Penyebab, Dampak dan Mendeteksi Autokorelasi

Sebelumya sudah pernah dibahas masalah uji asumsi. namun, untuk kali ini akan dibahas lebih khusus lagi yaitu uji asumsi autokorelasi. untuk lengkap uji asumsi yang lain bisa kesini. langsung aja yaaa gan.... sekidot..:p

Autokorelasi adalah korelasi yang terjadi antar observasi dalam satu variabel (Nachrowi djalal dan Hardius usman:2006). 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.

Gambaran mudahnya pada kasus yang lagi ramai sekarang ini tentang Penetapan Upah Minimum provinsi (UPM) jakarta. Terus, hubungannya apa?. UPM ini selalu dipengaruhi berdasarkan UPM sebelumnya. Sehingga, dalam penetuan UPM selalu memperhatikan UPM sebelumnya. Dapat dibayangkan, bagaimana jika UPM tidak terkait dengan waktu sebelumnya. Para buruh akan mengalami ketidakpastian pada keuangannya sehingga akan menganggu urusan keluarga. Jauh banget ya. Jadi, autokorelasi sangat berguna pada kehidupan sehari-hari.

Walaupun dalam kehidupan sehari-hari autokorelasi sangat berguna, namun dalam urusan analisis regresi dalam menggunakan OLS. ini menjadi masalah utama yang harus diselesaikan. OLS mengasumsikan bahwa error merupakan variabel random yang independent (tidak berkorelasi agar penduga bersifat BLUE. Atau secara matematis dituliskan:

uji autokorelasi statistik ceria

A. Penyebab autokorelasi

1. Kesalahan model (linier – non linier)
2. Penggunaan Lag (inertia) è data observasi pada periode sebelumnya dan periode sekarang, kemungkinan besar akan saling ketergantungan (interdependence)
3. fenomena cobweb è Munculnya fenomena sarang laba-laba terutama terjadi pada penawaran komoditi sektor pertanian è Misalnya, panen komoditi permulaan tahun dipengaruhi oleh harga yang terjadi pada tahun sebelumnya è ui tidak lagi bersifat acak (random), tetapi mengikuti suatu pola yaitu sarang laba-laba.
4. Tidak memasukkan variabel yang penting
5. Manipulasi data

B. Konsekuensi adanya autokorelasi :

  1. Estimator yang dihasilkan masih unbiased, konsisten, dan asymptotical normally distributed. Tetapi tidak lagi efisien->varians tidak minimum (tidak BLUE) 
  2. Estimasi standard error dan varian koefisien regresi yang didapat akan ‘underestimate’. 
  3. Pemerikasaan terhadap residualnya akan menemui permasalahan. 
  4. Autokorelasi yang kuat dapat pula menyebabkan dua variabel yang tidak berhubungan menjadi berhubungan. Biasa disebut spourious regression. Hal ini terlihat dari R2.

C. Mendeteksi autokorelasi



1. Metode Grafik 


Metode ini merupakan metode yang paling sederhana untuk mendeteksi autokorelasi. Sekaligus merupakan langkah awal untuk mendeteksi autokorelasi. Sesuai dengan definisinya, metode ini membandingkan antara residual dengan variabel X. selain itu, dengan membandingkan antara rasidual ke-t dengan residual ke-(t-1).
uji autokorelasi
Suatu grafik mengindikasikan adanya autokorelasi dapat dilihat dari polanya. Suatu grafik dikatakan mengandung autokorelasi ketika terdapat pola antara residual dengan waktu atau antara residual ke-t sampai ke-(t-1).

Pada bagian (a) terlihat bahwa grafiknya membentuk pola siklus sehingga diindikasikan terdapat autokorelasi. Hal itu juga didukung dengan grafik antara raesidual ke-t dengan residual ke-(t-1) yang menunjukkan ada hubungan liniear..pada gambar tersebut terdapatnya autokorelasi positif dan negatif. Autokorelasi positif terlihat pada bagian (a) sedangkan autokorelasi negatif pada gambar bagian (b).

2. Uji Durbin Watson


Metode grafik diatas masih memiliki permasalahan. Pada metode ini, adanya autookorelasi agak sulit untuk ditentukan karena hanya melalui subjektifitas peneliti. Sehingga, kemungkinan tiap peniliti memiliki pandangan yang berbeda-beda. Oleh karena itu, perlu dilakukan pengujian formal yang dapat dipercaya secara ilmiah. Salah satu cara untuk mengetahui adanya autokorelasi adalah uji durbin-watson.

hipotesis:
Ho=tidak ada autokorelasi
H1=ada autokorelasi

Statistik Uji :
uji autokorelasi
Setelah mendapatkan statistik uji. Langkah selanjutnya adalah membandingkan dengan tabel DW. Tabel DW tediri atas dua nilai, yaitu batas bawah (dL) dan batas atas(dl) dan batas bawah(du). Berikut beberapa keputusan setelah membandingkan DW.
  • Bila d < dL Þ tolak H0; Berarti ada korelasi yang positif atau kecenderungannya r= 1 
  • Bila dL < d < dU Þ kita tidak dapat mengambil kesimpulan apa-apa
  • Bila dU < d < 4 – dU Þ jangan tolak H0; Artinya tidak ada korelasi positif maupun negatif 
  • Bila 4 – dU < d < 4 – dL Þ kita tidak dapat mengambil kesimpulan apa-apa
  • Bila d > 4 – dL Þ tolak H0; Berarti ada korelasi negatif
autokorelasi statistik ceria
tabel durbin-watson dapat diperoleh disini

3. Uji Run


Uji durbin Watson juga memiliki kelemahan ketika berada antara nilai dL dan dU atau antara (4-dU) dan (4-dL) maka keputusannya autokorelasi tidak bisa diketahui mempunyai autokorelasi apa tidak. Sehingga dilakukan uji lain bisa dengan metode grafik atau metode formal lainnya. Salah satu uji formal yaitu uji run.

Perinsip kerja uji run sangat sederhana yaitu dengan melihat tanda nilai residual negtaif atau positif(+) atau negatif (-), tanpa memperhatikan nilainya. Sehingga run yang dimaksud disini adalah sekelompok nilai residual yang mempunyai tanda sama secara bertusut-turut.

Contoh: (++++++)(-----)(+++++)(----)

Hipotesis:
H0=residual random
H­1=tidak demikian

Untuk menghitungnya digunakan beberapa fungsi berikut:
statistik ceria autokorelasi

Dimana: 
N=jumlah observasi
N1=jumlah run positif(+)
N2=jumlah run negatif(-)

Dalam melakukan pengujian hipotesis, digunakan analisis interval kepercayaan :


E(run)-1,96 <= run <= E(run)+1,96 run

    Keputusan:

Apabila nilai Run berada diantara interval tersebut maka terima H0sehingga disimpulkan residualnya random dan tidak adanya unsur autokorelasi.

4. Uji Breusch-Godfrey(BG)/Lagrange Multiplier(LM)


Uji ini dikembangkan oleh breusch-bodfrey.

uji autokorelasi
Berdasarkan model tersebut Breusch-bodfrey mengasumsikan bahwa Ut mengikuti autoregresif ordo p(AR(p)), sehingga membentuk model berikut:

uji autokorelasi

Untuk materi yang tertinggal akan dibahas di bagian selajutnya. [mengatasi-uji-autokorelasi]

refrensi:
Nachrowi Djalal Nachrowi dan Hardius Usman. ekonometrika untuk analisis ekonomi dan keuangan. 2006.
Gujarati, Basic_Econometrics. 2004. bisa didowload
autocorelasi. basic economic. sanjoyo. bisa didownload disini
guy judge march 2007. bisa didownload disini

18 Responses to "Penyebab, Dampak dan Mendeteksi Autokorelasi"

  1. Apakah sebuah penelitian dikatakan layak jika terjadi autokorelasi ?. Terima kasih.
    badaibadai87@gmail.com


    WR

    ReplyDelete
    Replies
    1. belum layak. karena autokorelasi ini diperlukan untuk melakukan analisis.
      Tapi ini tergantung dari analisisnya juga

      Delete
    2. Analisis seperti apa yang dapat dikatakan layak meskipun terjadi autokorelasi

      Delete
  2. Bagaimana cara kita mengetahui data kita termasuk data Trend atau Seasonal?

    ReplyDelete
  3. liat grafiknya mas,
    kalau seasional, ada kecenderungan pergerakan datanya berpola (misalnya selalu turun/naik di akhir tahun)
    kalau trend, biasanya tiap periode naik/turun

    ReplyDelete
  4. Bagaimana jika hasil dari uji DW menghasilkan keputusan bahwa tidak dapat mengambil kesimpulan apa-apa. Apakah penelitian bisa dikatakan layak atau masih harus di non autokorelasikan dulu untuk bisa melakukan analisis regresi??
    Terima kasih

    ReplyDelete
  5. kalo distribusi datanya tidak normal,,,itu solusiny gimana???

    ReplyDelete
  6. Untuk uji run sebagai salah satu cara untuk mendeteksi autokorelasi, apa ada teori atau buku yang mendukung?
    Soalnya di buku neter gak ada

    ReplyDelete
  7. saya ingin bertanya, apabila nilai R2 (koefisien determinasi) lebih kecil dari nilai Durbin Watson saya (dalam uji autokorelasi), bagaimana solusinya ? apakah penelitian saya tetap bisa dilanjutkan?
    mohon dibalas ya

    ReplyDelete
  8. Saya sedang kebingungan mengenai uji autokorelasi, saya sudah mencari referensi tetapi belum mendapatkan jawaban.
    Apakah uji autokorelasi harus dilakukan sebelum melakukan peramalan time series pak?
    Indikator uji autokorelasi untuk data tersebut dapat diramalkan itu seperti apa pak?
    Saya sedang menempuh skripsi pak, data saya itu tentang permintaan persediaan dari tahun 2000-2015 yaitu selama 16 periode pak dan itu bukan data untuk regresi seperti Y apakah dengan X1 dan X2 begitu pak, saya bingung pak
    Saya sudah mencoba menggunakan Durbin-Watson (SPSS) tapi nilai k di tabel tidak ada pak
    Saya sudah mencoba menggunakan Minitab tapi ada nilai yang lebih dari 0.5, dan penjelasan mengenai itu saya tidak dapat pak
    Semoga Anda membaca email dan komen saya dan dapat membantu saya
    Terima kasih banyak

    ReplyDelete
  9. Anda Kebingungan Dan Kesulitan Menyelesaikan Skripsi, Tesis, Disertasi
    Karena Pusing Mikirin Olah Data Analisis Statistika Dengan SPSS, AMOS
    LISREL, EVIEWS, SMARTPLS, DEA
    Serahkan Dan Percaya Kepada Kami.
    Kami Siap Bantu Anda.
    Olah Data Semarang (Timbul Widodo)
    WA : +62 852-2774-6673
    IG : olahdatasemarang

    ReplyDelete
  10. Bagaimana pengobatan autokorelasi jika menggunakan data DW Ataupun runt test tdk lolos. Solusinya menggunakan cara yg seperti apa ya. Trimakasih.

    ReplyDelete
  11. Apakah data sudah normalitas sudah tentu terbebas dari autokorelasi?

    ReplyDelete
    Replies
    1. Data yang berdistribusi normal belum tentu bebas dari masalah autokorelasi. Uji autokorelasi tetap harus dilakukan.Saran saya gunakan Run Test aja jika datanya atau n<100

      Delete
  12. Generally, many cases of autocorrelation occur in time series data, meaning that the current conditions are affected in the past.

    ReplyDelete
  13. Boleh tau referensi atau sumber penggunaan run test untuk mengecek autokorelasi?

    ReplyDelete
  14. I would like to appreciate your hard work you did write this post 300-420 ENSLD Exam Dumps, Thanks for sharing this valuable post.

    ReplyDelete
  15. Thank you for your article. I have read through some similar topics! However, your article gave me a very special impression SAP Certified Application Associate C_S4CS_2108 Exam, unlike other articles. I hope you continue to have valuable articles like this or more to share with everyone!

    ReplyDelete