PRAKTIKUM 5

UJI ASUMSI AUTOKORELASI DAN TABEL DURBIN WATSON

1.1. Uji asumsi autokorelasi

Data yang digunakan untuk mengestimasi model regresi linier merupakan
data time series maka diperlukan asumsi bebas autokorelasi. Guna memastikan
apakah model regresi linier terbebas dari autokorelasi, dapat menggunakan
metode Brusch-Godfrey atau LM (Lagrange Multiplier) Test. Caranya, pada
jendela Equation: untitled klik View → Residual Diagnostics → Serial Correlation
LM Test..., maka akan muncul tampilan seperti berikut ini: (apabila muncul Lag
Specification langsung klik saja).

Akan ditampilkan hasil seperti berikut:

Klik OK pada Lag Specification Window maka akan muncul hasilnya sebagai
berikut:
 Nilai Prob. F(2,13) ≠ sebesar 0,8290 dapat juga disebut sebagai nilai
probabilitas F hitung. Nilai Prob. F hitung lebih besar dari tingkat alpha 0,05
(5%) sehingga, berdasarkan uji hipotesis, h0 diterima yang artinya tidak terjadi
autokorelasi. Sebaliknya, apabila nilai Prob. F hitung lebih kecil dari 0,05 maka
dapat disimpulkan terjadi autokorelasi.

1.2. Tabel Durbin Watson

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.
Contoh menggunakan tabel Durbin Watson untuk menentukan sifat autokorelasi

Hasil output regresi di Eviews di atas menunjukkan nilai Durbin Watson

adalah 2,135. Nilai ini biasa disebut dengan DW hitung. Nilai DW hitung akan
dibandingkan dengan kriteria penerimaan atau penolakan dengan melihat nilai
dL dan dU yang ditentukan berdasarkan jumlah variabel bebas dalam model
regresi (𝑘) dan jumlah sampelnya (𝑛). Sedangkan nilai dL dan dU dapat dilihat
pada Tabel DW dengan tingkat signifikansi (error) 5% (𝛼 = 0.05).
Berdasarkan data yang di regresikan di Eviews jumlah variabel bebas
(𝑘) = 1 dan jumlah sampel : 𝑛 = 17
Berikut tabel Durbin Watson Statistic:
 Berdasarkan tabel Durbin Watson diatas menunjukkan bahwa nilai dL =
1.1330 dan nilai dU = 1.3812 sehingga dapat ditentukan kriteria apakah terjadi
autokorelasi atau tidak terjadi autokorelasi dapat dilihat pada gambar di bawah
ini:

Nilai DW hitung sebesar 2,135 lebih besar dari 1.381 dan lebih kecil dari
2.619 yang artinya berada pada daerah tidak ada autokorelasi.
Hasil pengujian autokorelasi dengan menggunakan dua pendekatan
memberikan hasil yang sama, sehingga dapat disimpulkan bahwa dalam model
regresi linier yang diajukan tidak menggandung autokorelasi. Artinya pemenuhan
asumsi klasik model regresi linier telah terpenuhi.
Adapun adalah langkah-langkah uji Durbin-Watson adalah sebagai
berikut:
1. Jumlah data yang digunakan adalah 36, maka 𝑛 = 36.
2. Jumlah variabel yang digunakan adalah 1, maka 𝑘 = 1.
3. Kemudian, berdasarkan tabel Durbin-Watson 5% menunjukkan nilai
𝑑𝐿 = 1.411 dan 𝑑𝑈 = 1.525.
 Gambar 26. Tabel Durbin – Watson 5%
4. Berdasarkan gambar Estimation Output, terlihat Durbin–Watson stat =
0.713665.

Gambar 27. Estimation Output

TUGAS PENDAHULUAN 5

1. Autokorelasi (jelaskan secara singkat konsep ,asumsi, dan

pelanggaran asumsi pada data)!
2. Langkah-langkah uji asumsi autokorelasi
3. Tabel Durbin Watson (Jelaskan secara singkat dan Langkah-langkah
uji Durbin watson)!

Dikumpul tanggal 4 mei 2020 pukul 22.00

 PRAKTIKUM 6
UJI ASUMSI LINIERITAS DAN UJI ASUMSI NORMALITAS

6.1. Uji Asumsi Linieritas

Linieritas merupakan asumsi awal yang seharusnya ada dalam model regresi
linier. Uji linieritas dapat dengan mudah dilakukan pada regresi linier sederhana,
yaitu membuat scatter diagram dari variabel bebas dan terikatnya. Apabila scatter
diagram menunjukkan bentuk garis lurus maka dapat dikatakan bahwa asumsi
linieritas terpenuhi. Untuk regresi linier berganda, pengujian terhadap linieritas
dapat menggunakan Ramsey Reset Test.
Caranya, pada jendela Equation: Tp3 klik View → Stability Diagnostics
→ Ramsey RESET Test..., maka akan muncul tampilan seperti berikut ini: (apabila
muncul RESET Specification langsung klik saja)

Akan ditampilkan hasil seperti terlihat di bawah ini:

Klik OK pada Reset Specification Window maka akan muncul hasilnya sebagai
berikut:
 Apabila nilai Prob. F hitung lebih besar dari tingkat alpha 0,05 (5%)
maka model regresi memenuhi asumsi linieritas dan sebaliknya, apabila nilai
Prob. F hitung lebih kecil dari 0,05 maka dapat model tidak memenuhi asumsi
linieritas. Nilai Prob. F hitung dapat dilihat pada baris F-statistic kolom
Probability. Pada kasus ini nilainya 0,2128 lebih besar dari 0,05 sehingga dapat
disimpulkan bahwa model regresi telah memenuhi asumsi linieritas.

6.2. Uji Asumsi Heterokedastisitas

Heteroskedastisitas terjadi pada saat residual dan nilai prediksi memiliki
korelasi atau pola hubungan. Pola hubungan ini tidak hanya sebatas hubungan
yang linier, tetapi dalam pola yang berbeda juga dimungkinkan. Oleh karena itu
ada beberapa metode uji heteroskedastisitas yang dimiliki oleh Eviews, seperti :
Breusch-Pagan-Godfrey, Harvey, Glejser, ARCH, White dan lain-lain. Idealnya
semua metode uji heteroskedastisitas dicoba sehingga kita yakin bahwa tidak
terjadi heteroskedastisitas dalam model regresi linier ini.
Pada kesempatan ini hanya uji Breusch-Pagan-Godfrey saja yang
disimulasikan (yang lain prinsipnya sama). Caranya, pada jendela Equation: Tp3
klik View → Residual Diagnostics → Heterosketasticity Test. Pada saat muncul
jendela Heteroskedasticity Test pilih Breusch-Pagan-Godfrey, lalu klik OK, maka
akan muncul tampilan seperti berikut ini:
Akan tampil windows Heteroskedasticity Test seperti berikut ini:

Contoh disini akan menggunakan iji Hetorokedastitas model Breusch-

Pagan-Godfrey. Berikut hasilnya:

Keputusan terjadi atau tidaknya heteroskedastisitas pada model regresi

linier adalah dengan melihat Nilai Prob. F-statistic (F hitung). Apabila nilai Prob.
F hitung lebih besar dari tingkat alpha 0,05 (5%) maka ℎ0 diterima yang artinya
tidak terjadi heteroskedastisitas, sedangkan apabila nilai Prob. F hitung lebih kecil
dari dari tingkat alpha 0,05 (5%) maka ℎ0 ditolak yang artinya terjadi
heteroskedastisitas.
Nilai Prob. F hitung sebesar 0,0033 lebih kecil dari tingkat alpha
0,05 (5%) sehingga, berdasarkan uji hipotesis, ℎ0 ditolak yang artinya terjadi
heteroskedastisitas.
TUGAS PENDAHULUAN 5

1. Linearitas (jelaskan secara singkat konsep ,asumsi, dan

pelanggaran asumsi pada data)!
2. Langkah-langkah uji asums linearitas
3. Heterokedastisitas (jelaskan secara singkat konsep ,asumsi, dan
pelanggaran asumsi pada data)!
4. Langkah-langkah uji asums heterokedastisitas
5. Metode-metode uji heterokedastisitas

Dikumpul tanggal 10 mei 2020 pukul 22.00

****stay save semua,, sehat selalu :) ****