UJI AUTOKORELASI BERDASARKAN NILAI DURBIN WATSON DENGAN SPSS 18

Dalam asumsi klasik, autokorelasi merupakan korelasi yang terjadi antar error/residual pada periode tertentu (misal t) dengan error/residual pada periode lainnya (misal t-p). Adanya masalah autokorelasi menyebabkan varian yang terbentuk pada model regresi linier sederhana menjadi tidak minimum. Selain itu adanya autokorelasi menyebabkan pendugaan dari varian model menjadi bias, cenderung software menduga varian model underestimate.  Autokorelasi umumnya terjadi karena data pada suatu periode dipengaruhi oleh data pada periode lainnya. Misalkan nilai tukar rupiah pada hari ini dipengaruhi oleh nilai tukar rupiah pada hari sebelumnya.

Asumsi autokorelasi hanya diujikan pada data yang bersifat time series atau data cross-sectional yang memiliki pola urutan yang baku antar pengamatan. Untuk mengetahui ada tidaknya autokorelasi dapat dilihat dari nilai Durbin Watson.

Dasar Pengambilan Keputusan dalam Uji Autokorelasi Durbin Watson

Metode pengujian yang sering digunakan dalam penelitian kuantitatif menggunakan uji durbin-watson (uji DW) memakai ketentuan atau dasar pengambilan keputusan sebagai berikut:

  1. Pertama menentukan hipotesa uji, yaitu hipotesis nol (H0) yaitu tidak ada autokorelasi dan hipotesis  alternatif (H1) ada autokorelasi.
  2. Jika nilai d (durbin watson) lebih kecil dari dL atau lebih besar dari (4-dL) maka hipotesis nol ditolak, yang berarti ada autokorelasi.
  3. Jika nilai d (durbin watson) terletak antara dU dan (4-dU), maka hipotesis nol diterima, yang berarti tidak ada autokorelasi.
  4. Jika nilai d (durbin watson) terletak antara dL dan dU atau diantara (4-dU) dan (4-dL), maka tidak menghasilkan kesimpulan yang pasti.

 

Contoh Uji Autokorelasi dengan Durbin Watson dalam Model Regresi

Ingin diketahui apakah ada autokorelasi pada model regresi pengaruh Indek Harga Impor (X1) dan GNP (X2) terhadap Nilai Import Indonesia (Y) dari tahun 1980 sd 2002.  Untuk mengetahuinya akan dilakukan uji autokorelasi menggunakan Durbin Watson test, apakah pada model regresi  tersebut terjadi autokorelasi.

Data : import indonesia.sav 

Cara Uji Autokorelasi dengan Durbin Watson Menggunakan SPSS Versi 18

  1. Setelah data import indonesia.sav yang akan diuji Durbin Watson sudah terbuka pada program SPSS, klik Variable View. Pastikan bahwa variabel dependent dan independent bertipe numerik (Measure=Scale)

  1. Langkah berikutnya, masuk Data View, dari menu SPSS pilih Analyze RegressionLinear…

  1. Akan muncul kotak dialog dengan nama “Linear Regression” selanjutnya masukkan variabel Nilai Import (Y) ke kolom Dependent: lalu masukkan variabel Indek Harga (X1) dan GNP (X2) ke kolom Independent(s). Setelah itu klik Statistics…

  1. Pada kotak dialog “Linear Regression: Statistics” yang muncul, pada bagian Residuals berikan tanda centang (v) pada Durbin-Watson (abaikan centangan yang lain). Kemudian klik Continue

  1. Pada kotak dialog “Linear Regression” yang kembali muncul klik Ok. Maka akan muncul output SPSS, perhatikan tabel output yang berjudul judul “Model Summary”

Interpretasi Uji Autokorelasi dengan Durbin Watson SPSS

Berdasarkan tabel output “Model Summary” di atas, diketahui nilai Durbin-Watson (d) adalah sebesar 1,386. Nilai ini akan dibandingkan dengan nilai tabel durbin watson pada signifikansi 5% dengan rumus (k’ ; N). k adalah jumlah variabel independen adalah 2 atau k=2, sementara jumlah sampel atau N=23, maka (k’ ; N)=(2 ; 23). Angka (k’ ; N)=(2 ; 23)  ini kemudian dilihat pada distribusi nilai tabel durbin watson pada signifikansi 5% sebagaimana gambar berikut ini.

Berdasarkan tabel Distribusi Durbin Watson pada gambar di atas, dengan  (k’ ; N)=(2 ; 23) didapatkan nilai dL = 1,168 dan dU = 1,543,  sedangkan nilai Durbin-Watson (d) model regresi adalah sebesar 1,368.  Berarti nilai Durbin Watson (d) regresi berada di antara nilai dL dan dU atau dL < d <  dU (1,168 < 1,368 < 1,543). Berdasarkan pengambilan keputusan dalam uji durbin watson di atas, jika nilai d (durbin watson) terletak antara dL dan dU atau diantara (4-dU) dan (4-dL), maka tidak menghasilkan kesimpulan yang pasti.  Untuk itu dapat juga dinyatakan bahwa tidak terjadi kasus autokorelasi pada model.

—o0o—