Hubungi Kami di WA 08-951-951-3333

Uji Autokorelasi

Uji Autokorelasi – Autokorelasi dapat timbul karena berbagai alasan. Sebagai contoh pertama adalah inersia atau kelembaman dari gejala perekonomian yang datanya terbentuk secara runtut waktu. Inersia dapat diartikan beberapa gejala perekonomian mempunyai perilaku yang sama tiap tahun.

Misal hasil obsevasi pada satu titik biasanya lebih tinggi dari sebelumnya. Perilaku ini akan terus berlanjut hingga suatu ketika ada gejalan yang menghentikan perilaku ini. Oleh karena itu data observasi sebaiknya bebas. Perubahan meningkat dari suatu variabel tergantung diikuti oleh perubahan yang meningkat pada variabel bebasnya, dan sebaliknya. Gejala ini menyebabkan asumsi klasik yaitu kovarian dari variabel pengganggu tidak sama dengan nol, dengan kata lain ada korelasi antar variabel pengganggu (Thomas, R.L. 1997: 297). Kedua, sebab lain bisa jadi karena bias spesifikasi karena menggunakan bentuk fungsi yang tidak benar, atau teori ekonomi tidak dapat menjelaskan pengaruh dari variabel pengganggu, padahal variabel tersebut secara signifikan berpengaruh. Kesalahan lain yaitu adanya kemungkinan kesalahan pengukuran variabel tergantung (Jonhston, J., 1991: 309-10).

Akibat dari adanya gejala autokorelasi secara kuantitatif mirip dengan apa yang terjadi pada gejala heteroskedastis, yaitu, tidak bias namun tidak efisien pada parameternya dan pengambilan kesimpulan yang salah arah (Jonhston, J., 1991: 310).

Autoregresi tingkat pertama, yaitu autoregresi dengan lag waktu satu periode terdiri dari tiga gejala. Pertama, ρ = 0, atau koefisien autoregresi OLS  antar variabel pengganggu nilainya nol. Dalam keadaan ini tidak terjadi penyimpangan asumsi klasik. Kedua, ρ > 0 atau autokorelasi positif, yaitu, perubahan positif/negatif pada variabel pengganggu pada saat tertentu diikuti oleh perubahan secara positif/negatif pada periode berikutnya. Ketiga, ρ = 0 atau autokorelasi negatif, yaitu, perubahan negatif/positif pada variabel pengganggu pada saat tertentu diikuti oleh perubahan secara positif/negatif pada periode berikutnya (Thomas, R.L. 1997: 297-8). Secara statistik rumus autoregresi adalah sebagai berikut:

statistik rumus autoregresi

Meskipun ada beberapa metode untuk mengetahui apakah serial korelasi terdapat dalam kejadian tertentu, yang paling terkenal diantaranya adalah statistik d dari Durbin Watson. Secara spesifik, Uji Durbin Watson dua sisi memiliki 5 kelompok atau 5 bagian daerah sebagaimana terlihat pada gambar 1.

Posisi Koefisien Durbin Watson

Contoh Hasil Perhitungan Uji Autokorelasi

Dalam suatu model regresi dilakukan uji autokorelasi, dan diperoleh koefisien D-W (Durbin Watson) bernilai 1.806. Nilai koefisien D-W pada uji autokorelasi dapat dilihat pada gambar 2. Terlihat bahwa koefisien D-W berada pada daerah meragukan terjadinya autokorelasi positif.

Hasil Penghitungan Koefisien Durbin Watson