−−
−−
ttstst
tsttst
XXNXXN
XXXXN
Atau
( )( )22
r
∑∑∑
−
−=tst
tst
xx
xx
E. UJI HIPOTESIS AUTO KORELASI
Langkah-langkah :
• Menentukan hipotesis
H 0 : r = 0 ( tidak ada hubungan yang signifikan )
H 1 : r ≠ 0 ( ada hubungan yang signifikan )
• Statistik uji yang digunakan
• Menentukan α
• Kriteria pengujian
H 0 diterima jika :
- t
2-N ,
2
1α
< t hitung < t
2-N ,
2
1α
Sedang nilai t hitung di luar itu maka H 0 ditolak.
• Statistik hitung
2hit
r-1
2-Nr t =
• Kesimpulan
F. UJI DURBIN-WATSON
Untuk mengetahui adanya autokorelasi dalam model regresi dilakukan melalui
pengujian terhadap nilai uji Durbin-Watson dengan berbagai kriteria. Durbin
Watson berhasil menurunkan nilai kritis batas bawah ( Ld ) dan batas atas
( )ud , sehingga jika nilai hitungd terletak di luar nilai kritis maka ada tidaknya
autokorelasi baik positif maupun autokorelasi negatif dapat diketahui.
11
Penentuan ada tidaknya autokorelasi dapat dilihat dengan jelas pada tebel
berikut :
Tabel 1.2
Tabel Uji Statistik Durbin-Watson d
Nilai Statistik d Hasil/Keputusan
0 < d < Ld atau
DW < 1,54
Menolak hipotesis nul, ada autokorelasi
positif
Ld ≤ d ≤ ud atau
1,54 < DW < 1,66
Daerah keragu-raguan, tidak ada
keputusan
ud < d < 4- ud atau
1,66 < DW < 2,34
Menerima hipotesis nul, tidak ada
autokorelasi positif/negatif
4- ud < d < 4- Ld atau
2,34 < DW < 2,46
Daerah keragu-raguan, tidak ada
keputusan
4- ud < d < 4 atau
2,46 < DW
Menolak hipotesis nul, ada autokorelasi
negatif
Salah satu keuntungan dari uji DW yang didasarkan pada residual adalah
bahwa setiap program komputer untuk regresi selalu memberi informasi
statistik d. Adapun prosedur dari uji DW sebagai berikut :
1. Melakukan regresi metode OLS kemudian mendapatkan nilai
residualnya.
2. Menghitung nilai d otomatis sudah keluar dari output komputer
3. Dengan jumlah observasi (n) dan jumlah variabel independen tertentu
tidak termasuk konstanta (k) maka kita cari nilai kritis DW
4. Keputusan ada tidaknya autokorelasi dilihat hasil output pada
komputer, kemudian kita bandingkan dengan nilai statistik d.
12
Contoh langkah-langkah mencari autokorelasi dengan penerapan uji DW
dengan cara SPSS :
No X Y
1 40 60
2 60 50
3 50 75
4 75 70
5 70 80
6 80 85
7 85 100
8 100 105
9 105 95
Dari tabel di atas akan dicari nilai regresi dan autokorelasi dengan penerapan
uji DW dengan cara SPSS, sebagai berikut :
1. Buka program SPSS for windows
2. Pilih Variabel view dan deklarasikan variabel-variabel dengan nama X
dan Y, seperti berikut :
3. Pilih Data view, kemudian input data seperti yang telah tertera, seperti
berikut :
13
4. Pilih Analyze ���� Regression ���� Linear , seperti berikut :
5. Setelah itu akan muncul kotak dialog seperti di bawah, kemudian
pindahkan variabel X ke kotak Independent dan Y ke kotak Dependent,
seperti berikut :
6. Pilih Statistics, kemudian akan muncul kotak dialog dan pilih Durbin-
Watson pada kotak Residuals, seperti berikut :
14
7. Setelah itu pilih Continue dan OK, lalu akan didapatkan hasil output
sebagai berikut :
Model Summaryb
.810a .657 .608 11.51 2.809
Model
1
R R Square
Adjusted
R Square
Std. Error of
the Estimate
Durbin-W
atson
Predictors: (Constant), Xa.
Dependent Variable: Yb.
ANOVAb
1773.421 1 1773.421 13.398 .008a
926.579 7 132.368
2700.000 8
Regression
Residual
Total
Model
1
Sum of
Squares df Mean Square F Sig.
Predictors: (Constant), Xa.
Dependent Variable: Yb.
Coefficientsa
29.112 14.422 2.019 .083
.689 .188 .810 3.660 .008
(Constant)
X
Model
1
B Std. Error
Unstandardized
Coefficients
Beta
Standardi
zed
Coefficien
ts
t Sig.
Dependent Variable: Ya.
15
Analisis
Dari Output di atas, pada tabel Model Summary diperoleh nilai DW sebesar
2.809, nilai DW tersebut dibandingkan dengan nilai statistik d seperti tabel di
atas, ternyata DW = 2.809 > 2.46 . itu berarti ada autokorelasi negatif antara
variabel X dan variabel Y.
G. KEUNGGULAN DAN KELEMAHAN AUTO REGRESI DAN AUTO
KORELASI
Keunggulan
• Cocok untuk semua data baik musiman, trend, siklis.
• Cara perhitungannya singkat
• Mudah dipahami
Kelemahan
• Tidak semua hasil dari ramalan dengan metode auto regresi dan auto
korelasi tepat dengan kenyataan
16
BAB IV
PEMBAHASAN MASALAH
1. Untuk mencari forecast auto regresi dan auto korelasi dapat ditempuh dengan
langkah-langkah :
a. Mencari persamaan auto regresi
Cara menentukan persamaan auto regresi tidak berbeda seperti dalam regresi
sederhana, sama juga seperti mencari persamaan regresi dan koefisien
korelasi, perbedaannya hanya independent variable adalah nilai variabel
sebelumnya.
Persamaan auto regresi :
stt Xy −+= βαˆ
Dimana α dan β bisa dicari dengan rumus yang tertera pada landasan teori.
b. Menghitung koefisien auto korelasi
Koefisien korelasi yang dihitung pada auto regresi sama dengan koefisien
korelasi yang dihitung pada regresi sederhana, seperti halnya pada persamaan
auto regresi yaitu yang berbeda hanya nilai variabelnya saja.
Rumus untuk mencari koefisien auto korelasi sama seperti yang telah
dituliskan pada landasan teori.
c. Uji hipotesis auto korelasi
Prosedur test terhadap H 0 : r = 0 dan H 1≠ 0 sama seperti pada korelasi
sederhana, langkah-langkah pengujiannya sama seperti yang telah dituliskan
pada landasan teori.
2. Hubungan antara dependent variable dengan independent variable dapat
dituangkan dalam persamaan sebagai berikut :
s-tt Xˆ ˆ Y
Xˆ ˆ Y
βα
βα
+=
+=
s merupakan selisih waktu antara dependent variable dan independent variable
17
3. Perbedaan antara auto regresi dan regresi sederhana dapat dituangkan dalam tabel
sebagai berikut :
Regresi Sederhana Auto Regresi
Nilai suatu
variabel
Y = f (X) X t = f ( X nt− ), n adalah periode
Persamaan
regresi
Y = βα + X tY = βα + X st− , s adalah selisih
periode
α dan β
XY βα ˆˆˆ −=
( ) ( )( )( ) ( )22
ˆ
∑∑∑∑∑
−
−=
XXN
YXXYNβ
tX=α - stX − β
( ) ( )( )( ) ( )22
ˆ
∑∑∑∑∑
−−
−−
−
−=
stst
tsttst
XXN
XXXXNβ
Auto korelasi Tidak boleh terjadi auto korelasi Boleh terjadi auto korelasi
4. Contoh penerapan soal menghitung auto regresi dan auto korelasi dengan selisih
waktu yang berbeda, sebagai berikut :
Contoh 1 :
Penjualan PT.SEDERHANA selama 10 tahun adalah sebagai berikut :
Tabel 1.3
Tahun Penjualan
1997 40
1998 60
1999 50
2000 75
2001 70
2002 80
2003 85
2004 100
2005 105
2006 95
18
Berdasarkan data pada tabel di atas, buatlah persamaan auto regresinya,
hitunglah koefisien auto korelasinya, testlah kuat atau tidaknya hubungan data
suatu tahun dengan tahun sebelumnya, dan hitunglah forecast dari masing-
masing selisih waktu periode dengan 1 periode, 2 periode, serta 3 periode.
Serta buatlah diagram garis masing-masing periode.
Penyelesaian :
a. Menghitung persamaan auto regresi dan koefisien auto korelasi dengan
selisih waktu 1 periode
Jika perbedaan waktu antara dependent dan independent variable 1 tahun
maka terdapat N-1 pasangan data. Pada contoh di atas terdapat 10-1
pasangan data = 9 pasangan data, karena data pertama tidak punya
pasangan. Untuk menghitung α , β , dan koefisien auto korelasi maka data
disusun seperti tabel 1.4. data pada tahun pertama (t =1) tidak mempunyai
pasangan independent variable, maka kita mulai dari t = 2, sehingga
terdapat 9 pasangan data (N = 9).
Tabel 1.4
Tabel untuk menghitung α , β , dan r
Dengan selisih waktu 1 tahun
t 1-tX tX ( tX ) ( 1-tX ) 2
1-tX 2
tX
2 40 60 2400 1600 3600
3 60 50 3000 3600 2500
4 50 75 3750 2500 5625
5 75 70 5250 5625 4900
6 70 80 5600 4900 6400
7 80 85 6800 6400 7225
8 85 100 8500 7225 10000
9 100 105 10500 10000 11025
10 105 95 9975 11025 9025
N=9 665 720 55775 52875 60300
19
Berdasarkan nilai-nilai di atas maka:
( ) ( )( )( ) ( )21
2
1
11 ˆ
∑∑∑∑∑
−−
−−
−
−=
tt
tttt
XXN
XXXXNβ
= 2)665()52875(9
)720)(665()55775(9
−
−
= 0,69
tX=α - 1 ˆ −tXβ
=
−9
66569,0
9
720
= 29,02
Persamaan auto regresi :
1-tt Xˆ ˆ Y βα +=
= 29,02 + 0,69 1-tX
Koefisien auto korelasi:
r ( ) ( )( )
( ) ( )[ ] ( ) ( )[ ]222
1
2
1
11
∑∑∑∑∑∑∑
−−
−=
−−
−−
tttt
tttt
XXNXXN
XXXXN
= ( ) ( )[ ] ( ) ( )[ ]22
720603009665528759
)720)(665()55775(9
−−
−
= 0,81
Test kuat tidaknya auto korelasi:
• Menentukan hipotesis
H 0 : r = 0 ( tidak ada hubungan yang signifikan )
H 1 : r ≠ 0 ( ada hubungan yang signifikan )
• Statistik uji t
• α = 5% = 0,05
• Kriteria pengujian
H 0 diterima jika :
- t
2-N ,
2
1α
< t hitung < t
2-N ,
2
1α
- t ( )0,025;7 < t hitung < t ( )7;025,0
-2,365 < t hitung < 2,365
20
• Statistik hitung
2hit
r-1
2-Nr t =
= 2)81,0(1
781,0
−
= 3,65
• Kesimpulan
Karena hitt =3,65 > 2,365 maka H 0 ditolak.
Jadi ada hubungan yang signifikan antara penjualan pada suatu periode
(tahun) dengan 1 periode (tahun) sebelumnya. Oleh karena itu, data ini
dapat diforecast dengan selisih waktu 1 periode (tahun).
Forecast untuk tahun ke-11 adalah :
Tahun ke-11 1-tX = 1-11X = 10X , maka untuk forecast tahun ke-11
digunakan data tahun ke-10, sehingga:
1-tt Xˆ ˆ Y βα +=
94,57 95*0,69 29,02 Yt =+=
Diagram Garis
Penjualan PT. SEDERHANA antara Independent Variable dan
Dependent Variable dengan selisih waktu 1 periode
0
20
40
60
80
100
120
2 3 4 5 6 7 8 9 10
Periode
Penjualan Independent Variable
Dependent Variable
b. Menghitung persamaan auto regresi dan koefisien auto korelasi dengan
selisih waktu 2 periode
N-2 = 10-2 = 8
21
Tabel 1.5
Tabel untuk menghitung α , β , dan r
Dengan selisih waktu 2 tahun
t 2-tX tX ( tX ) ( 2-tX ) 2
2-tX 2
tX
3 40 50 2000 1600 2500
4 60 75 4500 3600 5625
5 50 70 3500 2500 4900
6 75 80 6000 5625 6400
7 70 85 5950 4900 7225
8 80 100 8000 6400 10000
9 85 105 8925 7225 11025
10 100 95 9500 10000 9025
N=8 560 660 48375 41850 60300
Berdasarkan nilai-nilai di atas maka:
( ) ( )( )( ) ( )22
2
2
22 ˆ
∑∑∑∑∑
−−
−−
−
−=
tt
tttt
XXN
XXXXNβ
= 2)560()41850(8
)660)(560()48375(8
−
−
= 0,82
tX=α - 2 ˆ −tXβ
=
−8
56082,0
8
660
= 25,1
Persamaan auto regresi :
2-tt Xˆ ˆ Y βα +=
= 25,1+ 0,82 2-tX
Koefisien auto korelasi:
r ( ) ( )( )
( ) ( )[ ] ( ) ( )[ ]222
2
2
2
22
∑∑∑∑∑∑∑
−−
−=
−−
−−
tttt
tttt
XXNXXN
XXXXN
22
= ( ) ( )[ ] ( ) ( )[ ]22
660567008560418508
)720)(665()55775(9
−−
−
= 0,89
Test kuat tidaknya auto korelasi:
• Menentukan hipotesis
H 0 : r = 0 ( tidak ada hubungan yang signifikan )
H 1 : r ≠ 0 ( ada hubungan yang signifikan )
• Statistik uji t
• α = 5% = 0,05
• Kriteria pengujian
H 0 diterima jika :
- t
2-N ,
2
1α
< t hitung < t
2-N ,
2
1α
- t ( )0,025;6 < t hitung < t ( )6;025,0
-2,447 < t hitung < 2,447
• Statistik hitung
2hit
r-1
2-Nr t =
= 2)89,0(1
689,0
−
= 4,78
• Kesimpulan
Karena hitt = 4,78 > 2,447 maka H 0 ditolak.
Jadi ada hubungan yang signifikan antara penjualan pada suatu periode
(tahun) dengan 2 periode (tahun) sebelumnya. Oleh karena itu, data ini
dapat diforecast dengan selisih waktu 2 periode (tahun).
Forecast untuk tahun ke-11 adalah :
Tahun ke-11 2-tX = 2-11X = 9X , maka untuk forecast tahun ke-11
digunakan data tahun ke-9, sehingga:
2-tt Xˆ ˆ Y βα +=
111,2 105*0,82 25,1 Yt =+=
23
Diagram Garis
Penjualan PT. SEDERHANA antara Independent Variable dan
Dependent Variable dengan selisih waktu 2 periode
0
20
40
60
80
100
120
3 4 5 6 7 8 9 10
Periode
PenjualanIndependent Variable
Dependent Variable
c. Menghitung persamaan auto regresi dan koefisien auto korelasi dengan
selisih waktu 3 periode
N-3 = 10-3 = 7
Tabel 1.6
Tabel untuk menghitung α , β , dan r
Dengan selisih waktu 3 tahun
t 3-tX tX ( tX ) ( 3-tX ) 2
3-tX 2
tX
4 40 75 3000 1600 5625
5 60 70 4200 3600 4900
6 50 80 4000 2500 6400
7 75 85 6375 5625 7225
8 70 100 7000 4900 10000
9 80 105 8400 6400 11025
10 85 95 8075 7225 9025
N=7 460 610 41050 31850 54200
24
Berdasarkan nilai-nilai di atas maka:
( ) ( )( )( ) ( )23
2
3
33 ˆ
∑∑∑∑∑
−−
−−
−
−=
tt
tttt
XXN
XXXXNβ
= 2)460()31850(7
)610)(460()41050(7
−−
= 0,59
tX=α - 3 ˆ −tXβ
=
−7
46059,0
7
610
= 48,37
Persamaan auto regresi :
3-tt Xˆ ˆ Y βα +=
= 48,37+ 0,59 3-tX
Koefisien auto korelasi:
r ( ) ( )( )
( ) ( )[ ] ( ) ( )[ ]222
3
2
3
33
∑∑∑∑∑∑∑
−−
−=
−−
−−
tttt
tttt
XXNXXN
XXXXN
= ( ) ( )[ ] ( ) ( )[ ]22
610542007460318507
)610)(460()41050(7
−−
−
= 0,74
Test kuat tidaknya auto korelasi:
• Menentukan hipotesis
H 0 : r = 0 ( tidak ada hubungan yang signifikan )
H 1 : r ≠ 0 ( ada hubungan yang signifikan )
• Statistik uji t
• α = 5% = 0,05
• Kriteria pengujian
H 0 diterima jika :
25
- t
2-N ,
2
1α
< t hitung < t
2-N ,
2
1α
- t ( )0,025;5 < t hitung < t ( )5;025,0
-2,571 < t hitung < 2,571
• Statistik hitung
2hit
r-1
2-Nr t =
= 2)74,0(1
574,0
−
= 2,46
• Kesimpulan
Karena -2,571 < t hitung = 2,46 < 2,571 maka H 0 diterima.
Jadi tidak ada hubungan yang signifikan antara penjualan pada suatu
periode (tahun) dengan 3 periode (tahun) sebelumnya. Oleh karena itu,
ketepatan persamaan regresi ini tidak dapat dipertanggungjawabkan.
Diagram Garis
Penjualan PT. SEDERHANA antara Independent Variable dan
Dependent Variable dengan selisih waktu 3 periode
0
20
40
60
80
100
120
4 5 6 7 8 9 10
Periode
PenjualanIndependent Variable
Dependent Variable
26
Contoh 2 :
Penjualan PT. DIPA selama 15 tahun terakhir adalah sebagai berikut:
Tabel 1.7
Tabel Penjualan PT. DIPA
Tahun Penjualan
1 100
2 125
3 130
4 105
5 130
6 137
7 110
8 133
9 140
10 110
11 135
12 140
13 112
14 138
15 142
Dari data pada tabel di atas, buatlah forecast untuk tahun ke-16 dan buatlah
diagram garis dari masing-masing periode.
Penyelesaian:
a. Menghitung persamaan auto regresi dan koefisien auto korelasi dengan
selisih waktu 1 periode
N-1= 15-1 = 14
27
Tabel 1.8
Tabel untuk menghitung α , β , dan r
Dengan selisih waktu 1 tahun
t 1-tX tX ( tX ) ( 1-tX ) 2
1-tX 2
tX
2 100 125 12500 10000 15625
3 125 130 16250 15625 16900
4 130 105 13650 16900 11025
5 105 130 13650 11025 16900
6 130 137 17810 16900 18769
7 137 110 15070 18769 12100
8 110 133 14630 12100 17689
9 133 140 18620 17689 19600
10 140 110 15400 19600 12100
11 110 135 14850 12100 18225
12 135 140 18900 18225 19600
13 140 112 15680 19600 12544
14 112 138 15456 12544 19044
15 138 142 19596 19044 20164
N=14 1745 1787 222062 220121 230285
Berdasarkan nilai-nilai di atas maka:
( ) ( )( )( ) ( )21
2
1
11 ˆ
∑∑∑∑∑
−−
−−
−
−=
tt
tttt
XXN
XXXXNβ
= 2)1745()220121(14
)1787)(1745()222062(14
−−
= -0,26
tX=α - 1 ˆ −tXβ
=
−−14
174526,0
14
1787
= 160,05
28
Persamaan auto regresi :
1-tt Xˆ ˆ Y βα +=
= 160,05 - 0,26 1-tX
Koefisien auto korelasi:
r ( ) ( )( )
( ) ( )[ ] ( ) ( )[ ]222
1
2
1
11
∑∑∑∑∑∑∑
−−
−=
−−
−−
tttt
tttt
XXNXXN
XXXXN
= ( ) ( )[ ] ( ) ( )[ ]22
178723028514174522012114
)1787)(1745()222062(14
−−
−
= -0,28
Test kuat tidaknya auto korelasi:
• Menentukan hipotesis
H 0 : r = 0 ( tidak ada hubungan yang signifikan )
H 1 : r ≠ 0 ( ada hubungan yang signifikan )
• Statistik uji t
• α = 5% = 0,05
• Kriteria pengujian
H 0 diterima jika :
- t
2-N ,
2
1α
< t hitung < t
2-N ,
2
1α
- t ( )0,025;12 < t hitung < t ( )12;025,0
-2,179 < t hitung < 2,179
• Statistik hitung
2hit
r-1
2-Nr t =
= 2)28,0(1
1228,0
−−
−
= -1,01
29
• Kesimpulan
Karena -2,179 < t hitung = -1,01 < 2,179 maka H 0 diterima
Jadi tidak ada hubungan yang signifikan antara penjualan pada suatu
periode (tahun) dengan 1 periode (tahun) sebelumnya. Oleh karena itu,
ketepatan persamaan regresi ini tidak dapat dipertanggungjawabkan.
Diagram Garis
Penjualan PT. DIPA antara Independent Variable dan
Dependent Variable dengan selisih waktu 1 periode
0
20
40
60
80
100
120
140
160
2 3 4 5 6 7 8 9 10 11 12 13 14 15
Periode
PenjualanIndependent Variable
Dependent Variable
b. Menghitung persamaan auto regresi dan koefisien auto korelasi dengan
selisih waktu 2 periode
N-2 = 15-2 = 13
Tabel 1.9
Tabel untuk menghitung α , β , dan r
Dengan selisih waktu 2 tahun
T 2-tX tX ( tX ) ( 2-tX ) 2
2-tX 2
tX
3 100 130 13000 10000 16900
4 125 105 13125 15625 11025
5 130 130 16900 16900 16900
6 105 137 14385 11025 18769
7 130 110 14300 16900 12100
8 137 133 18221 18769 17689
30
T 2-tX tX ( tX ) ( 2-tX ) 2
2-tX 2
tX
9 110 140 15400 12100 19600
10 133 110 14630 17689 12100
11 140 135 18900 19600 18225
12 110 140 15400 12100 19600
13 135 112 15120 18225 12544
14 140 138 19320 19600 19044
15 112 142 15904 12544 20164
N=13 1607 1662 204605 201077 214660
Berdasarkan nilai-nilai di atas maka:
( ) ( )( )( ) ( )22
2
2
22 ˆ
∑∑∑∑∑
−−
−−
−
−=
tt
tttt
XXN
XXXXNβ
= 2)1607()201007(13
)1662)(1607()204605(13
−−
= -0,35
tX=α - 2 ˆ −tXβ
=
−−13
160735,0
13
1662
= 171,11
Persamaan auto regresi :
2-tt Xˆ ˆ Y βα +=
= 171,11- 0,35 2-tX
Koefisien auto korelasi:
r ( ) ( )( )
( ) ( )[ ] ( ) ( )[ ]222
2
2
2
22
∑∑∑∑∑∑∑
−−
−=
−−
−−
tttt
tttt
XXNXXN
XXXXN
= ( ) ( )[ ] ( ) ( )[ ]22
166221466013160720100713
)1662)(1607()204605(13
−−
−
= -0,37
31
Test kuat tidaknya auto korelasi:
• Menentukan hipotesis
H 0 : r = 0 ( tidak ada hubungan yang signifikan )
H 1 : r ≠ 0 ( ada hubungan yang signifikan )
• Statistik uji t
• α = 5% = 0,05
• Kriteria pengujian
H 0 diterima jika :
- t
2-N ,
2
1α
< t hitung < t
2-N ,
2
1α
- t ( )0,025;11 < t hitung < t ( )11;025,0
-2,201 < t hitung < 2,201
• Statistik hitung
2hit
r-1
2-Nr t =
= 2)37,0(1
1137,0
−−
−
= -1,32
• Kesimpulan
Karena -2,201 < t hitung < 2,201 maka H 0 diterima.
Jadi tidak ada hubungan yang signifikan antara penjualan pada suatu
periode (tahun) dengan 2 periode (tahun) sebelumnya. Oleh karena itu,
ketepatan persamaan regresi ini tidak dapat dipertanggungjawabkan.
32
Diagram Garis
Penjualan PT. DIPA antara Independent Variable dan
Dependent Variable dengan selisih waktu 2 periode
0
20
40
60
80
100
120
140
160
3 4 5 6 7 8 9 10 11 12 13 14 15
Periode
PenjualanIndependent Variable
Dependent Variable
c. Menghitung persamaan auto regresi dan koefisien auto korelasi dengan
selisih waktu 3 periode
N-3 = 15-3 = 12
Tabel 1.10
Tabel untuk menghitung α , β , dan r
Dengan selisih waktu 3 tahun
T 3-tX tX ( tX ) ( 3-tX ) 2
3-tX 2
tX
4 100 105 10500 10000 11025
5 125 130 16250 15625 16900
6 130 137 17810 16900 18769
7 105 110 11550 11025 12100
8 130 133 17290 16900 17689
9 137 140 19180 18769 19600
10 110 110 12100 12100 12100
11 133 135 17955 17689 18225
12 140 140 19600 19600 19600
13 110 112 12320 12100 12544
14 135 138 18630 18225 19044
15 140 142 19880 19600 20164
N=12 1495 1532 193065 188533 197760
33
Berdasarkan nilai-nilai di atas maka:
( ) ( )( )( ) ( )23
2
3
33 ˆ
∑∑∑∑∑
−−
−−
−
−=
tt
tttt
XXN
XXXXNβ
= 2)1495()188533(12
)1532)(1495()193065(12
−−
= 0,97
tX=α - 3 ˆ −tXβ
=
−12
149597,0
12
1532
= 6,82
Persamaan auto regresi :
3-tt Xˆ ˆ Y βα +=
= 6,82+ 0,97 3-tX
Koefisien auto korelasi:
r ( ) ( )( )
( ) ( )[ ] ( ) ( )[ ]222
3
2
3
33
∑∑∑∑∑∑∑
−−
−=
−−
−−
tttt
tttt
XXNXXN
XXXXN
= ( ) ( )[ ] ( ) ( )[ ]22
153219776012149518853312
)1532)(1495()193065(12
−−
−
= 0,99
Test kuat tidaknya auto korelasi:
• Menentukan hipotesis
H 0 : r = 0 ( tidak ada hubungan yang signifikan )
H 1 : r ≠ 0 ( ada hubungan yang signifikan )
• Statistik uji t
• α = 5% = 0,05
• Kriteria pengujian
H 0 diterima jika :
34
- t
2-N ,
2
1α
< t hitung < t
2-N ,
2
1α
- t ( )0,025;10 < t hitung < t ( )10;025,0
-2,228 < t hitung < 2,228
• Statistik hitung
2hit
r-1
2-Nr t =
= 2)99,0(1
1099,0
−
= 22,19
• Kesimpulan
Karena hitt =22,19 > 2,228 maka H 0 ditolak.
Jadi ada hubungan yang signifikan antara penjualan pada suatu periode
(tahun) dengan 3 periode (tahun) sebelumnya. Oleh karena itu, data ini
dapat diforecast dengan selisih waktu 3 periode (tahun).
Forecast untuk tahun ke-16 adalah
Tahun ke-16 3-tX = 3-16X = 13X , maka untuk forecast tahun ke-16
digunakan data tahun ke-13, sehingga:
3-tt Xˆ ˆ Y βα +=
115,46 112*0,97 6,82 Yt =+=
35
Diagram Garis
Penjualan PT. DIPA antara Independent Variable dan
Dependent Variable dengan selisih waktu 3 periode
0
20
40
60
80
100
120
140
160
4 5 6 7 8 9 10 11 12 13 14 15
Periode
PenjualanIndependent Variable
Dependent Variable
5. Cara untuk memperoleh persamaan auto regresi dan auto korelasi dengan
menggunakan kalkulator, excel dan SPSS adalah sebagai berikut :
Contoh soal sama seperti pada contoh penerapan soal di atas, yaitu seperti
berikut :
a. Pada contoh soal penjualan PT. SEDERHANA dengan selisih waktu 1 periode
Tabel 1.11
Tabel contoh soal yang selisih waktunya 1 periode
t 1-tX tX
2 40 60
3 60 50
4 50 75
5 75 70
6 70 80
7 80 85
8 85 100
9 100 105
10 105 95
36
o Mencari persamaan auto regresi dan auto korelasi dengan menggunakan
kalkulator
Type kalkulator : KARCE Kc-S3500
• Untuk menghidupkan kalkulator tekan
• Memilih format regresi linear
• Tekan
• Tekan
• Tekan
• Untuk clear data atau mengosongkan memori sebelumnya yang ada
dikalkulator , prosesnya adalah
o Tekan
o Tekan
o Tekan
o Tekan
• Selanjutnya dengan proses entry data
40 60
75 70
70 80
ON
MODE
3
1
REGRESI
LINEAR
SHIFT
CLR
1
EXE
, DT
, DT
DT ,
37
80 85
85 100
100 105
105 95
• Selanjutnya untuk memilih nilai α atau A
Maka nilai A didapat
• Selanjutnya untuk memilih nilai β atau B
Maka nilai B didapat
• Selanjutnya untuk memilih nilai r
Maka nilai r didapat
, DT
,
,
,
DT
DT
DT
SHIFT S-VAR →→→→ 1
EXE
29,02
SHIFT S-VAR →→→→ →→→→
→→→→
EXE
0,69
SHIFT S-VAR →→→→ →→→→
2
3
EXE
0,81
38
o Mencari persamaan auto korelasi dengan menggunakan Microsoft excel
• Buka program Microsoft excel
• Setelah program sudah dibuka maka akan muncul jendela Microsoft
excel
• Input data sesuai dengan soal di atas, seperti berikut :
• Gunakan rumus = CORREL (array1, array 2 ) seperti berikut :
• Setelah itu klik enter lalu akan mendapatkan nilai koefisien auto
korelasinya
39
o Mencari persamaan auto regresi dan auto korelasi dengan menggunakan
cara SPSS, seperti berikut :
• Cara untuk memperoleh persamaan auto regresi adalah sebagai berikut
1) Buka program SPSS for windows
2) Pilih variable view, kemudian isi nama variabel pada kolom name
dengan nama 1-tX dan tX , seperti berikut :
3) Setelah itu pilih data view dan isi data pada masing-masing variabel
dengan data pada contoh soal, seperti berikut :
40
4) Pilih Analyze ���� Regression � Linear, seperti berikut :
5) Sehingga akan muncul kotak dialog Linear Regression seperti
berikut:
6) Pindahkan variabel 1-tX pada kotak Independent dan tX pada kotak
Dependent dengan menekan tombol anak panah ke kanan, seperti
berikut :
41
7) Setelah itu klik OK, sehingga akan tampil output SPSS sebagai berikut
Tabel 1.12
Tabel output dari SPSS
Variables Entered/Removedb
XT_1a . Enter
Model
1
Variables
Entered
Variables
Removed Method
All requested variables entered.a.
Dependent Variable: XTb.
ANOVAb
1773.421 1 1773.421 13.398 .008a
926.579 7 132.368
2700.000 8
Regression
Residual
Total
Model
1
Sum of
Squares df Mean Square F Sig.
Predictors: (Constant), XT_1a.
Dependent Variable: XTb.
Coefficientsa
29.112 14.422 2.019 .083
.689 .188 .810 3.660 .008
(Constant)
XT_1
Model
1
B Std. Error
Unstandardized
Coefficients
Beta
Standardi
zed
Coefficien
ts
t Sig.
Dependent Variable: XTa.
Analisis Output
Dari tabel Coefficients di atas dapat diperoleh informasi bahwa nilai
α = 29,112 dan β = 0,689, jadi persamaan auto regresinya adalah
1-tX 0,689 29,112 Y +=
• Cara untuk memperoleh koefisien auto korelasi adalah sebagai berikut :
1) Dari data yang sudah dimasukkan sama seperti di atas, sebagai berikut:
42
2) Pilih Analyze ���� Correlate ���� Bivariate, seperti berikut :
3) Sehingga akan muncul kotak dialog, sebagai berikut :
4) Pindahkan variabel 1-tX dan tX pada kotak Variables dengan
menekan tombol anak panah ke kanan., Klik Pearson pada
Correlation Coefficients dan two-tailed pada Test of Significance
seperti berikut :
43
5) Klik OK sehingga tampil output SPSS sebagai berikut :
Tabel 1.13
Tabel output dari SPSS
Correlations
1.000 .810**
. .008
9 9
.810** 1.000
.008 .
9 9
Pearson Correlation
Sig. (2-tailed)
N
Pearson Correlation
Sig. (2-tailed)
N
XT_1
XT
XT_1 XT
Correlation is significant at the 0.01 level
(2-tailed).
**.
Analisis Output
Dari tabel Correlations di atas, dapat diperoleh informasi bahwa nilai
korelasi Pearson antara nilai 1-tX dan tX sebesar 0,810. Itu bararti ada
korelasi yang kuat dan searah atau dengan kata lain jika penjualan
periode (tahun) sebelumnya bagus maka penjualan periode (tahun)
berikutnya juga bagus.
Jika nilai korelasi dikuadratkan (R squared) yaitu koefisien determinasi
hasilnya sebesar 0,657 atau sebesar 65,7 %. Artinya jumlah periode
penjualan yang akan datang dipengaruhi oleh jumlah penjualan
sebelumnya sebesar 65,7 % sedangkan sisanya dipengaruhi variabel
yang lain sebesar 34,3 %.
44
BAB V
PENUTUP
A. KESIMPULAN
1. Dengan melihat permasalahan dan pembahasan, dapat disimpulkan bahwa
langkah-langkah mencari forecast dengan auto regresi ternyata sama seperti
pada langkah-langkah mencari forecast pada regresi sederhana, yaitu :
• Mencari persamaan auto regresi
• Menghitung koefisien auto korelasi
• Uji hipotesis auto korelasi
2. Kedua persamaan tersebut merupakan persamaan regresi sederhana dan auto
regresi, nilai α dan β masing-masing dapat dihitung sesuai dengan rumus
yang tertera pada landasan teori. Kedua persamaan tersebut tidak jauh beda,
masing-masing menyatakan hubungan antara dependent variable dengan
independent variable, hanya kalau pada persamaan auto regresi yang menjadi
dependent variable sama dengan yang menjadi independent variable sehingga
menimbulkan adanya selisih waktu yang berbeda yang dilambangkan dengan
huruf ”s”.
3. Perbedaan antara regresi sederhana dengan auto regresi yang paling utama
adalah pada variabel dependent dan independentnya, karena adanya perbedaan
tersebut pada auto regresi menimbulkan dimensi rumus yang maknanya
berbeda meskipun rumus tersebut terdapat kemiripan dengan regresi
sederhana.
4. Ternyata setelah dilakukan perhitungan auto regresi dan auto korelasi dalam
penerapan soal dengan selisih waktu yang berbeda menghasilkan persamaan
auto regresi dan auto korelasi yang berbeda pula, untuk menentukan
forecastnya kita gunakan taksiran auto regresi dengan koefisien auto korelasi
terkuat, maksudnya di antara selisih waktu periode 1 tahun , 2 tahun dan 3
tahun kita pilih auto korelasinya yang paling kuat karena dengan koefisien
auto korelasi yang kuat artinya hubungan antara dependent variable dan
independent variable akan mendekati kenyataan dan penyimpangannya tidak
terlalu jauh.
45
5. Menghitung persamaan auto regresi dan auto korelasi dengan menggunakan
kettiga cara yaitu : piranti kalkulator, excel dan SPSS ternyata hasilnya sama
dengan menghitung persamaan auto regresi dan auto korelasi secara manual
sesuai dengan rumus, hanya kalau dengan cara SPSS hasilnya lebih akurat dan
bisa diketahui tingkat error dan nilai signifikannya.
B. SARAN
1. Untuk mencari forecast dilakukan langkah-langkah yang sama seperti cara-
cara di atas, dan untuk menentukan forecastnya maka kita pilih taksiran auto
regresi dan auto korelasi terkuat.
2. Untuk mencari forecast dengan auto regresi dan auto korelasi ini diperlukan
pemahaman terhadap persoalan yang dibahas.
3. Untuk test kuat tidaknya auto korelasi maka diperlukan ketelitian dan
pemahaman tentang hipotesis, kriteria penerimaan dan penolakan hipotesis
serta dalam menyimpulkan.
46
DAFTAR PUSTAKA
Gito Sudarmo, Indriyo, M.Com. 2001. Teknik Proyeksi Bisnis. Yogyakarta : BPFE-
Yogyakarta.
Pangestu Subagyo, M.B.A. 2000. Forecasting Konsep dan Aplikasi. Yogyakarta :
BPFE-Yogyakarta.
]
Soejoeti Zanzawi, Ph.D.1987. Analisis Runtun Waktu. Jakarta :Karunia Jakarta
Prof. Dr. Rusdarti, M.Si . 2007 . Ekonometrika Pembangunan. Semarang
Wahyu Widodo, Tugas Akhir : Metode Auto Regresi dan Auto Korelasi
Isti Rahmayani, Tugas Akhir : Metode Auto Regresi dan Auto Korelasi
http:// www.te.ugm.ac.id/risanuri/isyaratsystem/Korelasi.ppt.
www.msn.com(Blog)
Indo.com/archive.php/tblogger/6597/language/english/tsite/hprlnks_inedden
I_dot_wordpress _dot_co...11k dan 16k
47
LAMPIRAN-LAMPIRAN
48
SOAL
1. Apa yang kamu ketahui tentang auto regresi dan auto korelasi ?
2. Bagaimana kita tahu bahwa sebuah data tertentu sangat tepat mengunakan
metoda auto regresi dan auto korelasi ? berikan contoh dalam kehidupan
sehari-hari tentang sebuah data yang diforecast dengan waktu ekonomis 3
bulan !
3. Apa perbedaan antara auto regresi dan regresi sederhana ?
4. Tuliskan rumus α , β , r dan persamaan auto regresi ( tY ) jika datanya
memiliki selisih waktu 2 periode !
5. Penjualan PT. MAJU selama 27 tahun adalah sebagai berikut:
Tabel 1.12
Tabel Penjualan PT.MAJU
Tahun
ke-t
Penjualan (dalam
jutaan Rp) Tahun ke-t
Penjualan (dalam
jutaan Rp)
1 52 15 140
2 89 16 110
3 75 17 135
4 89 18 140
5 95 19 112
6 99 20 138
7 100 21 142
8 125 22 125
9 130 23 112
10 105 24 100
11 130 25 98
12 137 26 87
13 110 27 76
14 133
Berdasarkan data di atas, buatlah forecast untuk tahun ke-28 dengan selisih
waktu 1 periode, 2 periode dan 3 periode !
49
KUNCI JAWABAN
1. Auto regresi adalah besar pengaruh dan hubungan nilai suatu variabel, antara
yang telah terjadi pada suatu periode dan yang telah terjadi pada periode
berikutnya, dimana variabel yang menjadi dependent variable sama dengan
yang menjadi independent variable. Perbedaannya independent variable terjadi
lebih dulu dari dependent variable. Sedang auto korelasi mengukur kuat atau
tidaknya suatu hubungan variabel tersebut.
2. Suatu data sangat tepat menggunakan metoda auto regresi dan auto korelasi
jika variabel yang menjadi dependent variable pada data tersebut sama dengan
yang menjadi independent variable pada data itu.
Contoh :
Sebuah data yang khusus menyajikan jumlah kapasitas panen padi yang akan
diforecast dengan waktu ekonomis 3 bulan sesuai dengan usia panen padi,
forecast dilakukan setiap kelipatan 3 bulan.
3. Perbedaan antara auto regresi dan regresi sederhana adalah sebagai berikut :
Regresi Sederhana Auto Regresi
Nilai suatu
variabel
Y = f (X) X t = f ( X nt− ), n adalah periode
Persamaan
regresi
Y = βα + X tY = βα + X st− , s adalah selisih
periode
α dan β XY βα ˆˆˆ −=
( ) ( )( )( ) ( )22
ˆ
∑∑∑∑∑
−
−=
XXN
YXXYNβ
tX=α - stX − β
( ) ( )( )( ) ( )22
ˆ
∑∑∑∑∑
−−
−−
−
−=
stst
tsttst
XXN
XXXXNβ
Auto
korelasi
Tidak boleh terjadi auto
korelasi
Boleh terjadi auto korelasi
50
4. Rumus α , β , r dan persamaan auto regresi ( tY ) jika datanya memiliki selisih
waktu 2 periode adalah sebagai berikut :
2 ˆ −+= tt Xy βα
( ) ( )( )( ) ( )22
2
2
22 ˆ
∑∑∑∑∑
−−
−−
−
−=
tt
tttt
XXN
XXXXNβ
tX= α - 2 ˆ −tXβ
r ( ) ( )( )
( ) ( )[ ] ( ) ( )[ ]222
2
2
2
22
∑∑∑∑∑∑∑
−−
−=
−−
−−
tttt
tttt
XXNXXN
XXXXN
5. Penyelesaian :
a. Menghitung persamaan auto regresi dan koefisien auto korelasi dengan
selisih waktu 1 periode
N-1 = 27-1 = 26
Tabel 1.15
Tabel untuk menghitung α , β , dan r
Dengan selisih waktu 1 tahun
t 1-tX tX ( tX ) ( 1-tX ) 2
1-tX 2
tX
2 52 89 4628 2704 7921
3 89 75 6675 7921 5625
4 75 89 6675 5625 7921
5 89 95 8455 7921 9025
6 95 99 9405 9025 9801
7 99 100 9900 9801 10000
8 100 125 12500 10000 15625
9 125 130 16250 15625 16900
10 130 105 13650 16900 11025
11 105 130 13650 11025 16900
12 130 137 17810 16900 18769
13 137 110 15070 18769 12100
14 110 133 14630 12100 17689
15 133 140 18620 17689 19600
16 140 110 15400 19600 12100
17 110 135 14850 12100 18225
18 135 140 18900 18225 19600
19 140 112 15680 19600 12544
20 112 138 15456 12544 19044
21 138 142 19596 19044 20164
22 142 125 17750 20164 15625
51
t 1-tX tX ( tX ) ( 1-tX ) 2
1-tX 2
tX
23 125 112 14000 15625 12544
24 112 100 11200 12544 10000
25 100 98 9800 10000 9604
26 98 87 8526 9604 7569
27 87 76 6612 7569 5776
N=26 2908 2932 335688 338624 341696
Berdasarkan nilai-nilai di atas maka:
( ) ( )( )( ) ( )21
2
1
11 ˆ
∑∑∑∑∑
−−
−−
−
−=
tt
tttt
XXN
XXXXNβ
= 2)2908()338624(26
)2932)(2908()335688(26
−−
= 0,58
tX=α - 1 ˆ −tXβ
=
−26
290858,0
26
2932
= 47,90
Persamaan auto regresi :
1-tt Xˆ ˆ Y βα +=
= 47,90 + 0,58 1-tX
Koefisien auto korelasi:
r ( ) ( )( )
( ) ( )[ ] ( ) ( )[ ]222
1
2
1
11
∑∑∑∑∑∑∑
−−
−=
−−
−−
tttt
tttt
XXNXXN
XXXXN
= ( ) ( )[ ] ( ) ( )[ ]22
293234169626290833862426
)2932)(2908()335688(26
−−
−
= 0,64
Test kuat tidaknya auto korelasi:
• Menentukan hipotesis
H 0 : r = 0 ( tidak ada hubungan yang signifikan )
52
H 1 : r ≠ 0 ( ada hubungan yang signifikan )
• Statistik uji t
• α = 5% = 0,05
• Kriteria pengujian
H 0 diterima jika :
- t
2-N ,
2
1α
< t hitung < t
2-N ,
2
1α
- t ( )0,025;24 < t hitung < t ( )24;025,0
-2,064 < t hitung < 2,064
• Statistik hitung
2hit
r-1
2-Nr t =
= 2)64,0(1
2464,0
−
= 4,08
• Kesimpulan
Karena hitt = 4,08 > 2,064 maka H 0 ditolak.
Jadi ada hubungan yang signifikan antara penjualan pada suatu periode
(tahun) dengan 1 periode (tahun) sebelumnya. Oleh karena itu, data ini
dapat diforecast dengan selisih waktu 1 periode (tahun).
Forecast untuk tahun ke-28 adalah :
Tahun ke-28 1-tX = 1-28X = 27X , maka untuk forecast tahun ke-28
digunakan data tahun ke-27, sehingga:
1-tt Xˆ ˆ Y βα +=
91,98 76*0,58 47,90 Yt =+=
b. Menghitung persamaan auto regresi dan koefisien auto korelasi dengan
selisih waktu 2 periode
N-2 = 27-2 = 25
53
Tabel 1.16
Tabel untuk menghitung α , β , dan r
Dengan selisih waktu 2 tahun
T 2-tX tX ( tX ) ( 2-tX ) 2
2-tX 2
tX
3 52 75 3900 2704 5625
4 89 89 7921 7921 7921
5 75 95 7125 5625 9025
6 89 99 8811 7921 9801
7 95 100 9500 9025 10000
8 99 125 12375 9801 15625
9 100 130 13000 10000 16900
10 125 105 13125 15625 11025
11 130 130 16900 16900 16900
12 105 137 14385 11025 18769
13 130 110 14300 16900 12100
14 137 133 18221 18769 17689
15 110 140 15400 12100 19600
16 133 110 14630 17689 12100
17 140 135 18900 19600 18225
18 110 140 15400 12100 19600
19 135 112 15120 18225 12544
20 140 138 19320 19600 19044
21 112 142 15904 12544 20164
22 138 125 17250 19044 15625
23 142 112 15904 20164 12544
24 125 100 12500 15625 10000
25 112 98 10976 12544 9604
26 100 87 8700 10000 7569
27 98 76 7448 9604 5776
N=25 2821 2843 327015 331055 333775
Berdasarkan nilai-nilai di atas maka:
( ) ( )( )( ) ( )22
2
2
22 ˆ
∑∑∑∑∑
−−
−−
−
−=
tt
tttt
XXN
XXXXNβ
= 2)2821()331055(25
)2843)(2821()327015(25
−−
= 0,49
tX=α - 2 ˆ −tXβ
=
−25
282149,0
25
2843
= 58,43
54
Persamaan auto regresi :
2-tt Xˆ ˆ Y βα +=
= 58,43 + 0,49 2-tX
Koefisien auto korelasi:
r ( ) ( )( )
( ) ( )[ ] ( ) ( )[ ]222
2
2
2
22
∑∑∑∑∑∑∑
−−
−=
−−
−−
tttt
tttt
XXNXXN
XXXXN
= ( ) ( )[ ] ( ) ( )[ ]22
284333377525282133105525
)2843)(2821()327015(25
−−
−
= 0,54
Test kuat tidaknya auto korelasi:
• Menentukan hipotesis
H 0 : r = 0 ( tidak ada hubungan yang signifikan )
H 1 : r ≠ 0 ( ada hubungan yang signifikan )
• Statistik uji t
• α = 5% = 0,05
• Kriteria pengujian
H 0 diterima jika :
- t
2-N ,
2
1α
< t hitung < t
2-N ,
2
1α
- t ( )0,025;23 < t hitung < t ( )23;025,0
-2,069 < t hitung < 2,069
• Statistik hitung
2hit
r-1
2-Nr t =
= 2)54,0(1
2354,0
−
= 3,08
• Kesimpulan
Karena hitt = 3,08 > 2,069 maka H 0 ditolak.
55
Jadi ada hubungan yang signifikan antara penjualan pada suatu periode
(tahun) dengan 2 periode (tahun) sebelumnya. Oleh karena itu, data ini
dapat diforecast dengan selisih waktu 2 periode (tahun).
Forecast untuk tahun ke-28 adalah :
Tahun ke-28 2-tX = 2-28X = 26X , maka untuk forecast tahun ke-28
digunakan data tahun ke-26, sehingga:
2-tt Xˆ ˆ Y βα +=
101,06 87*0,49 58,43 Yt =+=
c. Menghitung persamaan auto regresi dan koefisien auto korelasi dengan
selisih waktu 3 periode
N-3 = 27-3 = 24
Tabel 1.17
Tabel untuk menghitung α , β , dan r
Dengan selisih waktu 3 tahun
T 3-tX tX ( tX ) ( 3-tX ) 2
3-tX 2
tX
4 52 89 4628 2704 7921
5 89 95 8455 7921 9025
6 75 99 7425 5625 9801
7 89 100 8900 7921 10000
8 95 125 11875 9025 15625
9 99 130 12870 9801 16900
10 100 105 10500 10000 11025
11 125 130 16250 15625 16900
12 130 137 17810 16900 18769
13 105 110 11550 11025 12100
14 130 133 17290 16900 17689
15 137 140 19180 18769 19600
16 110 110 12100 12100 12100
17 133 135 17955 17689 18225
18 140 140 19600 19600 19600
19 110 112 12320 12100 12544
20 135 138 18630 18225 19044
21 140 142 19880 19600 20164
22 112 125 14000 12544 15625
23 138 112 15456 19044 12544
24 142 100 14200 20164 10000
25 125 98 12250 15625 9604
26 112 87 9744 12544 7569
27 100 76 7600 10000 5776
N=24 2723 2768 320468 321451 328150
56
Berdasarkan nilai-nilai di atas maka:
( ) ( )( )( ) ( )23
2
3
33 ˆ
∑∑∑∑∑
−−
−−
−
−=
tt
tttt
XXN
XXXXNβ
= 2)2723()321451(24
)2768)(2723()320468(24
−−
= 0,51
tX=α - 3 ˆ −tXβ
=
−24
272351,0
24
2768
= 57,47
Persamaan auto regresi :
3-tt Xˆ ˆ Y βα +=
= 57,47+ 0,51 3-tX
Koefisien auto korelasi:
r ( ) ( )( )
( ) ( )[ ] ( ) ( )[ ]222
3
2
3
33
∑∑∑∑∑∑∑
−−
−=
−−
−−
tttt
tttt
XXNXXN
XXXXN
= ( ) ( )[ ] ( ) ( )[ ]22
276832815024272332145124
)2768)(2723()320468(24
−−
−
= 0,61
Test kuat tidaknya auto korelasi:
• Menentukan hipotesis
H 0 : r = 0 ( tidak ada hubungan yang signifikan )
H 1 : r ≠ 0 ( ada hubungan yang signifikan )
• Statistik uji t
• α = 5% = 0,05
• Kriteria pengujian
H 0 diterima jika :
57
- t
2-N ,
2
1α
< t hitung < t
2-N ,
2
1α
- t ( )0,025;22 < t hitung < t ( )22;025,0
-2,074 < t hitung < 2,074
• Statistik hitung
2hit
r-1
2-Nr t =
= 2)61,0(1
2261,0
−
= 3,61
• Kesimpulan
Karena t hit = 3,61 > 2,074 maka H 0 ditolak.
Jadi ada hubungan yang signifikan antara penjualan pada suatu periode
(tahun) dengan 3 periode (tahun) sebelumnya. Oleh karena itu, data ini
juga dapat diforecast dengan selisih waktu 3 periode.
Forecast untuk tahun ke-28 adalah :
Tahun ke-28 3-tX = 3-28X = 25X , maka untuk forecast tahun ke-28
digunakan data tahun ke-25, sehingga:
3-tt Xˆ ˆ Y βα +=
107,45 98*0,51 57,47 Yt =+=