Uji Autokorelasi SPSS Versi 23 dengan Run Test

Uji autokorelasi pada analisis regresi linear hanya dilakukan pada data time series atau runtut waktu. Jika bukan data time series maka tidak perlu dilakukan uji autokorelasi. Jika kita menyebarkan data kuesioner lalu kita lakukan analisis regresi linear, maka kita tidak perlu melakukan uji autokorelasi pada uji asumsi klasiknya. Kalau ada waktu luang, coba lakukan uji regresi pada model seperti itu. Lalu lakukanlah pengacakan data, misalnya data nomor 1 dipindah ke nomor 12. Lalu data ke 9 diubah ke nomor 23 dan seterusnya. Acak saja. Setelah itu lakukan lagi uji regresi lagi. Bandingkan nilai Durbin-Watson pada kedua model tersebut. Apa kesimpulan Anda?

Artikel ini akan menggunakan metode run test pada uji autokorelasi. Ini hanya simulasi saja, nanti kita bahas penggunaan Durbin-Watson dan metode lain pada artikel yang lain.

Tabulasi Data SPSS Versi 23 untuk Simulasi Uji Autokorelasi dengan Run Test

Di atas adalah contoh saja, mohon untuk tidak fokus kepada datanya, karena itu data fiktif sekedar contoh. Data di atas adalah time series karena ada urutan waktu bulan. Data bulanan Inflasi, Kurs, ICP dan IHSG. Untuk melakukan uji Run Test, lakukan regresi seperti biasa, lalu jangan lupa simpan nilai Residual Unstandardized. Setelah itu lakukan uji run test pada nilai Unstandardized tersebut dan hasilnya adalah sebagai berikut:

Output Run Test pada Uji Autokorelasi

Tampak bahwa nilai Signifikansi adalah sebesar 0,000 < 0,05 yang berarti terdapat gangguan autokorelasi pada model penelitian. Upaya perbaikan dilakukan dengan mentransformasikan data menjadi first difference delta. Pemahaman yang sederhana adalah awalnya mencari pengaruh data per bulan, lalu kita ubah menjadi mencari pengaruh data perubahan per bulan. Misalnya data bulan 1 adalah 10 dan bulan 2 adalah 15 maka yang kita gunakan adalah selisihanya yaitu 15 - 10 = 5. 

Transformasi dapat Anda lakukan secara manual dengan Excel atau bisa juga dengan SPSS dengan menggunakan Lag Variabel. Pilih Transform lalu klik pada Compute Variable seperti pada gambar di bawah:

Menu Compute Variable

Jika benar, maka akan diarahkan ke box dialog yang baru. Lalu masukkan Target variable, atau nama variabel baru yang akan kita buat berserta perintah perhitungannya.

Perhitungan Lag Variabel

Delta_inflasi adalah variabel yang akan kita buat. Variabel itu adalah selisih antara data bulan sekarang dengan bulan sebelumnya atau Inflasi - Lag(Inflasi). Setelah Klik OK maka akan keluar variabel baru sesuai dengan perintah perhitungan kita.

Variabel Baru yang merupakan Selisih antara Bulan Sekarang dengan Bulan Sebelumnya

Setelah itu kita regresikan lagi, simpan nilai Unstandardizednya lalu hitung dengan run test lagi. Hasilnya adalah sebagai berikut:

Hasil Uji Run Test Transformasi Data

Tampak bahwa nilai Signifikansi adalah sebesar 0,374 > 0,05 yang menunjukkan bahwa model tidak mengalami gangguan autokorelasi. Dengan demikian, transformasi data ini berhasil mengatasi masalah autokorelasi.

Share:

Tidak ada komentar:

Posting Komentar

Baca dulu sebelum tulis komentar:

Sebelum menuliskan pertanyaan, mohon disimak tanya jawab yang ada terlebih dahulu. Pertanyaan yang sama atau senada biasanya tidak terjawab. Untuk pengguna Blogger mohon profil diaktifkan agar tidak menjadi dead link. Atau simak dulu di Mengapa Pertanyaan Saya Tidak Dijawab?
Simak juga Channel kami di Statistik TV
Komentar akan kami moderasi dulu sebelum ditampilkan. Aktifkan Akun Google Anda.

Terima kasih.

Artikel Terbaru

Translate

Instagram

Instagram
Gabung Instagram Kami

Artikel Terbaru

Jual Data Laporan Keuangan Perusahaan yang Listing di BEI Tahun 2020

Setiap perusahaan yang telah go public wajib untuk menyerahkan laporan keuangan ke badan otoritas, sebagai salah satu bentuk pertanggungjawa...

Artikel Populer Seminggu Terakhir

Komentar Terbaru

`

Ingin menghubungi kami untuk kerja sama?

Nama

Email *

Pesan *