Download Tabel Durbin Watson (DW) pdf Lengkap
Panduan cara membaca uji autokorelasi tabel durbin watson dengan Excel dan SPSS
Dalam dunia statistika, ada banyak istilah yang harus dikenal yang akan membantu dalam melakukan analisa data. Salah satunya adalah dengan bantuan tabel Durbin Watson.
Tabel ini biasanya digunakan untuk sebagai pembanding dalam uji autokorelasi pada prediction errors analisis regresi. Untuk lebih jelasnya, simak penjelasannya di bawah ini.
Apa Itu Durbin Watson Tabel?
Hal awal yang harus diketahui dari tabel ini adalah pengertian dari tabel statistik ini. Tabel Durbin Watson adalah sebuah tabel pembanding yang dipakai dalam uji deteksi autokorelasi pada residual dari model statistik atau analisis regresi.
Dalam uji Durbin Watson, nilai akan selalu berada pada range antara 0 dan 4. Nilai 2.0 menunjukkan tidak ada autokorelasi yang terdeteksi dalam sampel. Sedangkan untuk nilai dari 0 hingga kurang dari 2 menunjukkan autokorelasi positif dan nilai dari 2 hingga 4 mengidentifikasikan autokorelasi negatif.
Autokorelasi ini sendiri merupakan hubungan antara nilai yang eror dengan waktu tertentu dalam sebuah prediction errors atau residual atau kesalahan prediksi.
Uji Deteksi autokorelas yang memakai Durbin Watson memiliki hipotesis, yaitu: hipotesis 0 (H0) adalah tidak terdapat autokorelasi. Sementara untuk hipotesis awal (H1) adalah adanya autokorelasi.
Dalam statistik, uji autokorelasi dilakukan dengan tujuan tertentu, yaitu untuk melihat apakah ada korelasi antara satu periode analisa dengan periode sebelumnya. Secara sederhana dimaksudkan untuk melihat apakah ada pengaruh antara variabel bebas data dengan variabel terikatnya dari data yang diobservasi.
Tabel Durbin Watson Lengkap
Guna membantu anda dalam mencari refrensi nilai nilai pada tabel durbin watson, berikut kami lampirkan untuk anda ragam tabel durbin watson dengan (DW), α = 5% ( sumber : (junaidichaniago.wordpress.com) :
|
n |
k=1 | k=2 | k=3 | k=4 | k=5 | |||||
| dL | dU | dL | dU | dL | dU | dL | dU | dL | dU | |
| 6 | 0.6102 | 1.4002 | ||||||||
| 7 | 0.6996 | 1.3564 | 0.4672 | 1.8964 | ||||||
| 8 | 0.7629 | 1.3324 | 0.5591 | 1.7771 | 0.3674 | 2.2866 | ||||
| 9 | 0.8243 | 1.3199 | 0.6291 | 1.6993 | 0.4548 | 2.1282 | 0.2957 | 2.5881 | ||
| 10 | 0.8791 | 1.3197 | 0.6972 | 1.6413 | 0.5253 | 2.0163 | 0.3760 | 2.4137 | 0.2427 | 2.8217 |
| 11 | 0.9273 | 1.3241 | 0.7580 | 1.6044 | 0.5948 | 1.9280 | 0.4441 | 2.2833 | 0.3155 | 2.6446 |
| 12 | 0.9708 | 1.3314 | 0.8122 | 1.5794 | 0.6577 | 1.8640 | 0.5120 | 2.1766 | 0.3796 | 2.5061 |
| 13 | 1.0097 | 1.3404 | 0.8612 | 1.5621 | 0.7147 | 1.8159 | 0.5745 | 2.0943 | 0.4445 | 2.3897 |
| 14 | 1.0450 | 1.3503 | 0.9054 | 1.5507 | 0.7667 | 1.7788 | 0.6321 | 2.0296 | 0.5052 | 2.2959 |
| 15 | 1.0770 | 1.3605 | 0.9455 | 1.5432 | 0.8140 | 1.7501 | 0.6852 | 1.9774 | 0.5620 | 2.2198 |
| 16 | 1.1062 | 1.3709 | 0.9820 | 1.5386 | 0.8572 | 1.7277 | 0.7340 | 1.9351 | 0.6150 | 2.1567 |
| 17 | 1.1330 | 1.3812 | 1.0154 | 1.5361 | 0.8968 | 1.7101 | 0.7790 | 1.9005 | 0.6641 | 2.1041 |
| 18 | 1.1576 | 1.3913 | 1.0461 | 1.5353 | 0.9331 | 1.6961 | 0.8204 | 1.8719 | 0.7098 | 2.0600 |
| 19 | 1.1804 | 1.4012 | 1.0743 | 1.5355 | 0.9666 | 1.6851 | 0.8588 | 1.8482 | 0.7523 | 2.0226 |
| 20 | 1.2015 | 1.4107 | 1.1004 | 1.5367 | 0.9976 | 1.6763 | 0.8943 | 1.8283 | 0.7918 | 1.9908 |
| 21 | 1.2212 | 1.4200 | 1.1246 | 1.5385 | 1.0262 | 1.6694 | 0.9272 | 1.8116 | 0.8286 | 1.9635 |
| 22 | 1.2395 | 1.4289 | 1.1471 | 1.5408 | 1.0529 | 1.6640 | 0.9578 | 1.7974 | 0.8629 | 1.9400 |
| 23 | 1.2567 | 1.4375 | 1.1682 | 1.5435 | 1.0778 | 1.6597 | 0.9864 | 1.7855 | 0.8949 | 1.9196 |
| 24 | 1.2728 | 1.4458 | 1.1878 | 1.5464 | 1.1010 | 1.6565 | 1.0131 | 1.7753 | 0.9249 | 1.9018 |
| 25 | 1.2879 | 1.4537 | 1.2063 | 1.5495 | 1.1228 | 1.6540 | 1.0381 | 1.7666 | 0.9530 | 1.8863 |
| 26 | 1.3022 | 1.4614 | 1.2236 | 1.5528 | 1.1432 | 1.6523 | 1.0616 | 1.7591 | 0.9794 | 1.8727 |
| 27 | 1.3157 | 1.4688 | 1.2399 | 1.5562 | 1.1624 | 1.6510 | 1.0836 | 1.7527 | 1.0042 | 1.8608 |
| 28 | 1.3284 | 1.4759 | 1.2553 | 1.5596 | 1.1805 | 1.6503 | 1.1044 | 1.7473 | 1.0276 | 1.8502 |
| 29 | 1.3405 | 1.4828 | 1.2699 | 1.5631 | 1.1976 | 1.6499 | 1.1241 | 1.7426 | 1.0497 | 1.8409 |
| 30 | 1.3520 | 1.4894 | 1.2837 | 1.5666 | 1.2138 | 1.6498 | 1.1426 | 1.7386 | 1.0706 | 1.8326 |
| 31 | 1.3630 | 1.4957 | 1.2969 | 1.5701 | 1.2292 | 1.6500 | 1.1602 | 1.7352 | 1.0904 | 1.8252 |
| 32 | 1.3734 | 1.5019 | 1.3093 | 1.5736 | 1.2437 | 1.6505 | 1.1769 | 1.7323 | 1.1092 | 1.8187 |
| 33 | 1.3834 | 1.5078 | 1.3212 | 1.5770 | 1.2576 | 1.6511 | 1.1927 | 1.7298 | 1.1270 | 1.8128 |
| 34 | 1.3929 | 1.5136 | 1.3325 | 1.5805 | 1.2707 | 1.6519 | 1.2078 | 1.7277 | 1.1439 | 1.8076 |
| 35 | 1.4019 | 1.5191 | 1.3433 | 1.5838 | 1.2833 | 1.6528 | 1.2221 | 1.7259 | 1.1601 | 1.8029 |
| 36 | 1.4107 | 1.5245 | 1.3537 | 1.5872 | 1.2953 | 1.6539 | 1.2358 | 1.7245 | 1.1755 | 1.7987 |
| 37 | 1.4190 | 1.5297 | 1.3635 | 1.5904 | 1.3068 | 1.6550 | 1.2489 | 1.7233 | 1.1901 | 1.7950 |
| 38 | 1.4270 | 1.5348 | 1.3730 | 1.5937 | 1.3177 | 1.6563 | 1.2614 | 1.7223 | 1.2042 | 1.7916 |
| 39 | 1.4347 | 1.5396 | 1.3821 | 1.5969 | 1.3283 | 1.6575 | 1.2734 | 1.7215 | 1.2176 | 1.7886 |
| 40 | 1.4421 | 1.5444 | 1.3908 | 1.6000 | 1.3384 | 1.6589 | 1.2848 | 1.7209 | 1.2305 | 1.7859 |
| 41 | 1.4493 | 1.5490 | 1.3992 | 1.6031 | 1.3480 | 1.6603 | 1.2958 | 1.7205 | 1.2428 | 1.7835 |
| 42 | 1.4562 | 1.5534 | 1.4073 | 1.6061 | 1.3573 | 1.6617 | 1.3064 | 1.7202 | 1.2546 | 1.7814 |
| 43 | 1.4628 | 1.5577 | 1.4151 | 1.6091 | 1.3663 | 1.6632 | 1.3166 | 1.7200 | 1.2660 | 1.7794 |
| 44 | 1.4692 | 1.5619 | 1.4226 | 1.6120 | 1.3749 | 1.6647 | 1.3263 | 1.7200 | 1.2769 | 1.7777 |
| 45 | 1.4754 | 1.5660 | 1.4298 | 1.6148 | 1.3832 | 1.6662 | 1.3357 | 1.7200 | 1.2874 | 1.7762 |
| 46 | 1.4814 | 1.5700 | 1.4368 | 1.6176 | 1.3912 | 1.6677 | 1.3448 | 1.7201 | 1.2976 | 1.7748 |
| 47 | 1.4872 | 1.5739 | 1.4435 | 1.6204 | 1.3989 | 1.6692 | 1.3535 | 1.7203 | 1.3073 | 1.7736 |
| 48 | 1.4928 | 1.5776 | 1.4500 | 1.6231 | 1.4064 | 1.6708 | 1.3619 | 1.7206 | 1.3167 | 1.7725 |
| 49 | 1.4982 | 1.5813 | 1.4564 | 1.6257 | 1.4136 | 1.6723 | 1.3701 | 1.7210 | 1.3258 | 1.7716 |
| 50 | 1.5035 | 1.5849 | 1.4625 | 1.6283 | 1.4206 | 1.6739 | 1.3779 | 1.7214 | 1.3346 | 1.7708 |
| 51 | 1.5086 | 1.5884 | 1.4684 | 1.6309 | 1.4273 | 1.6754 | 1.3855 | 1.7218 | 1.3431 | 1.7701 |
| 52 | 1.5135 | 1.5917 | 1.4741 | 1.6334 | 1.4339 | 1.6769 | 1.3929 | 1.7223 | 1.3512 | 1.7694 |
| 53 | 1.5183 | 1.5951 | 1.4797 | 1.6359 | 1.4402 | 1.6785 | 1.4000 | 1.7228 | 1.3592 | 1.7689 |
| 54 | 1.5230 | 1.5983 | 1.4851 | 1.6383 | 1.4464 | 1.6800 | 1.4069 | 1.7234 | 1.3669 | 1.7684 |
| 55 | 1.5276 | 1.6014 | 1.4903 | 1.6406 | 1.4523 | 1.6815 | 1.4136 | 1.7240 | 1.3743 | 1.7681 |
| 56 | 1.5320 | 1.6045 | 1.4954 | 1.6430 | 1.4581 | 1.6830 | 1.4201 | 1.7246 | 1.3815 | 1.7678 |
| 57 | 1.5363 | 1.6075 | 1.5004 | 1.6452 | 1.4637 | 1.6845 | 1.4264 | 1.7253 | 1.3885 | 1.7675 |
| 58 | 1.5405 | 1.6105 | 1.5052 | 1.6475 | 1.4692 | 1.6860 | 1.4325 | 1.7259 | 1.3953 | 1.7673 |
| 59 | 1.5446 | 1.6134 | 1.5099 | 1.6497 | 1.4745 | 1.6875 | 1.4385 | 1.7266 | 1.4019 | 1.7672 |
| 60 | 1.5485 | 1.6162 | 1.5144 | 1.6518 | 1.4797 | 1.6889 | 1.4443 | 1.7274 | 1.4083 | 1.7671 |
| 61 | 1.5524 | 1.6189 | 1.5189 | 1.6540 | 1.4847 | 1.6904 | 1.4499 | 1.7281 | 1.4146 | 1.7671 |
| 62 | 1.5562 | 1.6216 | 1.5232 | 1.6561 | 1.4896 | 1.6918 | 1.4554 | 1.7288 | 1.4206 | 1.7671 |
| 63 | 1.5599 | 1.6243 | 1.5274 | 1.6581 | 1.4943 | 1.6932 | 1.4607 | 1.7296 | 1.4265 | 1.7671 |
| 64 | 1.5635 | 1.6268 | 1.5315 | 1.6601 | 1.4990 | 1.6946 | 1.4659 | 1.7303 | 1.4322 | 1.7672 |
| 65 | 1.5670 | 1.6294 | 1.5355 | 1.6621 | 1.5035 | 1.6960 | 1.4709 | 1.7311 | 1.4378 | 1.7673 |
| 66 | 1.5704 | 1.6318 | 1.5395 | 1.6640 | 1.5079 | 1.6974 | 1.4758 | 1.7319 | 1.4433 | 1.7675 |
| 67 | 1.5738 | 1.6343 | 1.5433 | 1.6660 | 1.5122 | 1.6988 | 1.4806 | 1.7327 | 1.4486 | 1.7676 |
| 68 | 1.5771 | 1.6367 | 1.5470 | 1.6678 | 1.5164 | 1.7001 | 1.4853 | 1.7335 | 1.4537 | 1.7678 |
| 69 | 1.5803 | 1.6390 | 1.5507 | 1.6697 | 1.5205 | 1.7015 | 1.4899 | 1.7343 | 1.4588 | 1.7680 |
| 70 | 1.5834 | 1.6413 | 1.5542 | 1.6715 | 1.5245 | 1.7028 | 1.4943 | 1.7351 | 1.4637 | 1.7683 |
| 71 | 1.5865 | 1.6435 | 1.5577 | 1.6733 | 1.5284 | 1.7041 | 1.4987 | 1.7358 | 1.4685 | 1.7685 |
| 72 | 1.5895 | 1.6457 | 1.5611 | 1.6751 | 1.5323 | 1.7054 | 1.5029 | 1.7366 | 1.4732 | 1.7688 |
| 73 | 1.5924 | 1.6479 | 1.5645 | 1.6768 | 1.5360 | 1.7067 | 1.5071 | 1.7375 | 1.4778 | 1.7691 |
| 74 | 1.5953 | 1.6500 | 1.5677 | 1.6785 | 1.5397 | 1.7079 | 1.5112 | 1.7383 | 1.4822 | 1.7694 |
| 75 | 1.5981 | 1.6521 | 1.5709 | 1.6802 | 1.5432 | 1.7092 | 1.5151 | 1.7390 | 1.4866 | 1.7698 |
| 76 | 1.6009 | 1.6541 | 1.5740 | 1.6819 | 1.5467 | 1.7104 | 1.5190 | 1.7399 | 1.4909 | 1.7701 |
| 77 | 1.6036 | 1.6561 | 1.5771 | 1.6835 | 1.5502 | 1.7117 | 1.5228 | 1.7407 | 1.4950 | 1.7704 |
| 78 | 1.6063 | 1.6581 | 1.5801 | 1.6851 | 1.5535 | 1.7129 | 1.5265 | 1.7415 | 1.4991 | 1.7708 |
| 79 | 1.6089 | 1.6601 | 1.5830 | 1.6867 | 1.5568 | 1.7141 | 1.5302 | 1.7423 | 1.5031 | 1.7712 |
| 80 | 1.6114 | 1.6620 | 1.5859 | 1.6882 | 1.5600 | 1.7153 | 1.5337 | 1.7430 | 1.5070 | 1.7716 |
| 81 | 1.6139 | 1.6639 | 1.5888 | 1.6898 | 1.5632 | 1.7164 | 1.5372 | 1.7438 | 1.5109 | 1.7720 |
| 82 | 1.6164 | 1.6657 | 1.5915 | 1.6913 | 1.5663 | 1.7176 | 1.5406 | 1.7446 | 1.5146 | 1.7724 |
| 83 | 1.6188 | 1.6675 | 1.5942 | 1.6928 | 1.5693 | 1.7187 | 1.5440 | 1.7454 | 1.5183 | 1.7728 |
| 84 | 1.6212 | 1.6693 | 1.5969 | 1.6942 | 1.5723 | 1.7199 | 1.5472 | 1.7462 | 1.5219 | 1.7732 |
| 85 | 1.6235 | 1.6711 | 1.5995 | 1.6957 | 1.5752 | 1.7210 | 1.5505 | 1.7470 | 1.5254 | 1.7736 |
| 86 | 1.6258 | 1.6728 | 1.6021 | 1.6971 | 1.5780 | 1.7221 | 1.5536 | 1.7478 | 1.5289 | 1.7740 |
| 87 | 1.6280 | 1.6745 | 1.6046 | 1.6985 | 1.5808 | 1.7232 | 1.5567 | 1.7485 | 1.5322 | 1.7745 |
| 88 | 1.6302 | 1.6762 | 1.6071 | 1.6999 | 1.5836 | 1.7243 | 1.5597 | 1.7493 | 1.5356 | 1.7749 |
| 89 | 1.6324 | 1.6778 | 1.6095 | 1.7013 | 1.5863 | 1.7254 | 1.5627 | 1.7501 | 1.5388 | 1.7754 |
| 90 | 1.6345 | 1.6794 | 1.6119 | 1.7026 | 1.5889 | 1.7264 | 1.5656 | 1.7508 | 1.5420 | 1.7758 |
| 91 | 1.6366 | 1.6810 | 1.6143 | 1.7040 | 1.5915 | 1.7275 | 1.5685 | 1.7516 | 1.5452 | 1.7763 |
| 92 | 1.6387 | 1.6826 | 1.6166 | 1.7053 | 1.5941 | 1.7285 | 1.5713 | 1.7523 | 1.5482 | 1.7767 |
| 93 | 1.6407 | 1.6841 | 1.6188 | 1.7066 | 1.5966 | 1.7295 | 1.5741 | 1.7531 | 1.5513 | 1.7772 |
| 94 | 1.6427 | 1.6857 | 1.6211 | 1.7078 | 1.5991 | 1.7306 | 1.5768 | 1.7538 | 1.5542 | 1.7776 |
| 95 | 1.6447 | 1.6872 | 1.6233 | 1.7091 | 1.6015 | 1.7316 | 1.5795 | 1.7546 | 1.5572 | 1.7781 |
| 96 | 1.6466 | 1.6887 | 1.6254 | 1.7103 | 1.6039 | 1.7326 | 1.5821 | 1.7553 | 1.5600 | 1.7785 |
| 97 | 1.6485 | 1.6901 | 1.6275 | 1.7116 | 1.6063 | 1.7335 | 1.5847 | 1.7560 | 1.5628 | 1.7790 |
| 98 | 1.6504 | 1.6916 | 1.6296 | 1.7128 | 1.6086 | 1.7345 | 1.5872 | 1.7567 | 1.5656 | 1.7795 |
| 99 | 1.6522 | 1.6930 | 1.6317 | 1.7140 | 1.6108 | 1.7355 | 1.5897 | 1.7575 | 1.5683 | 1.7799 |
| 100 | 1.6540 | 1.6944 | 1.6337 | 1.7152 | 1.6131 | 1.7364 | 1.5922 | 1.7582 | 1.5710 | 1.7804 |
| 101 | 1.6558 | 1.6958 | 1.6357 | 1.7163 | 1.6153 | 1.7374 | 1.5946 | 1.7589 | 1.5736 | 1.7809 |
| 102 | 1.6576 | 1.6971 | 1.6376 | 1.7175 | 1.6174 | 1.7383 | 1.5969 | 1.7596 | 1.5762 | 1.7813 |
| 103 | 1.6593 | 1.6985 | 1.6396 | 1.7186 | 1.6196 | 1.7392 | 1.5993 | 1.7603 | 1.5788 | 1.7818 |
| 104 | 1.6610 | 1.6998 | 1.6415 | 1.7198 | 1.6217 | 1.7402 | 1.6016 | 1.7610 | 1.5813 | 1.7823 |
| 105 | 1.6627 | 1.7011 | 1.6433 | 1.7209 | 1.6237 | 1.7411 | 1.6038 | 1.7617 | 1.5837 | 1.7827 |
| 106 | 1.6644 | 1.7024 | 1.6452 | 1.7220 | 1.6258 | 1.7420 | 1.6061 | 1.7624 | 1.5861 | 1.7832 |
| 107 | 1.6660 | 1.7037 | 1.6470 | 1.7231 | 1.6277 | 1.7428 | 1.6083 | 1.7631 | 1.5885 | 1.7837 |
| 108 | 1.6676 | 1.7050 | 1.6488 | 1.7241 | 1.6297 | 1.7437 | 1.6104 | 1.7637 | 1.5909 | 1.7841 |
| 109 | 1.6692 | 1.7062 | 1.6505 | 1.7252 | 1.6317 | 1.7446 | 1.6125 | 1.7644 | 1.5932 | 1.7846 |
| 110 | 1.6708 | 1.7074 | 1.6523 | 1.7262 | 1.6336 | 1.7455 | 1.6146 | 1.7651 | 1.5955 | 1.7851 |
| 111 | 1.6723 | 1.7086 | 1.6540 | 1.7273 | 1.6355 | 1.7463 | 1.6167 | 1.7657 | 1.5977 | 1.7855 |
| 112 | 1.6738 | 1.7098 | 1.6557 | 1.7283 | 1.6373 | 1.7472 | 1.6187 | 1.7664 | 1.5999 | 1.7860 |
| 113 | 1.6753 | 1.7110 | 1.6574 | 1.7293 | 1.6391 | 1.7480 | 1.6207 | 1.7670 | 1.6021 | 1.7864 |
| 114 | 1.6768 | 1.7122 | 1.6590 | 1.7303 | 1.6410 | 1.7488 | 1.6227 | 1.7677 | 1.6042 | 1.7869 |
| 115 | 1.6783 | 1.7133 | 1.6606 | 1.7313 | 1.6427 | 1.7496 | 1.6246 | 1.7683 | 1.6063 | 1.7874 |
| 116 | 1.6797 | 1.7145 | 1.6622 | 1.7323 | 1.6445 | 1.7504 | 1.6265 | 1.7690 | 1.6084 | 1.7878 |
| 117 | 1.6812 | 1.7156 | 1.6638 | 1.7332 | 1.6462 | 1.7512 | 1.6284 | 1.7696 | 1.6105 | 1.7883 |
| 118 | 1.6826 | 1.7167 | 1.6653 | 1.7342 | 1.6479 | 1.7520 | 1.6303 | 1.7702 | 1.6125 | 1.7887 |
| 119 | 1.6839 | 1.7178 | 1.6669 | 1.7352 | 1.6496 | 1.7528 | 1.6321 | 1.7709 | 1.6145 | 1.7892 |
| 120 | 1.6853 | 1.7189 | 1.6684 | 1.7361 | 1.6513 | 1.7536 | 1.6339 | 1.7715 | 1.6164 | 1.7896 |
| 121 | 1.6867 | 1.7200 | 1.6699 | 1.7370 | 1.6529 | 1.7544 | 1.6357 | 1.7721 | 1.6184 | 1.7901 |
| 122 | 1.6880 | 1.7210 | 1.6714 | 1.7379 | 1.6545 | 1.7552 | 1.6375 | 1.7727 | 1.6203 | 1.7905 |
| 123 | 1.6893 | 1.7221 | 1.6728 | 1.7388 | 1.6561 | 1.7559 | 1.6392 | 1.7733 | 1.6222 | 1.7910 |
| 124 | 1.6906 | 1.7231 | 1.6743 | 1.7397 | 1.6577 | 1.7567 | 1.6409 | 1.7739 | 1.6240 | 1.7914 |
| 125 | 1.6919 | 1.7241 | 1.6757 | 1.7406 | 1.6592 | 1.7574 | 1.6426 | 1.7745 | 1.6258 | 1.7919 |
| 126 | 1.6932 | 1.7252 | 1.6771 | 1.7415 | 1.6608 | 1.7582 | 1.6443 | 1.7751 | 1.6276 | 1.7923 |
| 127 | 1.6944 | 1.7261 | 1.6785 | 1.7424 | 1.6623 | 1.7589 | 1.6460 | 1.7757 | 1.6294 | 1.7928 |
| 128 | 1.6957 | 1.7271 | 1.6798 | 1.7432 | 1.6638 | 1.7596 | 1.6476 | 1.7763 | 1.6312 | 1.7932 |
| 129 | 1.6969 | 1.7281 | 1.6812 | 1.7441 | 1.6653 | 1.7603 | 1.6492 | 1.7769 | 1.6329 | 1.7937 |
| 130 | 1.6981 | 1.7291 | 1.6825 | 1.7449 | 1.6667 | 1.7610 | 1.6508 | 1.7774 | 1.6346 | 1.7941 |
| 131 | 1.6993 | 1.7301 | 1.6838 | 1.7458 | 1.6682 | 1.7617 | 1.6523 | 1.7780 | 1.6363 | 1.7945 |
| 132 | 1.7005 | 1.7310 | 1.6851 | 1.7466 | 1.6696 | 1.7624 | 1.6539 | 1.7786 | 1.6380 | 1.7950 |
| 133 | 1.7017 | 1.7319 | 1.6864 | 1.7474 | 1.6710 | 1.7631 | 1.6554 | 1.7791 | 1.6397 | 1.7954 |
| 134 | 1.7028 | 1.7329 | 1.6877 | 1.7482 | 1.6724 | 1.7638 | 1.6569 | 1.7797 | 1.6413 | 1.7958 |
| 135 | 1.7040 | 1.7338 | 1.6889 | 1.7490 | 1.6738 | 1.7645 | 1.6584 | 1.7802 | 1.6429 | 1.7962 |
| 136 | 1.7051 | 1.7347 | 1.6902 | 1.7498 | 1.6751 | 1.7652 | 1.6599 | 1.7808 | 1.6445 | 1.7967 |
| 137 | 1.7062 | 1.7356 | 1.6914 | 1.7506 | 1.6765 | 1.7659 | 1.6613 | 1.7813 | 1.6461 | 1.7971 |
| 138 | 1.7073 | 1.7365 | 1.6926 | 1.7514 | 1.6778 | 1.7665 | 1.6628 | 1.7819 | 1.6476 | 1.7975 |
| 139 | 1.7084 | 1.7374 | 1.6938 | 1.7521 | 1.6791 | 1.7672 | 1.6642 | 1.7824 | 1.6491 | 1.7979 |
| 140 | 1.7095 | 1.7382 | 1.6950 | 1.7529 | 1.6804 | 1.7678 | 1.6656 | 1.7830 | 1.6507 | 1.7984 |
| 141 | 1.7106 | 1.7391 | 1.6962 | 1.7537 | 1.6817 | 1.7685 | 1.6670 | 1.7835 | 1.6522 | 1.7988 |
| 142 | 1.7116 | 1.7400 | 1.6974 | 1.7544 | 1.6829 | 1.7691 | 1.6684 | 1.7840 | 1.6536 | 1.7992 |
| 143 | 1.7127 | 1.7408 | 1.6985 | 1.7552 | 1.6842 | 1.7697 | 1.6697 | 1.7846 | 1.6551 | 1.7996 |
| 144 | 1.7137 | 1.7417 | 1.6996 | 1.7559 | 1.6854 | 1.7704 | 1.6710 | 1.7851 | 1.6565 | 1.8000 |
| 145 | 1.7147 | 1.7425 | 1.7008 | 1.7566 | 1.6866 | 1.7710 | 1.6724 | 1.7856 | 1.6580 | 1.8004 |
| 146 | 1.7157 | 1.7433 | 1.7019 | 1.7574 | 1.6878 | 1.7716 | 1.6737 | 1.7861 | 1.6594 | 1.8008 |
| 147 | 1.7167 | 1.7441 | 1.7030 | 1.7581 | 1.6890 | 1.7722 | 1.6750 | 1.7866 | 1.6608 | 1.8012 |
| 148 | 1.7177 | 1.7449 | 1.7041 | 1.7588 | 1.6902 | 1.7729 | 1.6762 | 1.7871 | 1.6622 | 1.8016 |
| 149 | 1.7187 | 1.7457 | 1.7051 | 1.7595 | 1.6914 | 1.7735 | 1.6775 | 1.7876 | 1.6635 | 1.8020 |
| 150 | 1.7197 | 1.7465 | 1.7062 | 1.7602 | 1.6926 | 1.7741 | 1.6788 | 1.7881 | 1.6649 | 1.8024 |
| 151 | 1.7207 | 1.7473 | 1.7072 | 1.7609 | 1.6937 | 1.7747 | 1.6800 | 1.7886 | 1.6662 | 1.8028 |
| 152 | 1.7216 | 1.7481 | 1.7083 | 1.7616 | 1.6948 | 1.7752 | 1.6812 | 1.7891 | 1.6675 | 1.8032 |
| 153 | 1.7226 | 1.7488 | 1.7093 | 1.7622 | 1.6959 | 1.7758 | 1.6824 | 1.7896 | 1.6688 | 1.8036 |
| 154 | 1.7235 | 1.7496 | 1.7103 | 1.7629 | 1.6971 | 1.7764 | 1.6836 | 1.7901 | 1.6701 | 1.8040 |
| 155 | 1.7244 | 1.7504 | 1.7114 | 1.7636 | 1.6982 | 1.7770 | 1.6848 | 1.7906 | 1.6714 | 1.8044 |
| 156 | 1.7253 | 1.7511 | 1.7123 | 1.7642 | 1.6992 | 1.7776 | 1.6860 | 1.7911 | 1.6727 | 1.8048 |
| 157 | 1.7262 | 1.7519 | 1.7133 | 1.7649 | 1.7003 | 1.7781 | 1.6872 | 1.7915 | 1.6739 | 1.8052 |
| 158 | 1.7271 | 1.7526 | 1.7143 | 1.7656 | 1.7014 | 1.7787 | 1.6883 | 1.7920 | 1.6751 | 1.8055 |
| 159 | 1.7280 | 1.7533 | 1.7153 | 1.7662 | 1.7024 | 1.7792 | 1.6895 | 1.7925 | 1.6764 | 1.8059 |
| 160 | 1.7289 | 1.7541 | 1.7163 | 1.7668 | 1.7035 | 1.7798 | 1.6906 | 1.7930 | 1.6776 | 1.8063 |
| 161 | 1.7298 | 1.7548 | 1.7172 | 1.7675 | 1.7045 | 1.7804 | 1.6917 | 1.7934 | 1.6788 | 1.8067 |
| 162 | 1.7306 | 1.7555 | 1.7182 | 1.7681 | 1.7055 | 1.7809 | 1.6928 | 1.7939 | 1.6800 | 1.8070 |
| 163 | 1.7315 | 1.7562 | 1.7191 | 1.7687 | 1.7066 | 1.7814 | 1.6939 | 1.7943 | 1.6811 | 1.8074 |
| 164 | 1.7324 | 1.7569 | 1.7200 | 1.7693 | 1.7075 | 1.7820 | 1.6950 | 1.7948 | 1.6823 | 1.8078 |
| 165 | 1.7332 | 1.7576 | 1.7209 | 1.7700 | 1.7085 | 1.7825 | 1.6960 | 1.7953 | 1.6834 | 1.8082 |
| 166 | 1.7340 | 1.7582 | 1.7218 | 1.7706 | 1.7095 | 1.7831 | 1.6971 | 1.7957 | 1.6846 | 1.8085 |
| 167 | 1.7348 | 1.7589 | 1.7227 | 1.7712 | 1.7105 | 1.7836 | 1.6982 | 1.7961 | 1.6857 | 1.8089 |
| 168 | 1.7357 | 1.7596 | 1.7236 | 1.7718 | 1.7115 | 1.7841 | 1.6992 | 1.7966 | 1.6868 | 1.8092 |
| 169 | 1.7365 | 1.7603 | 1.7245 | 1.7724 | 1.7124 | 1.7846 | 1.7002 | 1.7970 | 1.6879 | 1.8096 |
| 170 | 1.7373 | 1.7609 | 1.7254 | 1.7730 | 1.7134 | 1.7851 | 1.7012 | 1.7975 | 1.6890 | 1.8100 |
| 171 | 1.7381 | 1.7616 | 1.7262 | 1.7735 | 1.7143 | 1.7856 | 1.7023 | 1.7979 | 1.6901 | 1.8103 |
| 172 | 1.7389 | 1.7622 | 1.7271 | 1.7741 | 1.7152 | 1.7861 | 1.7033 | 1.7983 | 1.6912 | 1.8107 |
| 173 | 1.7396 | 1.7629 | 1.7279 | 1.7747 | 1.7162 | 1.7866 | 1.7042 | 1.7988 | 1.6922 | 1.8110 |
| 174 | 1.7404 | 1.7635 | 1.7288 | 1.7753 | 1.7171 | 1.7872 | 1.7052 | 1.7992 | 1.6933 | 1.8114 |
| 175 | 1.7412 | 1.7642 | 1.7296 | 1.7758 | 1.7180 | 1.7877 | 1.7062 | 1.7996 | 1.6943 | 1.8117 |
| 176 | 1.7420 | 1.7648 | 1.7305 | 1.7764 | 1.7189 | 1.7881 | 1.7072 | 1.8000 | 1.6954 | 1.8121 |
| 177 | 1.7427 | 1.7654 | 1.7313 | 1.7769 | 1.7197 | 1.7886 | 1.7081 | 1.8005 | 1.6964 | 1.8124 |
| 178 | 1.7435 | 1.7660 | 1.7321 | 1.7775 | 1.7206 | 1.7891 | 1.7091 | 1.8009 | 1.6974 | 1.8128 |
| 179 | 1.7442 | 1.7667 | 1.7329 | 1.7780 | 1.7215 | 1.7896 | 1.7100 | 1.8013 | 1.6984 | 1.8131 |
| 180 | 1.7449 | 1.7673 | 1.7337 | 1.7786 | 1.7224 | 1.7901 | 1.7109 | 1.8017 | 1.6994 | 1.8135 |
| 181 | 1.7457 | 1.7679 | 1.7345 | 1.7791 | 1.7232 | 1.7906 | 1.7118 | 1.8021 | 1.7004 | 1.8138 |
| 182 | 1.7464 | 1.7685 | 1.7353 | 1.7797 | 1.7241 | 1.7910 | 1.7128 | 1.8025 | 1.7014 | 1.8141 |
| 183 | 1.7471 | 1.7691 | 1.7360 | 1.7802 | 1.7249 | 1.7915 | 1.7137 | 1.8029 | 1.7023 | 1.8145 |
| 184 | 1.7478 | 1.7697 | 1.7368 | 1.7807 | 1.7257 | 1.7920 | 1.7146 | 1.8033 | 1.7033 | 1.8148 |
| 185 | 1.7485 | 1.7702 | 1.7376 | 1.7813 | 1.7266 | 1.7924 | 1.7155 | 1.8037 | 1.7042 | 1.8151 |
| 186 | 1.7492 | 1.7708 | 1.7384 | 1.7818 | 1.7274 | 1.7929 | 1.7163 | 1.8041 | 1.7052 | 1.8155 |
| 187 | 1.7499 | 1.7714 | 1.7391 | 1.7823 | 1.7282 | 1.7933 | 1.7172 | 1.8045 | 1.7061 | 1.8158 |
| 188 | 1.7506 | 1.7720 | 1.7398 | 1.7828 | 1.7290 | 1.7938 | 1.7181 | 1.8049 | 1.7070 | 1.8161 |
| 189 | 1.7513 | 1.7725 | 1.7406 | 1.7833 | 1.7298 | 1.7942 | 1.7189 | 1.8053 | 1.7080 | 1.8165 |
| 190 | 1.7520 | 1.7731 | 1.7413 | 1.7838 | 1.7306 | 1.7947 | 1.7198 | 1.8057 | 1.7089 | 1.8168 |
| 191 | 1.7526 | 1.7737 | 1.7420 | 1.7843 | 1.7314 | 1.7951 | 1.7206 | 1.8061 | 1.7098 | 1.8171 |
| 192 | 1.7533 | 1.7742 | 1.7428 | 1.7848 | 1.7322 | 1.7956 | 1.7215 | 1.8064 | 1.7107 | 1.8174 |
| 193 | 1.7540 | 1.7748 | 1.7435 | 1.7853 | 1.7329 | 1.7960 | 1.7223 | 1.8068 | 1.7116 | 1.8178 |
| 194 | 1.7546 | 1.7753 | 1.7442 | 1.7858 | 1.7337 | 1.7965 | 1.7231 | 1.8072 | 1.7124 | 1.8181 |
| 195 | 1.7553 | 1.7759 | 1.7449 | 1.7863 | 1.7345 | 1.7969 | 1.7239 | 1.8076 | 1.7133 | 1.8184 |
| 196 | 1.7559 | 1.7764 | 1.7456 | 1.7868 | 1.7352 | 1.7973 | 1.7247 | 1.8079 | 1.7142 | 1.8187 |
| 197 | 1.7566 | 1.7769 | 1.7463 | 1.7873 | 1.7360 | 1.7977 | 1.7255 | 1.8083 | 1.7150 | 1.8190 |
| 198 | 1.7572 | 1.7775 | 1.7470 | 1.7878 | 1.7367 | 1.7982 | 1.7263 | 1.8087 | 1.7159 | 1.8193 |
| 199 | 1.7578 | 1.7780 | 1.7477 | 1.7882 | 1.7374 | 1.7986 | 1.7271 | 1.8091 | 1.7167 | 1.8196 |
| 200 | 1.7584 | 1.7785 | 1.7483 | 1.7887 | 1.7382 | 1.7990 | 1.7279 | 1.8094 | 1.7176 | 1.8199 |
Untuk lebih lengkapnya, anda bisa download tabel durbin watson pdf secara lengkap dan menyeluruh melalui tautan berikut ini : Tabel Durbin Watson
Cara Membaca Tabel Durbin Watson
Setelah mengetahui pengertiannya, selanjutnya adalah bagaimana cara membaca tabel Durbin Watson ini. Sebelum membaca tabel ini, ada beberapa komponen yang ada pada Durbin Watson tabel yang wajib diketahui. Komponen-komponen tersebut antara lain:
- T = jumlah sampel (n)
Jumlah sampel ini adalah banyaknya sampel yang ada dalam analisis. Pada Durbin Watson tabel, jumlah sampel ini berada pada kolom pertama.
- k = jumlah variabel
Komponen berikutnya adalah jumlah variabel yang dilambangkan dengan (k). Komponen ini menunjukkan banyaknya variabel ata predictor, baik itu variabel independen ataupun variabel bebas di dalam analisis regresi tersebut.
- dL = batas bawah pada Durbin Watson
- dU = batas atas pada Durbin Watson
Sesudah membandingkan Durbin Watson, maka nantinya akan didapatkan beberapa keputusan. Keputusan tersebut diantaranya adalah apakah terdapat deteksi autokorelasi negative, autokorelasi positif, tidak dapat disimpulkan ataukah tidak ada autokorelasi.
Membaca Autokorelasi Positif
Salah satu keputusan yang didapatkan setelah membandingkan Durbin Watson tabel adalah autokorelasi positif. Untuk melakukan pengujian pun ditentukan kriteria tersendiri dalam pengujian autokorelasi tersebut. Pertama adalah deteksi autokorelasi positif dengan kriteria:
- Apabila nilai d < dL maka hasilnya terdapat autokorelasi positif (d adalah nilai Durbin Watson)
Kriteria ini berarti nilai Durbin Watson lebih rendah dari nilai batas bawah (lower bound) dL. Hal tersebut kemudian menyebabkan koefisien autokorelasi menjadi lebih besar dari nol. Maka itu artinya terdapat autokorelasi positif.
- Apabila nilai d > dU maka tidak ada autokorelasi positif
Kriteria ini berarti nilai Durbin Watson setelah dibandingkan nilainya lebih besar dari batas atas, maka tidak terdapat autokorelasi positif.
- Apabila nilai dL < d < dU maka hasil pengujian dinyatakan tidak meyakinkan atau hasilnya tidak bisa disimpulkan.
Membaca Autokorelasi Negatif
Keputusan lain dari pengujian dengan membandingkan tabel Durbin Watson adalah autokorelasi negatif. Sama seperti pengujian autokorelasi postif, deteksi autokorelasi negatif juga menerapkan kriteria tertentu sehingga hasil perbandingan dikatakan autokorelasi negatif.
- Apabila (4-d) < dL maka ada autokorelasi negatif
Kriteria ini artinya apabila nilai 4 dikurangi Durbin Watson yang diperoleh setelah perbandingan adalah lebih besar dari batas bawah (lower Bound) maka koefisien autokorelasinya jadi lebih kecil dari nol. Kesimpulannya adalah terdapat autokorelasi negatif.
- Apabila (4-d) > dU maka tidak ada autokorelasi negatif
Kriteria ini berarti apabila nilai (4-d) atau 4 kurang dari Durbin Watson nilainya lebih besar dari batas atas, maka tidak ada hasil autokorelasi negatif.
- Apabila dL < (4-d) < dU maka artinya hasil pengujian tidak meyakinkan atau hasilnya tidak bisa disimpulkan.
Contoh Uji Autokorelasi Durbin Watson
Rumus untuk statistik Durbin Watson melibatkan residual dari regresi kuadrat terkecil biasa (OLS) pada sekumpulan data. Secara matematis rumusnya adalah :
malam ka, kalo n=215 , k= 2 nilai durbin watsonnya berapa ya?
Tinggal diinputkan aja pada rumus diatas kak..