Oleh :

Dr. TAUFIQ CHAIDIR, M.Si

DEPARTEMEN ILMU EKONOMI

FAKULTAS EKONOMI DAN BISNIS
UNIVERSITAS MATARAM
2023
Bahasan :
• Definisi Autokorelasi?
• Apa konsekuensi Autokorelasi?
• Bagaimana cara mendeteksi masalah Autokorelasi?
• Bagaimana cara menanggulangi masalah
Autokorelasi?
 DEFENISI

• Pengertian non autokorelasi adalah tidak terdapat hubungan

(tidak terjadi serial korelasi) antar variabel gangguan acak
pada periode pengamatan yang satu dengan periode
pengamatan lainnya. Dengan demikian maka bentuk
pelanggarannya yakni terjadi autokorelasi.
• Autokorelasi adalah terdapat hubungan (terjadi serial
korelasi) antar variabel gangguan acak pada periode
pengamatan yang satu dengan periode pengamatan lainnya.
Gejala autokorelasi sangat rentan terjadi pada data time
series (data runtun waktu).
• Konsekuensi apabila di dalam model estimasi
terdapat gejala autokorelasi hampir sama
dengan gejala heteroskedastisitas yaitu
estimator tetap konsisten tetapi tidak efisien
dikarenakan varian variabel gangguan tidak
konstan (variannya tidak minimum).
Metode Deteksi
• untuk mendeteksi autokorelasi adalah dengan
mengamati correlogram Q-Statistics. Hasil correlogram
nampak dalam gambar berikut:
Autocorrelation Partial Correlation AC PAC Q-Stat Prob
. |***. | . |***. | 1 0.358 0.358 2.2095 0.137
. |* . | . | . | 2 0.184 0.064 2.8388 0.242
. |** . | . |** . | 3 0.319 0.270 4.9110 0.178
. |* . | . | . | 4 0.167 -0.032 5.5390 0.236
. *| . | . **| . | 5 -0.073 -0.197 5.6714 0.340
. **| . | .***| . | 6 -0.270 -0.355 7.7178 0.260
. **| . | . *| . | 7 -0.218 -0.119 9.2345 0.236
. *| . | . | . | 8 -0.176 0.026 10.396 0.238
. **| . | . | . | 9 -0.279 0.011 13.892 0.126
. **| . | . | . | 10 -0.267 -0.021 17.880 0.057
. | . | . |* . | 11 -0.013 0.159 17.894 0.084
. *| . | . **| . | 12 -0.133 -0.224 19.881 0.069
Deteksi :Uji Durbin-Watson

• Cara mendeteksiapabila di dalam model

terdapatgejalaautokorelasiterjadiatautidakadalahdengan
menggunakanUji Durbin-Watson (D-W test). D-W test
diformulasikan sebagai berikut (Gujarati, 2003).
σ𝑛
𝑡=2(𝑒𝑡 −𝑒𝑡−1 )
• D-W = σ𝑒𝑡2
 Pengujian hipotesis untuk menyimpulkan apakah di dalam model
terdapat gejala autokorelasi atau tidak berdasarkan nilai D-W test,
dengan tahapan-tahapan berikut:

• H0 : du  D-W  4-du; artinya gejala autokorelasi tidak

terjadi (non autokorelasi)
• Ha : D-W  dl atau D-W  4-dl ; artinya terjadi gejala
autokorelasi positif dan negatif. Jika dl  D-W  du dan 4-du
 D-W  4-dl; artinya tidak dapat disimpulkan apakah terjadi
gejala autokorelasi atau tidak.
• Contoh, diperoleh nilai D-W test adalah sebesar 0,761615
yang jika diandingkan dengan tabel dl= 0,95 dan du=1,54
maka disimpulkan model tersebut terjadi autokorelasi positif
karena D-W test (0,761615) adalah lebih kecil dari 0,95.
Metode Breusch-Godfrey Serial Correlation LM Test

• Metode Breusch-Godfrey Serial Correlation LM Test,

adalah dengan menggunakan persamaan berikut :

eˆi = ˆ 0 + ˆ1X 1 + ˆ 2 X 2 + .ˆ 3 X 3 + ˆ 4 AR(1) + ˆ 5e(−1)

Hasil estimasi persamaan di atas menghasilkan nilai

Obs*Rsquare (X2), nilai Obs*Rsquare (X2) tersebut
dipedomani dalam pengujian hipotesisnya, dengan rumusan
sebagai berikut :
• Hasil estimasi persamaan di atas menghasilkan nilai
Obs*Rsquare (X2), nilai Obs*Rsquare (X2) tersebut
dipedomani dalam pengujian hipotesisnya, dengan rumusan
sebagai berikut :

• H0 : Obs*Rsquare (X2) = 0 ; Artinya tidak terjadi

Autokorelasi
• HA : Obs*Rsquare (X2) ≠ 0 ; Artinya terjadi Autokorelasi
• H0 diterima jika : nilai Obs*Rsquare (X2) ≤ nilai X2 tabel,
dan sebaliknya
• HA diterima jika : nilai Obs*Rsquare (X2) > nilai X2 tabel

Penerapan deteksi autokorelasi dengan metode Breusch-

Godfrey Serial Correlation LM Test, hasil pengolahan
dengan menggunakan program Eviews ditampilkan dalam
tabel berikut :
Breusch-Godfrey Serial Correlation LM Test:
F-statistic 6.568938 Probability 0.028228
Obs*R-squared 5.550454 Probability 0.018476
Test Equation:
Dependent Variable: RESID
Method: Least Squares
Date: 12/09/14 Time: 12:03
Presample missing value lagged residuals set to zero.
Variable Coefficient Std. Error t-Statistic Prob.
SUKUBUNGA 12.03578 16.20369 0.742780 0.4747
NILAITUKAR -0.000408 0.001820 -0.224410 0.8270
INFLASI -0.006863 0.007993 -0.858609 0.4107
RESID(-1) 0.732781 0.285908 2.562994 0.0282
R-squared 0.396461 Mean dependent var 1.83E-14
Adjusted R-squared 0.215399 S.D. dependent var 18.42668
S.E. of regression 16.32193 Akaike info criterion 8.657852
Sum squared resid 2664.053 Schwarz criterion 8.840440
Log likelihood -56.60497 Durbin-Watson stat 1.813029
Berdasarkan tabel di atas namak bahwa nilai Obs*Rsquare
adalah sebesar 5,5504 dengan probabilitas 0,0184, jika
dibandingkan dengan X2 tabel maka nilai Obs*Rsquare
tersebut lebih besar dari nilai X2 tabel. Dengan demikian
maka H0 ditolak (HA diterima) artinya model empiris
tersebut terjadi serial korelasi (terjadi autokorelasi) antar
variabel gangguan acak.