Autokorelasi adalah metode statistik yang digunakan untuk analisis deret waktu. Tujuannya adalah untuk mengukur korelasi dua nilai dalam kumpulan data yang sama pada langkah waktu yang berbeda. Meskipun data waktu tidak digunakan untuk menghitung autokorelasi, penambahan waktu Anda harus sama untuk mendapatkan hasil yang berarti. Koefisien autokorelasi melayani dua tujuan. Itu dapat mendeteksi non-keacakan dalam kumpulan data. Jika nilai dalam kumpulan data tidak acak, maka autokorelasi dapat membantu analis memilih model deret waktu yang sesuai.
Hitung rata-rata, atau rata-rata, untuk data yang Anda analisis. Mean adalah jumlah semua nilai data dibagi dengan jumlah nilai data (n).
Tentukan jeda waktu (k) untuk perhitungan Anda. Nilai lag adalah bilangan bulat yang menunjukkan berapa banyak langkah waktu yang memisahkan satu nilai dari yang lain. Misalnya, jeda antara (y1, t1) dan (y6, t6) adalah lima, karena ada 6 - 1 = 5 langkah waktu antara dua nilai. Saat menguji keacakan, Anda biasanya hanya akan menghitung satu koefisien autokorelasi menggunakan lag k=1, meskipun nilai lag lainnya juga akan berfungsi. Saat Anda menentukan model deret waktu yang sesuai, Anda perlu menghitung serangkaian nilai autokorelasi, menggunakan nilai lag yang berbeda untuk masing-masingnya.
Hitung fungsi autokovarians menggunakan rumus yang diberikan. Misalnya, apakah Anda menghitung iterasi ketiga (i = 3) menggunakan lag k = 7, maka perhitungan untuk iterasi itu akan terlihat seperti ini: (y3 - y-bar)(y10 - y-bar) Ulangi semua nilai "i" lalu ambil jumlah dan bagi dengan jumlah nilai dalam data set.
Hitung fungsi varians menggunakan rumus yang diberikan. Perhitungannya mirip dengan fungsi autokovarians, tetapi lag tidak digunakan.
Bagilah fungsi autokovarians dengan fungsi varians untuk mendapatkan koefisien autokorelasi. Anda dapat melewati langkah ini dengan membagi rumus untuk dua fungsi seperti yang ditunjukkan, tetapi berkali-kali, Anda perlu autokovarians dan varians untuk tujuan lain, sehingga praktis untuk menghitungnya satu per satu sebagai baik.