Uji Autokorelasi dengan SPSS – Durbin Watson

4
3565

Uji Autokorelasi dengan SPSS

Uji Autokorelasi dengan SPSS adalah menggunakan metode uji Durbin Watson. Dimana pada artikel sebelumnya telah kita bahas, bahwa ada berbagai metode pengujian untuk mendeteksi adanya masalah atau asumsi autokorelasi, antara lain: Breusch Godfrey, Durbin Watson dan Durbin Watson H. dalam kesempatan ini, kita akan fokus untuk membahas tutorial uji autokorelasi dengan SPSS menggunakan metode Durbin Watson Test.

Pada artikel sebelumnya kita telah membahas pengertian dan penjelasan uji autokorelasi. Silahkan baca artikel kami tersebut di: Pengertian dan Penjelasan Uji Autokorelasi Durbin Watson.

Sebelum memulai tutorial uji autokorelasi dengan SPSS metode durbin watson, sebaiknya anda membuat terlebih dahulu satu set data untuk pengujian regresi linear. Anda harus membuat 1 variabel terikat dan beberapa variabel bebas dengan masing-masing berskala data interval atau rasio. dalam tutorial ini, statistikian coba memberikan cntoh uji autokorelasi dengan SPSS menggunakan tiga (3) variabel bebas dan satu variabel terikat. Sehingga persamaan regresi yang akan dibentuk adalah sebagai berikut:

Y = ∝ + ß1 X1 + ß1 X2 + ß1 X3 + e.

Tutorial Uji Autokorelasi dengan SPSS

Identifikasi Variabel

Baiklah kita mulai tutorial tentang analisis autokorelasi durbin watson. Silahkan buka aplikasi SPSS anda dan isi 3 variabel bebas dan 1 variabel terikat anda ke dalam dataset SPSS. Contohnya adalah sebagai berikut:

Dataset Uji Autokorelasi dengan SPSS
Dataset Uji Autokorelasi dengan SPSS

Silahkan beri nama apa saja untuk menandakan mana variabel terikat dan mana variabel bebas. Dalam tutorial ini, kami memberi nama variabel bebas: X1, X2 dan X3, sedangkan variabel terikat dengan nama: Y. Disini kami menggunakan contoh pengujian dengan jumlah sampel atau observasi sebanyak 128 sampel.

Analisis Durbin Watson dengan SPSS

Setelah data anda isikan dan variabel telah dibei nama serta label, silahkan pada menu SPSS, klik Analyze, Regression, Linear Regression. Maka akan terbuka jendela sebagai berikut ini:

Uji Autokorelasi dengan SPSS
Uji Autokorelasi dengan SPSS

Kemudian anda masukkan variabel terikat ke kolom dependent variable dan variabel bebas ke kolom independent variables. Kemudian masukkan nomor ke kotak selection variable. Selanjutnya klik tombol Statistics, sehingga akan muncul jendela atau window sebagai berikut:

Durbin Watson Dalam Uji Autokorelasi dengan SPSS
Durbin Watson Dalam Uji Autokorelasi dengan SPSS

Silahkan anda centang semua terutama Durbin Watson Statistics agar output SPSS anda nantinya muncul nilai Durbin Watson Hitung. Jika sudah dicentang tekan tombol Continue. Sedangkan untuk tombol-tombol yang lain, silahkan anda tentukan untuk digunakan atau tidak. Namun untuk uji regresi linear yang ideal, maka semua tombol tersebut wajib anda gunakan. Untuk memahaminya, silahkan pelajari artikel kami tentang: Regresi Linear dengan SPSS.

Selanjutnya pada jendela utama, anda tekan tombol OK. Dan selanjutnya silahkan lihat Output hasil pengujian SPSS. Tampilannya adalah sebagai berikut, dimana tepatnya adalah pada Tabel Summary.

Output Uji Autokorelasi dengan SPSS
Output Uji Autokorelasi dengan SPSS

Perhatikan di atas, nilai Durbin Watson pada tabel summary tersebut adalah nilai Durbin Watson hitung yang nantinya akan anda bandingkan dengan nilai Durbin Watson (DW) Tabel, baik nilai DU (Durbin Upper) maupun nilai DL (Durbin Lower).

Cara Baca Nilai DW dengan SPSS

Dalam kesempatan ini kami juga akan menjelaskan cara membaca autokorelasi negatif dan positif. Cara menentukan atau kriteria pengujian autokorelasi berdasarkan nilai DW adalah sebagai berikut:

Deteksi Autokorelasi Positif:

Jika dw < dL maka terdapat autokorelasi positif,

Jika dw > dU maka tidak terdapat autokorelasi positif,

Jika dL < dw < dU maka pengujian tidak meyakinkan atau tidak dapat disimpulkan.

Deteksi Autokorelasi Negatif:

Jika (4 – dw) < dL maka terdapat autokorelasi negatif,

Jika (4 – dw) > dU maka tidak terdapat autokorelasi negatif,

Jika dL < (4 – dw) < dU maka pengujian tidak meyakinkan atau tidak dapat disimpulkan.

Contoh Autokorelasi Positif

Pada contoh ini, nilai Durbin Watson Hitung adalah sebesar 0,382. Dimana nilai tersebut kurang dari nilai DL pada K = 4 dan t = 128, sehingga terdapat masalah autokorelasi positif.

Nilai DL pada K =4 dan t = 128 berdasarkan tabel Durbin Watson adalah sebesar: 1,66379 sedangkan nilai DU sebesar 1,75960. Untuk mengetahui nilai DU dan DL secara lengkap, silahkan anda baca artikel kami yang berjudul: Tabel Durbin Watson dan Cara Membaca.

Contoh Tidak Ada Autokorelasi Positif dan Negatif

Berdasarkan kriteria pengujian di atas, bagaimana jika seandainya nilai DW sebesar 1,98? maka DW 1,98 > DU 1,75960 sehingga tidak ada masalah autokorelasi.

Contoh Autokorelasi Negatif

Seandainya nilai DW 2,9, maka nilai (4-DW) adalah (4-2,9) = 1,1. Karena nilai (4-DW) 1,1 < DL 1,66379 maka terdapat masalah autokorelasi negatif.

Contoh Autokorelasi Tidak Meyakinkan

Dan seandainya nilai DW 2,3 maka (4-DW) adalah (4-2,3) = 1,7 sehingga (4-DW) 1,7 > DL 1,66379 tetapi < DU 1,75960, maka hasil pengujian autokorelasi tidak meyakinkan.

Jika seandainya nilai DW 1,69? maka jawabannya adalah: 1,69 < DU 1,75960 tetapi > DL 1,66379 sehingga hasil pengujian autokorelasi tidak meyakinkan.

Kesimpulan Cara Baca Uji Autokorelasi dengan SPSS

Berdasarkan penjelasan di atas, maka dikatakan tidak ada autokorelasi bila nilai DL < DW > DU dan DL < (4-DW) > DU.

Begitulah cara membaca nilai Durbin Watson setelah anda melakukan uji autokorelasi dengan SPSS menggunakan metode Durbin Watson test. Semoga bermanfaat. Terima kasih.

By Anwar Hidayat

4 KOMENTAR

    • Dalam uji autokorelasi durbin watson, istilah atau simbol “t” itu menunjukkan jumlah sampel atau observasi. Sedangkan nilai “k” adalah jumlah variabel bebas ditambah 1.

  1. Pak Anwar, izin bertanya, apabila T=44 ; K=6; dL=1.27692; dU 1.77772. sedangkan dW saya = 0.88587 terjadi autokorelasi positif. atas hal tersebut, 1) apakah perlu dilakukan pengujian tambahan lagi agar menghilangkan permasalahan autokorelasi positif tersebut? karena data yang saya gunakan adalah data sekunder berupa data populasi quartalan dalam suatu periode. Selain itu, 2) apakah ada solusi lainnya agar permasalahan autokorelasi positif tersebut dapat diselesaikan?

Tinggalkan Komentar Anda Disini...