A. Autokorelasi
1. Landasan Teori
Menurut Ghozali (2005), uji autokorelasi bertujuan untuk menguji
apakah dalam model regresi linear ada korelasi antara kesalahan
pengganggu pada periode t dengan periode t-1 sebelumnya. Jika terjadi
korelasi, maka dinamakan problem autokorelasi. Autokorelasi muncul
karena observasi yang berurutan sepanjang waktu berkaitan satu sama lain.
Masalah ini timbul karena residual (kesalahan pengganggu) tidak bebas
dari satu observasi ke observasi lainnya.
Uji Autokorelasi adalah sebuah analisis statistik yang dilakukan
untuk mengetahui adakah korelasi variabel yang ada di dalam model
prediksi dengan perubahan waktu. Oleh karena itu, apabila asumsi
autokorelasi terjadi pada sebuah model prediksi, maka nilai disturbance
tidak lagi berpasangan secara bebas, melainkan berpasangan secara
autokorelasi. Dalam kesempatan ini, kita hanya akan fokus pada tutorial
uji autokorelasi dengan SPSS. Namun prinsip penting lainnya tetap akan
kami bahas secara singkat dan padat serta mudah dipahami.
Masalah asumsi Autokorelasi dapat dideteksi dengan
menggunakan berbagai jenis analisis, yaitu antara lain:
a. Uji Durbin Watson
b. Uji Breucsh Godfrey
c. Uji Durbin Watson h
d. The Engle’s ARCH Test.
Uji Durbin Watson h statistik bisa dilakukan jika variabel terikat
atau dependent variables merupakan variabel Lag. Lag artinya selisih
antara sampel ke-i dengan sampel ke-i-1, seperti yang sudah dijelaskan di
atas sebelumnya. Sedangkan uji durbit watson malah sebaliknya, bisa
dilakukan jika variabel terikat bukanlah variabel lag (Anwar, 2013).
55
56
2. Soal
Tabel 6.1 Data Pendapatan dan Modal Tahun 1990 sampai 2009
Tahun Pendapatan Modal
(Y) (X)
1990 52.9 30.3
1991 53.8 30.9
1992 54.9 30.9
1993 58.2 33.4
1994 60 35.1
1995 63.4 37.3
1996 68.2 41
1997 78 44.9
1998 84.7 46.5
1999 90.6 50.3
2000 98.2 53.5
2001 101.7 52.8
2002 102.7 55.9
2003 108.3 63
2004 124.7 73
2005 157.9 84.8
2006 158.2 86.6
2007 170.2 98.9
2008 180 110.8
2009 198 124.7
Diketahui data hubungan pendapatan (Y) dan modal (X) selama 20 tahun.
Ujilah data tersebut untuk mengetahui adanya autokorelasi. Lakukan
dengan uji Breusch Godfrey dan uji Durbin Watson.
3. Langkah Kerja
a. Membuka aplikasi Microsoft Excel
b. Menuliskan data yang akan di uji pada Microsoft Exel kemudian
menyimpannya di Document
57
e. Memilih file kemudian import dan memilih import from file maka
memasukkan data yang akan di analisis yang telah disimpan
sebelumnya.
58
g. Kemudian next dan pada colum info pada bagian Data type memilih
Number, kemudian klik Next
h. Setelah itu pada kolom start date diisi dengan tahun pertama yang
akan di analisis disini 1990 dan finish
59
k. Untuk menguji autokorelasi yang pertama dengan uji BG, yaitu setelah
keluar output kemudian View, Residual Diagnostic, dan Serial
Correlation LM test dan OK
60
r. Cara yang kedua adalah dengan uji DW. Dikarenakan kita sudah
mengetahui bahw terkena autokorelasi maka pengujian DW
menggunakan data yang sudah didefrensiasikan
s. memilih Quick dan memilih Estimate Equation
62
Setelah didefrensiasi
b. Output uji DW
Sebelum didefrensiasi
Sesudah Didefrensiasi
64
5. Intepretasi
a. Uji Breusch Godfrey
Prob*obs R2 > 5% artinya data tidak terdapat autokorelasi
Prob*obs R2 < 5% artinya data terdapat autokorelasi
Berdasarkan perhitungan didapatkan hasil bahwa nilai Prob*obs R2
sebesar 0,0035 itu artinya hasil tersebut lebih kecil dari 0,05 (5%) .
Sehingga data tersebut terdapat autokorelasi. Untuk mengatasinya lalu
dilakukan cara dengan mendefrensiasikan yang kemudian hasilnya
menjadi lebih dari 0,05 (5%) yaitu 0,1236 sehingga data tersebut
menjadi tidak terdapat autokorelasi.
b. Uji Durbin Watson
Autokorelasi +
d < dl artinya data terdapat autokorelasi +
d > du artinya data tidak terdapat autokorelasi +
dl ≤ d ≤ du artinya tidak ada kepastian antara terdapat atau tidaknya
autokorelasi
Autokorelasi -
d > 4 - dl artinya data terdapat autokorelasi -
d < 4 - du artinya data tidak terdapat autokorelasi -
4 - dl ≥ d ≥ 4 - du artinya tidak ada kepastian antara terdapat atau
tidaknya autokorelasi
Berdasarkan perhitungan DW hitung didpat nilai d sebesar 0,69.
Kemudian untuk menentukan dl dan du kita melihat melalui tabel DW.
Hasilnya yaitu, untuk dl sebesar 1,201 dan du sebesar 1,4107.
Berdasarkan hal tersebut nilai d lebih kecil dari nilai dl. Berarti data
terdapat autokorelasi + . Untuk itu dilakukan difrensiasi yang
menjadikan hasil nilai d sebesar 1,71 sehingga lebih besar dari nilai du
dan data tersebut menjadi tidak autokorelasi.
65
B. Normalitas
1. Landasan Teori
Uji Normalitas adalah sebuah uji yang dilakukan dengan tujuan
untuk menilai sebaran data pada sebuah kelompok data atau
variabel, apakah sebaran data tersebut berdistribusi normal ataukah tidak.
Uji Normalitas berguna untuk menentukan data yang telah dikumpulkan
berdistribusi normal atau diambil dari populasi normal. Metode klasik
dalam pengujian normalitas suatu data tidak begitu rumit. Berdasarkan
pengalaman empiris beberapa pakar statistik, data yang banyaknya lebih
dari 30 angka (n > 30), maka sudah dapat diasumsikan berdistribusi
normal. Biasa dikatakan sebagai sampel besar.
Namun untuk memberikan kepastian, data yang dimiliki
berdistribusi normal atau tidak, sebaiknya digunakan uji normalitas.
Karena belum tentu data yang lebih dari 30 bisa dipastikan berdistribusi
normal, demikian sebaliknya data yang banyaknya kurang dari 30 belum
tentu tidak berdistribusi normal, untuk itu perlu suatu pembuktian. uji
statistik normalitas yang dapat digunakan diantaranya Chi-Square,
Kolmogorov Smirnov, Lilliefors, Shapiro Wilk, Jarque Bera (Anwar,
2013)
2. Soal
Tabel 6.2 Data Pendapatan dan Modal Tahun 1990 sampai 2009
Tahun Pendapatan Modal
(Y) (X)
1990 52.9 30.3
1991 53.8 30.9
1992 54.9 30.9
1993 58.2 33.4
1994 60 35.1
1995 63.4 37.3
1996 68.2 41
1997 78 44.9
1998 84.7 46.5
1999 90.6 50.3
2000 98.2 53.5
66
e. Memilih file kemudian import dan memilih import from file maka
memasukkan data yang akan di analisis yang telah disimpan
sebelumnya.
g. Kemudian next dan pada colum info pada bagian Data type memilih
Number, kemudian klik Next
68
h. Setelah itu pada kolom start date diisi dengan tahun pertama yang
akan di analisis disini 1990 dan finish
5. Interpretasi
Prob JB > 5% artinya data terdistribusi normal
Prob JB < 5% artinya data tidak terdistribusi normal
Berdasarkan perhitugan dengan E-View didapatkan hasil prob
Jarque Bera untuk variabel modal (x) sebesar 0,218 dan variabel
pendapatan (y) sebesar 0,343. Sehingga dapat dilihat bahwa kedua variabel
memiliki nilai probabilitas Jarque Beta lebih besar dari 0,05 (5%) artinya
data tersebut telah terdistribusi normal.