UJI AUTOKORELASI ARIF GUNAWAN PENGERTIAN Dwi Priyanto (2009:61) Autokorelasi adalah keadaan dimana terjadinya korelasi dari residual untuk.

Presentasi berjudul: "UJI AUTOKORELASI ARIF GUNAWAN PENGERTIAN Dwi Priyanto (2009:61) Autokorelasi adalah keadaan dimana terjadinya korelasi dari residual untuk."— Transcript presentasi:

1 UJI AUTOKORELASI ARIF GUNAWAN 1820318310014

2 PENGERTIAN Dwi Priyanto (2009:61) Autokorelasi adalah keadaan dimana terjadinya korelasi dari residual untuk pengamatan satu dengan pengamatan yang lainya yang disusun runtut waktu. Dampak yang diakibatkan adalah yaitu varian sampel tidak dapat menggambarkan varian populasinya. Nachrowi Djalal dan Hardius Usman (2006) Autokorelasi adalah korelasi yang terjadi antar observasi dalam satu variable. Korelasi ini terjadi antar waktu atau individu. Umumnya kasus autokorelasi banyak terjadi pada data time series, artinya kondisi sekarang dipengaruhi waktu lalu. Oleh karena itu, dalam analisis data time series, masalah autokorelasi menjadi pusat perhatian. Ghozali (2016:10), menyatakan bahwa autokorelasi bertujuan untuk menguji apakah dalam model regresi linear terdapat korelasi antara kesalahan pada periode t dengan kesalahan pada periode t-1 (sebelumnya), jika terdapat korelasi maka dinamakan ada masalah autokorelasi. Autokorelasi bias terjadi karena observasi yang berurutan sepanjang waktu berkaitan antara satu dengan lainnya.

3 TUJUAN & KONSEP DASAR  Uji Autokorelasi merupakan bagian dari uji asumsi klasik dalam analisis regresi linier berganda atau linier sederhana untuk data time series atau data runtut waktu, jadi data yang digunakan adalah data bukan penyebaran questioner.  Untuk menguji apakah apakah terjadi korelasi antara suatu periode t dengan periode sebelumnya (t -1).  Uji asumsi klasik sendiri dimaknai sebagai syarat yang harus dipenuhi dahulu sebelum dilakukan atau masuk dalam analisis regresi linier.  Model regresi yang baik adalah tidak terdapat masalah atau gejala auto korelasi.  Adanya autokorelasi dalam regresi linear (Ordinary Least Squares) menyebabkan variansi sampel tidak dapat menggambarkan variansi populasi. Juga menyebabkan model regresi yang dihasilkan tak dapat digunakan untuk menduga nilai variabel tak bebas dari nilai variabel-behas tertentu, koefisien regresi yang diperoleh kurang akurat.

4 MENDETEKSI AUTOKORELASI 1.Uji Durbin Watson 2.Uji Run Test

5 Uji Durbin Watson Dengan SPSS TUJUAN : Untuk menguji apakah dalam model regresi linier terdapat korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pada periode t-1(sebelumnya) d < dl atau d > dl Terdapat Korelasi du < d < 4 - du Tidak Terdapat Autokorelasi dl < d < du atau 4 – du < d < 4 - dl Tidak Ada kesimpulan DASAR UJI :

6 TAHUN 2013KURS [X1]SBI [X2]IHSG [Y] JAN96985,754453,70 FEB96675,754797,79 MAR97195,754940,99 APR96735,755034,07 MAY98025,755068,68 JUN992964818,90 JUL102786,54610,38 AUG109246,754195,09 SEP116137,254316,18 OCT112347,254510,63 NOV119777,54256,44 DEC121897,54274,18 PRACTICE : DATA PENELITIAN : X1 : KURS X2 : SBI Y: IHSG N: 12 ddlDu4-dl4-du 1,0160,5691,2743,4312,726 KARENA = d < dl = 1,016 < 2,726 d < dl atau d > dl Terdapat Korelasi du < d < 4 - du Tidak Terdapat Autokorelasi dl < d < du atau 4 – du < d < 4 - dl Tidak Ada kesimpulan Kesimpulan : Maka Terdapat Korelasi/ Tidak Ada Kesimpulan Yang Pasti Maka Uji Runtest

7

8

9 Uji Run Test Dengan SPSS Uji durbin Watson mempunyai kelemahan yakni jika nilai durbin Watson antara DL dan DU atau diatara (4-DU) dan –DL) maka tidak menghasilkan kesimpulan yang pasti apakah terjasi gejala auto korelasi atau tidak Oleh karena itu alternative uji lain yang dapat memberikan kesimpulan yang pasti tentang masalah auto korelasi ini adalah dengan UJI RUN TEST (uji cadangan)

10 Practice Uji Run Test DASAR PENGAMBILAN KEPUTUSAN UJI RUN TEST 1.Jika nilai Asymp. Sig. (2-tailed) lebih kecil < dari 0.05 maka terdapat gejala auto korelasi 2.Jika nilai Asymp. Sig. (2-tailed) lebih besar > dari 0.05 maka tidak terdapat gejala auto korelasi PENGAMBILAN KEPUTUSAN Diketahui nilai nilai Asymp. Sig. (2-tailed) sebesar 0.762 lebih besar > dari 0.05 maka tidak terdapat gejala auto korelasi sehingga analisis regresi linier dapat dilajutkan.

11