Uji autokorelasi biasanya digunakan dalam model regresi linear. Tujuannya yaitu untuk mencari tahu apakah ada korelasi antara kesalahan pengganggu di periode t dengan pengganggu di periode sebelumnya (t-1). Jika saat pengujian hasilnya terjadi korelasi, berarti terdapat masalah autokorelasi. Terdapat 4 cara uji autokorelasi SPSS yang bisa dicoba, yaitu:
Ini adalah uji autokorelasi SPSS tingkat satu atau disebut juga dengan first order autocorrelation. Untuk melakukan uji yang satu ini, pastikan tidak ada variabel lag antara variabel bebas dan wajib ada konstanta pada model regresi. Langkah pengujian Durbin-Watson yaitu dengan melakukan langkah analisis regresi dengan model INCOME = f(size, earns, wealth, saving).
Kemudian, tekan tombol Statistics dan Linear Regression Statistics lalu aktifkan pilihan Durbin-Watson. Setelah itu, didapatkan nilai DW dan bandingkan dengan nilai tabel dengan tingkat kepercayaan 5%, jumlah variabel bebas 4, dan jumlah sampel 100. Cocokkan nilai DW yang diperoleh berdasarkan hipotesis yang akan diuji.
Jika ingin melakukan uji autokorelasi SPSS dengan sampel besar, yaitu di atas 100 observasi, disarankan untuk menggunakan uji lagrange multiplier. Selain itu, uji lagrange multiplier juga lebih tepat bila derajat autokorelasi lebih dari satu. Uji
Lagrange Multiplier pada dasarnya akan menghasilkan statistic Breusch-Godfrey sehingga pada pengujiannya bisa menggunakan autoregressive model dengan orde ρ. Maka, rumus yang bisa digunakan pada uji Lagrange Multiplier adalah Ut = ρ + 1Ut-1+ ρ + 1Ut-2 + … + ρ + ρUt- ρ + ε + t.
Ini adalah uji autokorelasi yang juga disebut dengan metode uji kombinasi antara Box – Pierce dan Ljung Box. Biasanya uji autokorelasi ini diterapkan ketika adanya lebih dari dua lag karena pada dasarnya SPSS bisa menguji hingga 16 lag. Caranya yaitu dengan menggunakan regresi biasa dan penguji membuat variabel unstandardized residual.
Kemudian, klik graph, time series, dan autocorrelation dan masukkan variable unstandardized residual (res_1). Pilih display autocorrelation dan klik OK. Perhatikan signifikansi mulai dari lag 1 hingga 16 dan apabila terdapat jumlah lag signifikan >2 maka terdapat adanya autokorelasi. Sebaliknya, jika lag signifikan 2 atau <2 maka tidak adanya autokorelasi.
Jenis uji yang satu ini bisa digunakan untuk melihat apakah korelasi yang tinggi antar residual. Kemudian, uji run test juga digunakan untuk melihat apakah data residual yang diperoleh terjadi secara acak atau tidak. Jika antara hasilnya residual tidak ada hubungan korelasi, maka residual tersebut adalah random atau acak.
Cara uji run test bisa menggunakan regresi biasa dan membuat unstandardized residual. Kemudian, klik analyze, nonparametric, runs dan masukkan variabel unstandardized residual, lalu klik OK. Perhatikan output, apabila signifikan <0,05 berarti data residual tidak random atau tidak adanya autokorelasi.
Itulah ulasan lengkap mengenai 4 jenis uji autokorelasi SPSS yang bisanya umum digunakan. Masing-masing jenis autokorelasi memiliki cara yang berbeda-beda karena output-nya berbeda-beda pula. Jika mengalami kesulitan dalam menguji korelasi, hubungi kami sebagai jasa olah data dan bimbingan skripsi, tesis, dan disertasi yang profesional dan terpercaya.
Les Microsoft Excel bisa menjadi pilihan tepat bagi siapa saja yang ingin meningkatkan kemampuan dalam…
Ikut pelatihan Python menawarkan beragam manfaat. Dalam pengembangan web, Python sangat serbaguna dan menawarkan berbagai…
Kursus Python merupakan layanan pembelajaran dan pelatihan penggunaan Python. Python adalah bahasa pemrograman yang menggunakan…
Karakteristik umum tesis yang membedakannya dengan karya ilmiah lainnya, seperti skripsi, terletak pada kedalaman analisis…
Ragam fungsi Excel memungkinkan pengguna untuk melakukan pengolahan data dengan cepat dan mudah. Microsoft Excel…
Matlab merupakan salah satu perangkat lunak yang memiliki kemampuan untuk mengolah data numerik dan berfungsi…
This website uses cookies.