Uji Asumsi Autokorelasi Dengan Eviews

Memahami Autokorelasi dan Cara Pengukurannya

Menurut Ghozali (2013:138) bahwa uji autokorelasi bertujuan menguji apakah dalam suatu model regresi linier ada korelasi antarkesalahan pengganggu (residual) pada teriode t dengan kesalahan pada periode t-1 (sebelumnya). Jika terjadi korelasi, maka dinamakan ada masalah autokorelasi. 

Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lain. Masalah ini timbul karena residual (kesalahan pengganggu) tidak bebas dari satu observasi ke observasi lainnya. Hal ini sering ditemukan pada data runtun waktu atau time series karena "gangguan" pada seseorang individu/kelompok yang sama pada periode berikutnya. 

Pada data cross section (silang waktu), masalah autokorelasi relatif jarang terjadi karena"gangguan" pada observasi yang berbeda berasal dari individu/kelompok yang berbeda. Model regresi yang baik adalah regresi yang bebas dari autokorelasi. Ada beberapa cara yang dapat digunakan untuk mendeteksi ada atau tidaknya autokorelasi;

1. Uji Durbin-Watson (DW Test)

Uji Durbin-Watson hanya digunakan untuk autokorelasi tingkat satu (first order autocorrelation) dan mensyaratkan adanya Intersept (konstanta) dalam model regresi dan tidak ada variabel lag diantara variabel bebas. Pengambilan keputusan ada tidaknya autokorelasi (Ghozali,2013:138) yaitu:

Bila nilai DW terletak antara batas atas atau upper bound (du) dan (4-du), maka koefisien autokorelasi sama dengan nol, berarti tidak ada autokorelasi.

Bila nilai DW lebih rendah dari pada batas bawah atau lower bound (dl) maka koefisien autokorelasi lebih besar dari pada nol, berarti ada autokorelasi positif.

Bila nilai DW lebih besar dari pada (4-dl), maka koefisien autokorelasi lebih kecil dari pada nol, berarti ada autokorelasi negatif.

Bila nilai DW terletak diantara batas atas )du) dan batas bawah (dl) atau DW terletak antara (4-dl), maka hasilnya tidak dapat disimpulkan.

Setelah kita memilih model Fixed Effect Model yaitu diketahui jumlah n=30 dan K=4 (variabel bebas dan intersep) (Ghozali,2013:141) menunjukkan hasil uji Durbin-Watson diperoleh nilai DW=1,415244 (du<d<4-du) atau  du=1,7386<1,415244<4-du=2,2614 maka hasil uji tidak dapat disimpulkan (Ghozali,2013:141). Berikutnya kita akan menguji autokorelasi dengan Uji Lagrange Multiplier (LM Test) 

2. Uji Lagrange Multiplier (LM Test)

Uji autokorelasi dengan LM test, terutama digunakan untuk amatan di atas 100 observasi. Uji ini memang lebih tepat digunakan dibandingkan uji DW terutama bila sampel yang digunakan relatif besar dan derajat autokorelasi lebih dari satu. Uji LM akan menghasilkan statistik Breusch-Godfrey sehingga uji LM juga kadang disebut uji Breusch-Godfrey (BG test) 

Pengujian Breusch-Godfrey dilakukan dengan meregres variabel pengganggu (residual) Ut menggunakan autoregressive secara simultan sama dengan nol, menunjukkan bahwa tidak terdapat autokorelasi pada setiap orde. Secara manual, jika (n-p)*R2 (kuadrat) atau X2 hitung (kuadrat) lebih besar X2 tabel, kita dapat menolak hipotesis nol yang menyatakan bahwa tidak ada autokorelasi dalam model.

Langkah-Langkah Uji Autokorelasi dengan Metode LM

• Buka file data panel dengan cara import file, contohnya seperti ini:

• Cara import file yaitu dari menu utama Eviews Klik File - Import - Import from file

•  Maka akan tampil muncul kotak dengan perintah selanjutnya seperti ini:

• Klik next sampai finist sehingga muncul kotak Workfile seperti ini:

• Tekan control lalu klik variabel y, x1, x2, x3 (sesuai yang ada di penelitian anda) lalu klik kanan, pilih Open-as Equation maka akan muncul kotak Equation Estimation seperti ini:

• Pindahkan konstanta c yang sebelumnya berada di depan x3, pindahkan ke depan variabel y seperti di atas, lalu Ok

•  Klik View - Residual Test - Serial Correlation LM Test jika muncul Lags to include di Ok saja maka di peroleh hasil uji autokorelasi seperti ini:

Hasil di atas memperlihatkan dimana jika hipotesis dalam uji autokorelasi adalah (1) H0: tidak ada autokorelasi, dan (2) H1: ada autokorelasi maka jika nilai p dari nilai Obs*R-squared signifikan secara statistik (kurang dari 0,05) maka H0 (tidak ada autokorelasi) ditolak. Hasil uji LM di atas menunjukkan nilai p dari nilai Obs*R-squared = 0,0019 signifikan secara statistik (kurang dari 0,05) maka H0 ditolak sedangkan H1 di terima, artinya terjadi autokorelasi. Untuk teknik memperbaiki autokorelasi ini akan kita bicarakan pada postingan selanjutnya ya!. 

Semoga apa yang penulis sajikan di atas dapat memberikan pencerahan dalam menganalisis uji asumsi autokorelasi. Jika ada sanggahan, komentar atau ingin berbagi pengetahuan silahkan dikirimkan melalui kolom komentar ya. Silahkan berlangganan dengan mengirimkan email. Semoga kita tetap dalam kondisi sehat walafiat. aamiin.