PENDAHULUAN
A. Latar Belakang
Banyak analisis statistika yang bertujuan untuk mengetahui hubungan antara dua atau
lebih peubah. Salah satu metode untuk menentukan hubungan sebab-akibat antara peubah-
peubah itu adalah analisis regresi. Hampir semua bidang ilmu yang memerlukan analisis
sebab-akibat mengenal analisis regresi ini.
Salah satu asumsi penting dalam analisa regresi adalah variasi gangguan acak (µ)
pada setiap variabel bebas adalah homoskedastisitas, yaitu kondisi dimana varians dari data
adalah sama pada seluruh pengamatan. Asumsi ini dapat ditulis sebagai berikut:
E (µi2) = δ2 , i = 1, 2, ………n
Oleh karena itu, dipandang perlu untuk memahami asumsi tersebut secara lebih
dalam. Maka, makalah ini akan memberikan sedikit paparan tentang heteroskedastisitas.
1
B. Rumusan Masalah
Berdasarkan latar belakang diatas, masalah yang akan dipaparkan dalam makalah ini
adalah:
C. Tujuan
Dari rumusan masalah diatas, maka dapat diketahui tujuan dari penyusunan makalah
ini adalah sebagai berikut.
2
BAB II
HETEROSKEDASTISITAS
A. Pengertian
Beberapa asumsi dalam model regresi yang terkait dengan heteroskedastisitas antara
lain adalah residual (e) memiliki nilai rata-rata nol, keragaman yang konstan, dan residual
pada model tidak saling berhubungan, sehingga estimator bersifat BLUE. Jika asumsi ini
dilanggar maka prediksi model yang dibuat tidak dapat diandalkan.
3
2. Perbaikan Dalam Pengumpulan Data
Salah satu asumsi dalam analisis regresi adalah model dispesifikasi secara benar. Jika
satu variabel yang semestinya harus dimasukkan, tetapi karena suatu hal variabel tersebut
tidak dimasukkan, hal itu akan menyebabkan residual dari regresi akan memberikan hasil
yang berbeda dengan benar dan varians dari kesalahan tidak konstan.
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.
Dampak yang akan ditimbulkan adalah asumsi yang terjadi masih tetap tidak berbias,
tetapi tidak lagi efisien. Prasyarat yang harus terpenuhi dalam model regresi adalah tidak
4
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.
1. Melihat scatter plot (nilai prediksi dependen ZPRED dengan residual SRESID)
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).
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.
5
Contoh:
Akan dilakukan analisis regresi linier berganda untuk mengetahui pengaruh biaya
produksi, distribusi, dan promosi terhadap tingkat penjualan. Data dalam jutaan rupiah
sebagai berikut:
6
Hasil uji dengan menggunakan SPSS adalah:
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.
2. Goldfeld-Quant Test
7
e. Lakukan uji F dengan menggunakan derajat kebebasan (degree of freedom) sebesar
(n-d-2k)/2, dimana
n = banyaknya observasi,
d = banyaknya data atau nilai observasi yang hilang
k = banyaknya parameter yang diperkirakan.
Kriteria uji F jika :
F hitung > F tabel, maka ada heteroskedasitas
F hitung < F tabel, maka tidak ada heteroskedasitas
Uji Goldfeld-Quant ini sangat tepat untuk sampel besar ( n > 30). Seandainya tidak
ada data yang dibuang (d=0) tes masih berlaku tetapi kemampuan untuk mendeteksi adanya
heteroskedasitas agak berkurang.
8
2007 269.2 55.9 21.8 21.5
Dengan menghilangkan data tahun 2003 sebagai nilai tengah, maka diperoleh hasil:
Sum of
Model Squares Df Mean Square F Sig.
Total 4116.429 6
b. Dependent Variable: y
Standardized
Unstandardized Coefficients Coefficients
a. Dependent Variable: y
9
Tabel 2.3 ANAVA untuk data yang bernilai tinggi
ANOVAb
Sum of
Model Squares Df Mean Square F Sig.
Total 18688.469 6
b. Dependent Variable: y2
Standardized
Unstandardized Coefficients Coefficients
a. Dependent Variable: y2
Hasil regresi kelompok 1(yang bernilai rendah) adalah 1013.942 dan hasil regresi kelompok
2(yang bernilai tinggi) adalah 10.540, maka diperoleh F hitung:
= 96.1994
10
Dari tabel F((n-d-2k)/2) diperoleh nilai F tabel sebesar 9.276. Karena F hitung
(96.1994) > F table (9.276), maka dapat disimpulkan bahwa adanya gejala heteroskedastisitas
dalam data tersebut.
3. Uji Park
Uji ini mengasumsikan bahwa δi2 adalah fungsi dari variabel bebas Xi. Fungsi yang
dianjurkan adalah :
i2 = 2 Xi e vi atau
ln i2 = 2 ln Xi + vi
Karena 2 tidak diketahui, Park mengasumsikan agar i2 digunakan sebagai proxy,
dan dilakukan regresi :
ln i 2 = ln 2 + ln Xi + vi
= + ln Xi + vi
Jika β signifikan, maka ada heteroskedasitas dalam data sebab hipotesis pengujian
heteroskedasitas adalah :
11
Pada multivariate, cobakan tiap-tiap variabel independen (Xi) atau variabel dependen
(Yi)
Klik variabel Y dan masukkan ke kotak Dependent, kemudian klik variabel X1, X2, X3
dan masukkan ke kotak Independent(s).
Klik OK, hiraukan hasil output, kita kembali ke SPSS Data Editor, kemudian klik data
view, terlihat satu variabel tambahan yaitu res_1, inilah variabel Unstandardized Residual
yang akan kita gunakan.
Kuadratkan nilai Unstandardized Residual (Bisa lewat program Ms Excel dengan cara
sorot seluruh data lalu kopi dan masukkan (paste) ke program Ms Excel kemudian
kuadratkan nilai tersebut) variabel yang didapat kita beri nama yaitu ei2.
Ubah seluruh variabel ei2, X1, dan X2 kedalam bentuk logaritma natural (Bisa lewat
program Ms Excel dengan cara kopi variabel dan masukkan (paste) ke program Ms Excel
kemudian ubah dalam bentuk logaritma natural dengan cara pada cel kosong ketik =Ln(
lalu sorot variabel yang akan kita ubah, kemudian tekan enter.
Kembali ke Variable View pada SPSS, buat variabel baru dengan cara pada kolom Name
pada baris 5 ketik lnx1, pada baris ke 6 ketik lnx2, kemudian pada baris selanjutnya ketik
lnei2. (kolom-kolom lain boleh dihiraukan)
Klik Data View, terlihat kolom baru dengan nama lnx1, lnx2, dan lnei2.
Bila anda merubah data ke bentuk Ln di Ms Excel maka kopikan seluruh variabel dan
masukkan (paste) ke data view pada program SPSS sesuai dengan variabelnya.
Klik varibel lnei2 dan masukkan ke kotak Dependent, kemudian klik variabel lnx1 dan
masukkan ke kotak Independent.
12
Klik OK, sementara hiraukan hasil output yang di dapat.
Klik Analize - Regression - Linear. Terlihat variabel lnei2 masih ada di kotak Dependent
dan variabel lnx1 di kotak independent.
Klik varibel lnx1 dan keluarkan variabel dari kotak Independent, kemudian klik variabel
lnx2 dan masukkan kekotak Independent, kemudian klik variabel lnx1 dan masukkan ke
kotak Independent. Lalu OK.
3. Ho diterima bila –t tabel < t hitung < t tabel berarti tidak terdapat heteroskedastisitas
dan Ho ditolak bila t hitung > t tabel atau -t hitung < -t tabel yang berarti terdapat
heteroskedastisitas.
Melalui petunjuk pengolahan data dengan SPSS di atas, maka diperoleh hasil sebagai berikut.
Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
13
Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
Dari hasil output di atas dapat dilihat bahwa nilai t hitung adalah 15.056, 7.612 dan
20.973. Sedangkan nilai t tabel dapat dicari pada tabel t dengan df = n-2 atau 15-2 = 13 pada
pengujian 2 sisi (signifikansi 0,05), di dapat nilai t tabel sebesar 2,160. Karena nilai t hitung
(15.056, 7.612 dan 20.973) berada pada t hitung > t tabel, maka Ho ditolak artinya pengujian
antara Ln ei2 dengan Ln X1, Lnei2 dengan LnX2 dan Ln ei2 dengan Ln X3 ada gejala
heteroskedastisitas. Dengan ini dapat disimpulkan bahwa telah ditemukan masalah
heteroskedastisitas pada model regresi tersebut.
4. Uji Glesjer
Langkah-langkah pengujiannya
14
|ei| = b0 + b1.(1/Xi) + Vi atau
dll
b. Apabila t pada b1 signifikan artinya ada heteroskedastistas
Pada multivariate, cobakan tiap tiap variabel independen (Xi) atau variabel dependen
(Yi).
Langkah pertama yaitu mencari nilai unstandardized residual, caranya klik 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 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
klik menu 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.
15
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.
Contoh dengan data yang sama pada uji dengan Scatter Plot. maka diperoleh hasil
sebagai berikut.
Standardized
Unstandardized Coefficients Coefficients
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.
5. Uji White
Hasil uji park bisa berbeda dengan uji Golfeld and Quant. Jika terjadi keraguan maka
sebaiknya digunakan uji white yang pada prinsipnya meregres residual yang dikuadratkan
dengan variabel bebas pada model.
16
Maka model White test mempunyai dua kemungkinan yaitu:
Model no cross term : µ 2 = f(X1, X2, X12,X22, e)
Model cross term : µ2 = f(X1, X2, X12,X22, X1X2, e)
a. Lakukan estimasi fungsi regresi terlebih dahulu, menspesifikasikan variabel bebas dan
variabel tidak bebas.
b. Klik View, Residual Test, White Heteroskedasticity (Cross term or no Cross term),
rs = 1- ( )
17
b. Mencari nilai-nilai variabel gangguan penduga ei
c. Ranking nilai-nilai ei itu serta nilai-nilai e itu serta nilai-nilai Xi yang bersangkutan
dalam urutan yang semakin kecil/ semakin besar.
d. Hitung koefisien regresi penduga rank Spearman (rs)
e. Bila rs mendekati ± maka kemungkinan besar terdapat heterokedastisitas dalam
model, bila rs mendekati 0, maka heteroskedastisitas kecil.
f. Pengujian Goldfeld dan Quandt, hanya dapat dilakukan terhadap sampel yang besar.
Langkah pertama yaitu mencari nilai unstandardized residual, caranya klik 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 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. Jika sudah klik tombol OK.
Contoh dengan data yang sama, yang diolah dengan SPSS, maka diperoleh hasil:
18
Correlations
Unstandardi
biaya_produ biaya_prom zed
ksi biaya_distr s Residual
N 15 15 15 15
biaya_distr Correlation
.847** 1.000 .919** .200
Coefficient
N 15 15 15 15
biaya_proms Correlation
.943** .919** 1.000 .193
Coefficient
N 15 15 15 15
Unstandardized Correlation
.296 .200 .193 1.000
Residual Coefficient
N 15 15 15 15
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.
C. Penanggulangan Heteroskedastisitas
19
Yi = 1 + 2 + ui
LnYi = i + 2 LnXi
Transformasi dalam bentuk logaritma akan memperkecil skala dari observasi dan
kemungkinan besar varians juga akan semakin mengecil dan ada kemungkinan
homoskedastisitas terpenuhi.
Jika model regresi yang telah diuji terdapat heteroskedastisitas maka salah satu
penanggulangannya dapat dilakukan dengan membagi persamaan regresi tersebut dengan
variabel bebas (independen) yang mengandung heteroskedastisitas. Variabel bebas
(independen) yang mengandung heteroskedastisitas tersebut diperoleh dari pengujian White-
Test.
Yi = 1 + 2Xi + ui
E (uiXi) 0 dan E (ui2) u2
Yi / Xi = bo / Xi + b1 + ui/Xi
Dimana : Var (ui/Xi)2 = 1/Xi2 var (ui)2 = 1/Xi2 2 Xi2 = 2
20
BAB III
PENUTUP
Melihat scatter plot (nilai prediksi dependen ZPRED dengan residual SRESID)
Goldfeld-Quant Test
Uji Park
Uji Glesjer
Uji White
4. Konsekuensi heteroskedastisitas
21
Pada uji t terhadap koefisien regresi, t hitung diduga terlalu rendah. Kesimpulan
tersebut akan semakin jelek jika sampel pengamatan semakin kecil jumlahnya.
5. Penanggulangan Heteroskedastisitas
22
REFERENSI
Nawari. 2010. Analisis Regresi dengan MS exel dan SPSS 17. Jakarta: PT. elek Media
Komputendo..
23