Uji Autokorelasi dengan SPSS Versi 23 Menggunakan Metode Durbin-Watson

Uji autokorelasi adalah salah satu uji asumsi klasik yang dipergunakan untuk melihat apakah terjadi gangguan autokorelasi atau tidak. Autokorelasi, sesuai dengan namanya, auto dan korelasi adalah adanya korelasi antara satu data dengan data sebelumnya dalam satu variabel. Oleh karena itu jelas bahwa uji autokorelasi hanya dilakukan pada data time series atau runtut waktu. Jika dalam suatu model bukan merupakan data time series, maka tidak perlu dilakukan uji autokorelasi. (Data panel atau pooled data perlu diuji autokorelasi karena merupakan gabungan antara data time series dengan cross section).

Ada banyak metode untuk menguji ada atau tidaknya gangguan autokorelasi pada suatu model regresi. Kali ini kita akan membahas tentang metode dengan Durbin Watson yang menunya sudah tersedia di SPSS. Metode Durbin-Watson menggunakan persamaan sebagai berikut:

Persamaan Durbin-Watson

Untuk data simulasi bisa Anda download dengan akung G Mail Anda karena menggunakan Google Drive. Terdapat 75 data dalam File SPSS. Langkah pertama adalah pilih Analyze, lalu pilih Regression dan klik pada Linear seperti pada gambar di bawah ini:

Menu Regresi pada SPSS Versi 23
Maka kita akan masuk ke menu regresi sebagai berikut:

Memasukkan Variabel Penelitian
Masukkan variabel Alexa_Rank ke Dependent dan Page_views ke Independent(s). Lalu klik Statistic di kanan atas sehingga akan masuk ke sub menu sebagai berikut:

Menu Durbin Watson
Berikan tanda centang pada Durbin-Watson seperti pada gambar di atas, lalu klik Continue dan berikutnya klik OK. Maka akan keluar output sebagai berikut:

Output Durbin-Watson
Tampak bahwa nilai Durbin-Watson adalah sebesar 0,065. Untuk menentukan adanya gangguan autokorelasi atau tidak maka nilai tersebut perlu dibandingkan dengan nilai Tabel Durbin-Watson. Secara rinci telah ditampilkan di artikel berikut. Dalam kasus ini, karena menggunakan 75 data dan hanya 1 variabel bebas, maka nilai dL adalah 1,598 dan dU adalah sebesar 1,652. Berarti 0 < 0,065 < dL 1,598 atau terjadi autokorelasi positif. Dengan demikian kesimpulan dari model ini adalah mengalami gangguan autokorelasi positif.

Beberapa hal yang perlu diperhatikan dalam uji autokorelasi dengan Durbin-Watson adalah bahwa masih ada range di mana pengujian tidak bisa memberikan kesimpulan. Simak di gambar ini:

Tabel Pengambilan Keputusan Uji Autokorelasi dengan Durbin-Watson
Dalam contoh ini, merujuk pada baris paling atas. Akan tetapi, jika nilai hasil pengujian adalah 1,600 maka akan merujuk kepada baris kedua yaitu dL < d < dU atau tidak ada keputusan. Meskipun rentang tersebut kecil, namun bisa saja terjadi (juga di baris keempat pada tabel). Untuk itu ada yang membuat Durbin-Watson koreksi agar bisa memberikan justifikasi, atau bisa juga diperkuat dengan pengujian yang lain, misalnya Run Test.

Catatan lain yang dapat diberikan adalah bahwa uji Durbin-Watson hanya dapat mendeteksi autokorelasi pada derajad 1 saja, tetapi tidak bisa mendeteksi derajad lebih dari satu. Jadi jika ada gangguan autokorelasi pada derajad 2 atau bahkan lebih maka metode Durbin-Watson tidak dapat mendeteksinya. Metode yang dapat mendeteksi lebih dari derajad 1 adalah metode Lagrange Multiplier (LM).

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 *