MANAJEMEN.CO.ID - Autokorelasi adalah kondisi di
mana terdapat ketergantungan antara nilai-nilai dalam sebuah seri waktu. Dalam
analisis seri waktu, autokorelasi dapat mempengaruhi hasil pengujian hipotesis
dan estimasi parameter model. Beberapa ahli yang telah mengembangkan metode
pengujian autokorelasi antara lain:
Durbin-Watson Test
Metode pengujian ini dikembangkan
oleh James Durbin dan Geoffrey Watson pada tahun 1950. Durbin-Watson Test
digunakan untuk menguji apakah terdapat autokorelasi pada kesalahan residual
dalam model regresi linier sederhana atau model regresi linier berganda. Nilai
statistik Durbin-Watson berkisar antara 0 dan 4, dengan nilai 2 menunjukkan
tidak adanya autokorelasi.
Ljung-Box Test
Metode pengujian ini dikembangkan
oleh Greta M. Ljung dan Harald Box pada tahun 1978. Ljung-Box Test digunakan
untuk menguji apakah terdapat autokorelasi pada suatu seri waktu. Metode ini
membandingkan nilai-nilai korelasi residual pada beberapa lag dengan nilai yang
diharapkan. Nilai statistik Ljung-Box digunakan untuk menguji hipotesis bahwa
tidak ada autokorelasi pada seri waktu.
Breusch-Godfrey Test
Metode pengujian ini dikembangkan
oleh Trevor Breusch dan Leslie Godfrey pada tahun 1979. Breusch-Godfrey Test
digunakan untuk menguji apakah terdapat autokorelasi pada kesalahan residual
dalam model regresi linier berganda dengan menggunakan lag tambahan sebagai
variabel tambahan. Nilai statistik Breusch-Godfrey digunakan untuk menguji
hipotesis bahwa tidak ada autokorelasi pada kesalahan residual.
Box-Pierce Test
Metode pengujian ini dikembangkan
oleh George Box dan David Pierce pada tahun 1970. Box-Pierce Test serupa dengan
Ljung-Box Test, namun lebih sederhana karena hanya menggunakan nilai-nilai
korelasi residual pada beberapa lag tertentu. Nilai statistik Box-Pierce
digunakan untuk menguji hipotesis bahwa tidak ada autokorelasi pada seri waktu.
Metode-metode diatas dapat
digunakan untuk menguji autokorelasi pada suatu data. Pemilihan metode
tergantung pada jenis data dan tujuan pengujian yang ingin dicapai.
