AUTOKRELASI

(Autocorrelation)

Agung Priyo Utomo - agung@stis.ac.id

DEFINIS
I
Autokorelasi: korelasi antara variabel itu
sendiri, pada pengamatan yang berbeda waktu
atau individu.
Umumnya kasus otokorelasi banyak terjadi
pada data time series, artinya kondisi
sekarang dipengaruhi waktu lalu.
Misal: Tinggi badan, upah, dsbnya.
Salah satu alat deteksi: melihat pola hubungan
antara residual (εt) dan variabel bebas atau
waktu (Xt).

Agung Priyo Utomo - agung@stis.ac.id

MENDETEKSI
AUTOKORELASI
Pola Autokorelasi

Gambar nomor (1) menunjukan adanya siklus,

sedang nomor (2) menunjukan garis linier. Kedua
pola ini menunjukan adanya otokorelasi.

Agung Priyo Utomo - agung@stis.ac.id

Uji Durbin-Watson (Uji d)

Agung Priyo Utomo - agung@stis.ac.id

Uji Durbin-Watson (Uji d)
Statistik Uji
n

∑
=
(εˆ t − εˆ t2−1 )
d= t 2
n
∑ εˆ t 2
t =1

Agung Priyo Utomo - agung@stis.ac.id

Aturan menggunakan uji
Durbin-Watson :
Bandingkan nilai d yang dihitung dengan nilai dL
dan dU dari tabel dengan aturan berikut :
Bila d < dL ⇒ tolak H0; Berarti ada korelasi yang
positif atau kecenderungannya ρ = 1
Bila dL ≤ d ≤ dU ⇒ kita tidak dapat mengambil
kesimpulan apa-apa
Bila dU < d < 4 – dU ⇒ jangan tolak H0; Artinya
tidak ada korelasi positif maupun negatif
Bila 4 – dU ≤ d ≤ 4 – dL ⇒ kita tidak
dapat mengambil kesimpulan apa-apa
Bila d > 4 – dL ⇒ tolak H0; Berarti ada korelasi
negatif
 Gambar aturan menggunakan
uji Durbin-Watson

Tidak tahu Tidak tahu

Korelasi positif Tidak ada korelasi Korelasi negatif

0 dL dU 4-dU 4-dL 4
Mengatasi Autokorelasi: Metode
Pembedaan Umum (Generalized
Differences)
Yt = β0 + β1Xt + εt dan εt = ρ ut-1 + vt
Untuk waktu ke- t-1: Yt-1 = β0 + β1Xt-1 + εt-1
Bila kedua sisi persamaan dikali dengan ρ, maka:
ρ Yt-1 = ρ β0 + ρ β1Xt-1 + ρ εt-1
Sekarang kita kurangkan kedua persamaan
Yt - ρ Yt-1 = (β0 - ρ β0) + β1(Xt - ρ Xt-1) + (εt - ρ εt-1)
Persamaan tersebut dapat dituliskan sebagai:
Yt* = β0 (1 - ρ) + β1Xt* + vt
Dimana: Yt* = Yt - ρ Yt-1 dan Xt* = Xt - ρ Xt-1
umumnya ρ diasumsikan sama dengan 1