Dalam suatu analisis statistik, khususnya dalam model regresi terdapat suatu kondisi yang sangat krusial dan bisa mempengaruhi hasil analisis, kondisi tersebut dinamakan autokorelasi. Autokorelasi adalah suatu kondisi dimana terdapat ketergantungan atau hubungan antara nilai-nilai data pada interval waktu tertentu.
Salah satu cara untuk mendeteksi adanya autokorelasi pada data yaitu dengan menggunakan uji Durbin Watson.
Nah, dalam artikel ini, kita akan membahas lebih mendalam terkait Uji Durbin Watson. Yuk simak artikel ini dengan seksama yaa!
Definisi
Uji Durbin-Watson merupakan suatu uji statistik yang digunakan untuk mendeteksi adanya autokorelasi pada residual model regresi maupun autokorelasi pada analisis deret waktu. Autokorelasi terjadi ketika ada ketergantungan antara nilai-nilai residu pada interval waktu tertentu, yang berarti bahwa sisa-sisa model regresi atau deret waktu saling terkait dalam urutan waktu.
Autokorelasi memiliki dampak penting dikarenakan dapat mempengaruhi validitas hasil analisis. Adanya autokorelasi menunjukkan adanya pola ketergantungan dalam data, yang dapat mengindikasikan bahwa model regresi atau deret waktu yang digunakan mungkin tidak menggambarkan kondisi sebenarnya dengan akurat.
Prinsip Kerja
Prinsip kerja dari uji Durbin-Watson yaitu didasarkan pada pengamatan dan pengujian terhadap nilai residual dari model regresi atau analisis deret waktu. Residual adalah selisih antara nilai observasi aktual dan nilai prediksi yang dihasilkan oleh model. Uji Durbin-Watson digunakan untuk mendeteksi adanya pola ketergantungan atau autokorelasi dalam residual tersebut.
Rumus Perhitungan Durbin Watson
Uji Durbin Watson digunakan untuk mendeteksi kasus autokorelasi atau adanya korelasi antar residual. Hipotesis yang digunakan pada uji Durbin Watson adalah sebagai berikut.
\begin{matrix}
\, \, \, \, \, \, \, \, \, \, \, \, \, \, \, H_{0}:\rho =0\, \, Tidak\, terjadi\, autokorelasi\\
H_{1}:\rho \neq 0\, \, Terjadi\, autokorelasi
\end{matrix}Selanjutnya, untuk statistik uji pada uji Durbin Watson adalah sebagai berikut
d=\frac{\sum_{i=1}^{n}\left ( e_{i}-e_{i-1} \right )^{2}}{\sum_{i=1}^{n}e{_{i}}^{2}}Keterangan:
- n = Jumlah observasi atau data yang digunakan
- ei = Nilai residual pada observasi ke-i dari model regresi atau analisis deret waktu.
Pada uji Durbin Watson terdapat aturan pengambilan keputusan untuk menandakan ada atau tidaknya autokorelasi pada data. Aturan pengambilan keputusan didasarkan pada nilai dL dan dU. Dalam hal ini, dL (Lower CriticalValue) dan dU (Upper Critical Value) didapatkan dari dari tabel Durbin Watson.
Kelebihan dan Keterbatasan
Terdapat beberapa kelebihan dan keterbatasan dari Uji Durbin Watson yaitu sebagai berikut.
Kelebihan
- Penggunaan dalam Pengujian Awal
Uji Durbin-Watson seringkali digunakan sebagai langkah awal dalam analisis regresi untuk mengecek adanya autokorelasi. Jika ditemukan indikasi adanya autokorelasi, peneliti dapat mempertimbangkan penggunaan metode lain atau mengambil langkah yang tepat untuk mengatasi masalah tersebut. - Sederhana dan Cepat
Uji Durbin-Watson cukup mudah untuk dilakukan serta tidak memerlukan perhitungan yang rumit. Sehingga, dalam waktu singkat, peneliti dapat memeriksa apakah ada indikasi autokorelasi dalam suatu data. - Mudah Diaplikasikan dalam Regresi Linear Sederhana
Uji Durbin-Watson merupakan metode pengujian autokorelasi yang ideal untuk analisis regresi linear sederhana, dimana uji Durbin Watson memberikan hasil yang andal dan mudah diinterpretasikan.
Keterbatasan
- Tidak Mampu Mengatasi Autokorelasi
Uji Durbin-Watson hanya berfungsi sebagai indikator untuk mengecek adanya autokorelasi, tetapi tidak memberikan solusi untuk mengatasi masalah tersebut. - Tidak Menyediakan Informasi Tentang Derajat Autokorelasi
Uji Durbin-Watson hanya memberikan informasi apakah ada autokorelasi atau tidak, namun tidak memberikan informasi tentang tingkat atau derajat autokorelasi yang terjadi. - Sensitif terhadap Jumlah Data
Hasil uji Durbin-Watson dapat dipengaruhi oleh jumlah observasi dalam sampel. Dalam data yang kecil, uji Durbin Watson memiliki kemungkinan hasil yang kurang akurat.
Referensi
Gujarati, D. N. (2003). Basic Econometrics (Fourth Edition). McGraw-Hill Education.
Demikian penjelasan terkait Uji Durbin Watson dalam Analisis Statistik. Apabila masih ada yang dibingungkan bisa langsung saja ramaikan kolom komentar atau hubungi admin melalui tombol bantuan di kanan bawah. Stay tuned di website https://exsight.id/blog/ agar tidak ketinggalan artikel-artikel menarik lainnya.
Pingback: Tutorial Uji Durbin Watson Dengan SPSS (Part 2) - Exsight