Menurut Duwi Priyatno (2009:61) Autokorealasi adalah keadaan dimana terjadinya korelasi dari residual untuk pengamatan satu dengan pengamatan lainnya yang disusun menurut runtut waktu.
selanjutnya dijelaskan kembali oleh Duiw Priyatno (2009:61) bahwa dampak yang dapat diakibatkan dengan adanya autokorelasi yaitu varian sampel tidak dapat menggambarkan varian populasinya.
Percaya atau nggak, pengujian ini ialah bagian uji paling sulit diantara uji-uji asumsi klasik lainnya, terutama pada penelitian model regresi linear dengan data ekonomi/keuangan. tapi jangan khawatir selalu akan ada jalan keluar bagi yang mau berusaha. sebagai notes sebelum benar-benar kita mulai, Harap didampingi pembimbing pada saat melakukan pengujian ini demi menjaga agar tidak terjadinya hal-hal yang tidak di inginkan.
Ok, kita cuss ke pembahasan. Menurut Nachrowi (2006:186-193) ada empat cara untuk mengetes keberadaan autokorelasi/otokorelasi ini, diantaranya adalah:
- Menganalisis Grafik Scatterplot
- Uji Durbin-Watson
- Uji Analisis Run
- Uji Lagrange Multiplier (LM) / The Breusch-Godfrey (BG) Test
Pada Update pertama ini saya hanya akan menjelaskan pengujian pada point 1 dan 2 saja. harap tunggu update selanjutnya untuk point 3 dan 4. untuk mendapatkan data untuk pengujian no 1 dan 2 seperti biasa silahkan anda lihat pos (Cara Mencari Bahan Uji Asumsi Klasik dan Hipotesis Dengan SPSS).
1. Menganalisis Grafik Scatterplot.
Kalau anda mengikuti pos saya dari pengujian paling pertama pasti anda sudah tak asing dengan si scatterplot ini. ya scatterplot yang akan kita gunakan adalah grafik yang sama kita gunakan saat melakukan uji Heteroskedastisitas. cara pengujian Autokorelasi ini pun sama dengan heteroskedastisitas, dimana apabila terdapat pola tertentu pada grafik scatterplot maka dapat diasmusikan bahwa pada regresi yang kita gunakan tidak terdapat masalah autokorelasi.
namun karena sulitnya menentukan pola pada grafik scatterplot, pengujian ini jarang sekali digunakan untuk melihat keberadaan autokorelasi.
2. Uji Durbin-Watson
Uji Durbin Watson adalah uji yang paling populer digunakan dikalangan peneliti terutama dikalangan mahasiswa skripsi :) . selain banyak penjelasanny di buku uji ini merupakan uji yang paling mudah dilakukan dan baik dalam interpretasinya. menurut Imam Ghozali (2009) uji ini paling baik digunakan pada penelitian dengan jumlah data ≤ 100. berikut saya gambarkan secara garis besar mengenai uji Durbin-Watson. silahkan lihat gambar di bawah ini.
Untuk mencari Autokorelasi dengan metode Durbin Watson (DW) ada beberapa hal yang harus kamu siapkan yang pertama adalah tabel durbin watson untuk bisa mengetahui nilai batas bawa (dl) dan batas atas (du) durbin watson. kamu bisa unduh tabelnya di sini (Tabel Durbin Watson) atau ada juga beberapa blog dan website yang sudah mempersiapkan versi mereka, dan juga tentu nilai DW dari persamaan kamu yang di dapat dari pengolahan spss. nah, cara mencari autokorelasinya adalah dengan mencocokan posisi DW dengan du, dl, d-du dan 4-dl, dengan syarat seperti yang diperlihatkan pada gambar di atas. adapun cara membacanya kemudian ialah seperti di bawah ini:
- Apabila du < DW < 4-du berarti tidak ada masalah autokorelasi
- Bila du ≤ DW ≤ du atau 4-du ≥ DW ≥ 4-dl maka tidak ada kesimpulan yang dapat di ambil
- Bila DW < dl maka terjadi autokorelasi positif
- Bila DW > 4-dl maka terjadi autokorelasi negatif.
untuk mendapatkan nilai DW (Durbin-Watson) kamu dapat langsung melihatnya dari hasil pengolahan data SPSS pada tabel seperti di bawah ini.
Bila terdapat masalah Autokorelasi pada model regresi yang kamu gunakan ada beberapa cara untuk memperbaiki hal tersebut diantaranya:
- Dengan mentransformasi data tersebut.
- menghilangkan data pada waktu yang bermasalah
- Konsultasi pada Pembimbing anda dan tanya solusinya :D
Sumber:
Nachrowi, D Nachrowi. 2006. Ekonometrika. Lembaga Penerbit Fakultas Ekonomi Universitas Indonesia: Jakarta
Priyatno Duwi. 2009. SPSS "Untuk Analisis Korelasi, Regresi dan Multivariate". Gava Media: Yogyakarta
mas, apakah kalau t>200 nilai dL dan dU sudah tidak signifikan,apakah kita cukup mengacu pada tabel dw dmn t=200 ??
ReplyDeleteMaaf, saya kurang mengerti dengan maksud tidak signifikan.
DeleteTapi saya bisa kasih saran begini, Bila t > 100, saya tidak menyarankan untuk menggunakan metode DW dan beralih menggunakan metode LM/BG (mohon maaf saya belum menemukan refrensi buku untuk metode tersebut jadi saya tidak dapat menerangkannya terima kasih).
silahkan bisa cari tahu ke ahli statistik atau konsultasi kepada pembimbing anda. :)
Assalamu'alaikum, mw numpang tany
DeleteKalau pke tabel dw, kputusan yg menyebutkan bahwa tdk ada masalah auto thu kn trletak pada du<d<(4-du)
Lha kalau hasil dw saya hany memenuhi yg d<(4-du) apa boleh menggunakan tabel dw 'n pha dngn tabel trsbut data sya bebas masalah auto pha saya hrus pke uji run tes aja,,
Mohon pencerahannya, terima kasih
Hanya mengingatkan kalau metode ini tidak cocok digunakan untuk data sampel yang jumlahnya lebih dari 100 (seratus)
Deletekemudian untuk permasalahan mbak ada baiknya kalau mbak memeriksa data yang mbak gunakan terlebih dahulu, karena biasanya hal ini terjadi karena adanya kesalahan dalam penyusunan data.
apabila penyusunan datanya sudah benar maka saya kemudian akan menyarankan untuk mentransformasi data yang mbak gunakan.
kalau masih gagal juga baru saya akan menyarankan mbak untuk konsultasi dengan pembimbing anda untuk mempergunakan run Test.
Penelitian saya hanya menggunakan 45 sampel sudah saya cba transform tpi dw ny kecil
DeletePa da kriteria khusus dlm menggunakan uji run pak ? Mohon pencerahanny pak
Kalau begitu silahkan untuk berkonsultasi dengan pembimbing anda, mungkin ada masalah pada sampel yang mbak linda pilih. pada kasus yang pernah saya alami pada data "ekonomi" data yang nilainya minus terkadang dapat membuat masalah pada pengujian ini.
Deleteuntuk uji run sendiri sebenarnya tidak memiliki kriteria khusus, hanya saja kurang populer untuk digunakan. ada beberapa ahli (sedikit) yang saya kenal mereka bilang kalau uji run itu sendiri terkadang kurang akurat, dan kurang meyakinkan untuk dibawa presentasi.
namun pada kenyataannya tidak sedikit orang yang menggunakan uji run untuk penelitiannya.
Baiklah bapak terima kasih sarannya sangat membantu :-)
ReplyDeletePak bisa dijelaskan mengenai uji autokorelasi yang mudah dipahami dengan bahasa bapak disertai juga contoh yang memahamkan. Terimakasih :)
ReplyDeleteMungkin lebih mudahnya uji autokorelasi itu ialah
Delete"uji yang menunjukan keterkaitan/hubungan antara subjek penelitian satu dengan subjek penelitian lainnya"
misal kita mau meneliti Pengaruh "Kenaikan Uang jajan joko (X1)" dan "uang jajan yasmi (X2)" terhadap "Perubahan Pola Makan Bambang (Y)"
nah bila benar adanya suatu hubungan antara X1 + X2 terhadap Y maka hasil uji autokorelasi akan baik dan bila tidak maka sebenarnya tidak ada hubungan antara
"Kenaikan Uang jajan joko (X1)" dan "uang jajan yasmi (X2)" terhadap "Perubahan Pola Makan Bambang (Y)"
namun perlu di ingat kalau uji ini relevan digunakan bila data yang digunakan ada runtut waktunya