Autokorelasi terjadi bila residual regresi pada satu pengamatan berkorelasi dengan residual pengamatan sebelumnya. Contohnya penjualan bulanan: bulan yang penjualannya di atas perkiraan cenderung diikuti bulan berikutnya yang juga di atas perkiraan. Pemeriksaan ini bagian dari uji asumsi klasik.
Uji Durbin-Watson
- Di menu regresi SPSS, klik Statistics dan centang Durbin-Watson.
- Ambil nilai d di kolom Durbin-Watson pada tabel Model Summary.
- Cari dL dan dU di tabel Durbin-Watson sesuai jumlah data (n) dan jumlah variabel bebas (k, tanpa konstanta).
- Bandingkan d dengan daerah keputusan.
| Nilai d | Kesimpulan |
|---|---|
| dU < d < 4 − dU | Tidak ada autokorelasi |
| d < dL | Autokorelasi positif |
| d > 4 − dL | Autokorelasi negatif |
| di antara dL dan dU, atau di antara 4 − dU dan 4 − dL | Ragu-ragu, tidak dapat disimpulkan |
Kalkulator di halaman tabel Durbin-Watson menghitung dL dan dU untuk n berapa pun dan langsung memberi keputusan bila kamu mengisi nilai d.
Run test
Run test memeriksa apakah residual tersebar acak di atas dan di bawah nilai tengahnya.
- Simpan residual regresi (Save → Unstandardized residuals).
- Buka Analyze → Nonparametric Tests → Legacy Dialogs → Runs, masukkan residual.
- Baca Asymp. Sig. (2-tailed): Sig. > 0,05 berarti residual acak, tidak ada autokorelasi.
Bila terjadi autokorelasi
Pada data runtun waktu, autokorelasi sering menandakan ada pola waktu yang belum dimodelkan. Pilihannya antara lain menambahkan variabel lag, memakai transformasi seperti Cochrane-Orcutt, atau model runtun waktu yang sesuai. Diskusikan dengan pembimbing karena penanganannya bergantung pada data.
Kesalahan umum
- Memakai k termasuk konstanta saat mencari dL dan dU.
- Hanya membandingkan d dengan dU dan lupa sisi 4 − dU.
- Menyimpulkan "tidak ada autokorelasi" padahal d berada di daerah ragu-ragu.
Pertanyaan umum
Kenapa data kuesioner sering lolos atau tidak relevan untuk uji autokorelasi?
Autokorelasi muncul bila urutan data bermakna, misalnya data bulanan. Urutan responden kuesioner biasanya tidak bermakna, sehingga banyak ahli menganggap uji ini tidak relevan untuk data cross-section. Sebagian pedoman tetap memintanya.
Hasil Durbin-Watson ragu-ragu, harus bagaimana?
Laporkan bahwa Durbin-Watson tidak dapat menyimpulkan, lalu lengkapi dengan Run test atau uji Breusch-Godfrey.