MAKALAH

EKONOMETRIKA
HETEROSKEDASTISITAS

Dosen Pembimbing :
Adhis Millia Windhy.SP.M.Agr

Disusun Oleh :
Kelompok V
Marselina Rahmasinia 201510210311109
Ongki Ariwibowo 201510210311114
Irwan Ardiansyah 201510210311129
Reza Satia Nugroho 201510210311144

JURUSAN AGRIBISNIS
FAKULTAS PERTANIAN PETERNAKAN
UNIVERSITAS MUHAMMADIYAH MALANG
2017
2
 BAB I
PENDAHULUAN
1.1 LATAR BELAKANG
Banyak analisis yang bertujuan untuk mengetahui hubungan antara dua atau lebih
peubah. Salah satu metode untuk menentukan hubungan kausal antara peubah-peubah itu
adalah analisis regresi. Hampir semua bidang ilmu yang memerlukan analisis kausal
mengenal analisis regresi ini.
Dalam analisis regresi, variabel "penyebab" disebut dengan bermacam-macam
istilah, seperti variabel penjelas, variabel eksplanatorik, variabel independen, atau secara
bebas, variabel X (karena sering kali digambarkan dalam grafik sebagai absis,atau sumbu
X). Variabel terkena akibat dikenal sebagai variabel yang dipengaruhi, variabel dependen,
variabel terikat, atau variabel Y. Kedua variabel ini dapat merupakan variabel
acak (random),namun variabel yang dipengaruhi harus selalu variabel acak.
Salah satu asumsi penting dalam analisa regresi adalah variasi gangguan acak ()
pada setiap variabel bebas adalah homoskedastisitas, yaitu kondisi dimana varians dari
dataadalah sama pada seluruh pengamatan. Asumsi ini dapat ditulis sebagai berikut:
E (i2) = 2 ,i = 1, 2, n
Ketidaksamaan inilah yang disebut sebagai heteroskedastisitas. Oleh karena itu,
dipandang perlu untuk memahami asumsi tersebut secara lebih dalam. Maka, makalah
ini akan memberikan sedikit paparan tentang heteroskedastisitas.
Uji Heteroskedastisitas adalah uji yang menilai apakah ada ketidaksamaan varian
dari residual untuk semua pengamatan pada model regresi linear. Uji ini merupakan salah
satu dari uji asumsi klasik yang harus dilakukan pada regresi linear. Apabila asumsi
heteroskedastisitas tidak terpenuhi, maka model regresi dinyatakan tidak valid sebagai
alat peramalan.

1.2 RUMUSAN MASALAH

1. Apa yang di maksud dengan heteroskedastisitas?
2. Apa kegunaan heteroskedastisitas?
3. Bagaimana cara menguji dengan menggunakan heteroskedastisitas
4. Apa saja uji yang di lakukan?

1.3 TUJUAN MASALAH

Tujuan dari penulisan makalah Ekonometrika mengenai Heteroskedastisitas kali
ini penulis menyajikan beberapa tujuan di dalam penulisan makalah ini guna di dalam

1
memenuhi tugas perkuliahan. Penulis membahas beberapa komponen mengenai
heteroskedastisitas. Dengan harapan dapat membantu para pembaca didalam menambah
wawasan dalam menambah ilmu pengetahuan dalam ekonometrika, tujuan-tujuan
tersebut antara lain:
1. Mengetahui yang di maksud dengan heteroskedastisitas.
2. Mengetahui kegunaan heteroskedastisitas.
3. Mengetahui cara menguji dengan menggunakan heteroskedastisitas.
4. Mengetahui apa saja uji yang di lakukan.

Demikian beberapa tujuan yang akan di bahas dan diuraikan oleh penulis didalam
menulis makalah ini. Penulis berharap kedepannya pembaca dapat memahami serta dapat
membantu pembaca agar mampu mengetahui tentang heteroskedastisitas.

2
 BAB II
TINJAUAN PUSTAKA
2.1 HETEROSKEDASTISITAS
Heteroskedastisitas adalah uji yang digunakan untuk mengetahui ada atau
tidaknya penyimpangan asumsi klasik heteroskedastisitas yaitu adanya ketidaksamaan
varian dari residual untuk semua pengamatan pada model regresi. Uji ini untuk
mengetahui adanya penyimpangan dari syarat-syarat asumsi klasik pada regresi linear,
di mana dalam model regresi harus dipenuhi syarat tidak adanya heteroskedastisitas.

Menurut gujarati (1978) varian tiap unsur error tergantung pada nilai yang
dipilih dari variabel independen, adalah suatu angka konstan yang sama dengan 2 . Ini
merupakan asumsi homoskedastisitas, atau mempunyai varian yang sama. Secara
simbolis ditulis sebagai berikut:

2 = 2 .

Nilai = 0, varian bersyarat tidak tergantung terhadap nilai berapapun. Jika

sebaliknya apabila terjadi heteroskedastisitas maka akan meningkat seiring dengan
meningkatnya . Jadi, varian tidak sama, secara simbolis dapat dituliskan

2 = 2 .

Variabel 2 atau jika. Pada 2 = 2 , dimana menyatakan bahwa

varians individual berbeda, tidak bersifat konstan dan berubah-ubah untuk setiap nilai
variabel penjelas .

Sesuai dengan penjelasan sebelumnya bahwa pengujian heteroskedastisitas yaitu

untuk menguji ketidaksamaan pada residual, heteroskedasitas ini merupakan salah satu
penyimpangan yang sering dijumpai pada model regresi.

Salah satu model regresi yaitu model eksponensial. Model eksponensial

merupakan salah satu model regresi non linier. Sebelum melakukan pengujian
heteroskedastisitas terlebih dahulu akan linierkan model eksponensial pada persamaan

= 0+11+22+33++ . .

Untuk mencari bentuk liniernya yaitu dengan menggunakan logaritma natural,

sehingga modelnya menjadi:

ln = ln ( 0+11+22+33++ . )

3
 ln = ln 0+11+22+33++ + ln

ln = 0 + 11 + 22 + 33 + + ln + ln

ln = 0 + 11 + 22 + 33 + + 1 + ln

ln = 0 + 11 + 22 + 33 + + + ln .

Dapat dituliskan kembali menjadi

= 0 + 11 + 22 + 33 + +

Dimana dari persamaan tersebut dimisalkan bahwa

= ln , = ln .

Karena model eksponensial sudah berubah dalam bentuk linier, selanjutnya yaitu
menguji heteroskedastisitas pada model eksponensial. Untuk mendeteksi keberadaan
heteroskedastisitas salah satunya yaitu dengan uji park (park test). Uji park ini akan
melihat varians residual dengan cara mengamati hubungan antara error dan variabel
bebas (independen).

Pada analisis regresi, heteroskedastisitas berarti situasi dimana keragaman

variabel independen bervariasi pada data yang kita miliki. Salah satu asumsi kunci pada
metode regresi biasa adalah bahwa eror memiliki keragaman yang sama pada tiap-tiap
sampelnya.Asumsi inilah yang disebut homoskedastisitas. Jika keragaman residual/error
tidak bersifat konstan, data dapat dikatakan bersifat heteroskedastisitas. Karena pada
metode regresi ordinary least-squares (OLS) mengasumsikan keragaman error yang
konstan, heteroskedastisitas menyebabkan estimasi OLS menjadi tidak efisien. Model
yang memperhitungkan perubahan keragaman dapat membuat penggunaan dan estimasi
data menjadi lebih efisien.

Ada beberapa cara untuk mengetahui adanya heteroskedastisitas yaitu dengan

menggunakan cara grafis dan dengan uji stastitik. Ada beberapa cara dengan
menggunakan uji statistik yaitu uji Park, uji gletsjer, uji goldfeld quant dan uji White.
Efek dari heteroskedastisitas adalah

1. Penduga OLS bagi tetap tidak bias dan konsisten.

4
 2. Heterokesdastisitas meningkatkan ragam dari sebaran penduga . Penduga
bukan lagi penduga yang paling efisien
3. Pada uji t dan uji F terjadi underestimation bagi ragam atau simpangan baku
penduga parameter

a. Statistik uji t atau statistik uji F menjadi lebih besar dari yang
sebenarnya

b. Lebih sering terjadi penolakan H0 pada uji koefisien parameter

c. Uji-uji tersebut menjadi kurang terpercaya

Cara mendeteksi heterokedastisitas

1. Secara grafis
Berdasarkan plot residual
2. Dengan uji statistik
a. Uji Park
b. Uji Glejser
c. Uji Goldfeld Quand
d. Uji White

Jika penyebab heterokesdastisitas diketahui, informasi ini dapat digunakan untuk

menerapkan metode Weighted Least Square (WLS).

a. UJI PARK

Uji Park di lakukan dengan cara meregresikan nilai residual (Lnei2) dengan
masing-masing variabel independen (Lnx1 dan Lnx2)

Langkah langkah uji Park

1. Modelkan dengan OLS, kuadrat residual.

2. Bangun model seperti berikut:
Ln(ei2) = + 1 + LnX1 + Vi
3. Cek signifikansi 1 sign, berarti terjadi heterokesdastisitas.

5
b. Uji Glejser

Uji Glejser dilakukan dengan meregresikan variabel-variabel bebas terhadap

nilai absolut residualnya (Gujarati, 2004). Sebagai pengertian dasar, residual adalah
selisih antara nilai observasi dengan nilai prediksi; dan absolut adalah nilai mutlaknya.

Langkah langkah Uji Glejser

1. Regresikan model asal dengan OLS. Absolutkan nilai residual (e1)

2. Bangun model
Ei = 0 + 1 X1 + 2 + ..... + k Xk + vi
Jika koefisien sign, maka terjadi heterokedastisitas.
c. Uji Goldfeld Quant
Uji Goldfeld Quant mengasumsikan bahwa heteroskedastisitas 2 merupakan
fungsi positif dari variabel independen. Ide GoldFeldQuandt dapat dijelaskan dengan
model regresi sederhana (Widarjono, 2013).
Adapun prosedur metode GoldFeld-Quandt sebagai berikut:
1. Mengurutkan data sesuai dengan nilai X, dimulai dari nilai yang paling kecil
hingga yang paling besar.
2. Menghilangkan observasi yang di tengah (). Membagi data yang tersisa (
) menjadi dua kelompok. Kelompok pertama (1) berkaitan dengan data dengan nilai
X yang kecil dan kelompok kedua (2) berhubungan dengan data dengan nilai X yang
besar. Dengan perbandingan antara kelompok data kecil, nilai tengah dan kelompok
data besar adalah sebesar 3/8 : : 3/8.
3. Melakukan regresi pada setiap kelompok secara terpisah. Data setiap regresi
terdiri dari ( )/2. Jumlah harus sekecil mungkin untuk menjamin tersedianya
degree of freedom sehingga menghasilkan estimasi yang layak untuk setiap regresi.
4. Dapatkan SSR1 yang berhubungan dengan nilai X kecil dan SSR2 yang
berhubungan dengan nilai X yang besar.
5. Hitung nilai rasio: = 2/ 1/
Ratio akan mengikuti distribusi F statistik dengan derajat bebas (n-c-2k)/2
untuk pembilang (numerator) dan penyebutnya (denominator). Kita akan menolak
hipotesis nol tidak adanya heteroskedastisitas jika nilai F hitung lebih besar dari nilai
kritis pada tingkat tertentu.

6
d. Uji White
Uji White dilakukan dengan meregresikan residual kuadrat sebagai variabel
dependen dengan variabel dependen ditambah dengan kuadrat variabel independen,
kemudian ditambahkan lagi dengan perkalian dua variabel independen.
Langkah langkah pengujian
Semisal menggunakan persamaan
Y1 = 0 + 1 X1 + 2 X2 + E
1. Meregeresikan y pada x sisa-an
2. Regresikan sisaan kuadrat dengan x mengikuti persamaan
e12 = a0 + a1X1i +a2X2i + a3X1i2 + a4X212+a1X1iX2i+ Vi
statistik uji n.R2 - Xp

Semua uji di atas di gunakan untuk mencari Heteroskedastisitas.

7
 BAB III
REVIEW JURNAL
Dalam analisis regresi harus memperhatikan beberapa asumsi, yaitu
multikolinearitas, heteroskedastisitas, autokorelasi dan linearitas. Analisis regresi
diperlukan suatu metode untuk menduga parameter agar memenuhi sifat BLUE ( Best
Liniear Unbiased Estimator), salah satu metode yang sering digunakan adalah Ordinary
Least Square (OLS) atau sering disebut dengan Metode Kuadrat Terkecil. Dalam
membuat estimasi OLS agar hasilnya dapat diandalakan maka harus memenuhi asumsi
klasik yaitu ragam sisaan homogen E(Ui2) = 2 (homoskedastisitas).

Pelanggaran terhadap asumsi homoskedastisitas disebut heteroskedastisitas,

yang artinya galat tidak bersifat tidak konstan. Dengan ada terjadinya heteroskedastisitas,
maka pemerkira Ordinary Least Squeres masih tetap tak bias dan konsisten akan tetapi
tidak lagi efisien baik untuk sampel kecil maupun sampel besar.

Secara statistic permasalahan heteroskedastisitas tersebut dapat mengganggu

model yang akan diestimasi, bahkan dapat menyesatkan kesimpulan yang akan diambil.
Metode yang dapat mengatasi permasalahan heteroskedastisitas adalah dengan
menggunakan metode Weighted Least Square (WLS). Metode WLS sama halnya seperti
metode OLS dengan meminimumkan jumlah sisaan hanya saja pada metode WLS
dilakukan pembobotan suatu factor yang tepat kemudian baru menggunakan metode
OLS terhadap data yang telah diboboti.

Pengujian heteroskedasstisitas dapat dideteksi dengan Uji White. Uji White dapat
dilakukan dengan meregresikan residual kuadrat dengan variable independen dan
variable independen kuadrat dengan perkalian. Ada beberapa metode yang dapat
mendeteksi adanya heteroskedastisitaas.

1 Sifat persoalannya
2 Metode grafik.
Apabila i2 diketahui atau dapat dioerkirakan, cara yang paling mudah untuk
mengatasi adanya heteroskedastisitas ialah dengan metode kuadrat terkecil.

8
 BAB IV
PEMBAHASAN JURNAL

Jurnal pertama mengatakan bahwa heteroskedatisitas secara nonformal

digunakan untuk mendeteksi adanya heteroskedastisitas dengan melihat ada tidakny pola
tertentu. Dari gambar yang terdapat pada jurnal disimpulkan bahwa terdapat pola sebaran
yang menunjukkan titik-titik yang terus-menerus bergerak mendekati nol. Berdasarkan
pola tesebut mengindikasikan adanya heteroskedastisitas. Jika diketahui bentuk spesifik
dari heteroskedastisitas pada gambar, maka dapat melakukan pembobotan terhadap
variabel terikat dan variabel bebas sesuai dengan bentuk heteroskedastisitasnya.

Namun pada jurnal pada gambar 3 sulit untuk mengidentifikasi pola sebarannya,
oleh karena itu usaha perbaikan model untuk menghilangkan heteroskedastisitas akan
diboboti seperti jurnal dan mendapat hasil yang lebih pasti untuk melihat adanya
heteroskedastisitas atau tidak, terdapat beberapa uji yang dapat dilakukan. Salah satunya
yang digunakan di dalam penelitian ini adalah Uji Breusch Pagan Godfrey (BPG).
Hipotesis: H0 : tidak ada heteroskedastisitas H1 : ada heteroskedastisitas Kriteria uji BPG
adalah jika: P-value , maka H0 ditolak P-value > , maka H0 diterima

Dengan menggunakan SPSS 20 diperoleh tabel seperti yang ada pada jurnal.
Lalu diperoleh hasil seperti yang ada pada jurnal maka dapat di simpulkan bahwa hasil
pengujian terhadap heteroskedastisitas dengan uji BPG pada taraf sebesar 0,05 diperoleh
nilai pada jurnal. Berdasarkan kriteria pengujian, maka keputusan yang diambil adalah
tolak H0 atau data mengalami heteroskedastisitas.

Jurnal selanjutnya mengatakan bahwa jika suatu kasus terjadi

heteroskedastisitas maka dapat mengganggu model yang akan diestimasi. Cara
mengatasi masalah heteroskedastisitas dapat dilakukan dengan transformasi data. Untuk
itu diperlukan metode alternatif untuk mengatasi masalah tersebut,yaitu dengan
menggunakan metode kuadrat terkecil tertimbang (Weighted Least Squares).

Data yang digunakan dalam jurnal penelitian ini adalah data sekunder yang
diambil dari buku Mengolah Data Statistik dengan Mudah Menggunakan Minitab 14
Iriawan (2006:231). Dimana data tersebut merupakan data kandungan rokok yang terdiri
dari satu variabel tak bebas dan tiga variabel bebas.

9
 Di jurnal ini melakukan uji heterokedastisitas dengan uji White. Di jurnal
mengatakan bahwa hasil output menunjukkan nilai Prob Obs*R-Squared lebih kecil dari
(0.0307 < 0.05). Jadi dapat disimpulkan bahwa hipotesis nol ditolak karena dalam
model regresi linear berganda telah terjadi penyimpangan asumsi heteroskedastisitas.

10
 BAB V
KESIMPULAN

11