UJI AUTOKORELASI DENGAN SPSS

Oleh: Siswanto

Uji autokorelasi digunakan untuk mengetahui ada atau tidaknya penyimpangan asumsi klasik autokorelasi yaitu korelasi yang terjadi antara residual pada satu pengamatan dengan pengamatan lain pada model regresi. Model regresi yang baik adalah model regresi yang bebas dari autokorelasi. Ada beberapa cara yang dapat digunakan untuk mendeteksi ada atau tidaknya autokorelasi. Metode pengujian yang sering digunakan adalah dengan uji Durbin-Watson (uji DW) dengan ketentuan sebagai berikut:

1. Jika d lebih kecil dari dL atau lebih besar dari (4-dL) maka hopotesis nol ditolak, yang berarti terdapat autokorelasi.
2. Jika d terletak antara dU dan (4-dU), maka hipotesis nol diterima, yang berarti tidak ada autokorelasi.
3. Jika d terletak antara dL dan dU atau diantara (4-dU) dan (4-dL), maka tidak menghasilkan kesimpulan yang pasti.

kumpulan artikel menarik tentang Ilmu Statistika ada disini

Nilai du dan dl dapat diperoleh dari tabel statistik Durbin Watson yang bergantung banyaknya observasi dan banyaknya variabel yang menjelaskan.

Selanjutnya langkah-langkah uji autokorelasi dengan SPSS versi 22. Berikut adalah data yang akan diuji adalah Masa Kerja (X1), Ukuran Prestasi (X2) dan Gaji (Y) dari 12 staf pengajar sebuah jurusan di sebuah universitas.

1. Setelah data yang ingin di uji sudah dipersiapkan, selanjutnya buka program SPSS 22, lalu klik Variable View, Selanjutnya pada bagian Name ketikkan nama variabelnya.
   
    
2. Setelah itu, klik Data View dan masukkan angka dari tiap variabel
   
3. Langkah selanjutnya, dari menu SPSS 20 pilih Analyze, lalu klik Regression, selanjutnya klik Linear
   
4. Akan muncul kotak dialog dengan nama Linear Regression, maka masukkan variabel Gaji (Y) ke Dependent, masukkan variabel Masa Kerja (X1) dan Ukuran Prestasi (X2) ke Independent(s), lalu klik Statistics
   
5. Muncul kotak dengan nama Linear Regression: Statistics, pada bagian ini lalu centang Durbin Watson, setelah itu pilih Continue
   
6. Langkah terakhir adalah klik OK, maka hasil outputnya adalah sebagai berikut

Model Summaryb
Model	R	R Square	Adjusted R Square	Std. Error of the Estimate	Durbin-Watson
1	.684a	.467	.349	5.6519	1.739