Uji Durbin-Watson (skripsi dan tesis)

Vincent Gaspersz (1991), J.Durbin dan G.S.Watson dalam dua artikel yang dimuat dalam majalah ilmiah Biometrika pada tahun 1950 dan 1951 telah mengemukakan uji untuk autokorelasi yang populer dengan nama uji DurbinWatson. Uji Durbin-Watson dapat digunakan untuk menguji hipotesis berikut: H0 : 𝜌𝜌 = 0 ; tidak terdapat autokorelasi H1 : 𝜌𝜌 β‰  0 ; terdapat autokorelasi Untuk menguji H0, dapat digunakan uji Durbin-Watson yang dirumuskan sebagai berikut: 𝑑𝑑 = βˆ‘ (π‘’π‘’π‘‘π‘‘βˆ’π‘’π‘’π‘‘π‘‘βˆ’1) 𝑛𝑛 2 𝑑𝑑=2 βˆ‘ 𝑒𝑒𝑑𝑑 𝑛𝑛 2 𝑑𝑑=1 = βˆ‘ 𝑒𝑒𝑑𝑑 𝑛𝑛 2 𝑑𝑑=2 +βˆ‘ π‘’π‘’π‘‘π‘‘βˆ’1 𝑛𝑛 2 𝑑𝑑=2 βˆ’2 βˆ‘ π‘’π‘’π‘‘π‘‘π‘’π‘’π‘‘π‘‘βˆ’1 𝑛𝑛 𝑑𝑑=2 βˆ‘ 𝑒𝑒𝑑𝑑 𝑛𝑛 2 𝑑𝑑=1 (2.17) Adapun beberapa asumsi yang melandasi uji Durbin-Watson ini yaitu:
Β 1. Uji Durbin-Watson diterapkan untuk model regresi yang mencakup parameter 𝛽𝛽0 , dengan kata lain dipergunakan untuk model regresi yang mengandung intersep. Jika kita mempunyai model regresi tanpa intersep atau model regresi melalui titik asal maka perlu membangun model regresi dengan intersep untuk menghitung nilai error dari model itu
Β 2. Variabel-variabel bebas 𝑋𝑋 adalah nonstokastik, atau bersifat tetap dalam penarikan sampel yang berulang (repeated sampling)
3. Bentuk kesalahan pengganggu/error mengikuti pola autoregresif derajatpertama dengan bentuk persamaan: πœ€πœ€π‘‘π‘‘ = πœŒπœŒπœ€πœ€π‘‘π‘‘βˆ’1 + 𝑒𝑒𝑑𝑑
4. Model regresi tidak mencakup nilai-nilai lag dari variabel terikat sebagai suatu variabel bebas
5. Tidak ada pengamatan yang hilang dalam data, dengan demikian uji Durbin-Watson hanya dapat diterapkan untuk model regresi yang dibangun berdasarkan data yang lengkap. Untuk sampel yang berukuran besar, maka bentuk-bentuk: βˆ‘ 𝑒𝑒𝑑𝑑 𝑛𝑛 2 𝑑𝑑=2 , βˆ‘ π‘’π‘’π‘‘π‘‘βˆ’1 𝑛𝑛 2 𝑑𝑑=2 , 𝑑𝑑𝑑𝑑𝑑𝑑 βˆ‘ 𝑒𝑒𝑑𝑑 𝑛𝑛 2 𝑑𝑑=1 akan mendekati hasil yang sama atau memiliki besaran yang hampir serupa atau hampir sama besar. Dengan demikian, kita dapat menulis statistik d dalam pendekatan berikut:
 𝑑𝑑 β‰ˆ 2 βˆ‘ 𝑒𝑒2 π‘‘π‘‘βˆ’1 βˆ‘ 𝑒𝑒2π‘‘π‘‘βˆ’1 βˆ’ 2 βˆ‘ 𝑒𝑒𝑑𝑑 π‘’π‘’π‘‘π‘‘βˆ’1 βˆ‘ 𝑒𝑒2π‘‘π‘‘βˆ’1 β‰ˆ 2(1 βˆ’ βˆ‘ 𝑒𝑒𝑑𝑑 π‘’π‘’π‘‘π‘‘βˆ’1 βˆ‘ 𝑒𝑒2π‘‘π‘‘βˆ’1 ). Dan didefinisikan 𝜌𝜌� = βˆ‘ 𝑒𝑒𝑑𝑑 π‘’π‘’π‘‘π‘‘βˆ’1 βˆ‘ 𝑒𝑒2π‘‘π‘‘βˆ’1 sehingga 𝑑𝑑 β‰ˆ 2(1 βˆ’ 𝜌𝜌�) . Oleh karena terdapat suatu batasan bahwa βˆ’1 ≀ 𝜌𝜌 ≀ 1 , maka statistik d akan terletak dalam selang (0,4) sehingga dapat ditulis 0 ≀ 𝑑𝑑 ≀ 4.
Β Dari uraian yang dikemukakan, maka dapat diambil kesimpulan tentang beberapa sifat uji Durbin-Watson antara lain:
1. Jika tidak terdapat autokorelasi, maka 𝜌𝜌� = 0 maka 𝑑𝑑 = 2 sehingga apabila berdasarkan perhitungan diperoleh 𝑑𝑑 β‰ˆ 2 maka dapat dinyatakan tidak terdapat autokorelasi dalam fungsi regresi 2. Jika 𝜌𝜌� = 1 maka 𝑑𝑑 = 0 , dan dalam keadaan seperti ini menunjukkan adanya autokorelasi positif sempurna. Dengan demikian, jika 0 < 𝑑𝑑 < 2 menunjukkan adanya suatu autokorelasi positif di mana autokorelasi tersebut akan semakin kuat bersifat positif apabila nilai 𝑑𝑑 β‰ˆ 0 , dan sebaliknya autokorelasi positif tesebut akan semakin lemah apabila nilai 𝑑𝑑 β‰ˆ 2
Β 3. Jika 𝜌𝜌� = βˆ’1 maka 𝑑𝑑 = 4, dan dalam keadaan ini menunjukkan adanya autokorelasi negatif sempurna. Dengan demikian, jika 2 < 𝑑𝑑 < 4 menunjukkan adanya autokorelasi negatif dimana autokorelasi negatif tersebut akan semakin kuat apabila 𝑑𝑑 β‰ˆ 4, sebaliknya autokorelasi negatif tersebut akan semakin lemah apabila 𝑑𝑑 β‰ˆ 2. Keuntungan dari uji Durbin-Watson ini adalah statistik tersebut didasarkan pada error/residual yang diestimasi, yang secara rutin dihitung pada analisis regresi. Dan kelemahan dari uji ini yaitu jika d jatuh dalam daerah yang meragukan atau daerah ketidaktahuan maka kita tidak dapat menyimpulkan apakah autokorelasi ada atau tidak (Gujarati, 1988). Durbin-Watson telah menetapkan batas atas (dU) dan batas bawah (dL) untuk taraf nyata tertentu yang cocok untuk menguji hipotesis tentang ada atau tidak adanya autokorelasi.
Mekanisme dari uji Durbin-Watson adalah sebagai berikut, dengan mengasumsikan bahwa asumsi yang mendasari pengujian terpenuhi:
1. Lakukan regresi OLS dan dapatkan nilai error/residual
2. Hitung nilai d
3. Untuk ukuran sampel tertentu dan jumlah variabel bebas tertentu, tentukan nilai kriteria dL dan dU. 4
. Menarik kesimpulan dengan mengikuti aturan pengambilan keputusan pada uji Durbin-Watson