HETEROSKESDATISITAS

2
 KATA PENGANTAR

Dengan menyebut nama Allah SWT yang Maha Pengasih lagi Maha Penyayang,

kami panjatkan puji syukur atas kehadirat-Nya yang telah melimpahkan rahmat, hidayah,

dan inayah-Nya kepada kami, sehingga kami dapat menyelesaikan makalah

Ekonometrika tentang “Heteroskedastisitas” dengan baik.

Adapun makalah Heteroskedastisitas ini telah kami usahakan semaksimal

mungkin dan tentunya bantuan berbagai pihak, sehingga dapat memperlancar pembuatan

makalah ini. Untuk itu kami tidak lupa menyampaikan banyak terima kasih kepada

semua pihak yang membantu kami dalam pembuatan makalah ini.

Namun tidak lepas dari semua itu, kami menyadari sepenuhnya bahwa ada

kekurangan baik dari segi penyusunan makalahnya, bahasanya maupun dari segi lainnya.

Oleh karena itu, kami mengharapkan saran dan kritik demi memperbaiki makalah

heteroskedastisitas ini agar menjadi lebih sempurna.

Akhirnya penyusun mengharapkan semoga dari makalah heteroskedastisitas ini

dapat diambil manfaatnya sehingga dapat berguna bagi para pembaca.

Pekanbaru, November 2019

Kelompok 6
DAFTAR ISI

Kata pengantar ................................................................................................ ii

Daftar isi ............................................................................................................ iii

BAB I : PENDAHULUAN ............................................................................... 1

 1.1. Latar Belakang ............................................................................. 1
1.2. Rumusan Masalah.......................................................................... 1
1.3. Tujuan Dan Manfaat......................................................................

BAB  II : ISI & PEMBAHASAN ....................................................................

2.1. Pengertian Heteroskedastisitas......................................................
2.2. Pengujian Heteroskedastisitas........................................................
2.3. Cara Mengatasi Heteroskedastisitas..............................................
2.4. Uji Kasus........................................................................................

BAB III : PENUTUP ........................................................................................

3.1.Kesimpulan.....................................................................................
3.2. Saran..............................................................................................

DAFTAR PUSTAKA........................................................................................

BAB I
PENDAHULUAN

A. Latar Belakang
Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi
terjadi ketidaksamaan variansi dari residual satu pengamatan ke pengamatan lain. Jika
variansi dari residual satu pengamatan ke pengamatan lain tetap, maka disebut
Homoskedastisitas dan jika berbeda disebut Heteroskedastisitas. Model regresi yang baik
adalah yang Homoskedastisitas
atau yang tidak terjadi Heteroskedastisitas.
Deteksi heteroskedastisitas dapat dilakukan dengan metode scatter plot dengan
memplotkan nilai ZPRED (nilai prediksi) dengan SRESID (nilai residualnya). Model
yang baik didapatkan jika tidak terdapat pola tertentu pada grafik, seperti mengumpul di
tengah, menyempit kemudian melebar atau sebaliknya melebar kemudian menyempit.
Uji statistik yang dapat digunakan adalah uji Glejser, uji Park atau uji White.
1.2. Rumusan Masalah

1. Apa itu Uji Heteroskedastisitas ?

2. Bagaimana Pengujian Heteroskedastisitas ?
3. Bagaimana Cara Mengatasi Heteroskedastisitas
1.3. Tujuan
1. Untuk mengetahui pengertian heteroskedastisitas
2. Untuk mengetahui cara pengujian gejala heteroskedastisitas
3. Untuk mengetahui bagaimana cara mengatasi heteroskedastisitas

BAB II PEMBAHASAN

A. Pengertian
Salah satu asumsi dalam regresi OLS adalah distribusi residual/eror sama
(homoskedastisitas) 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. Asumsi homoskedastisitas :
 Var ( e∨x 1 , x 2 , … , x k )=σ
2

Ketika eror tidak memiliki keragaman yang konstan maka persamaan mengandung
masalah heteroskedastisitas atau :

Var ( e ∨ x , x , … , x )=σ 2 1 2 k

Heteroskedastisitas adalah adanya ketidaksamaan varian dari residual untuk semua

pengamatan pada model regresi. Pada penerapannya eror sulit memiliki keragaman yang
konstan, hal ini terjadi pada data silang (cross section) di banding data runtun waktu
(time series). Seringkali ditemukan 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.
B. Pengujian Heteroskedastisitas
Untuk mengetahui adanya penyimpangan dari syarat-syarat asumsi klasik pada
model regresi di mana dalam model regresi harus dipenuhi syarat tidak adanya
heteroskedastisitas, maka dapat dilakukan dengan beberapa uji, salah satu nya, yaitu :
 Uji Glejser
Uji Glejser dilakukan dengan cara meregresikan nilai absolute dari residual
dengan masing-masing variabel independen. Dasar pengambilan keputusan :
1. Tidak terjadi heteroskedastisitas, jika ini thitung lebih kecil dari ttabel dan nilai
signifikansi lebih besar dari 0,05.
2. Terjadi heteroskedastisitas, jika nilai thitung lebih besar dari ttabel dan nilai
signifikansi lebih kecil dari 0,05.
Uji hipotesis:

H0 : Tidak ada gejala heteroskedastisitas H1 : Ada gejala heteroskedastisitas

Keputusan:
H0 diterima apabila |thitung| > |ttabel|

C. Cara Mengatasi Heteroskedastisitas

 Beberapa cara yang dapat digunakan untuk mengatasi heteroskedastisitas dari
data, agar dapat dianalisis.
1. Metode Generalized Least Squares (GLS)
Perhatikan model berikut :
=
si
2
masing-masing dikalikan
1
Y
i


1
si


ß
0


Y
1
si
i
ß
0
ß
1
X
i
e
i
dengan Var (
e
si
, sehingga menjadi :


ß
1
Maka diperoleh transformasi model sebagai berikut:
Y
Periksa apakah
ei

E

ei
Dengan demikian
ei
i

ß
0

 homoskedastis ?
2


E


ei
si
2
2


ß

1
si
2
1
X
i

E

ei


xi
si
ei
2








1
si
ei
si
2



si
2

1
homoskedastis.
Cara ini menjamin hilangnya heteroskedastis; akan tetapi, prosedur
ini susah diimplementasikan karena tidak mudah mencari varians dari tiaptiap
pengamatan.
i
1. Metode Generalized Least Squares (GLS)
Perhatikan model berikut : Y i=β 0 + β 1 X i+ ε i dengan Var ( ε i ¿

1
= σ i 2 masing-masing dikalikan , sehingga menjadi :
σi

( ) ( ) ( )( )
1 1 xi εi
Yi =β +β +
0 1
σi σi σi σi
Maka diperoleh transformasi model sebagai berikut:
¿ =¿
Y i β 0+ β¿ 1 X ¿i + εi
¿
Periksa apakah εi homoskedastis ?

)
= 1 E ( εi
2
¿2
)=21 ( σi )=1
2
2
σi σi 2 σi
¿
Dengan demikian εi homoskedastis.
Cara ini menjamin hilangnya heteroskedastis; akan tetapi, prosedur ini susah
diimplementasikan karena tidak mudah mencari varians dari tiap- tiap pengamatan.
 Kita akan menaksir transformed model dengan OLS dan taksiran yang diperoleh
akan BLUE, sedangkan model asli yang belum ditransformasikan (orginal model) bila
ditaksir dengan OLS, taksirannya tidak BLUE. Prosedur yang menaksir transformed
model dengan OLS
disebut metode Generalized Least Square (GLS).
2. Transformasi dengan 1/Xi
Asumsi : E ( ε i 2 )= σ 2 X 2
¿
i
Transformasi menghasilkan
Yi = β 0
Xi ( )Xi
+ β1+
( )Xi
¿
1
¿
εi

Atau dapat ditulis dengan Y = β 0 X i

+ β 1 + vi
Bukti varian telah konstan

Xi
2

2)=
Xi2
E ( ε i )=
Xi 2
(σ 1 2
1 2 2 2
X i )= σ

Secara grafik ciri-cirinya :

1
3. Transformasi dengan
√ Xi
¿ ❑
E ( ε i )=σ X
2 2
Asumsi : i

Transformasi menghasilkan

√Yi
Xi = β 0
(
1
√ Xi ) ( √ Xi )
+ β 1+ εi
Bukti varian telah konstan
2

Xi
) = 1 E ( ε i )= ( σ
Xi Xi
2
1 2
Xi ) =σ
2
Secara grafik ciri-cirinya :

1 1
=
Y^
4. Transformasi dengan E ( Y i) i

E ( ε )= σ [ E (Y i ) ]
2 2 2
Asumsi : i
Secara grafik, ciri-cirinya :

5. Transformasi dengan logaritma

Transformasi ini ditujukan untuk memperkecil skala antar variabel bebas.
Dengan semakin “sempitnya” range nilai observasi, diharapkan
variansi error juga tidak akan berbeda besar antar kelompok observasi. Model yang
digunakan adalah :
Ln Y i= β 0 + β 1 Ln X i + ε i

1
2
D. Studi Kasus

1
3
 Keputusan : Terima H0, karena nilai signifikansi ketiga variabel > 0,05
Kesimpulan : Dari output di atas, maka tampak ketiga variabel tidak ada gejala heteroskedastisitas.

11
11
 BAB III PENUTUP

A. Kesimpulan
Heteroskedastisitas adalah adanya ketidaksamaan varian dari residual untuk
semua pengamatan pada model regresi. Adapun beberapa cara untuk
mendeteksi gejala dari heteroskedatisitas sebagai berikut:
1. Melihat grafik
2. Korelasi Spearman
3. Uji Park
4. Uji Glejser
5. Uji Goldfield
Beberapa cara untuk mengatasi heteroskedastisitas sebagai berikut :
1. Metode GLS
2. Transformasi dengan 1/Xi

12
12
3. Transformasi dengan 1/ √ xi
1 1
=
Y^
4. Transformasi dengan
E ( Y i) i
5. Transformasi dengan logaritma

B. Saran
Demikian makalah yang kami buat, semoga dapat bermanfaat bagi
 para pembaca. Apabila ada saran dan kritik yang ingin disampaikan, silahkan sampaikan
kepada kami. Apabila terdapat kesalahan mohon dapat memaafkan dan memakluminya
karena kami adalah hamba Allah yang tak luput dari kesalahan dan lupa.

DAFTAR PUSTAKA

Hadi, Ali S dan Sampit C. 2006. Regression Analysis by Example Fourth Edition.
United State of America : A John Willey & Sons,inc., publication

Juanda, Bambang. 2009. Ekonometrika : Pemodelan dan Pendugaan. Bogor: IPB Press

http://portal-statistik.blogspot.com
12