Tabel Durbin Watson & Penerapannya Dalam Uji Statistik

Halo Sobat Statistikazone!

Pada postingan kali ini, kita akan membahas mengenai Tabel Durbin-Watson dan bagaimana cara menerapkannya dalam pengujian statistik, khususnya pada uji autokorelasi dalam analisis regresi. Tabel ini sangat penting digunakan sebagai alat bantu untuk menentukan apakah residual dari model regresi menunjukkan pola yang berulang atau tidak (autokorelasi).

Yuk, simak pembahasannya sampai akhir!

Apa itu Uji Durbin-Watson?

Dalam analisis regresi, salah satu pengujian penting yang perlu dilakukan adalah mendeteksi autokorelasi pada nilai residual atau error prediction. Autokorelasi sendiri mengacu pada adanya hubungan atau keterkaitan antara nilai-nilai residual yang berurutan berdasarkan waktu atau urutan observasi.

Salah satu metode yang umum digunakan untuk mendeteksi autokorelasi adalah Uji Durbin-Watson, yang diperkenalkan oleh dua ahli statistik, James Durbin dan Geoffrey Watson. Uji ini menghasilkan sebuah nilai statistik yang kemudian dibandingkan dengan nilai-nilai kritis pada Tabel Durbin-Watson untuk menentukan apakah terdapat autokorelasi positif, negatif, atau tidak sama sekali.

Tabel Durbin-Watson menjadi alat bantu penting dalam proses pengambilan keputusan, karena menyediakan nilai batas bawah (dL) dan batas atas (dU) berdasarkan jumlah observasi (n) dan jumlah variabel independen (k) yang digunakan dalam model regresi.

Untuk mempermudah analisis Anda, kami menyediakan Tabel Durbin-Watson lengkap dengan cakupan nilai n = 6 sampai 200, dan k = 1 sampai 2, serta tingkat signifikansi 5% (α = 0,05).

Jika Anda membutuhkan versi lengkap tabel ini untuk keperluan analisis atau pembelajaran, silakan unduh melalui tautan berikut:

Tabel Durbin-Watson by Statistikazone

Cara Membaca Tabel Durbin-Watson

Agar dapat menggunakan tabel Durbin-Watson dengan benar, penting untuk memahami beberapa istilah dasar berikut:

• n = Jumlah sampel atau observasi yang digunakan dalam model regresi.
• k = Jumlah variabel independen (variabel bebas) dalam model.
• dL (lower bound) = Nilai batas bawah dari tabel Durbin-Watson.
• dU (upper bound) = Nilai batas atas dari tabel Durbin-Watson.

Setelah Anda memperoleh nilai Durbin-Watson dari hasil regresi, nilai tersebut harus dibandingkan dengan nilai dL dan dU dari tabel, sesuai dengan jumlah sampel (n) dan jumlah variabel (k) pada model Anda. Berikut adalah panduan dalam membaca dan menginterpretasikan hasil uji Durbin-Watson:

Kriteria Uji Autokorelasi

1. Deteksi Autokorelasi Positif:

• Jika dw < dL, maka terdapat autokorelasi positif.
• Jika dw > dU, maka tidak terdapat autokorelasi positif.
• Jika dL < dw < dU, maka hasil pengujian tidak meyakinkan atau kesimpulan tidak dapat diambil.

1. Deteksi Autokorelasi Negatif:

• Jika (4 – dw) < dL, maka terdapat autokorelasi negatif.
• Jika (4 – dw) > dU, maka tidak terdapat autokorelasi negatif.
• Jika dL < (4 – dw) < dU, maka hasil pengujian tidak meyakinkan, belum bisa disimpulkan secara pasti.

Contoh Penerapan Dalam Penelitian

Mari kita lihat contoh hasil regresi dari software SPSS berikut:

Keterangan Output:

• Jumlah sampel (n) = 100
• Jumlah variabel bebas (k) = 3
• Nilai Durbin-Watson (dw) = 1.779

Nilai dari Tabel Durbin-Watson pada taraf signifikansi 5%, n = 100, dan k = 3 yaitu:

• dL ≈ 1.62
• dU ≈ 1.72

Interpretasi:

1. Autokorelasi Positif: Karena nilai dw (1.779) > dU (1.72) maka tidak terdapat autokorelasi positif pada model regresi.
2. Autokorelasi Negatif: Hitung nilai 4 - dw yaitu 4 - 1.779 = 2.221. Karena 4 - dw (2.221) > dU (1.72), maka tidak terdapat autokorelasi negatif pada model regresi.

Kesimpulan

Berdasarkan nilai Durbin-Watson yaitu sebesar 1.779, serta jumlah observasi 100 dan 3 variabel independen atau prediktor, maka dapat disimpulkan bahwa tidak terjadi autokorelasi dalam model regresi ini. Artinya, salah satu asumsi penting dalam regresi linear independensi residual telah terpenuhi.

Uji Durbin-Watson merupakan bagian penting dalam evaluasi model regresi, terutama untuk memastikan bahwa residual yang dihasilkan tidak menunjukkan pola autokorelasi. Tanpa uji ini, model regresi bisa saja tampak valid dari sisi koefisien determinasi (R Square), namun sebenarnya menyalahi asumsi dasar yang dapat memengaruhi validitas inferensi statistik.

Dengan memahami cara membaca tabel Durbin-Watson dan cara menginterpretasikannya dalam penelitian, diharapkan kamu bisa membangun model regresi yang lebih akurat dan sesuai kaidah statistik.

Semoga penjelasan kali ini bermanfaat dan dapat membantu kamu dalam menyusun laporan penelitian, tugas akhir, atau analisis regresi lainnya.