UJI HETEROSKEDASTISITAS

16.49 Duwi Consultant

Uji heteroskedastisitas digunakan untuk mengetahui ada atau tidaknya
penyimpangan asumsi klasik heteroskedastisitas yaitu adanya ketidaksamaan
varian dari residual untuk semua pengamatan pada model regresi. Prasyarat
yang harus terpenuhi dalam model regresi adalah tidak adanya gejala
heteroskedastisitas. Ada beberapa metode pengujian yang bisa digunakan
diantaranya yaitu Uji Park, Uji Glesjer, Melihat pola grafik regresi, dan uji
koefisien korelasi Spearman.

a) Uji Park

Metode uji Park yaitu dengan meregresikan nilai logaritma natural dari residual
kuadrat (Lne2) dengan variabel independen (X1 dan X2).
Kriteria pengujian adalah sebagai berikut:
1. Ho : tidak ada gejala heteroskedastisitas
2. Ha : ada gejala heteroskedastisitas
3. Ho diterima bila Signifikansi > 0,05 berarti tidak terdapat heteroskedastisitas
dan Ho ditolak bila Signifikansi < 0,05 yang berarti terdapat heteroskedastisitas.

b) Uji Glejser
Uji Glejser dilakukan dengan cara meregresikan antara variabel independen
dengan nilai absolut residualnya (ABS_RES). Jika nilai signifikansi antara
variabel independen dengan absolut residual lebih dari 0,05 maka tidak terjadi
masalah heteroskedastisitas.

Contoh kasus:
Akan dilakukan analisis regresi linier berganda untuk mengetahui
pengaruh biaya produksi, distribusi, dan promosi terhadap tingkat penjualan.
Dengan ini sebelumnya akan dilakukan uji asumsi klasik heteroskedastisitas
dengan metode uji Glejser. Data sebagai berikut:
 Ta Tingkat Biaya Biaya Biaya
hun penjualan produksi distribusi promosi
19
96 127300000 37800000 11700000 8700000
19
97 122500000 38100000 10900000 8300000
19
98 146800000 42900000 11200000 9000000
19
99 159200000 45200000 14800000 9600000
20
00 171800000 48400000 12300000 9800000
20
01 176600000 49200000 16800000 9200000
20
02 193500000 48700000 19400000 12000000
20
03 189300000 48300000 20500000 12700000
20
04 224500000 50300000 19400000 14000000
20
05 239100000 55800000 20200000 17300000
20
06 257300000 56800000 18600000 18800000
20
07 269200000 55900000 21800000 21500000
20
08 308200000 59300000 24900000 21700000
20
09 358800000 62900000 24300000 25900000
20
10 362500000 60500000 22600000 27400000

Langkah-langkah analisis pada SPSS sebagai berikut:

- Inputkan data di SPSS
- Langkah pertama yaitu mencari nilai unstandardized residual, caranya klikAnalyze >>
Regression >> Linear
- Pada kotak dialog Linear Regression, masukkan variabel Tingkat penjualan ke
kotak Dependent, kemudian masukkan variabel Biaya produksi, Biaya distribusi,
dan Biaya promosi ke kotak Independent(s).
- Klik tombol Save, selanjutnya akan terbuka kotak dialog ‘Linear Regression:
Save’
- Pada Residuals, beri tanda centang pada ‘Unstandardized’. Kemudian klik
tombol Continue.Akan kembali ke kotak dialog sebelumnya, klik tombol OK.
 Hiraukan hasil output SPSS, Anda buka input data, disini akan bertambah satu
variabel yaitu residual (RES_1).
- Langkah selanjutnya mencari nilai absolute residual dari nilai residual di atas,
caranya klikmenu Transform >> Compute Variable.
- Pada kotak Target Variable, merupakan nama variabel baru yang akan tercipta.
Ketikkan ABS_RES (absolute residual). Kemudian klik pada kotak Numeric
Expression, lalu ketikkan ABS( lalu masukkan variabel Unstandardized Residual
(RES_1) ke kotak Numeric Expression dengan klik tanda penunjuk, kemudian ketik
tanda tutup kurung. Maka lengkapnya akan tertulis ABS(RES_1), perintah ini untuk
menghitung nilai absolute dari residual. Jika sudah klik tombol OK.
- Langkah selanjutnya meregresikan nilai variabel independen dengan absolute
residual. Caranya klik Analyze >> Regression >> Linear.
- Masukkan variabel ABS_RES ke kotak Dependent, kemudian masukkan varibel
Biaya produksi, Biaya distribusi, dan Biaya promosi ke kotak Independent(s).
Selanjutnya klik tombol OK. Maka hasil pada output Coefficient seperti berikut:

Dari output di atas dapat diketahui bahwa nilai signifikansi ketiga variabel
independen lebih dari 0,05. Dengan demikian dapat disimpulkan bahwa tidak
terjadi masalah heteroskedastisitas pada model regresi.

c) Melihat pola titik-titik pada scatterplots regresi

Metode ini yaitu dengan cara melihat grafik scatterplot antara

standardized predicted value (ZPRED) dengan studentized residual (SRESID).
Ada tidaknya pola tertentu pada grafik scatterplot antara SRESID dan ZPRED
dimana sumbu Y adalah Y yang telah diprediksi dan sumbu X adalah residual (Y
prediksi - Y sesungguhnya).
Dasar pengambilan keputusan yaitu:
 - Jika ada pola tertentu, seperti titik-titik yang ada membentuk suatu pola tertentu
yang teratur (bergelombang, melebar kemudian menyempit), maka terjadi
heteroskedastisitas.
- Jika tidak ada pola yang jelas, seperti titik-titik menyebar di atas dan di bawah
angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.
Langkah-langkah analisis pada SPSS sebagai berikut:
- Inputkan data di SPSS
- Untuk analisis data, klik menu Analyze >> Regression >> Linear
- Pada kotak dialog Linear Regression, masukkan variabel Tingkat penjualan ke
kotak Dependent, kemudian masukkan variabel Biaya produksi, Biaya distribusi,
dan Biaya promosi ke kotak Independent(s).
- Klik tombol Plots, maka akan terbuka kotak dialog ‘Linear Regression: Plots’.
- Klik *SRESID (Studentized Residual) lalu masukkan ke kotak Y dengan klik tanda
penunjuk. Kemudian klik *ZPRED (Standardized Predicted Value) lalu masukkan ke
kotak X. Jika sudah klik tombol Continue. Akan terbuka kotak dialog sebelumnya, klik
tombol OK, maka hasil output pada grafik Scatterplot sebagai berikut:
 Dari output di atas dapat diketahui bahwa titik-titik tidak membentuk
pola yang jelas, dan titik-titik menyebar di atas dan di bawah angka 0 pada
sumbu Y. Jadi dapat disimpulkan bahwa tidak terjadi masalah
heteroskedastisitas dalam model regresi.

d) Uji koefisien korelasi Spearman’s rho

Metode uji heteroskedastisitas dengan korelasi Spearman’s rho yaitu

mengkorelasikan variabel independen dengan nilai unstandardized
residual. Pengujian menggunakan tingkat signifikansi 0,05 dengan uji 2 sisi. Jika
korelasi antara variabel independen dengan residual di dapat signifikansi lebih
dari 0,05 maka dapat dikatakan bahwa tidak terjadi masalah heteroskedastisitas
pada model regresi.
Langkah-langkah analisis pada SPSS sebagai berikut:
- Inputkan data di SPSS
 - Langkah pertama yaitu mencari nilai unstandardized residual, caranya klikAnalyze >>
Regression >> Linear
- Pada kotak dialog Linear Regression, masukkan variabel Tingkat penjualan ke
kotak Dependent, kemudian masukkan variabel Biaya produksi, Biaya distribusi,
dan Biaya promosi ke kotak Independent(s).

- Klik tombol Save, selanjutnya akan terbuka kotak dialog ‘Linear Regression:
Save’
- Pada Residuals, beri tanda centang pada ‘Unstandardized’. Kemudian klik
tombol Continue. Akan kembali ke kotak dialog sebelumnya, klik tombol OK.
Hiraukan hasil output SPSS, Anda buka input data, disini akan bertambah satu
variabel yaitu residual (RES_1).
- Langkah selanjutnya melakukan analisis Spearman’s rho dengan cara
klik Analyze >> Correlate >> Bivariate, selanjutnya akan terbuka kotak dialog
Bivariate Correlations.
- Masukkan variabel Biaya produksi, Biaya distribusi, Biaya promosi dan
Unstandardized Residual ke kotak Variables. Kemudian hilangkan tanda centang pada
Pearson dan beri tanda centang pada Spearman. Gambar seperti di atas. Jika sudah klik
tombol OK, maka hasil output seperti berikut:

Dari output di atas dapat diketahui bahwa nilai korelasi ketiga variabel
independen dengan Unstandardized Residual memiliki nilai signifikansi lebih dari 0,05.
Karena signifikansi lebih dari 0,05 maka dapat disimpulkan bahwa tidak terjadi
masalah heteroskedastisitas pada model regresi.
2.

Pengertian dan Tutorial Uji

Heteroskedastisitas dengan
Uji Glejser
Penulis

Anwar Hidayat

4 Januari 2013

57
9149

Uji Heteroskedastisitas dengan SPSS

Pengertian Uji 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.

Mengapa dilakukan uji heteroskedastitas? jawabannya adalah

untuk mengetahui adanya penyimpangan dari syarat-syarat asumsi
klasik pada regresi linear, di mana dalam model regresi harus
dipenuhi syarat tidak adanya heteroskedastisitas.

Jenis Uji Heteroskedastisitas dengan SPSS

Bagaimana cara uji heteroskedastisitas ? Jawabannya adalah

ada beberapa cara, antara lain:

1. Uji Glejser
2. Uji Park
3. Uji Spearman
4. Melihat Grafik

Apakah ke empat uji di atas dapat dilakukan dengan SPSS?

Jawabannya adalah “Ya.” Bagaimanakah Cara Uji
Heteroskedastisitas dengan SPSS? Mari kita bahas satu persatu.

Dalam artikel kali ini kita akan bahas uji yang pertama, yaitu Cara
Uji Heteroskedastisitas Glejser.
Uji Glejser.

Tutorial Uji Heteroskedastisitas Menggunakan Uji

Glejser

Anggap kita punya sebuah model yang akan diuji, yaitu “Pengaruh
nilai ujian Fisika, Biologi dan Matematika Terhadap Rata-rata Nilai
SPMB.

Data seperti di bawah ini:

Tabulasi Uji Heteroskedastisitas

Buka Aplikasi SPSS anda, jika belum punya download lewat Link ini.

Buat 4 variabel dengan skala data “Scale” Type “Numeric” Decimal

“0” dengan nama sesuai tabel di atas: Fisika, Biologi, Matematika
dan SPMB.

Dataset
Heteroskedastisitas

Masukkan data di atas dengan cara COPAS.

Klik Menu, Analyze, Regression, Linear: Setelah terbuka jendela,

Masukkan Fisika, Biologi dan Matematika ke kotak Variabel
Independent dan masukkan SPMB ke kotak Variabel Dependent.

Uji Heteroskedastisitas dengan

SPSS
Cari tombol “SAVE” lalu klik maka akan muncul jendela baru, cari
“Unstandardized” lalu centang, OK dan OK lagi sampai jendela
tertutup.

Uji Heteroskedastisitas

Abaikan Output dan Lihat ada sebuah variabel baru dengan nama
“RES_1”

Contoh Uji Glejser

Klik Transform, Compute Variabel: Pada Kotak “Target Variabel” Isi

dengan RES2. Pada kotak “Numeric Expression” ketikkan rumus:
“ABS_RES(RES_1)”

Rumus di atas tanpa tanda kutip dua.

 Absolut Residual Uji Glejser

Abaikan output dan lihat ada variabel baru dengan nama “RES2”

Klik Menu Analyze, Regression, Linear: Keluarkan SPMB dari kotak

Variabel dependent dan masukkan variabel RES2 ke kotak Variabel
dependent.

Uji Glejser

Cari tombol “SAVE” lalu klik maka akan muncul jendela baru, cari
“Unstandardized” dan hilangkan centang, OK dan OK lagi sampai
jendela tertutup.
Interprestasi Uji Heteroskedastisitas dengan SPSS
Menggunakan Uji Glejser

Setelah anda melakukan langkah-langkah untuk menilai

heteroskedastisitas menggunakan aplikasi SPSS di atas, maka
selanjutnya anda akan belajar untuk membaca output analisis
heteroskedastisitas. Langsung saja anda buka output SPSS anda.

Lihat Output pada kolom “Sig.”.

Output Uji Glejser

Kesimpulannya: Apabila nilai signifikansi (Sig.) > 0,05 maka tidak

terjadi gejala Heteroskedastisitas.

Dari output di atas, maka tampak bahwa ketiga variabel tidak

ada gejala heteroskedastisitas karena Sig. > 0,05.

Untuk uji yang lain seperti Uji Park, Spearman dan Melihat Grafik
akan di bahas pada artikel berikutnya:

“UJI PARK DALAM SPSS“, “Uji SPEARMAN Untuk

Heteroskedastisitas” dan “Uji Heteroskedastisitas dengan Melihat
Grafik”.
Demikian telah kami jelaskan secara singkat namun padat tentang
tutorial uji heteroskedastisitas dengan SPSS. Oleh karena banyak
sekali jenis uji asumsi untuk menilai ada tidaknya
heteroskedastisitas di dalam sebuah model regresi, maka artikel ini
kiranya tidaklah cukup.

Kami merasa artikel ini tidaklah cukup untuk memberikan

pemahaman yang sempurna terhadap anda para pembaca yang
biasanya adalah peneliti atau para mahasiswa yang sedang
menyelesaikan tugas akhir perkuliahan. Oleh karena itu kami
anjurkan untuk tetap bersama saya di statistikian ini, untuk
mempelajari artikel lainnya terkait dengan heteroskedastisitas dan
asumsi klasik lainnya.

Pengertian Uji Heteroskedastisitas dan

SPSS
19MAYBy Ayat HIdayat Huang
Pengertian heteroskedastisitas
Gambar A

Gambar B

Jika kita menggunakan metode analisis regresi dalam penelitian kita, maka kita
tidak akan asing lagi dengan yang namanya uji heteroskedastisitas. uji
heteroskedastisitas adalah suatu uji asumsi yang harus dipenuhi agar model
regresi yang kita akan gunakan tidak bias.

Ah apa sih heteroskedastisitas itu? Jika kita lihat pada gambar A di atas, terlihat
bahwa penyebaran data dari waktu ke waktu selalu konsisten. nah itu yang
diharapakan. kondisi seperti itu adalah kondisi data yang homoskedastis. Jika
kita perhatikan pada gambar B, terlhat bahwa penyebaran dara dari waktu ke
waktu terus berubah. Kondisi demikian disebut dengan keadaan data
heteroskedastis. Tentunya keadaan demikian tidak diharapkan dalam model.
mengapa? karena kita akan mengalami kesulitan untuk mengestimasi model
yang tepat akibat varian data yang tidak konsisten.
Sebetulnya selain dalam ananalisis regresis, heteroskedastisitas merupakan
permasalahan yang sering muncul dalam Analisis Varians (Anova).

Dampak penyakit heteroskedastisitas

Sebetulnya heteroskedastisitas ini tidak menyebabkan estimasi koefisien regresi
pada metode ols (ordinary least square) menjadi bias. Kita tentunya masih dapat
menggunakan model regresi dengan baik. Namun, heteroskedastisitas ini akan
berpengaruh kepada penaksiran standar error yang bias. penaksiran standar error
yang bias tentu akan menyebabkan nilai t hitung menjadi bias. t hitung yang
bias tentu akan menyebabkan pengambilan keputusan melalui pengujian
hipotesis menjadi bias juga. Kita dapat menjadi salah dalam mengambil
kesimpulan, walaupun modelnya tetap benar.

Bagaimana mendeteksi adanya heteroskedastisitas

Banyak cara untuk mendeteksi adanya heteroskedastisitas. dalam beberapa
software statistik seperti e views, spss, stata sudah tersedia menu untuk
mendeteksi apakah ada penyakit heteroskedastisitas atau tidak.

Dalam analisis regresi, disebutkan beberapa test sebagai berikut:

Park test (1966)

Glejser test (1969)
White test
Breusch–Pagan test
Goldfeld–Quandt test
Cook–Weisberg test
Harrison–McCabe test
Brown–Forsythe test
Levene test

Sebetulnya ada satu cara yang mudah untuk mendeteksi ada tidaknya
heteroskedastisitas yaitu dengan mengkorelasikan antara variabel bebas dengan
nilai residualnya melalui korelasi rank spearman. logikanya sederhana, jika ada
korelasi yang signifikan antara nilai residual dengan variabel bebas dalam
regresi, artinya residual tersebut sistematis atau mengganggu model.

Bagaimana cara mengatasi penyakit heteroskedastisitas

Tentu, setelah kita melakukan uji heteroskedastisitas, langkah penyembuhan
perlu segera dilakukan. berikut merupakan beberapa cara penyembuhan
penyekit heterskedastisitas yang dapat dilakukan:

Terlebih dahulu mentransformasi data menjadi bentuk logariitma (log) atau

logaritma natural (ln), terutama untuk data-data yang tumbuh secara
eksponensial seiring dengna berjalananya waktu, seperti data jumlah penduduk
dan data kredit atas bunga majemuk.

Selanjutnya adalah dapat juga dengan membuat model spesifikasi

diferensialnya. maksudnya adalah model selisih antara t dengan t-1. cara ini
juga biasanya sekaligus dapat mengatasi masalah multikolinieritas.

Mengganti model penaksiran dari ols menjadi wls (weighted least square).
prinsip sederhanya adalah kita membuat pembobotan atas nilai pada variabel x
dan Y.

Nah, jika cara-cara di atas masih belum ampuh juga, kita dapat menempuh
cara heteroscedasticity-consitent standard errors (HCSE), cara ini biasanya
lebih ampuh, karena alur berpikirnya diubah, alih-alih mencoba-coba model
yang memiliki varian error yang tetap, kita mulai dengan menetapkan error
varians yang konsisten.
Pengantar
Salah Satu asumsi dalam regresi OLS adalah distribusi
residual/eror sama (homoskedastis) dan independen atau
tidak saling berhubungan dengan residual pengamatan lain
dalam model. Asumsi ini didukung oleh nilai rata-rata eror
adalah 0, dan keragaman yang konstan.

Ketika eror tidak memiliki keragaman yang konstan maka

persamaan mengandung masalah heteroskedastisitas atau:

Model Umum Regresi adalah:

Asumsi homoskedastis diberikan oleh persamaan berikut:

Ketika asumsi ini dilanggar sehingga eror tidak bersifat

konstan maka kita dapatkan masalah heteroskedastisitas:

Pada penerapannya eror sulit memiliki

keragaman yang konstan, hal ini sering terjadi pada data
silang (cross section) dibanding data runtun waktu (time series).
Seringkali terdapat perbedaan yang cukup besar pada
perbandingan data antar Negara, provinsi, perusahaan maupun
industri. Seringkali ditemukan bahwa masalah
heteroskedastisitas tidak mempengaruhi model yang kita
bangun atau tidak bias, namun kita akan kehilangan
estimator yang bersifat B.L.U.E sehingga persamaan sulit
diandalkan sebagai alat estimasi.
Analogi sederhana pada kejadian heteroskedastisitas dapat
kita lihat pada model hubungan antara harga dengan
permintaan (demand). Berdasarkan hipotesis jika harga
meningkat, maka demand akan turun, demikian juga
sebaliknya. Pada kejadian adanya indikasi masalah
heteroskedastisitas adalah jika harga meningkat
maka demand akan konstan.

Pengujian Heteroskedastisitas
1. Metode Grafik
Pengujian dengan metode grafik dilakukan dengan
meregresikan eror dengan Y, eror dengan X, dan QQ Plot,
gejala heteroskedastisitas terlihat dari nilai eror yang
membentuk pola sebaran tertentu pada plot.
Prosedur metode grafik dengan SPSS adalah sebagai berikut:
– Jalankan regresi linier dengan perintah ANALYZE –
REGRESSION – LINEAR,
– Masukkan variabel dependen dan independen,
– Klik PLOT,
– Setelah muncul kotak dialog LINEAR REGRESSION PLOT,
masukkan pada PREDICTED DEPENDENT VARIABLES
atau ZPRED, dan pada sumbu masukkan residual atau
ZRESID, checklist NORMAL PROBABILITY PLOTS –
CONTINUE – OK.

Plot residual dengan Y

Plot residual dengan X

QQ Plot
Sebelum masuk ke contoh dengan software analisis
statistik SPSS, bagi yang belum memiliki atau versi SPSS lama,
bisa download versi terbarunya IBM SPSS versi 25 di bawah.

Ilustrasi:
Misalkan kita memiliki data seperti berikut:

1. Jalankan regresi linier dengan SPSS, untuk langkah

melakukan regresi linier dapat dijalankan dengan comand
ANALYZE – REGRESSION – LINEAR,
2. Masukkan variabel sesuai dengan jenisnya (dependen dan
independen) seperti berikut:
3. Klik PLOT disamping kanan,
4. Setelah muncul kotak dialog Linear Regression Plot,
masukkan pada sumbu X – predicted dependent variables atau
ZPRED serta pada sumbu Y – residual atau ZRESID, lalu
centang Normal Probability Plots, – CONTINUE:

5. Setelah itu Klik OK, maka akan ditampilkan output seperti

berikut:
 Dapat kita lihat bahwa
pada model bersifat homoskedastik, tidak
terdapat masalah heteroskedastisitas, dimana residual
tersebar secara merata.

2. Metode 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.
Prosedur pengujian dilakukan dengan hipotesis sebagai
berikut:
H0 : Tidak terdapat masalah heterokedastisitas
H1 : Ada heterekodastisitas
Pada persamaan regresi

Lakukan regresi metode OLS kemudian

dapatkan residual
Jalankan model berikut ini sehingga mendapatkan nilai χ2
 atau Jika α = 5%, maka tolak H0 jika obs*R-square > atau P-
value < α

Ilustrasi:
Untuk melakukan uji white kita akan gunakan contoh data
pada bahasan uji heteroskedastisitas dengan metode grafik,
diatas.
1. Jalankan langkah-langkah yang sama persis pada bahasan
Regresi dengan Eviews pada bahasan sebelumnya (jika belum
mengerti anda bisa melihatnya langkahnya disini >>
2. Setelah didapatkan hasil analisis regresi linier, anda dapat
memilih VIEW – RESIDUAL TEST – WHITE
HETEROSCEDASTICITY (cross term), seperti berikut ini:

3. Setelah itu akan diperoleh OUTPUT sebagai berikut:

Hasil output menunjukkan nilai Obs*R-squared adalah
sebesar 5,68 sedangkan nilai probabilitas (chi-square) adalah
0,68 (lebih besar daripada α = 0,05), dengan demikian kita
dapat menerima hipotesis nol bahwa data tidak
mengandung masalah heteroskedastisitas.

3. Uji Goldfeld-Quandt
– Hipotesis yang kita bangun adalah:
H0 : homoskedastis
– Lakukan pengurutan data variabel independen, anda
dapat melakukannya di excel dengan perintah ascending
atau descending, dan di eviews anda dapat menuliskan SORT
X lalu enter di jendela perintah di bawah menu utama eviews.
– Hilangkan sebagian data yang ada di tengah atau “c”
pengamatan dan bagi data anda menjadi 2 kelompok data,
jumlah kelompok data yang di atas harus sama dengan
kelompok data di bagian bawah.
– Jalankan regresi OLS dan dapatkan nilai SSR (sum
squared residual) untuk dua kelompok data secara terpisah,
SSR1
untuk regresi OLS kelompok pertama, dan SSR2 kita
nyatakan untuk regresi OLS kelompok kedua,
– Bandingkan dengan derajat bebas (df) dengan rumus n-
c-2k/2, dimana n=jumlah observasi, c=data yang dihilangkan
di tengah, dan k=kelompok data.
– Hitung Fhitung dengan rumus:

– Bandingkan Fhitung dengan Fkritik, jika Fhitung >

Fkritik, maka tolak H0, artinya model mengandung masalah
heteroskedastis.
– Misalnya kita mempunyai nilai df n-c-2k/2 adalah (70-10-
2*2)/2 = 24, dan kita peroleh nilai untuk Fkritik berdasarkan
tabel sebaran F untuk 24 adalah 1,98.
– Kemudian kita peroleh Fhitung berdasarkan rumus sebesar
4,72 maka 4,72 > 1,98, tolak H0, artinya model tidak
homoskedastis.

4. Uji Breusch-Pagan
Uji ini tidak tergantung pada pengetahuan kita tentang
variabel mana yang menyebabkan heteroskedastisitas.
– H0 : homoskedastis
– Jika kita memiliki model

– Jalankan regresi OLS dan dapatkan SSR

(sum squared residual),
– Hitung residual kuadrat dengan rumus:

– Buat variabel baru dari

 – Regresikan Pi dengan variabel Xi dari model asli kita
dengan persamaan:

– Dapatkan nilai χ2hitung = ESS/2, dimana ESS

adalah explained sum squared, pada output eviews bisa kita
lihat pada nilai SSR (sum squared residual).

– Dapatkan nilai χ2tabel dengan α=5%, dengan df=m-1,

dimana m adalah jumlah variabel dependen dan
independen yang kita gunakan, misalnya total variabel kita
adalah 4, maka nilai df=4-1=3.
– Bandingkan nilai χ2hitung dengan χ2tabel, jika χ2hitung >
χ2tabel, maka tolak H0, terjadi indikasi
heteroskedastisitas.

5. Uji Park
Uji Park ini dikembangkan oleh Park pada tahun 1966 (Park,
1966). Dengan data yang kita miliki sebagai ilustrasi berikut ini:
Tahap-tahap uji:
1. Langkah menginput dan mengimpor data serta menjalankan
regresi.
2. Setelah itu kita akan membuat variabel baru, katakanlah
disini res2 dengan menggunakan rumus resid^2, karena
pada uji heteroskedastisitas kita akan bermain dengan
residual kuadrat, langkahnya dilakukan dengan mengklik
tombol Genr seperti berikut ini:

lalu isikan dengan res2 = resid^2, seperti berikut:

3. Setelah itu residual tadi akan kita regresikan dengan
menggunakan persamaan ln(res2)=b0 + b1X1 + b2X2 + b3X3 +
e. yaitu dengan memilih menu QUICK – ESTIMATE
EQUATION – kemudian isikan log(res2) c x1 x2 x3 – lalu klik
OK seperti berikut ini:

4. Setelah itu output akan didapatkan seperti berikut ini:

Kita dapat melihat koefisien pengujian residual yang
diperoleh dengan uji Park ini yaitu:

Log(res2) = 6,19 + 0,047 X1 – 0,01 X2 – 0,45 X3

t-statistik (2,66) (0,86) (-0,28) (-0,44)
p-value (0,015) (0,39) (0,78) (0,66)

Dari output diatas dapat kita lihat bahwa koefisien masing-

masing variabel independen bersifat tidak signifikan, maka
dengan demikian dapat kita simpulkan bahwa tidak
ada masalah heteroskedastisitas pada model. Kita dapat
menerima Hipotesis Null bahwa data bersifat homoskedastik.

Seringkali heteroskedastisitas dapat dipengaruhi oleh 1

atau lebih pengamatan pada data yang terletak terlalu jauh
dari pemusatan data dari model yang kita miliki. Pada beberapa
kasus mungkin kita dapat membiarkan saja data tersebut
digunakan di dalam model, tapi terkadang ia akan
menimbulkan eror atau kesalahan mutlak pada model
sehingga kita terpaksa melakukan drop pada data. Dalam
ekonometrik kita kenal sebagai outlier.
Uji Heteroskedatisitas – Menurut Ghozali (2005: 105) uji heteroskedastisitas bertujuan untuk
menguji apakah dalam model regresi terjadi ketidaksamaan variance residual dari satu
pengamatan ke pengamatan yang lain. Jika variance dari residual satu pengamatan ke
pengamatan lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut
heteroskedatisitas.

Akibat terjadinya heteroskedastisitas maka setiap terjadi perubahan pada variabel terikat
mengakibatkan errornya (residual) juga berubah sejalan atau kenaikan atau penurunannya.
Dengan kata lain konskuensinya apabila variabel terikat bertambah maka kesalahan juga akan
bertambah(Gujarati, Damodar N., 1988: 401).
Penelitian ini menggunakan Uji Park Glejser. Uji Park Glejser meregres nilai absolut residual
terhadap variabel independen. Jika varians dari residual dari satu pengamatan ke pengamatan
yang lain tetap maka disebut homokedastisitas. Park menyarankan menggunakan rumus
(Gujarati, Damodar N., 1988: 404):

Nilai residual (e) diperoleh dari Y observasi dikurangi dengan X observasi dikalikan dengan
koefisiennya (Y hitung). Nilai yang dihasilkan adalah nilai error, atau nilai kesalahan yang
diakibatkan oleh variabel lain yang tidak dimasukkan ke dalam model penelitian.
Persamaan dalam Uji Park Glejser di regres dengan metode OLS untuk menghasilkan
nilai t yang akan diuji signifikansinya.
Adapun kriteria yang digunakan dalam uji heteroskedastisitas dengan Uji Park adalah sebagai
berikut:
1). Jika variabel independen secara statistik signifikan terhadap variabel dependen nilai
absolut, maka terjadi heteroskedasitas.
2). Jika variabel independen secara statistik tidak signifikan terhadap variabel dependen nilai
absolut, maka terjadi homoskedastisitas.
Contoh Perhitungan Uji Heteroskedatisitas
Hasil penghitungan uji heteroskedastisitas dengan goodness of fit dapat dilihat pada tabel 1
dan uji heteroskedastisitas dengan t statistik dapat dilihat pada tabel 2.
Pada tabel 1 terlihat nilai R2 sebesar 0.004. Nilai ini merupakan nilai yang rendah untuk ukuran
korelasi. Gujarati 2003 menyebutkan bahwa korelasi yang tinggi adalah 0.8, sehingga korelasi
antara variabel terikat dengan residual sangat kecil.
Pada tabel 2 terlihat bahwa t statistik menunjukkan nilai 0.290. Pada kolom signifikan (Sig)
terlihat bahwa nilai kritis penerimaan Ho sebesar 0.775 atau 77.5%. Jika menggunakan derajad
keyakinan 5% maka angka ini berada pada daerah penerimaan Ho, atau diterima hipotesis
bahwa koefisien residual dalam uji heteroskedastisitas tidak berpengaruh pada variabel
terikat. Posisi t statistik dapat dilihat pada gambar 1 berikut:
20
BAB IIIPENUTUP

Dari ukuran di atas, maka dapat diperoleh beberapa kesimpulan, yaitu:1.

Pengertian heteroskeda stisitas adalah soal kesalahan atauresidual yang mencaritidak memiliki
varian yang konstan.2

Faktor Penyebab heteroskedastisitas adalah sebagai berikut.

Model Pembelajaran Kesalahan

Perbaikan Dalam Pengumpulan Data

Kesalahan spesifikasi model3.

Metode untuk menguji heteroskedastisitas ada beberapa macam, yaitu:

Jangan menyebarkan plot (Nilai prediksi dependen ZPRED dengan SRESID sisa)

Tes Goldfeld-Quant

Taman Uji

Uji Glesjer

Uji Putih

Uji Koefisien Korelasi Tombak

Rho pria

4.

Konsekuen siheteroskedastisitas

Penduga OLS yang tersedia Tarif tidak bias.

Varian yang menjadi tidak efisien / tidak minimum, artinya kebiasaanmembesar tidak lagi
menjadi varianyang cerdas. Kecenderunga nSemakin membesarnya varian tersebut akan
mengakibatkan uji hipotesisyangdilakukan juga tidak akan memberikan hasil yang baik (tidak
valid).Pada uji tterhadap koefisien regresi, t hitung Koin terlalu rendah. Angkatersebut akan
semakin jelekJika sampel pengamatan semakin kecil.

21

5.

Penanggu langanHeteroskedastisitas

Transformasi Logaritma Alam

Transformasi Dengan Membagi Persamaan Dengan Variabel Bebas

22

REFERENSI

ethasyahbania.blogspot.com/2011/01/

astisitas yang heterosked

.html .....

Diakses tanggal 14Desember2011 pkl 9.45 malam.

duwiconsultant.blogspot.com/2011/11/uji-

Dastisitas heteroske
.html.

Diakses tanggal 14Desember 2011 pkl 10.21 pmNawari. 2010.

Analisis Regresi dengan NONA exel dan SPSS 17

. Jakarta: PT. elek MediaKomputendo ..

id.wikipedia.org/wiki/Analisis_

regresi.

Diakses tanggal 14 Desember 2011 pkl 10.31 pm

industri06.wordpress.com/2009/03/18/teori-

regresi

-dan-seksual /.

Diakses tanggal 14 des2011 pkl 10.35 pm

setabasri01.blo gspot.com/2011/04 / uji-regresi-be rganda.html.

Diakses tanggal 14 desember2011 pkl 11.04 pm

images.boyke68.multiply.multiplycontent.com/.../Uji%20

Asumsi

% 20 ...

Diakses tanggal 12Desember 2011, pkl 10:15 sore

www.yohanli.com/

Dastisitas heteroske

.html.

Diakses tanggal 12 des 2011, pkl 10.15 sore

staffsite.gunadarma .ac.id / myunanto / ind ex.php? stateid. ..id ...

Diakses tanggal 12 Desember2011, pkl 10:15 sore

ariyoso.wordpress.com/2009/12/23/uji-

Dastisitas heteroske
/.

Diakses 14 Desember 2011 pkl