Uji Non-Autocorrelation Model Statistik

Sebelum melanjutkan pembahasan selanjutnya mengenai uji non-autokorelasi. Perlu diketahui beda antara regresi dan korelasi. Regresi adalah hubungan sebab-akibat antara variabel bebas (independen) terhadap variabel terikat (dependen). Intepretasinya adalah jika variabel bebas berubah (naik/turun) 1 satuan, maka mengakibatkan variabel terikatnya berubah (naik/turun) sebesar sekian satuan (tergantung hasil koefisien beta pada variabel bebas hasil running model. Sedangkan korelasi adalah hubungan dua variabel atau bisa lebih yang menunjukkan arah hubungannya saja (positif/negatif). Intepretasinya, variabel X tampak berbanding terbalik dengan variabel Y, atau variabel X berbanding lurus terhadap variabel Y, atau jika variabel X naik, terdapat kecenderungan variabel Y menurun atau sebaliknya.

Lanjut !.

Sekarang saatnya membahas uji asumsi model statistik, yaitu uji non-aoutokorelasi. Sebenarnya dari segi penamaan, itu yang benar adalah non-otokorelasi atau non-autokorelasi, atau non-autocorrelation ?

Nah, yang benar itu adalah uji non-autocorrelation (bahasa inggris), atau ada pendapat lain ?..hehe.

OK. Uji ini bertujuan untuk mengidentifikasi apakah variabel galat atau error model statistik saling berhubungan (berkorelasi) atau tidak. Korelasi yang dimaksud adalah bahwa antar error amatan satu dengan amatan yang lainnya tidak terdapat hubungan yang kuat apalagi sempurna. Nilai korelasi biasanya paling minimal -1 dan paling maksimal adalah 1. Jika korelasi antara dua amatan error, misalnya amatan ke-1 dan amatan ke-2 besarnya 0,89, maka ini secara langsung memberi sinyal pada kita bahwa model kita bakal terkena gangguan autocorrelation.

Uji yang biasa dipakai dalam mengukur ada tidaknya atau lolos tidaknya uji non-autocorrelation adalah uji Durbin-Watson (uji parametrik) dan menurut dengan lima kondisi daerah uji sebagai berikut :

[caption id="attachment_347635" align="aligncenter" width="427" caption="Tabel Daerah Kritis Uji Durbin-Watson, sumber : Dok.Penulis dalam Gujarati (2004)"][/caption]

Nilai d adalah statistik yang tertera pada hasil output olah data uji non-autocorrelation (DW) biasanya pada SPSS. Tetapi ada juga pendapat Gujarati (2004), bahwa dikatakan telah lolos uji DW ketika besar nilai d-statistik nya sama dengan atau mendekati 2.

Meskipun demikian, uji DW terkadang mengandung kendala ketika d-statistik jatuh pada daerah keraguan. Maka daripada itu, menurut Ibrahim (2008) dalam Nursiyono (2013), untuk memastikan bahwa uji DW telah terpenuhi bisa menggunakan uji run atau run test. Cara kerja uji ini adalah dengan merangking nilai-nilai setiap error amatan kemudian diuji dengan instrumen non-parametrik dan apabila nilai probabilitas outputnya lebih dari nilai alpha yang ditentukan peneliti, maka error model telah lolos dari gangguan autocorrelation.

Demikian sekilas ulasan mengenai uji non-autocorrelation error model statistik. Nantikan ulasan konsep dan teori uji model statistik pada episode selanjutnya. Salam.

Materi terkait : uji normalitas dan homogenitas model statistik bisa klik disini dan disini