UJI AUTOKORELASI (AUTO)

 Autokorelasi adalah keadaan dimana variable gangguan pada periode tertentu

berkorelasi dengan variabel gangguan pada periode lain.
Mudahnya adalah keadaan di mana pada model regresi ada korelasi antara residual
pada periode t dengan residual pada periode sebelumnya (t-1) dalam variable X yang
sama.
Terjadi pada data Time Series (Ingat, klo multikol adalah data cross-Section)
 Asumsi terbebasnya autokorelasi ditunjukkan oleh nilai e yang mempunyai rata-
rata nol, dan variannya konstan.

Sebab-sebab Autokorelasi
 1. Kesalahan dalam pembentukan model,
 2. Tidak memasukkan variabel yang penting.
 3. Manipulasi data
 4. Menggunakan data yang tidak empiris

Akibat Autokorelasi:
 Nilai t hitung akan menjadi bias pula, karena nilai t diperoleh dari hasil bagi Sb
terhadap b (t = b/sb). Berhubung nilai Sb bias maka nilai t juga akan bias atau
bersifat tidak pasti (misleading).
 ( Karena adanya masalah korelasi dapat menimbulkan adanya bias pada hasil
regresi.)
Instrumen uji yang dipakai untuk mendeteksi problem autokorelasi adalah dengan:

1- Uji Durbin-Watson (D-W Test):

Rumusnya adalah:

Dapat juga ditulisdengan rumus:

Pemanfaatkan SPSS:

Proses Uji Autokorelasi dengan Durbin-Watson (DW)

1. Siapkan Data Time Series (di bawah ini contoh menguji profitabilitas bank
sayariah dengan faktor inflasi sebagai variabel x (independen).
2. Data dimasukkan di lembar kerja SPSS (seperti di bawah ini)

3. Klik Analyze >>> Regression >>> Linier. Selanjutnya akan terbuka kotak
dialog Linear Regression seperti berikut:
4. Masukkan variabel sesuai dengan tempatnya.
5. Variabel Bulan (objek observasi) masukkan di kotak Case Labels (akan
terlihat seperti berikut):

6. Klik Statistics (akan muncul seperti berikut):

 7. Pada Residuals beri tanda centang Durbin-Watson. Kemudian klik tombol
CONTINU. Kemudian kotak dialog akan kembali ke semula (seperti berikut
ini):

8. Klik OK. Dan akan muncul out-put seperti di bawah ini:

Model Summaryb

Model R R Square Adjusted R Std. Error of the Durbin-Watson

Square Estimate

1 .939a .882 .864 1986910.536 1.663

a Predictors: (Constant), Biaya Distribusi(X3), Biaya Produksi(X1), Biaya
Promosi(X2)

b. Dependent Variable: Penjualan

9. Cara menditeksi ada dan/atau tidak ada problem Auto adalah melihat besaran
nilai DURBIN-WATSON (D-W) dengan dikonsultasikan dengan Tabel d
(Durbin-Watson).
K’ = 3 (artinya variabel X nya adalah 3
dL = nilai batas bawah
dU = nilai batas atas
Pada kasus penelitian ini n= 24
Nilai tabel d ada pada dL = 1,101 dan dU = 1,65

Kesimpulannnya:
Hasil nilai D-W peneltian ini adalah 1,663 berarti di luar dL dan dU (tetapi di
antara -2 hingga +2), maka data peneiltian tidak problem Autokorelasi.

Jika hasil uji DW tidak mampu menjelaskan ada atau tidaknya problem autokorelasi, maka
gunakan UJI RUN (RUN TEST)
2- Uji Run Test
 Uji autokorelasi dapat dilakukan dengan beberapa metode antara lain uji Durbin-Watson dan
uji run test. Uji durbin watson mempunyai kelemahan yakni jika nilai dubin watson terletak
antara dL dan dU atau diantara (4-dU) dan (4-dL), maka tidak menghasilkan kesimpulan
yang pasti apakah terjadi gejala autokorelasi atau tidak. Jika demikian adanya, maka alternatif
yang baik untuk mengatasi masalah autokorelasi ini adalah dengan menggunakan metode lain
seperti uji run test.

Untuk memperjelas bagaimana cara mengatasi masalah autokorelasi dengan uji run test dalam SPS S,
DATA seperti di bawah ini

Jan 11 10250000 6272000 1248000 1856000

Feb 12542000 6542000 1023000 1956000
Mar 13864000 6975000 1128000 2145000
Apr 14585000 7126000 1358000 1845000
Mei 16278000 7540000 1024000 1855000
Jun 18750000 6923000 1245000 2045000
Jul 18852000 7256000 1352000 2546000
Ags 19864000 6826000 1458000 1786000
Sep 18652000 8256000 1653000 1934000
Okt 20245000 8024600 1345000 1756000
Nop 22453000 8740000 1362000 1560000
Des 11 20457000 8245000 1625000 2275000
Jan 12 22862000 8563000 1546000 2063000
Feb 23721000 8753000 1512000 1768000
Mar 24675000 8932000 1724000 1932000
Apr 26578000 9026000 1702000 2285000
Mei 26972000 8932000 1423000 2382000
Jun 27342000 9256000 1562000 2063000
Jul 25345000 8864000 1832000 1935000
Ags 25986000 8536000 1956000 1892000
Sep 26754000 9154000 2215000 2027000
Okt 27685000 9635000 2045000 2085000
Nop 28150000 9456000 2352000 2296000
Des 12 28463000 9876000 2254000 2442000

Dari data di atas, model regresi linear yang saya ajukan adalah “Pengaruh Biaya Produksi, Biaya Promosi,
dan Biaya Distribusi terhadap Penjualan”. Sebelumnya saya telah melakukan uji autokelasi dengan uji
durbin watson dan diperoleh hasil sebagai berikut.

Model Summaryb
Adjusted R Std. Error of the
Model R R Square Square Estimate Durbin-Watson
1 .939 a
.882 .864 1986910.536 1.663
a. Predictors: (Constant), Biaya Distribusi(X3), Biaya Produksi(X1), Biaya Promosi(X2)
b. Dependent Variable: Penjualan(Y)

Berdasarkan output SPSS di atas, diketahui nilai Durbin Watson sebesar 1.663. Nilai ini terletak di luar
nilai dL 1,101 dan dU 1,656 sehingga berkesimpulan tidak ada gejala autokorelasi dari data tersebut.

Jika misalnya tidak jelas temuannya, maka dapat diatasi dengan uji run test.

CARA UJI RUN TEST DENGAN SPSS

1. Buka program SPSS lalu klik Variable View, kemudian pada kolom Name baris pertama ketikkan Y,
baris kedua var X1, baris kedua X2, dan baris ke empat X3 dan baris ketiga Y. pada
bagian Label ketikkan Penjualan untuk Y, Biaya Produksi untuk X1, Biaya Promosi untuk X2, dan
Biaya Distribusi untuk Y. Abaikan kolom yang lain biarkan tetap default kemudian klik Data View
2. Pada bagian ini, kita hanya perlu memasukkan data penelitian sesuai dengan nama variabelnya

3. Jika semua data sudah terinput dengan benar, selanjutnya dari menu SPSS klik menu Analyze –
Regression – Linear…

4. Muncul kotak dialog, masukkan variabel Penjualan [Y] ke kotak Dependent, masukkan variabel Biaya
Produksi [X1]; Biaya Promosi (X2) dan Biaya Distribusi [X3] ke kotak Independent(S) caranya dengan
pengklik tombol panah, pada bagian Method pilih Enter, kemudian klik Save

5. Muncul kotak dialog Linear Regression: Save, berikan tanda centang (V)
pada Unstandardized untuk Residuals, lalu klik Continue dan klik Ok [Abaikan saja output yang
keluar].
6. Perhatikan pada bagian Data View muncul variabel baru dengan nama RES_1. Langkah selanjutnya
adalah klik Analyze – Nonparametric Tests – Legacy Dialogs – Runs…

7. Muncul kotak dialog Run Test, kemudian masukkan variabel Unstandardized Residual ke kotak Test
Variable List, pada bagian Cut Point berikan tanda centang (V) untuk Median

8. Jika sudah yakin benar, terakhir adalah klik Ok untuk mengakhiri perintah, maka akan muncul output
Run Test sebagaimana gambar berikut

Runs Test
Unstandardized Biaya Biaya Biaya
Residual Produksi(X1) Promosi(X2) Distribusi(X3)
Test Value a
-140222.47560 8549500 1529000 1991500
Cases < Test Value 12 12 12 12
Cases >= Test Value 12 12 12 12
Total Cases 24 24 24 24
Number of Runs 7 6 8 10
Z -2.296 -2.713 -1.878 -1.044
Asymp. Sig. (2-tailed) .022 .007 .060 .297
a. Median

DASAR PENGAMBILAN KEPUTUSAN DALAM UJI RUN TEST

Sebelum kita menganalisa hasil output SPSS di atas, terlebih dahulu kita pahami dasar pengambilan
keputusan dalam uji run test, yaitu:

1. Jika nilai Asymp. Sig. (2-tailed) lebih kecil < dari 0,05 maka terdapat gejala autokorelasi

2. Sebaliknya, jika nilai Asymp. Sig. (2-tailed) lebih besar > dari 0,05 maka tidak terdapat gejala
autokorelasi.

INTERPRETASI OUTPUT UJI RUN TEST

Berdasarkan output SPSS diatas, diketahui nilai Asymp. Sig. (2-tailed) sebesar 0,022 lebih kecil < dari
0,05, maka dapat disimpulkan terdapat gejala atau masalah autokorelasi.