Uji Autokorelasi Dengan Run Test

Mendeteksi Autokorelasi Dengan Run Test Portal Statistik

Mendeteksi Autokorelasi dengan Run Test

Portal-Statistik | Kemarin juga saya sudah pernah posting mengenai Uji Asumsi Autokorelasi dengan Durbin Watson Test. Uji Autokorelasi adalah untuk melihat apakah terjadi korelasi antara suatu periode t dengan periode sebelumnya (t -1). Secara sederhana adalah bahwa analisis regresi adalah untuk melihat pengaruh antara variabel bebas terhadap variabel terikat, jadi tidak boleh ada korelasi antara observasi dengan data observasi sebelumnya. Sebagai contoh adalah pengaruh antara tingkat inflasi bulanan terhadap nilai tukar rupiah terhadap dollar. Data tingkat inflasi pada bulan tertentu, katakanlah bulan Februari, akan dipengaruhi oleh tingkat inflasi bulan Januari. Berarti terdapat gangguan autokorelasi pada model tersebut. Contoh lain, pengeluaran rutin dalam suatu rumah tangga. Ketika pada bulan Januari suatu keluarga mengeluarkan belanja bulanan yang relatif tinggi, maka tanpa ada pengaruh dari apapun, pengeluaran pada bulan Februari akan rendah.

Uji autokorelasi hanya dilakukan pada data time series (runtut waktu) dan tidak perlu dilakukan pada data cross section seperti pada kuesioner di mana pengukuran semua variabel dilakukan secara serempak pada saat yang bersamaan. Model regresi pada penelitian di Bursa Efek Indonesia di mana periodenya lebih dari satu tahun biasanya memerlukan uji autokorelasi.

Beberapa uji statistik yang sering dipergunakan adalah uji Durbin-Watson, uji dengan Run Test dan jika data observasi di atas 100 data sebaiknya menggunakan uji Lagrange Multiplier.

Run test sebagai bagian dari statistik non-parametrik dapat digunakan untuk menguji apakah antar residual terdapat korelasi yang tinggi atau tidak. Jika antar residual tidak terdapat hubungan korelasi maka dikatakan bahwa residual adalah acak atau random. Run Test digunakan untuk melihat apakah residual terjadi secara random atau tidak.

H0 : Residual Random (acak)

H1 : Residual Tidak Random

Menurut pemahaman saya, uji run test akan memberikan kesimpulan yang lebih pasti jika terjadi masalah ~~(sebenarnya bukan masalah sih, tapi yaa begitulah :p)~~ pada Durbin Watson Test yaitu nilai d terletak antara dL dan dU atau diantara (4-dU) dan (4-dL) yang akan menyebabkan tidak menghasilkan kesimpulan yang pasti atau pengujian tidak meyakinkan jika menggunakan DW test. Seperti contoh dibawah ini.

Dengan T=27, K=5, dL = 1.08364, dU = 1.75274. artinya dL < d < dU = Tidak ada kesimpulan yang pasti.

Coba bayangkan siapa yang gak galauu coyy lihat hasil yang kayak begitu,,, (meng-elus2 data deh sambil salto belakang,, wkkwk – terlalu alay yaa… xiixxi - malkum peneliti labil :v) - Udah Slow jangan terlalu serius… :D

Nah, makanya tadi saya bilang, dengan Run Test akan menghasilkan kesimpulan yang lebih pasti :D.

Mari kita mulai langkah-langkahnya,,, saya tidak menggunakan hasil diatas dalam tutorial ini, karena saya ingin melanjutkan postingang-postingan sebelumnya tentang analisis regresi berganda dengan spss, supaya satu studikasus yang digunakan dan dibahas secara runtun dan lengkap.

Silahkan lihat studi kasusnya disini.

Pada Data View SPSS, Pilih menu Analyze – Regression – Linear, pada kotak Dependent, isikan variabel dependent (Jumlah Penduduk Miskin) dan pada kotak Independent, isikan variabel X1, X2, (Jumlah Pengangguran, Angka Rata2 Lama Sekolah)
Pilih metode Enter, kemudian klik Button Save.
Berikan centang pada Unstandardized pada kolom Residuals, lalu klik Continue, kemudian pilih OK.
Selanjutnya pada Data View SPSS, akan muncul kolom baru dengan nama kolom RES_1, ini merupakan residual regresi.
Pilih menu Analyze - Nonparametric Test - Legacy Dialogs – Runs, kemudian Pindahkan RES_1 ke kolom Test Variable List di sebelah kanan, centang pada Median, lalu klik OK.

Sekarang Perhatikan output runs test di bawah ini, nilai yang dibandingkan adalah Asymp. Sig. (2-tailed) yaitu 0,869.

Hasil run test menunjukkan bahwa nilai Asymp. Sig. (2-tailed) > 0.05 yang berarti Hipotesis nol gagal ditolak. Dengan demikian, data yang dipergunakan cukup random sehingga tidak terdapat masalah autokorelasi pada data yang diuji.

Thanks, Semoga Bermanfaat.