Nama kelompok:

§ Asri Rahmawati
§ Ananda Amelia Salma
§ Yosep Pasmawisyaban
§ Nabila Febriyanti
§ Rafi Rafliansyah
 Uji
Autokorelasi
Pengertian Uji Autokorelasi
Cara Kerja Uji Autokorelasi
Metode uji autokorelasi yang paling
umum digunakan adalah Cochrane –
Orcutt dan Durbin – Watson.
Keduanya memiliki prinsip kerja yang
mirip, yaitu dengan menghitung
korelasi antara residual masa lalu
dengan residual sekarang.
1 Definisi
Uji autokorelasi adalah ukuran untuk
menentukan apakah ada
2 ketergantungan linear antara
pengamatan yang berdekatan dalam
satu rangkaian data.
3 Penyebab Autokorelasi
Autokorelasi dapat terjadi akibat
masalah sampling yang buruk,
sehingga menghasilkan dataset yang
berketergantungan. Autokorelasi juga
dapat terjadi pada data berkala atau
terutama dalam kasus data
penjualan.
Alternatif Penyelesaian Autokorelasi
Pemilihan Model
Pilihan model alternatif model regresi
dapat membantu mengatasi masalah
autokorelasi pada data.
1 Transformasi Data
Satu alternatif penyelesaian untuk
masalah autokorelasi adalah
2 transformasi data, seperti dengan
menambahkan variabel atau
menghilangkan beberapa
pengamatan.
3 Perbaikan Data
Mengodifikasi data lebih efektif
dengan menambahkan lebih banyak
informasi, memberikan lebih banyak
pilihan pengujian, dan membantu
menemukan pola yang lebih jelas.
Macam-macam Uji Autokorelasi
1 Uji Durbin-Watson

Kriteria Durbin-Watson secara khusus menyelidiki adanya autokorelasi pada regresi linier
sederhana dan membutuhkan pengujian residual yang dihasilkan. Nilai uji antara 0 dan 4.
Semakin mendekati 0, semakin tinggi derajat autokorelasinya.

2 Uji Ljung-Box

Dalam analisis seri waktu, uji Ljung-Box adalah tes yang digunakan untuk menguji
autokorelasi pada kelompok data penjualan. Ini membantu mengetahui apakah laporan
suatu perusahaan mengandung autokorelasi dan apakah data telah diambil secara acak.

3 Uji Spearman's Rank Correlation

Uji Spearman's Rank Correlation membantu mengetahui apakah ada ketergantungan

antara pengamatan tertentu atau apakah pengamatan acak pada data yang ada.
Pentingnya Uji Autokorelasi
Mendeteksi Masalah Memperbaiki Data Memahami Data
Lebih Baik
Uji autokorelasi dapat Dengan menggunakan uji
membantu mengetahui autokorelasi, kita dapat Analisis autokorelasi
apakah kesimpulan suatu mengidentifikasi dan membantu untuk
analisis menderita memperbaiki kesalahan memahami dan
masalah autokorelasi yang dan kelalaian dalam data mengidentifikasi pola dan
mungkin menyebabkan kita, yang mungkin trend pada data. Ini
prediksi yang salah. mengarah pada membantu dalam
kesalahpahaman dalam pengambilan keputusan
analisis statistik. yang lebih mudah dan
akurat.
 Kriteria uji Durbin Watson
1.Jika d < dL atau d > 4-dL Maka hipotesis nol ditolak, artinya terdapat autokorelasi.
2.Jika dU < d < 4-dU maka hipotesis nol diterima, artinya tidak terdapat auto korelasi.
3.Jika dL < d < dU atau 4-dU < d < 4-dL artrinya tidak ada kesimpulan

Catatan :
Uji autokorelasi hanya dipakai untuk data time series (data
yang diperolehdalam kurun waru tertentu) seperti data laporan keuangan dan lain-
lain. Sementara data cross section (data
yang diperoleh secara bersamaan atausekaligus seperti melalui penyebaran kuesioner) Maka
datatersebut tidakperlu dilakukan uji autokorelasi.
Study kasus
Pengaruh Likuiditas, Profitabilitas terhadap
harga saham

Data
Langkah-langkah
1. Buka program SPSS, klik Variable View. Selanjutnya, pada bagian Nama tulis X1, X2, dan Y.
Pada bagian Label tuliskan likuiditas, profitabilitas, dan Harga Saham.
Langkah-langkah
2. Setelah itu klik Data View, dan masukkan data likuiditas ke X1, profitabilitas ke X2, dan Harga Saham ke Y,
yang sudahdipersiapkan, bias dengan caracopy-paste.
Langkah-langkah
3. Langkah selanjutnya, dari menu spss pilihAnalyze, lalu klikRegression, kemudianklik Linear.
Langkah-langkah
4. . Kemudian akan muncul kotak dialog dengan nama “Linear Regression”, maka masukkan variable Harga
Saham (Y) ke kolom Dependent, masukkan variable likuiditas (X1), profitabilitas (X2) lalu klik Statistics
Langkah-langkah
5. Lalu akan muncul kotak nam “Linear Regression : Statistics,” pada bagian ini kita cukup memberitanda (v)
pada Durbin-Watson (abaikan centangan yang lain). Kemudian klik Continue
Langkah-langkah
6. Langkah terakhir adalah klik Ok. Maka akan muncul output
SPSS, dalam hal ini kita hanya perlu memperhatikan table output dengan judul“Model Summary”.
 Interpretasi
Berdasarkan tabel output “Model Summary”
di atas, diketahui nilai Drbin-
watson(d) adalah sebesar 1.916. selanjutnya nilai ini akan kita bandingk
an dengan nilaitabel Durbin-Watson
pada signifikan 5% dengan rumus (K ; N). adapun jumlahvariable
independent adalah 2 atau “K” = 2, sementara jumlah sampel atau “N” =
40, maka (K ; N)=(2 ; 40).
Angka ini kemudian dilihat pada distribusi nilai tabelDurbin-
Watson. Maka ditemukan nilai dL Sebesar 1.3908
dan dU sebesar 1.6000
 Interpretasi
Ket :
N= 40
d= 1.916
dL= 1.3908
dU= 1.6000
4-dL= 4 - 1.3908= 2.6092
4-dU= 4 - 1.6000= 2.4

Hasil= dU<d<4-dU
= 1.6000<1.916<2.4

Maka dari itu dapat disimpulkan data tersebut “ TIDAK TERDAPAT AUTOKORELASI “
TERIMA KASIH