===================================================================
Tentang Uji Autokorelasi Autokorelasi umumnya terjadi pada data time series. Hal ini karena observasi-observasi pada data timeserie mengukuti urutan alamiah antarwaktu sehingga observasi-observasi secara berturut-turut mengandung interkorelasi, khususnya jika rentang waktu diantara observasi yang berurutan adalah rentang waktu yang pendek, seperti hari, minggi atau bulan. Gujarati (2012) Istilah autokorelasi adalah korelasi di antara anggota seri dari observasi-observasi yang diurutkan berdasarkan waktu. Dalam kaitannya dengan asumsi OLS, autokorelasi merupakan korelasi antara satu variabel gangguan dengan variabel gangguan lain. Konsekuensi Autokorelasi Menurut Gujarati (2012), keberadaan autokorelasi pada OLS memiliki konsekuensi antara lain : estimasi OL masih linier dan tidak bias, serta konsisten dan secara asumtotis terdistribusi secara normal, namun estimator-estrimator tersebut tidak lagi efisien (memiliki varian terkecil). Widarjono (2009) melanjutkan, jika varian tidak minimum, maka menyebabkan perhitungan standar error metode OLS tidak lagi dipercaya kebenarannya. Selanjutnya, interval estimasi maupun uji hipotesis yang didasarkan pada distribusi t maupun F tidak lagi bisa dipercaya untuk evaluasi hasil regresi. Pengujian dengan SPSS Untuk SPSS, pengujian autokorelasi dapat dilakukan dengan teknik Durbin-Watson, LM Test, dan Run Test. Dalam tutorial ini akan dijelaskan teknik yaitu DW-Test. DATA Berikut tabulasi data Current Ration (CR), Debt to Equity Ratio (DER) dan ROA. (data adalah data fiktif dan hanya dipergunakan untuk tutorial) CR 3.25 2.10 1.25 1.25 1.09 1.06 1.84 1.02 DER 1.99 2.24 2.20 2.86 2.46 1.16 1.46 1.22 ROA 0.97 -6.68 1.41 -6.81 2.47 8.63 6.43 10.28
Page 1
1.01 1.22 3.71 2.75 1.20 1.13 1.17 1.86 2.93 3.98 1.19 2.44 1.28 1.15 0.35 0.49 1.10 1.33 1.94 1.15 0.47 1.53 1.32 1.11 1.22 2.40 1.57 1.06 1.44 1.60 1.75 1.75 1.21 1.22 1.77 1.02 1.00 1.24 2.37 1.45 1.15 1.75 1.79 2.20 1.70
1.26 1.05 0.76 0.62 0.53 0.50 0.44 0.92 0.66 0.57 0.53 0.28 0.71 0.67 0.99 2.50 1.76 2.73 2.46 2.59 4.33 2.37 2.15 2.53 2.73 2.05 1.24 21.28 20.95 27.09 17.83 10.21 5.94 6.18 6.66 7.50 2.80 1.85 1.73 1.88 2.51 1.96 0.93 0.82 0.84
11.40 11.31 9.23 9.33 3.19 4.24 1.56 6.01 1.22 2.54 5.69 5.36 -1.44 5.60 7.33 0.70 1.76 1.66 1.65 1.09 -7.15 10.03 9.16 3.29 4.13 13.91 15.66 0.85 0.05 0.05 0.43 2.33 -1.25 0.46 1.67 3.49 9.48 2.09 0.87 1.12 2.04 3.62 -9.64 -0.84 12.97 Page 2
1.30 1.27 2.25 2.28 2.55 2.04 1.10 1.23 1.08 1.50 1.33 1.08 1.96 1.99 0.71 0.82 0.59 2.24 2.02 1.93 1.59 5.43 0.20 0.15 2.15 4.41 1.34 1.55 1.33 1.34 0.64 0.66
1.26 0.54 1.33 1.53 2.23 1.69 1.53 3.38 3.73 3.24 3.89 1.53 0.60 0.58 0.71 0.68 0.85 0.66 0.36 0.38 0.17 0.06 3.49 3.29 2.96 2.55 0.82 1.63 1.49 1.31 1.10 0.81
2.62 7.42 1.63 3.49 1.77 0.50 1.19 0.84 -0.45 0.53 -2.65 1.19 9.93 9.25 9.70 9.86 14.13 -17.07 0.70 6.61 4.06 -6.13 4.76 0.80 5.69 6.86 17.55 9.90 8.29 11.50 11.67 15.66
Page 3
Persiapan Copy data di atas ke dalam Worksheet SPSS seperti tampilan berikut ini :
Masukkan CR dan DER ke box independent variable, dan ROA ke dependent variable
Page 4
Page 5
HASIL
Regression
b Variables Entered/Removed
Model 1
Variables Removed .
Method Enter
b Model Summary
Model 1
DurbinWatson 1.338
ANOVAb Model 1 Sum of Squares 222.688 2675.784 2898.472 df 2 82 84 Mean Square 111.344 32.632 F 3.412 Sig. .038a
Coefficientsa Unstandardized Coefficients B Std. Error 6.719 1.392 -1.198 .719 -.295 .136 Standardized Coefficients Beta -.178 -.231
Model 1
(Constant) CR DER
Penjelasan Nilai DW adalah sebesar 1.338. Nilai DW hitung ini kemudian akan dibandingkan dengan DW Tabel. Dengan signifikansi 5%, jumlah sampel 84, dan jumlah variabel independen adalah 2, maka diperoleh DW hitung sebesar dl 1.600 dan du 1.696.
Page 6
dl du 4-dl 4-du
Hipotesis : Ho : tidak terdapat autokorelasi positif dalam model regresi Pedoman penolakan Ho adalah : Hipotesis Keputusan Tidak ada autokorelasi Tolak positif Tidak ada autokorelasi No Decision positif Tidak ada autokorelasi Tolak negative Tidak ada autokorelasi No Decision negative Tidak ada autokorelasi Tdk ditolak positif atau negatif Sumber : Imam Ghozali. 2009. Analisis Multivariate Jika 0 < d < dl dl d du 4-dl < d < 4 4-du d 4-dl du < d < 4-du dengan SPSS, hal 100
Karena DW hitung lebih kecil dibanding dl atau 0 < d < dl, maka dapat dinyatakan bahwa model terkena masalah autokorelasi
Referensi : Gujarati dan Porter. (2012). Dasar_Dasar Ekonometrika. Buku 2. Jakarta : Salemba Empat. Agus Widarjono. (2009). Ekonometrika, pengantar dan aplikasi. Yogyakarta : Ekonisia Imam Ghozali. 2009. ANalisis Multivariate dengan SPSS. Semarang : BPUNDIP
Page 7