Anda di halaman 1dari 14

Uji Autokorelasi

restuhayati@eco.uir.ac.id
Pengertian
Autokorelasi adalah terdapatnya korelasi
sempurna antara data periode sekarang (t)
dengan data sebelumnya (t-1).
Akibat autokorelasi, hasil estimasi tetap linear,
tidak bias (linear-unbased), tetapi tidak efisien
(varians underestimate). Nilai std error hasil
estimasi OLS lebih besar dari std error yang
sebenarnya, sehingga ada kecenderungan
menerima hipotesis nol.
Alasan terjadinya autokorelasi
1. Faktor Inersia (data time series, observasi
yang berurutan)
2. Bias spesifikasi : kasus variabel yang
disertakan
3. Bias spesifikasi : bentuk fungsional yang tidak
benar
4. Variabel lag
Identfikasi Autokorelasi
Durbin Watson
Hipotesis Autokorelasi
Ho : Tidak terdapat korelasi pada data
Ha : Tdp korelasi pada data
Statistik durbin watson memberikan signifikansi, yaitu
dengan menetapkan batas atas (DU) dan batas bawah (DW)
dengan ketentuan:
- D < DL = terdapat autokorelasi
- D > DU = tidak terdapat autokorelasi
- DL < D < DU = hasil pengujian tidak inclusive
Langkah-Langkah E-Views
Pengujian Autokorelasi
Buka Data : m91a-01a.wf1
Dimana :
Y : harga Obligasi
X1 = suku bunga
X2 = jumlah aset/kekayaan
Rumus estimasi e views :
b c ir w
Nilai D hitung = 0,68
Bandingkan dengan DU
dan DL pada tabel durbin
watson
Hasil Perbandingan nilai D
dengan DU dan DL
Nilai D = 0,68
DL = 1,688 DU = 1, 72

Kriteria Pengambilan keputusan :


-D < DL = terdapat autokorelasi
-D > DU = tidak terdapat autokorelasi
-DL < D < DU = hasil pengujian tidak inclusive
Kesimpulan :

Terdapat autokorelasi
karena D < DL = 0,68 < 1,68
D = 0,68
DL = 1,68
Perbaikan gejala autokorelasi

1.Mentransformasi data
2.Mengurangi jumlah
data
Note
Pengujian Durbin Watson hanya berlaku
untuk korelasi antar satu waktu berbeda
dan tidak relevan untuk penelitian dengan
data cross section. Pengujian yang tepat
untuk korelasi antar lebih dari 2 waktu
menggunakan correlogram atau Q-stat
yang akan dipelajari selanjutnya dalam
analisis time series.
Tugas

Pada data awal,


tentukan apakah
terjadi autokorelasi
atau tidak !

Anda mungkin juga menyukai