Durbin Watson Tabel

Tabel Durbin Watson adalah tabel pembanding dalam uji autokorelasi.

Dalam dunia statistik, Uji Durbin Watson adalah sebuah test yang
digunakan untuk mendeteksi terjadinya autokorelasi pada nilai residual
(prediction errors) dari sebuah analisis regresi. Yang dimaksud dengan
Autokorelasi adalah “hubungan antara nilai-nilai yang dipisahkan satu
sama lain dengan jeda waktu tertentu”.

Uji ini dikemukakan oleh James Durbin dan Geoffrey Watson.

Pada saat anda melakukan deteksi Autokorelasi, anda tidak akan terlepas
dengan tabel Durbin Watson. Tabel tersebut menjadi alat pembanding
terhadap nilai Durbin Watson hitung.

Anda mungkin telah banyak membaca tentang tabel durbin watson, tetapi
mungkin tidak semuanya memuaskan keinginan anda. Sebab sebagian
besar tabel tersebut sangat terbatas, baik dalam jumlah sampel (n) atau
jumlah variabel (k). Sebagian besar hanya sebatas n = 100 atau n = 200.
Bagaimana jika jumlah sampel > 200?

Pada kesempatan ini, kami ingin berbagi sebuah Tabel Durbin Watson
dengan jumlah sampel n = 2000 dan jumlah variabel (k) sebanyak k = 21.

Durbin Watson Table

Berikut di bawah ini adalah Tabel Durbin Watson lengkap dengan n = 6 –
2000, k = 2 – 21 dan batas kritis 5% (0,05), 2,5% (0,025), 1% (0,01).

Jika anda ingin mengunduhnya, klik link berikut:

DOWNLOAD DURBIN WATSON TABLE

Cara Membaca Tabel Durbin Watson

T: Jumlah sampel (n)

k: Jumlah variabel

dL: Batas Bawah Durbin Watson

dU: Batas Atas Durbin Watson

Contoh: Kita melakukan uji regresi linear berganda dengan 2 variabel
independen dan 1 variabel dependen dengan jumlah sampel sebanyak 50,
didapatkan hasil Durbin Watson Hitung sebesar d = 2,010.

Maka nilai T = 50, k = 3. Selanjutnya pada tabel di atas cari nilai dL dan dU
pada T = 50 dan k = 3, yaitu nilai dL = 1,46246 dan dU = 1,62833. Pada
contoh di atas, nilai d = 2,010, maka kita hitung terlebih dahulu nilai (4 – d)
= 1,990.

Cara menentukan atau kriteria pengujian autokorelasi adalah sebagai

berikut:

Deteksi Autokorelasi Positif:

Jika d < dL maka terdapat autokorelasi positif,

Jika d > dU maka tidak terdapat autokorelasi positif,

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

Deteksi Autokorelasi Negatif:

Jika (4 – d) < dL maka terdapat autokorelasi negatif,
Jika (4 – d) > dU maka tidak terdapat autokorelasi negatif,
Jika dL < (4 – d) < dU maka pengujian tidak meyakinkan atau tidak dapat
disimpulkan.

Berdasarkan contoh di atas:

Deteksi Autokorelasi Positif:

Jika 2,010 < 1,46246 maka terdapat autokorelasi positif—> Salah
Jika 2,010 > 1,62833 maka tidak terdapat autokorelasi positif—> Benar
Jika 1,46246 < 2,010 < 1,62833 maka pengujian tidak meyakinkan atau
tidak dapat disimpulkan—> Salah

Maksud di atas adalah, DW: 2,010 > DU: 1,62833, maka tidak terdapat
autokorelasi positif.

Deteksi Autokorelasi Negatif:

Jika 1,990 < 1,46246 maka terdapat autokorelasi negatif—> Salah
Jika 1,990 > 1,62833 maka tidak terdapat autokorelasi negatif—> Benar
Jika 1,46246 < 1,990 < 1,62833 maka pengujian tidak meyakinkan atau
tidak dapat disimpulkan—> Salah
Maksud di atas adalah, 4-DW: 2,010 yaitu 1,990 > DU: 1,62833,
maka tidak terdapat autokorelasi negatif.

Maka dapat disimpulkan: pada analisis

regresi tidak terdapat autokorelasi
positifdan tidak terdapat autokorelasi negatif sehingga bisa disimpulkan
sama sekali tidak terdapat autokorelasi.