Beranda > statistik > Uji Asumsi Klasik – Autokorelasi

Uji Asumsi Klasik – Autokorelasi

Definisi

Autokorelasi adalah korelasi antara anggota serangkaian observasi yang diurutkan menurut waktu (seperti dalam data urutan waktu) atau ruang (seperti dalam data cross-sectional).

Konsekuensi

1.      Penduga-penduga koefisien regresi yang diperoleh tetap merupakan penduga-penduga yang tidak bias.

2.      Varian variabel gangguan menjadi tidak efisien jika dibandingkan dengan tidak adanya autokorelasi. Varian variabel gangguan mungkin sekali akan dinilai terlalu rendah, sehingga akibatnya uji statistik yang digunakan terhadap koefisien regresi penduga berkurang pula kemaknaannya, dan mungkin menjadi tidak berarti sama sekali.

Cara mendeteksi autokorelasi

1.      Metode Grafik

2.      Percobaan d dari Durbin-Watson (DW)

Mekanisme tes Durbin-Watson:

a.       Menentukan hipotesis nol (H0) dan hipotesis alternatifnya (Ha).

b.      Hitung besarnya nilai d

c.       Dapatkan nilai kritis dL(batas bawah nilai DW) dan dU (batas atas nilai DW).

d.      Melihat uji H0

  • Jika hipotesis H0 adalah bahwa tidak ada serial korelasi positif, maka jika:

d < dL : menolak H0

d> dU : tidak menolak H0

dL ≤ d ≤ dU ; pengujian tidak meyakinkan, sehingga tidak dapat ditentukan apakah terdapat autokorelasi/ tidak pada model tersebut.

  • Jika hipotesis nol H0 adalah bahwa tidak ada serial korelasi negative, maka jika:

d > 4 – dL : menolak H0

d< 4 – dU : tidak menolak H0

4 – dU ≤ d ≤ 4 – dL : pengujian tidak meyakinkan

  • Jika H0 adalah dua ujung, yaitu nahwa tidak ada serial autokorelasi baik positif/ negatif, maka jika:

d < dL : menolak H0

d > 4 – dL : menolak H0

dU < d < 4 – dU : tidak menolak H0

dL ≤ d ≤ dU atau 4 dU ≤ d ≤ 4 – dL : pengujian tidak meyakinkan

Cara memperbaiki

1.      Dengan mentrasformasikan model ke dalam bentuk persamaan beda umum (generalized difference equation), sehingga diharapkan akan diperoleh varian pengganggu dimana tidak ada autokorelasi.

2.      Dengan memasukkan lag variabel dependennya.

Missal: pada model regresi Yi = b1 + b2X2i + b3X3i ada autokorelasi, maka bisa memasukkan lag variabel dependennya sehingga model regresi menjadi: Yi = b1 + b2X2i + b3X3i + b4Y

About these ads
  1. Belum ada komentar.
  1. No trackbacks yet.

Tinggalkan Balasan

Isikan data di bawah atau klik salah satu ikon untuk log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Logout / Ubah )

Twitter picture

You are commenting using your Twitter account. Logout / Ubah )

Facebook photo

You are commenting using your Facebook account. Logout / Ubah )

Google+ photo

You are commenting using your Google+ account. Logout / Ubah )

Connecting to %s

Ikuti

Get every new post delivered to your Inbox.

%d bloggers like this: