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:
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):
Model Summaryb
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
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.
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
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.