Daftar Isi: Pemilihan Metode Yang Lebih Baik Dalam Mendeteksi Dan Mengatasi Autokorelasi (Metode Durbin Watson, Breusch Godfrey, Gls Dengan ̂ Durbin Watson Dan ̂ Galat Mkt)

Daftar Isi:

Salah satu asumsi pada analisis regresi yang harus terpenuhi adalah tidak terdapat autokorelasi sehingga penduga yang dihasilkan BLUE (Best Linear Unbiased Estimator). Tujuan dari penelitian ini adalah memilih metode yang lebih baik digunakan untuk mendeteksi autokorelasi antara Durbin Watson dan Breusch Godfrey serta Generalized Least Square (GLS) dengan ̂ Durbin Watson dan Generalized Least Square (GLS) dengan ̂ galat MKT untuk mengatasi autokorelasi. Data yang digunakan dalam penelitian ini adalah data sekunder yang mengandung autokorelasi yaitu IHSG, tingkat inflasi, suku bunga BI, dan nilai kurs dollar terhadap rupiah Bulan Juli 2007 sampai Desember 2015. Berdasarkan hasil analisis diperoleh informasi bahwa dalam mendeteksi autokorelasi metode Durbin Watson memberikan hasil lebih baik daripada metode Breusch Godfrey karena nilai AIC yang dihasilkan lebih kecil, sedangkan dalam mengatasi autokorelasi metode GLS dengan ̂ Durbin Watson memberikan hasil lebih baik daripada metode GLS dengan ̂ galat MKT karena nilai penduga koefisien lebih mendekati nol.